Beruflich Dokumente
Kultur Dokumente
Introduccin
Generalidades
Introduccin a Minitab
Manipulacin de datos
Clculos con datos
Herramientas para la calidad
Introduccin
Diagrama de Pareto
Diagrama de Causa Efecto
Estadstica descriptiva
Histogramas
Grficas de caja y tallo y hojas
Prueba de normalidad
Introduccin
300
100
250
Monto
60
150
100
40
50
20
0
Clientes
Monto
Percent
Cum %
Gobierno
120
45.3
45.3
Industria
70
26.4
71.7
Comercio
40
15.1
86.8
Consumo
25
9.4
96.2
Other
10
3.8
100.0
Percent
80
200
50 19.93 1.847
Median
20.037
12
Frequency
22
Tiempo de espera
14
10
8
6
21
20
19
18
17
16
2
0
23
Mean 19.94
StDev 1.847
N
50
15
15.0
16.2
17.4
18.6
19.8
21.0
Tiempo de espera
22.2
23.4
Histograma
16
18
20
A-Squared
P-Value
0.51
0.189
Mean
StDev
Variance
Skewness
Kurtosis
N
19.936
1.847
3.411
-0.507024
0.464656
50
Minimum
1st Q uartile
Median
3rd Q uartile
Maximum
22
15.015
19.088
20.037
21.290
23.293
Prueba
de
Normalid
ad
Normal
Estadstic
si
a > 0.05
P
descripti
va
20.461
Diagrama de
95%
Confidence I ntervals
caja
19.542
20.426
2.301
Mean
Median
19.50
19.75
20.00
20.25
20.50
Process Data
LSL
*
Target
*
USL
25
Sample Mean
19.9361
Sample N
50
StDev(Within) 1.70866
StDev(O verall) 1.84689
16
Observed Performance
% < LSL
*
% > USL 0.00
% Total
0.00
18
% fuera del
lmite
superior
Max. 3.4
20
22
*
*
0.91
0.91
*
ndice de
capacidad
real
Cpk >=
1.5
24
Material
Calor
Personal
Descuido
I nadecuados
Capacitacin
Humedad
Faltantes
Motivacin
Estres
Con errores
Responasibilidad
Lentitud en
atencin al
cliente
Paros menores
Proceso no actual
Falla de equipos
Proceso complejo
Falla de PCs
Proceso incompleto
Mtodos
Sistema lento
Equipos
P-Value = 0.00
15.0
12.5
Data
10.0
7.5
5.0
Caja A
Caja B
15.0
P-Value = 0.00
Data
12.5
10.0
7.5
5.0
Caja A
Caja B
Caja C
S
R-Sq
R-Sq(adj)
3.00
2.75
Tiempo
P-Value = 0.115
Serv.NO DEPENDE del gnero
2.50
2.25
2.00
1.75
1.50
2
5
6
Calificacin
0.172546
91.9%
90.8%
Concentracion
70
65
60
Mean
55
50
120
150
10
12
Presion
70
Para maximizar
Eficiencia ajustar
T=150 y C=10
65
60
55
50
10
14
I ndividual Value
25.0
UCL=25.06
22.5
_
X=19.94
20.0
17.5
15.0
LCL=14.81
1
11
16
21
26
Observation
31
36
41
46
C Chart of Caja B
16
UCL=6.297
6.0
UCL=15.56
4.5
12
3.0
__
MR=1.927
1.5
0.0
LCL=0
1
11
16
21
26
Observation
31
36
41
46
Sample Count
Moving Range
14
10
_
C=7.4
8
6
4
2
0
LCL=0
1
5
6
Sample
10
Introduccin a Minitab
13
15
16
17
18
19
Central.xls
Western.txt
20
21
22
23
ARCHIVOS PESOS.MTW
Peso_antes Peso_despues
64
88
58
70
62
76
66
78
64
80
74
84
84
84
68
72
62
75
76
118
90
94
80
96
92
84
68
76
60
76
62
58
66
82
70
72
68
76
72
80
Incremento
24
12
14
12
16
10
0
4
13
42
4
16
-8
8
16
-4
16
2
8
8
24
25
26
27
28
29
60
50
Count
40
30
20
10
0
Activity
30
31
60
50
Count
40
30
20
10
0
Activity
32
33
34
Category
Alta
Baja
Media
Nula
35
36
250
Monto
60
150
100
40
50
20
0
Clientes
Monto
Percent
Cum %
Gobierno
120
45.3
45.3
Industria
70
26.4
71.7
Comercio
40
15.1
86.8
Consumo
25
9.4
96.2
Other
10
3.8
100.0
Percent
80
200
37
38
Estado Cvil
SOLTERO
100
700
600
80
500
60
400
300
40
200
20
100
0
Estado Cvil
Count
Percent
Cum %
Percent
Count
SOLTERO
SOLTERO
UNION LIBRE
SOLTERO
CASADO
SOLTERO
SOLTERO
CASADO
SOLTERO
UNION LIBRE
CASADO
SOLTERO
SOLTERO
UNION LIBRE
SOLTERO
SOLTERO
404
54.2
54.2
125
16.8
71.0
79
10.6
81.6
63
8.5
90.1
28
3.8
93.8
21
2.8
96.6
25
3.4
100.0
39
40
41
42
43
44
45
46
47
48
Medidas de dispersin
rango, varianza, desviacin estndar, coeficiente de variacin
49
Media
poblacional
xi
50
51
52
Medidas de dispersin
Rango: Es el valor mayor menos el valor menor de un
conjunto de datos
53
Medidas de dispersin
Desviacin estndar: es la raz cuadrada de la
varianza ya sea poblacional o muestral S
54
Medidas de dispersin
55
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
83
Estadstica inferencial
Pruebas de hiptesis
84
Poblacin,
total de
productos y
servicios (N)
Muestra
(n)
Inferencia estadstica
de los parmetros:
m= media
s = desviacin estndar
2= varianza
=proporcin
confianza
(95%) , rango
de valores
para estimar
los
parmetros
, , 2,
Estadstico
s
X, s, p
85
Estadstico Z
Inferencia estadstica de los
parmetros:
m = media
Cuando n >= 30 y/o es conocida (de datos histricos)
m =proporcin
Cuando n >= 30
Estadstico t
Inferencia estadstica del
parmetro:
m= media
Cuando n < 30 y desconocida
(sin historial del proceso o prov.)
