1

Desarrollo de
proyecto de
campo
Métricas de variación
• Promedio: una medición de tendencia central.

• Desviación estándar: una medición de dispersión.
• Rango: medición de dispersión, máx.-min.
Datos discretos y continuos
• DPU: defectos por unidad.

• PPM: partes por millón no conformes.
30
25
Frecuencia
20
15
10
USL
5
0
-2 0 2 4 6 8 10 12
Valor de las características del producto
SIGMAPRO INC Derechos Reservados

Copyright © 2003 SigmaPro Inc. All rights reserved. www.sigmapro.com
• YFT: la eficiencia de la primera vez.
• Cp y Cpk: índices de capacidad
de procesos.
• Eficiencia total YR: también
llamada eficiencia agregada, es

la probabilidad de que todos los
productos, procesos y
características del material estén
en forma simultánea conformes
con sus estándares respectivos.
• Sigma: la unidad estadística de
medición usada para expresar la
eficiencia agregada.

Tipos de análisis de capacidad
Variable discreta Variable continua
Contar los datos Revisar la

defectuosos especificación
Calcular Realizar un
muestreo
PPM del proceso
Calcular Calcular
puntaje Z puntaje Z
(Z-score) (Z-score)
Estimar Estimar
Calcular PPM Cp, Cpk,
Cp o Pp Pp, Ppk

Suposiciones para el análisis de
capacidad
Cuando se corre el análisis de capacidad
y calculas las medidas estándares de capacidad,
haces dos suposiciones fundamentales:
Estabilidad Normalidad
También supón que los
datos son normales
cuando calculas los
Supón que el proceso es medidas estándares.
estable o “bajo control”. Si los datos no son
Evalúas usando los normales, necesitas más
diagramas SPC. pasos para evaluar la
probabilidad de
conformidad (o no
conformidad) y no aplican
las medidas estándares.

Índice de capacidad del

proceso (Cp)
Anchura de especificación
del proceso
Cp = Variación del proceso
-3s +3s USL - LSL

LSL USL
Cp=
6 •S cortoplazo
Anchura del proceso
Anchura del diseño

El centrado afecta el rendimiento
Caso Rendimiento inicial Rendimiento final

99.73% 93.32%
3s
LSL 1.5s Shift USL
Caso Rendimiento inicial Rendimiento final

99.9999998% 99.99965%
6s
LSL 1.5s cambio USL

Comportamiento dinámico de
la media
Valor de la característica del producto
±3 USL
±3 LSL
Desarrollo
Ejemplo de Manufactura sustentable a
Prototipo Ciclos 1 a n largo plazo
Tiempo

Índices de capacidad - Pp and
Ppk
• Pp es la capacidad “a largo plazo” del proceso.

Este supone que el proceso está centrado.
• Para calcular esta medida necesitas una
aproximación cerrada para la desviación estándar
de largo plazo (que no siempre está disponible).

USL  LSL
Pp 
6 slargo plazo
• El rendimiento del proceso, Ppk , usa la media, al igual

que una tolerancia para estimar la capacidad.

Resumen de las medidas de

capacidad
Rendimiento a Rendimiento a
largo plazo corto plazo
Considera
Ppk Cpk
centrado
No considera
Pp Cp
centrado

Interpretación de los índices
Datos discretos y continuos de capacidad

¿Qué pasa si los datos no son

normales?
• Algunas distribuciones no son normales ni se
pueden “transformar” en normales.
• Deberías investigar para poder entender causas
potenciales de no normalidad.
Normalidad y capacidad
Histogram of LineA Histogram of LineA_1

