Curso Basico Minitab XV

Curso bsico de Minitab
Curso bsico de Minitab*
* Minitab es marca registrada de Minitab, Inc.

Dr. Primitivo Reyes Aguilar
Mayo 2010
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
Herramientas para la calidad (cont)

Intervalos de confianza y Pruebas de hiptesis de una poblacin
Pruebas de hiptesis de dos poblaciones
ANOVA de una va
Tablas de contingencia
Estadstica no paramtrica
Prueba de los signos
Prueba de Wilconox
Prueba de Mann Whitney
Prueba de Kruskal Wallis
Regresin lineal y cuadrtica
Cartas de control
3
Introduccin
Las fases de Lean Sigma (DMAIC)

Justificar
proyecto
Definir el
problema
Diagrama de
Pareto
y grficas
diversas
Pareto Chart of Clientes
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

Coleccin de informacin y
diagnstico
Estadstica descriptiva,
Histogramas
Descriptive Statistics: Tiempo de espera
Grficas
de tallo
y hojas
Variable
N Mean StDev
Tiempo de espera
50 19.93 1.847
Median
20.037
Boxplot of Tiempo de espera

24
Histogram (with Normal Curve) of Tiempo de espera

16
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

Summary for Tiempo de espera
Anderson-Darling Normality Test
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
95% Confidence I nterval for Mean

19.411
20.461
95% Confidence I nterval for Median
Diagrama de
95%
Confidence I ntervals
caja
19.542
20.426
95% Confidence I nterval for StDev

1.543
2.301
Mean
Median
19.50
19.75
20.00
20.25
20.50

Process Capability of Tiempo de espera
USL
Within
Overall
Process Data
LSL
*
Target
*
USL
25
Sample Mean
19.9361
Sample N
50
StDev(Within) 1.70866
StDev(O verall) 1.84689
Potential (Within) Capability

Cp
*
CPL
*
CPU 0.99
Cpk 0.99
Overall Capability
Pp
PPL
PPU
Ppk
Cpm
16
Observed Performance
% < LSL
*
% > USL 0.00
% Total
0.00
18
Exp. Within Performance

% < LSL
*
% > USL 0.15
% Total
0.15
% fuera del
lmite
superior
Max. 3.4
20
22
*
*
0.91
0.91
*
ndice de
capacidad
real
Cpk >=
1.5
24
Exp. O verall Performance

% < LSL
*
% > USL 0.31
% Total
0.31

Cause-and-Effect Diagram
Medio ambiente
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
Boxplot of Caja A, Caja B

17.5
P-Value = 0.00
15.0
12.5
Data
Causas potenciales y reales

(raz)
Diagrama de causa efecto
Pruebas de hiptesis
(medias iguales?)
Son diferentes si P value <=
10.0
7.5
5.0
Caja A
Caja B

Boxplot of Caja A, Caja B, Caja C
17.5
15.0
P-Value = 0.00
Data
12.5
10.0
7.5
5.0
Caja A
Caja B
Caja C
Fitted Line Plot

Tiempo = 1.119 + 0.2094 Calificacin
3.25
S
R-Sq
R-Sq(adj)
3.00
Comprobar causas reales (raz)

ANOVA (medias iguales?),
regresin , tablas de contingencia
(proporciones iguales?)
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%
Main Effects Plot for Rendimiento

Data Means
Temperatura
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
Soluciones para eliminar

causas raz
Pruebas de hiptesis,
DOE, ANOVA

Mantener las soluciones con
control estadstico
Cartas de control
I-MR Chart of Tiempo de espera
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
Minitab Inc. es una compaa privada cuya sede principal se encuentra

en State College, Pensilvania, y tiene subsidiarias en el Reino Unido,
Francia y Australia. con representantes y distribuidores en muchos pases
alrededor del mundo.
El programa Minitab Statistical Software fue desarrollado en 1972 por
tres profesores de Estadstica de Penn State University. Uno de ellos
Barbara Ryan, es la presidenta y directora ejecutiva de Minitab.
Minitab es el principal software del mundo para la enseanza de
estadstica a estudiantes. Tambin, es el software utilizado con mayor
frecuencia en Seis Sigma, la principal metodologa del mundo para el
mejoramiento de la calidad.
.
14

