Professional Documents
Culture Documents
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Medidas de Disper Medidas de Disper Medidas de Disper Medidas de Dispersin o sin o sin o sin o
Variabilidad Variabilidad Variabilidad Variabilidad
Coeficiente de Variacin CV Coeficiente de Variacin CV Coeficiente de Variacin CV Coeficiente de Variacin CV
para contrastar la variacin de dos o ms
variables que estn medidas en diversas escalas.
Es el resultado de la diferencia entre el dato
mayor y el dato menor de la muestra.
El rango mide la amplitud de la variacin de un
grupo de datos,
Lmites reales o naturales Lmites reales o naturales Lmites reales o naturales Lmites reales o naturales Los lmites reales o naturales de un proceso
indican los puntos entre los cuales vara la
salida de un proceso.
Limite real Inferior (LRI) = - 3 S y
Limite real superior (LRS) = + 3 S ,
Los lmites indican de dnde a donde vara la salida de un
proceso..En un estudio de capacidad, estos lmites reales se
comparan con las especificaciones para la caracterstica de
calidad.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Medidas de Dispersin o Variabilidad Medidas de Dispersin o Variabilidad Medidas de Dispersin o Variabilidad Medidas de Dispersin o Variabilidad
Desviacin estndar Desviacin estndar Desviacin estndar Desviacin estndar muestral muestral muestral muestral. . . .
y Poblacional y Poblacional y Poblacional y Poblacional
Rango Rango Rango Rango
R=1,25 R=1,25 R=1,25 R=1,25 - -- - 1,11 = 0,14 1,11 = 0,14 1,11 = 0,14 1,11 = 0,14
S = 0,02757 S = 0,02757 S = 0,02757 S = 0,02757
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Medidas de Disper Medidas de Disper Medidas de Disper Medidas de Dispersin o sin o sin o sin o
Variabilidad Variabilidad Variabilidad Variabilidad
Coeficiente de Variacin CV Coeficiente de Variacin CV Coeficiente de Variacin CV Coeficiente de Variacin CV
CV= CV= CV= CV= 0 00 0,o ,o ,o ,o2757 2757 2757 2757 x xx x 100 100 100 100/ // /1 11 1, ,, ,179 179 179 179 = == = 2 22 2, ,, ,34 34 34 34
Lmites reales o naturales Lmites reales o naturales Lmites reales o naturales Lmites reales o naturales
(LRI) (LRI) (LRI) (LRI) = == = 1 11 1, ,, ,179 179 179 179 3 33 3( (( (0 00 0, ,, ,02757 02757 02757 02757)= )= )= )= 1 11 1, ,, ,096 096 096 096
(LRS) (LRS) (LRS) (LRS) = == = 1 11 1, ,, ,179 179 179 179 3 33 3( (( (0 00 0, ,, ,02757 02757 02757 02757)= )= )= )= 1 11 1, ,, ,262 262 262 262
Los lmites de la empresa indican EI=1,10 y ES =1,30 Los lmites de la empresa indican EI=1,10 y ES =1,30 Los lmites de la empresa indican EI=1,10 y ES =1,30 Los lmites de la empresa indican EI=1,10 y ES =1,30
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Cmo podemos hacer un anlisis en Cmo podemos hacer un anlisis en Cmo podemos hacer un anlisis en Cmo podemos hacer un anlisis en
conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia
central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia conjunto de las medidas de tendencia
central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o central y medidas de dispersin o
variabilidad? variabilidad? variabilidad? variabilidad?
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Cmo podemos hacer un anlisis en conjunto de las medidas Cmo podemos hacer un anlisis en conjunto de las medidas Cmo podemos hacer un anlisis en conjunto de las medidas Cmo podemos hacer un anlisis en conjunto de las medidas
de tendencia central y medidas de dispersin o variabilidad? de tendencia central y medidas de dispersin o variabilidad? de tendencia central y medidas de dispersin o variabilidad? de tendencia central y medidas de dispersin o variabilidad?
Para el anlisis de un conjunto de datos la clave es conocer su
tendencia central y su dispersin, siendo el Histograma y la
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
tendencia central y su dispersin, siendo el Histograma y la
tabla de frecuencias mediante los cuales se permiten visualizar
estos dos aspectos de un conjunto de datos, adems muestran
la forma en que los datos se distribuyen dentro de su rango de
variacin
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Histogramas Histogramas Histogramas Histogramas
El histograma es una representacin grfica de la
distribucin de un conjunto de datos o de una
variable, donde los datos se clasifican por su
magnitud en cierto nmero de clases.