86
Estadstico F
Inferencia estadstica del
parmetro:
12/ 22 relacin de varianzas
Revisar normalidad de muestras
87
Poblacin,
total de
productos y
servicios (N)
Estadsticos utilizados:
m= media, Z o t
=proporcin
Muestra
(n)
confianza
(95%) , rango
de valores
para estimar
los
parmetros
, , 2,
s = desviacin estndar, 2
12/ 22 Rel. de varianzas
Estadstico
s
X, s, p
88
90
Prueba de hiptesis
Una prueba de hiptesis es una afirmacin sobre el
valor que se estima tiene un parmetro poblacional
, , 2,
Si la afirmacin contiene el signo igual (=, >=, <=) se
establece primero la hiptesis nula Ho
Si la afirmacin contiene los signos (<, >, <> o ) se
establece primero la hiptesis alterna Ha
Es necesario establecer el nivel de confianza de la
prueba, normalmente 95% (o alfa de 1-NC = 0.05)
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
Boxplot of A, B, C
2.2
2.0
Data
1.8
1.6
1.4
1.2
1.0
A
115
95
90
Percent
80
70
60
50
40
30
20
10
5
-0.50
-0.25
0.00
Residual
0.25
0.50
116
117
118
119
120
121
Estadstica no paramtrica
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
Coeficiente de correlacin
Reglas empricas
Coeficiente de correlacin
0.8 < r < 1.0
0.3 < r < 0.8
-0.3 < r < 0.3
-0.8 < r < -0.3
-1.0 < r < -0.8
Relacin
Fuerte, positiva
Dbil, positiva
No existe
Dbil, negativa
Fuerte, negativa
142
Anlisis de Regresin
El
Elanlisis
anlisisde
de regresin
regresin es
esun
unmtodo
mtodo
estandarizado
estandarizadopara
paralocalizar
localizar la
lacorrelacin
correlacinentre
entredos
dos
grupos
grupos de
dedatos,
datos, y,y,quiz
quizms
ms importante,
importante, crear
crear un
un
modelo
modelode
deprediccin.
prediccin.
Puede
Puedeser
ser usado
usado para
para analizar
analizar las
las relaciones
relacionesentre:
entre:
Una
Unasola
solaX
X predictora
predictorayyuna
unasola
solaY
Y
Mltiples
Mltiplespredictores
predictores X
X yy una
una sola
solaY
Y
Varios
Variospredictores
predictores X
X entre
entres
s
143
80
4.47182
77.0%
74.2%
75
R^2 Coef. de
determinacin
70
65
60
55
50
30
40
50
60
Tiempo de estudio (horas)
70
Mnimos cuadrados
144
145
146
147
148
149
150
Cartas de control
151
152
153
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
El proceso es predecible
155
Causas Especiales
CAUSAS ESPECIALES
Ocurren espordicamente y son ocasionadas por
variaciones anormales (6Ms)
Medicin, Medio ambiente, Mano de obra,
Mtodo, Maquinaria, Materiales
Se reducen con acciones en el piso o lnea, son
responsabilidad del operador
SEGN DEMING
El 15% de las causas de la variacin son causas
especiales y es responsabilidad del operador
156
Lmite
sup. de
especs.
Objetivo
El proceso es impredecible
157
Cartas de control
12.5
Lmite
Superior de
Control
11.5
10.5
Lnea
Central
9.5
8.5
Lmite
Inferior de
Control
7.5
0
10
20
30
158
160
161
http://support.sas.com/rnd/app/qc/qc/qcspc.html
162
MEDIAS
DESVIACIONES ESTNDAR X S
(subgrupos 9 partes o servicios
evaluados por periodo de tiempo)
VALORES
INDIVIDUALES I- MR (partes o
servicios individuales evaluados por
periodo de tiempo)
Sample Mean
UCL=602.376
602
__
X=600.23
600
LCL=598.084
598
1
11
Sample
13
15
17
19
Sample Range
UCL=7.866
6
_
R=3.72
LCL=0
11
Sample
13
15
17
19
165
166
Sample Mean
602
UCL=601.883
601
_
_
X=600.23
600
599
LCL=598.577
1
10
Sample
Sample StDev
UCL=2.909
_
S=1.695
1
LCL=0.481
1
6
Sample
10
167
I ndividual Value
605.0
602.5
_
X=600.23
600.0
597.5
LCL=595.12
595.0
1
11
21
31
41
51
Observation
61
71
81
91
UCL=6.284
Moving Range
6.0
4.5
3.0
__
MR=1.923
1.5
0.0
LCL=0
1
11
21
31
41
51
Observation
61
71
81
91
168
169
170
171
Medicin
Tamao de Muestra ?
n e (n promedio +- 20%)
np
Constante > 50
Constante = 1 Unidad de
inspeccin
u
Constante o variable en
unidades de inspeccin
174
175
176
177