Generalidades
15

Manipulacin y clculo con datos
16

La letra T indica
columna de texto
17
18
19

Eastern.mtw
Central.xls
Western.txt
20
21
22
23

Ejemplo: Para calcular el incremento de peso
en un cierto periodo de tiempo
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
Herramientas para la calidad
28
29
Chart of Activity, Sex

Sex
2
1
60
50
Count
40
30
20
10
0
Activity
30
31
Chart of Activity, Sex

Sex
Mujer
Hombre
60
50
Count
40
30
20
10
0
Activity
32
33
34
Pie Chart of Activity

Grfica de ejemplo
Category
Alta
Baja
Media
Nula
35
36
Pareto Chart of Clientes

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
37
38
Estado Cvil
SOLTERO
Pareto Chart of Estado Cvil

800
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

ESTADSTICA BSICA
Poblacin: es la coleccin de todos los elementos
(piezas, personas, mediciones, etc.).
Muestra: es una parte o subconjunto representativo
de la poblacin, o sea una muestra de mediciones de
las caractersticas.
Incluye:
Medidas de tendencia central
media, moda, mediana
Medidas de dispersin
rango, varianza, desviacin estndar, coeficiente de variacin
Distribuciones de frecuencia (histogramas)
Funciones acumulativas de distribucin
49

Representan las diferentes formas de caracterizar el
valor central de un conjunto de datos
Media muestral
Media
poblacional
xi
50

Mediana: es el valor medio cuando los datos se
arreglan en orden ascendente o descendente, para n
par, la mediana es la media de los valores
intermedios
51

Moda: Valor que ms se repite, puede haber ms de
una
Media acotada (Truncated Mean): Se elimina cierto
porcentaje de los valores ms altos y bajos de un
conjunto dado de datos (tomando nmeros enteros),
se calcula la media para los valores restantes.
52
Rango: Es el valor mayor menos el valor menor de un
conjunto de datos
Varianza: es el promedio de las desviaciones al

cuadrado respecto a la media (n para poblacin y n-1
para muestra para eliminar el sesgo)
53
Desviacin estndar: es la raz cuadrada de la
varianza ya sea poblacional o muestral S
54
Coeficiente de variacin: es igual a la desviacin

estndar dividida por la media y se expresa en
porcentaje
55
57
58
59
60
61
62

Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro
casas y se evalan despus de 60 das de uso, se analiza con grficas de caja.
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

IC = Estadstico +- error
Intervalo
muestral de
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

Distribucin normal o de Gauss
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 2
parmetro:
= desviacin estndar
Comprobar normalidad del
proceso
Estadstico F
parmetro:
12/ 22 relacin de varianzas
Revisar normalidad de muestras
87

IC = Estadstico +- error
Intervalo
muestral de
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
Intervalo donde se encuentra

La media poblacional
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
Normal Probability Plot

(responses are A, B, C)
99
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
Regresin lineal y cuadrtica
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
Modelo de regresin lineal simple

Fitted Line Plot
Resultados de prueba (%) = 31.21 + 0.6955 Tiempo de estudio (horas)
S
R-Sq
R-Sq(adj)
Resultados de prueba (%)
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
Qu es una Carta de Control?

Una Carta de Control es como un historial del
proceso...
donde ha estado? En donde se encuentra?
... Hacia donde se puede dirigir
Las cartas de control pueden reconocer cambios
buenos y malos. Qu tanto se ha mejorado?
Se ha hecho algo mal?
Las cartas de control detectan la variacin anormal
en un proceso, denominadas causas especiales
o asignables de variacin.
152
Variacin observada en una Carta de

Control
Una Carta de control registra datos secuenciales en el
tiempo con lmites de control superior e inferior.
El patrn normal de un proceso se llama causas de
variacin comunes.
El patrn anormal debido a eventos especiales se
llama causa especial de variacin.
Los lmites de control NO son de especificacin.
153
Causas comunes o normales

Siempre estn presentes
Slo se reduce con acciones de mejora
mayores, responsabilidad de la direccin
Fuentes de variacin: Mrgenes inadecuados
de diseo, materiales de baja calidad,
capacidad del proceso insuficiente
SEGN DEMING
El 94% de las causas de la variacin son causas
comunes, responsabilidad de la direccin
154
Variacin Causas comunes
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
Variacin Causas especiales

Lmite
inf. de
especs.
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
Patrones Fuera de Control