El histograma permite visualizar la tendencia central,
la dispersin y la forma de la distribucin.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
El histograma permite visualizar la tendencia central,
la dispersin y la forma de la distribucin.
El histograma ayuda a ver la tendencia central de los datos, facilita el
entendimiento de la variabilidad y favorece el pensamiento estadstico, ya
que de un solo vistazo se logra tener una idea acerca de la capacidad de un
proceso, se evitan tomar decisiones solo apoyndose en la media y se
detectan datos raros y formas especiales de la distribucin de los datos
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de Histogramas Histogramas Histogramas Histogramas
Cuando un histograma se construye de manera correcta, es resultado de un
nmero suficiente de datos (de preferencia ms de 100), y estos son
representativos del estado del proceso durante el perodo de inters ;
entonces, se recomienda considerar los siguientes puntos en la interpretacin
del histograma
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
del histograma
1 11 1. .. . Observar Observar Observar Observar la la la la tendencia tendencia tendencia tendencia central central central central de de de de los los los los datos datos datos datos. Localizar en el eje horizontal o
escala de medicin las barras con mayores frecuencias. En el histograma de
la figura 2.1, una parte sustancial de las medicin es se localizan entre 1,14
y 1,20 mm.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de Histogramas Histogramas Histogramas Histogramas
2 22 2. .. . Estudiar Estudiar Estudiar Estudiar el el el el centrado centrado centrado centrado del del del del proceso proceso proceso proceso. Para ello, es necesario apoyarse en el punto anterior y
observar la posicin central del cuerpo del histograma con respecto a la calidad ptima y a las
especificaciones. Por ejemplo en la figura
a) Primero presenta poca variabilidad, b. Mucha variabilidad
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
especificaciones. Por ejemplo en la figura
a) Primero presenta poca variabilidad, b. Mucha variabilidad
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de Histogramas Histogramas Histogramas Histogramas
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
b) y d) se observan procesos descentrados, el primero con poca variabilidad y el segundo
con mucha. Aun cuando se cumplan las especificaciones, si el proceso no est centrado, la
calidad que se produce no es adecuada, ya que entre ms se aleje del ptimo ms mala
calidad se tendr. Por ello, en caso de tener un proceso descentrado se procede a realizar los
ajustes o cambios necesarios para centrar el proceso.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de Histogramas Histogramas Histogramas Histogramas
3 33 3. .. . Examinar Examinar Examinar Examinar la la la la variabilidad variabilidad variabilidad variabilidad del del del del proceso proceso proceso proceso. Consiste en comparar la amplitud de las
especificacin es con el ancho del histograma. Para considerar que la dispersin
no es demasiada, el ancho del histograma debe caber de forma holgada en las
especificaciones.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
no es demasiada, el ancho del histograma debe caber de forma holgada en las
especificaciones.
En la figura 2.2
incisos a) y b) hay poca variacin, mientras que en los
incisos c) y d) ocurre lo contrario.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de Histogramas Histogramas Histogramas Histogramas
4. 4. 4. 4. Analizar Analizar Analizar Analizar la la la la forma forma forma forma del del del del histograma histograma histograma histograma. .. . Al observar un histograma considerar
que la forma de distribucin de campana es la que ms se da en salidas de
proceso y tiene caractersticas similares a la distribucin normal fig 2,2 a),
b), c) y d). Es necesario revisar si la forma del histograma es muy diferente a
la de campana. Algunas de las formas tpicas que no coinciden con una
distribucin de campana, son las siguientes.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
distribucin de campana, son las siguientes.
Distribucin Distribucin Distribucin Distribucin sesgada sesgada sesgada sesgada. Es una forma asimtrica de la distribucin de unos
datos o una variable, donde la cola de un lado de la distribucin es ms
larga que la del otro lado.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Interpretacin de Interpretacin de Interpretacin de Histogramas Histogramas Histogramas Histogramas
4. 4. 4. 4. Analizar Analizar Analizar Analizar la la la la forma forma forma forma del del del del histograma histograma histograma histograma. .. .