Normal Normal
90 Mean 10.04 100 Mean 10.15
StDev 0.4781 StDev 0.4019
80 N 1000 N 870
80
70
60
Frequency
60
Frequency
50
40 40
30
20 20
10
0
0 8 0 2 4 5 6 8 .0 .2 .4 .6 .8 .0 .2 .4 .6
8. 9. 9. 9. 9. 9. 9. 10 10 10 10 10 11 11 11 11
8.8 9.2 9.6 10.0 10.4 10.8 11.2 11.6
LineA LineA_1
• ¿Acaso los datos ya no sirven debido a los puntos que

no están de acuerdo a las especificaciones?
Análisis de capacidad para datos
no normales
• Si los datos no son normales, entonces
no deberías usar la rutina de capacidad normal.
• En lugar de esta última, primeramente deberías
probar la rutina de capacidad no normal, que puede
ser usada para resolver diversas distribuciones no
normales. Por lo tanto es extremadamente útil al

resolver datos complejos.
• Si y solo si fracasas con la rutina no normal, entonces
deberías tratar de usar la rutina Box Cox para tratar
de transformar los datos no normales a datos
normales.
• La transformación Box Cox es la menos
recomendada de las tres alternativas debido a que
cambia la forma de los datos incluyendo el área de
la cola. ¡Hay que recordar que al transformar los
datos se cambian las formas de las colas!
Relaciones - ejemplos
Y Y
Lineal positiva
X Lineal negativa X
Definiciones y términos
Y Y
No lineal No hay relación

X X
El coeficiente de correlación
es una medida de la relación
lineal entre dos variables.
r=1
( X  X )(Y  Y )
r
( X  X ) 2 (Y  Y ) 2
El coeficiente de correlación:
• Puede estar entre el rango r=0
de –1.0 a 1.0
• Representa una correlación
positiva más fuerte (o
negativa) a medida que se
acerca a 1 positivo (o r = -1
negativo).

Relación perfecta
Cuando dos variables

son relacionadas
Tiempo de resolución de llamada

linealmente, una línea
puede ser usada para
180
representar (y modelar)
la relación entre ellas:
• Y = b0 + b1X
• Una forma de y = f
(x) 0
0 100
Tiempo en contestar
CRT = 1.1 * CHT

El modelo de regresión lineal

simple asume lo siguiente:
y = b0 + b1x + e
Y
La intersección bo
Ascenso
 Ascenso
Rise
Slope = b 1 =
Pendiente
Recorrido
Run
Recorrido
X
¿Cómo se revisan cada una de
las cuatro suposiciones?
1.
1 La media de los componentes del
error es cero, esto implica que E(y) =
b0 + b1x.
2.
2 La varianza de los componentes del
error es constante para todos los
valores de x
3.
3 Los componentes del error son
observaciones distribuidas
aleatoriamente de una distribución
normal con media cero y varianza
s2.
4. Los errores asociados con
4
cualquiera de las dos observaciones
no están relacionados o son
independientes.
E( y) = b0 + b1 x
X

Determinación de la mejor línea
Comprensión de la suma de cuadrados
Algunas relaciones no
son exactamente
lineales debido al error 10
de medición u otras
causas que provocan
Tiempo de ciclo (hrs)

errores. 8
Podrías dibujar
muchas líneas 6
diferentes a través de
los datos que tendrían
4
poder explicativo. .00 .50 1.00 1.50 2.00
Defectos por unidad
La pregunta es, ¿cuál
es la mejor línea?
La prueba total del modelo

• Siempre que corres un análisis de regresión, una de

las primeras cosas que buscarás es la “prueba de
todo el modelo”.
• La prueba de todo el modelo es la tabla ANOVA.
• Las hipótesis son:
Ho: todos los coeficientes de la regresión son = 0.
Ha: al menos un coeficiente de regresión es <> 0.
• Si concluimos con Ha, entonces el modelo parecer
ser que tiene alguna utilidad. Si concluyes con Ho,
entonces parece ser que el modelo no tiene
ninguna utilidad.
El valor P para la tabla ANOVA
P(F) El valor p en la tabla ANOVA da

la probabilidad que todos los
coeficientes de regresión sean
0.8 cero. Por lo tanto,
0.6 si p >  concluyes con Ho:

Todas las bi = 0
0.4 Si p <  concluyes con Ha:
Al menos una bi <> 0
0.2
F
Fcalc
El resumen de ajuste
R al cuadrado (coeficiente de determinación) dice

el porcentaje de variabilidad total de los valores
pronosticados que fuiste capaz de explicar en el
modelo.
SS Reg SS Error
R2   1
SSTotal SSTotal
El objetivo no es encontrar un modelo que

maximice R2, sino encontrar un modelo simple que
tenga una buena R2.