Corridas
7 puntos consecutivos de un lado de X-media.
Puntos fuera de control
1 punto fuera de los lmites de control a 3
sigmas en cualquier direccin (arriba o abajo).
Tendencia ascendente o descendente
7 puntos consecutivos aumentando o
disminuyendo.
160
Patrones Fuera de Control

Adhesin a la media
15 puntos consecutivos dentro de la banda de
1 sigma del centro.
Otros
2 de 3 puntos fuera de los lmites a dos sigma
161
Proceso de mejora con CEP
http://support.sas.com/rnd/app/qc/qc/qcspc.html
162
Tipos de Cartas de control

Hay dos categoras, por el tipo de datos bajo estudiocartas por variables y atributos.
Las Cartas por variables se usan para caracterstica
con magnitud variable. Ejemplo:
- Longitud, Ancho, Peso, Tiempo de ciclo o de
respuesta
Las Cartas por atributos se usan para monitoreo de
datos contables. Ejemplo:
- Servicios o productos no conformes, errores en los
servicios o defectos en los productos
163
Cartas de Control por

Variables
MEDIAS
RANGOS X-R (subgrupos de 5 9 partes o servicios evaluados por

periodo de tiempo, para estabilizar
procesos)
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)
Xbar-R Chart of Supp2

1
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
Cul grfica se analiza primero?

2
Cul es su conclusin acerca del proceso ?

0
LCL=0
11
Sample
13
15
17
19
165
166
Xbar-S Chart of Supp2

1
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-MR Chart of Supp2

UCL=605.34
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
Estos son los patrones de

anormalidad en las cartas
de control
170
171
Cartas de control por atributos

Miden caractersticas como aprobado/reprobado,
bueno/malo o pasa/no pasa.
Nmero de productos defectuosos
Fraccin de productos defectuosos
Numero de defectos por unidad de producto
Nmero de llamadas para servicio
Nmero de partes daadas
Pagos atrasados por mes
Cartas de control para atributos

Datos de Atributos
Tipo
p
Medicin
Tamao de Muestra ?
Fraccin de partes defectuosas,

defectivas o no conformes (>4)
Constante o variable > 50
n e (n promedio +- 20%)
np
Nmero de partes defectuosas
Constante > 50
Nmero de defectos o errores
Constante = 1 Unidad de
inspeccin
u
Nmero de defectos por unidad

o errores por unidad
Constante o variable en
unidades de inspeccin
174
175
176
177

Curso Basico Minitab XV

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Curso Basico Minitab XV

Hochgeladen von

Copyright:

Verfügbare Formate

Curso bsico de Minitab

Curso bsico de Minitab*

* Minitab es marca registrada de Minitab, Inc.

Curso bsico de Minitab

Curso bsico de Minitab

Herramientas para la calidad (cont)

Curso bsico de Minitab

Curso bsico de Minitab

Las fases de Lean Sigma (DMAIC)

Pareto Chart of Clientes

Curso bsico de Minitab

Las fases de Lean Sigma (DMAIC)

Boxplot of Tiempo de espera

Histogram (with Normal Curve) of Tiempo de espera

Curso bsico de Minitab

95% Confidence I nterval for Mean

95% Confidence I nterval for Median

95% Confidence I nterval for StDev

Curso bsico de Minitab

Potential (Within) Capability

Exp. Within Performance

Exp. O verall Performance

Curso bsico de Minitab

Las fases de Lean Sigma (DMAIC)

Boxplot of Caja A, Caja B

Causas potenciales y reales

Curso bsico de Minitab

Las fases de Lean Sigma (DMAIC)

Fitted Line Plot

Comprobar causas reales (raz)

Curso bsico de Minitab

Las fases de Lean Sigma (DMAIC)

Main Effects Plot for Rendimiento

Soluciones para eliminar

Curso bsico de Minitab

Las fases de Lean Sigma (DMAIC)

Curso bsico de Minitab

Curso bsico de Minitab

Minitab Inc. es una compaa privada cuya sede principal se encuentra

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab

Herramientas para la calidad

Curso bsico de Minitab

Curso bsico de Minitab

Chart of Activity, Sex

Curso bsico de Minitab

Curso bsico de Minitab

Chart of Activity, Sex

Curso bsico de Minitab

Curso bsico de Minitab

Curso bsico de Minitab