Distribucin Distribucin Distribucin Distribucin multimodal multimodal multimodal multimodal. Es una forma de la distribucin de unos datos en
la que sea aprecia claramente dos o ms modas (picos). Por lo general, cada
moda refleja una condicin o realidad diferente. En la figura 2,2 f) se
aprecia un histograma en el que claramente se notan dos modas o picos que
muestran dos tendencias centrales diferentes. Este tipo de distribuciones con
dos o ms modas reflejan la presencia de dos o ms realidades o condiciones
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
muestran dos tendencias centrales diferentes. Este tipo de distribuciones con
dos o ms modas reflejan la presencia de dos o ms realidades o condiciones
diferentes
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Medidas de Forma Medidas de Forma Medidas de Forma Medidas de Forma
Sesgo o Sesgo o Sesgo o Sesgo o Asimetria Asimetria Asimetria Asimetria
Es una medida numrica de la asimetra en la
distribucin de un conjunto de datos. Evala el grado
de distorsin o inclinacin que adopta la distribucin
de los datos respecto a su valor promedio tomado como
centro de gravedad.
,
Un aspecto relevante en el anlisis de un conjunto de datos o una variable es estudiar la forma de
su distribucin. Entre ellos tenemos el sesgo y la curtosis.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Medidas de forma Medidas de forma Medidas de forma Medidas de forma
Sesgo o Sesgo o Sesgo o Sesgo o Asimetria Asimetria Asimetria Asimetria
Curtosis Curtosis Curtosis Curtosis
centro de gravedad.
Estadstico que mide qu tan elevada o plana es la
curva de la distribucin de unos datos respecto a la
distribucin normal. (Evala el grado de
apuntamiento de la distribucin).
.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Medidas de Forma Medidas de Forma Medidas de Forma Medidas de Forma
,
Un aspecto relevante en el anlisis de un conjunto de datos o una variable es estudiar la forma de
su distribucin. Entre ellos tenemos el sesgo y la curtosis.
Si el signo es de la curtosis es positivo
indica que la curva de distribucin de los
datos es ms empinada o alta (picuda) en
el centro y con colas relativamente largas;
ambos aspectos se refieren a la distribucin
normal.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
ambos aspectos se refieren a la distribucin
normal.
Pero si es signo es negativo , se tendr una
curva ms aplanada y con colas ms cortas
con respecto a la normalidad . Para los
datos que siguen una distribucin normal
el valor de la curtosis estandarizada debe
estar dentro de (-2, +2),por lo que si n es
grande (n>100) y el estadstico cae fuera de
este intervalo , ser una evidencia de que la
distribucin de los datos no es normal.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Medidas de Localizacin Medidas de Localizacin Medidas de Localizacin Medidas de Localizacin
,
Cuantiles Cuantiles Cuantiles Cuantiles
(percentiles) (percentiles) (percentiles) (percentiles)
Los cuantiles son medidas de localizacin que dividen un conjunto de
datos ordenados en ciertos nmero de grupos o partes que contienen la
misma cantidad de datos.
Si los datos ordenados se dividen en:
3 partes, se les conoce como terciles, pero si se divide en
4 partes ..se le denomina cuartiles,
5 partes quintiles, si la divisin es en
10 partes. tendremos los deciles
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Medidas de Medidas de Medidas de Medidas de
Localizacin Localizacin Localizacin Localizacin
Cuartiless Cuartiless Cuartiless Cuartiless
Los cuartiles son iguales a los percentiles 25, 50, 75 y sirven para
separar por magnitud la distribucin de unos datos en cuatro grupos,
donde cada uno contiene 25%de los datos.
Al percentil 25 se le conoce como primer cuartil o cuartil inferior Ci,
mientras que la mediana es el percentil 50 corresponde al cuartil medio
Cm, y el percentil 75 es el cuartil superior Cs o tercer cuartil.
El clculo de estos estadsticos se realizan mediante cualquier software
moderno estadstico.