Estimación de mínimos cuadrados
Análisis de una regresión lineal

y = b0 + b1 x
La línea de regresión ajustada es la única línea que

minimiza la suma de las distancias verticales
cuadradas de cada punto a la línea ajustada.
Minitab calcula Sxx y Sxy para que se pueda estimar
la pendiente y la intercepción.
Detección de falta de ajuste
Puedes probar la falta de ajuste usando la

hipótesis que dice que la variación debido a la
falta de ajuste es significativamente más grande que
la varianza del error puro (usando una prueba F o

una prueba t):
175
H0: Los datos se t

125
ajustan vs
H1: Los datos no Y
se ajustan 75
Yˆ  79.3  0.32 X
25
50 100 150 200
X

Análisis de residuales
El análisis de residuales consiste en

representar gráficamente y analizar los residuales:
• vs los valores esperados
• vs los factores
• vs el tiempo
• y otros métodos
El análisis de residuales puede ser útil al determinar si:

• Al modelo le hace falta un término importante.
• No tienen una varianza constante o no son
independientes.
• No son distribuidos de forma normal.
Libro
Douglas, M. (2004). Guía del participante para

Green Belt de Sigma Pro. Estados Unidos: Sigma Pro
Inc.
Referencias bibliográficas

© Universidad TecMilenio
Desarrollo de contenido:
El derecho de autor © 2003 SigmaPro® Inc. USA &
Internacional Derecho Reservado
www.sigmapro.com
Coordinación académica de área:

Lic. María Guadalupe Hernández Silva, MAM, ME
Universidad TecMilenio
Créditos
Producción
Universidad TecVirtual

1

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

1

Transféré par

Droits d'auteur :

Formats disponibles

Desarrollo de

• Promedio: una medición de tendencia central.

• DPU: defectos por unidad.

SIGMAPRO INC Derechos Reservados

llamada eficiencia agregada, es

SIGMAPRO INC Derechos Reservados

Tipos de análisis de capacidad

Variable discreta Variable continua

Contar los datos Revisar la

SIGMAPRO INC Derechos Reservados

SIGMAPRO INC Derechos Reservados

Índice de capacidad del

-3s +3s USL - LSL

Anchura del diseño

SIGMAPRO INC Derechos Reservados

Caso Rendimiento inicial Rendimiento final

LSL 1.5s Shift USL

Caso Rendimiento inicial Rendimiento final

LSL 1.5s cambio USL

SIGMAPRO INC Derechos Reservados

• Pp es la capacidad “a largo plazo” del proceso.

de largo plazo (que no siempre está disponible).

• El rendimiento del proceso, Ppk , usa la media, al igual

SIGMAPRO INC Derechos Reservados

Resumen de las medidas de

SIGMAPRO INC Derechos Reservados

SIGMAPRO INC Derechos Reservados

¿Qué pasa si los datos no son

Histogram of LineA Histogram of LineA_1

• ¿Acaso los datos ya no sirven debido a los puntos que

normales. Por lo tanto es extremadamente útil al

No lineal No hay relación

SIGMAPRO INC Derechos Reservados

Cuando dos variables

Tiempo de resolución de llamada

CRT = 1.1 * CHT

SIGMAPRO INC Derechos Reservados

El modelo de regresión lineal

SIGMAPRO INC Derechos Reservados

Tiempo de ciclo (hrs)

La prueba total del modelo

• Siempre que corres un análisis de regresión, una de

P(F) El valor p en la tabla ANOVA da

0.6 si p >  concluyes con Ho:

R al cuadrado (coeficiente de determinación) dice

El objetivo no es encontrar un modelo que

SIGMAPRO INC Derechos Reservados

La línea de regresión ajustada es la única línea que

Detección de falta de ajuste

Puedes probar la falta de ajuste usando la

la varianza del error puro (usando una prueba F o

H0: Los datos se t

SIGMAPRO INC Derechos Reservados

El análisis de residuales consiste en

El análisis de residuales puede ser útil al determinar si:

Douglas, M. (2004). Guía del participante para

SIGMAPRO INC Derechos Reservados

Coordinación académica de área:

Vous aimerez peut-être aussi