Diagrama de Caja Diagrama de Caja Diagrama de Caja Diagrama de Caja
El diagrama de cajas es una grafica de la distribucin de un conjunto
de datos que se basa en los cuartiles. Es de gran utilidad para hacer
anlisis comparativos.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Diagrama de Cajas Diagrama de Cajas Diagrama de Cajas Diagrama de Cajas
,
El diagrama de caja es otra herramienta que sirve para describir el comportamiento de los datos
y es de suma utilidad para comparar procesos, tratamientos y, en general, para hacer anlisis
por estratos (lotes, proveedores, turnos, etc).
Este diagrama divide los datos en 4 grupos que contienen cada uno 25% de las mediciones. De
esta forma es posible visualizar dnde termina de acumularse 25%de los datos menores , y a
partir de donde se localiza 25 % de los datos mayores en entre estos dos cuartiles se ubica el
50% de los datos que estn al centro . Pero adems de los cuartiles estn involucrados los
siguientes conceptos.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
50% de los datos que estn al centro . Pero adems de los cuartiles estn involucrados los
siguientes conceptos.
Rango Intercuartiltico Rc = Cs - Ci
Barrera interior izquierda = Ci 1.5 Rc e interior derecha Cs + 1.5 Rc
Barrera exterior Izquierda = Ci 3 Rc y exterior Cs + 3 Rc
En la figura 2.3 se muestra el diagrama de caja para los datos
de grosor de los discos.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Diagrama de Cajas Interpretacin de Diagrama de Cajas Interpretacin de Diagrama de Cajas Interpretacin de Diagrama de Cajas
,
El largo del diagrama (que incluye el
rectngulo ms ambos brazo), ya que esto
indica una medida de la variacin de los
datos y resulta de gran utilidad sobre todo
para comparar la variacin entre procesos
,lotes o turnos de trabajo o produccin . en
general entre mas largo sea este diagrama
indicar una mayor variacin de los datos
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
general entre mas largo sea este diagrama
indicar una mayor variacin de los datos
correspondientes.
La La La La parte parte parte parte central central central central del del del del diagrama diagrama diagrama diagrama indica la
tendencia central de los datos, por lo que
tambin ayudar a comparar dos o ms
procesos, maquinas, lotes o turnos en
cuanto a su tendencia central.,
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Interpretacin de Diagrama de Cajas Interpretacin de Diagrama de Cajas Interpretacin de Diagrama de Cajas Interpretacin de Diagrama de Cajas
,
Comprar de manera visual la la la la longitud longitud longitud longitud de de de de los los los los
brazos brazos brazos brazos , si uno es notoriamente ms largo
que el otro, entonces la distribucin de los
datos quizs este sesgada en direccin del
brazo ms largo.
Tambin es preciso observar la ubicacin de
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Tambin es preciso observar la ubicacin de
la lnea mediana que parte la caja , ya que si
est mas cerca de uno de los extremos , ser
seal de un probable sesgo sesgo sesgo sesgo en los datos
En caso de que el diagrama est basado en una cantidad suficiente de datos (ejemplo 10 como mnimo), es
necesario ver si hay datos fuera de las barreras interiores , marcados con un punto, ya que entre ms alejado este un
dato del final del brazo, ser seal de que probablemente sea un dato atpico. Si los datos caen mas all de las
barreras exteriores, prcticamente es un hecho que tales datos son atpicos.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
como se realiza un estudio Real de como se realiza un estudio Real de como se realiza un estudio Real de como se realiza un estudio Real de
capacidad del Pr0ceso?. capacidad del Pr0ceso?. capacidad del Pr0ceso?. capacidad del Pr0ceso?.
Ahora si Ahora si Ahora si Ahora si
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
capacidad del Pr0ceso?. capacidad del Pr0ceso?. capacidad del Pr0ceso?. capacidad del Pr0ceso?.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
En un proceso de puntera para motor se tiene que el cuerpo de
cierta puntera debe tener un dimetro exterior de 0,02m (2,0 cm)
con una tolerancia de 25m. A las mediciones originales se les
resta el valor nominal de 20 000 m, por lo que el resultado de la
resta debe estar de 25m, y ahora el valor nominal ser cero, la
tolerancia o especificacin inferior es EI= -25 y la superior , ES= 25.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
tolerancia o especificacin inferior es EI= -25 y la superior , ES= 25.
En una de las ltimas etapas del proceso de fabricacin de las
punteras (componentes del motor), cada hora se mide el dimetro
de cinco punteras. En la siguiente tabla se aprecian los datos de
cuatro turnos (dos das).
( 1 m= 0,000001)
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Datos para dimetros de punteras
-21 -5 21 3 -12 4 3 7 22 -18 -13 7
-4 0 13 6 -20 6 1 4 3 9 -10 -4
-13 9 7 0 5 11 4 17 3 2 -23 -4
2 -16 10 1 -2 -4 -16 10 -13 1 -6 11
2 19 -1 6 6 8 2 9 -4 -22 1 -2
0 -3 -13 14 -3 7 5 -1 -1 1 10 7
-2 -19 2 7 12 -9 10 5 14 -4 4 21
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
-7 5 -1 1 4 -4 17 0 5 6 -19 -7
-11 0 15 4 2 -8 -16 2 -7 -5 -5 2
-7 -14 -20 -19 7 11 2 -4 -9 -33 -3 12
15 2 12 14 10 -
14
10 -1 7 3 5 -6
-8 28 22 0 26 -13 5 -2 -10 10 -14 7
3 -1 4 -2 0 -5
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso
,
En la tabla se muestran los Aspectos ms relevantes para evaluar la capacidad del proceso para cumplir con las
especificaciones de la longitud del dimetro
Estadstico Estadstico Estadstico Estadstico Anlisis y comentario Anlisis y comentario Anlisis y comentario Anlisis y comentario Conclusiones Conclusiones Conclusiones Conclusiones
Medidas de tendencia
central
prom=0,59
Mediana= 2
Moda =2
- Las medidas de tendencia central son
relativamente similares y muy cercanos a 0, por lo
que la tendencia central del proceso es adecuada.
- 50% de las 150 mediciones fue mayor o igual a 2
micras.
Proceso centrado con
=0,59
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Moda =2 micras.
- El dimetro ms frecuente fue de 2 micras.
Desviacin estndar
S=10,5
Lmites reales
aproximados x 3S
LR inf = - 30,9
LR Sup= 32,1
- En forma aproximada se espera que el dimetro
de las punteras vare entre 0,59 31,5 (-30,9 a 32,1
micras). La amplitud de esto lmites es mayor a la
variacin tolerada (25).
- Ambos lmites estn fuera de las especificaciones,
por lo que se estn haciendo punteras que no
cumplen con las especificaciones.
La variacin real del
proceso es demasiado,
por lo que se est
fabricando producto
fuera de las
especificaciones
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso
,
En la tabla se muestran los Aspectos ms relevantes para evaluar la capacidad del proceso para cumplir con las
especificaciones de la longitud del dimetro
Estadstico Estadstico Estadstico Estadstico Anlisis y comentario Anlisis y comentario Anlisis y comentario Anlisis y comentario Conclusiones Conclusiones Conclusiones Conclusiones
Grfica de la capacidad
(histograma)
- La distribucin se ajusta de forma razonable a la normal
y no se observa ningn comportamiento especial.
- La tendencia central se ubica alrededor de 0 y el cuerpo
del histograma est centrado con respecto a las
especificaciones, pero no cabe dentro de las
Hay mucha variacin
en el proceso
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
especificaciones, pero no cabe dentro de las
especificaciones.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso
,
Conclusiones Conclusiones Conclusiones Conclusiones Finales Finales Finales Finales:
Para reducir la variabilidad se debe encontrar que aspectos de las 6sigma estn
distribuyendo ms al exceso de variacin. Esto se realiza estratificando ( separando)
los datos por turno , por lote, por condiciones del proceso. Etc.; al hacer el anlisis es
preciso ver si hay diferencias importantes de un estrato a otro. De ser as , se deben
tomar las medidas necesarias para hacer ms homogneos los estratos.
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
tomar las medidas necesarias para hacer ms homogneos los estratos.
Otra posibilidad es analizar a detalle los patrones de comportamiento del proceso
apoyndose en la carta X-R, y ver si hay patrones en funcin de turnos, operadores,
lotes,etc.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso Capacidad de l Proceso
,
En la tabla se muestras los aspectos ms relevantes para evaluar la
capacidad del proceso, de acuerdo con el anlisis realizado, se concluye
que el proceso proceso proceso proceso est est est est centrado centrado centrado centrado y que la variacin variacin variacin variacin es es es es grande grande grande grande, por lo que la
capacidad capacidad capacidad capacidad real real real real del del del del proceso proceso proceso proceso es es es es mala mala mala mala. .. .
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
que el proceso proceso proceso proceso est est est est centrado centrado centrado centrado y que la variacin variacin variacin variacin es es es es grande grande grande grande, por lo que la
capacidad capacidad capacidad capacidad real real real real del del del del proceso proceso proceso proceso es es es es mala mala mala mala. .. .
Se deben seguir las recomendaciones dadas al final de la tabla para
reducir la variabilidad y de esa forma mejorar la calidad de las punteras.
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad
del proceso del siguiente enunciado del proceso del siguiente enunciado del proceso del siguiente enunciado del proceso del siguiente enunciado
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad Ahora si puedo realizar la capacidad
del proceso del siguiente enunciado del proceso del siguiente enunciado del proceso del siguiente enunciado del proceso del siguiente enunciado
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
En un proceso de inyeccin de plstico una caracterstica de calidad del
producto (disco) su grosor, que debe ser de 1,20 mm con una tolerancia de
0,10 mm. As para considerar que el proceso de inyeccin fue
satisfactorio, el grosor del disco debe estar entre la especificacin inferior,
EI=1,10 y la superior, ES= 1,30. En un estudio de capacidad para este
proceso es necesario contestar las siguientes interrogantes:
Qu tipo de disco en cuanto a grosor se estn produciendo?
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Qu tipo de disco en cuanto a grosor se estn produciendo?
El grosor medio es el adecuado?
La variabilidad del grosor es mucha o poca?
Determine el estudio de capacidad de proceso y de sus conclusiones
Para contestar estas preguntas, durante una semana se obtuvieron de una
lnea de produccin los 125 datos de tabla 2.1. El muestreo fue sistemtico:
cada determinado tiempo se tomaban cinco productos y se medan y al final
de la semana se tuvieron los datos referidos. A Continuacin se analizarn
estos datos por medio de diferentes estadsticos
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
1,25 1,20 1,17 1,16 1,16 1,15 1,17 1,20 1,16 1,19 1,17 1,13
1,20 1,17 1,17 1,20 1,14 1,19 1,13 1,19 1,16 1,18 1,16 1,17
1,17 1,17 1,13 1,16 1,16 1,17 1,20 1,18 1,15 1,13 1,20 1,17
1,17 1,17 1,17 1,18 1,24 1,16 1,18 1,16 1,22 1,23 1,22 1,19
1,18 1,19 1,17 1,16 1,17 1,18 1,19 1,23 1,19 1,16 1,19 1,20
Tabla Tabla Tabla Tabla 2 22 2. .. .1 11 1. .. . Datos Datos Datos Datos del del del del grosor grosor grosor grosor de de de de los los los los discos discos discos discos (mm) (mm) (mm) (mm)
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
1,20 1,19 1,17 1,19 1,22 1,19 1,18 1,11 1,19 1,19 1,17 1,19
1,20 1,17 1,25 1,16 1,16 1,20 1,20 1,16 1,18 1,21 1,20 1,22
1,16 1,15 1,20 1,12 1,11 1,18 1,15 1,15 1,19 1,13 1,17 1,17
1,19 1,20 1,21 1,23 1,15 1,13 1,20 1,14 1,18 1,15 1,20 1,15
1,22 1,16 1,19 1,17 1,20 1,24 1,22 1,19 1,19 1,17 1,16 1,18
1,17 1,19 1,21 1,20 1,20
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Respuesta Respuesta Respuesta Respuesta
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Tabla Tabla Tabla Tabla . .. . Anlisis Anlisis Anlisis Anlisis de de de de la la la la capacidad capacidad capacidad capacidad del del del del proceso proceso proceso proceso
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad Herramientas y Control Estadstico de la Calidad
Estadstico Anlisis y comentario Conclusiones
Medidas de tendencia central
Desviacin estndar
S=
Lmites reales aproximados
LR inf =
LR Sup=
Tabla Tabla Tabla Tabla . .. . Anlisis Anlisis Anlisis Anlisis de de de de la la la la capacidad capacidad capacidad capacidad del del del del proceso proceso proceso proceso
Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn Ing. Martha Tesn A AA A
LR inf =
LR Sup=
Grfica de la capacidad
(histograma)
Conclusiones Finales:
-