ABB OPEX Basic Course - Data Analysis - 1 - 7 - SP-PE Rev - A Miguel Delgado

ABB OPEX Basic Skills Development
Análisis de Datos
© ABB
Month DD, YYYY | Diapositiva 51
Objetivos del entrenamiento
 Aprender a aplicar e interpretar los resultados de técnicas de

análisis de datos estadísticos básicos
 Media, Mediana, Amplitud, Desvío Estándar
 Comprensión de la naturaleza de la variación y distribución
normal
 Ser capaz de utilizar herramientas básicas de visualización de
datos gráficos
 gráfico secuencial
 Histograma
 Box plot
 Comprender estratificación de datos
© ABB
Estadística básica
Media
[16, 14, 12, 18, 9, 15]
 Media
(    ...  xn)
x   xi  x1 x2 x3
1 n
n i 1 n
© ABB
Estadística básica: Medidas de tendencia central
Media
[16, 14, 12, 18, 9, 15] 9 12 141516 18
 Media 14
16  14  12  18  9  15
x  14
6
Importante:
La media es un valor representativo, debido a que es el centro de gravedad o
punto de equilibrio de un conjutno de observaciones
Es el “estándar” de la muestra
Importante:
La media aritemetica está afectada por los llamados valores extremos
© ABB
Estadística básica: Medidas de tendencia central
Mediana
[16, 14, 12, 18, 9, 15]
• La Mediana es útil para describir el valor central de

un conjunto de datos si hubiere valores extremos
Para calcular la mediana, en primer lugar organice

sus valores de datos del menor al mayor
• Si N es ímpar, la mediana es el valor del
medio
• Si N es par, la mediana es la media de los dos
valores del medio.
© ABB
Mediana
[16, 14, 12, 18, 9, 15]
• N = 6 (par) 9 12 141516 18
( x3  x 4 ) 14,5
Median 
2
• Mediana = 14,5
© ABB
Mediana
[16, 14, 12, 18, 9]
• N = 5 (inpar) 9 12 14 16 18
• Mediana = 14 14
N+1
Tpos =
2
Importante:
La mediana está influenciada por el número de observaciones y
no por el valor de las observaciones
© ABB
Amplitud (Range)
 Diferencia entre la observación de mayor valor y la
de menor valor.
Ejemplo:
[16, 14, 12, 18, 9, 15]
• Amplitud = ¿?
• Se utiliza para tener una idea rápida del grado de

dispersión de un conjunto de datos.
• Es poco confiable
© ABB
Amplitud
[16, 14, 12, 18, 9, 15]
• Amplitud = 9 9 12 141516 18
máx – mín = 9
© ABB
Desviación Estándar
[16, 14, 12, 18, 9, 15]
• Desviación Estándar = ¿?
• Es una medida Confiable

• Tiene la misma unidad de medida de los datos
originales
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
• Desvío Estándar =
n
 desvío estándar es la medida más común
de la dispersión estadística.
s = ∑ ε2i
i=1 n-1  El desvío estándar se define como la raíz
cuadrada de la variancia.
 Ԑ =(valor – media)
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
19 ε4
n 18
σ = ∑ ε2i 17 ε1
n-1 16 ε6
i=1 15 ε2
14
13
12
11 ε3
10
9
8 ε5
7
1 2 3 4 5 6
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
19 ε4
n 18
σ = ∑ ε2i 17 ε1
n-1 16 ε6
i=1 15 ε2
14
13
12
11 ε3
10 Media = 14
9
8 ε5
7
1 2 3 4 5 6
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
19 ε4
n 18
σ = ∑ ε2i 17 ε1
n-1 16 4 ε6
i=1 15
2 ε2 0 1
14
13 -2
12
-5
11 ε3
10 Media = 14
9
8 ε5
7
1 2 3 4 5 6
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
19 ε4
n 18
σ = ∑ ε2i 17 ε1
n-1 16 16 ε6
i=1 15
4 ε2 0 1
14
13 4
12
25
11 ε3
10 Media = 14
9
8 ε5
7
1 2 3 4 5 6
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
• Desvío Estándar = 50/5

19 ε4
n 18
σ = ∑ ε2i 17 ε1
n-1 16 16 ε6
i=1 15
4 ε2 0 1
14
13 4
12
25
11 ε3
10 Media = 14
9
8 ε5
7
1 2 3 4 5 6
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
• Desvío Estándar = 50/5 = 10

19 ε4
n 18
σ = ∑ ε2i 17 ε1
n-1 16 16 ε6
i=1 15
4 ε2 0 1
14
13 4
12
25
11 ε3
10 Media = 14
9
8 ε5
7
1 2 3 4 5 6
© ABB
Desvío Estándar
[16, 14, 12, 18, 9, 15]
• Desvío Estándar = 50/5 = 10 = 3,16

19 ε4
n 18
σ = ∑ ε2i 17 ε1
n-1 16 16 ε6
i=1 15
4 ε2 0 1
14
13 4
12
25
11 ε3
10 Media = 14
9
8 ε5
7
1 2 3 4 5 6
© ABB
Gráfico Secuencial e Histograma
Medidas de temperatura ambiente
date room temperature [oC] date room temperature [oC]
1.5.2009 19,1 21.5.2009 21,7
2.5.2009 19,9 22.5.2009 17,0
3.5.2009 21,5 23.5.2009 18,7
4.5.2009 19,8 24.5.2009 18,7
5.5.2009 20,4 25.5.2009 22,4 Time Series Plot of room temperature
6.5.2009 22,4 26.5.2009 22,5 23
7.5.2009 18,1 27.5.2009 16,3
22
8.5.2009 20,0 28.5.2009 21,4
9.5.2009 20,2 29.5.2009 18,0
21
room temperature
10.5.2009 21,0 30.5.2009 20,6
11.5.2009 20,8 31.5.2009 17,3 20 20
12.5.2009 19,3 1.6.2009 19,2
13.5.2009 20,5 2.6.2009 20,4 19
14.5.2009 19,5 3.6.2009 20,7
18
15.5.2009 21,3 4.6.2009 19,4
16.5.2009 19,2 5.6.2009 20,6 17
17.5.2009 17,2 6.6.2009 18,4
18.5.2009 19,6 7.6.2009 17,8 16
19.5.2009 20,3 8.6.2009 19,5 4.5.2009 8.5.2009 12.5.2009 16.5.2009 20.5.2009 24.5.2009 28.5.2009 1.6.2009 5.6.2009 9.6.2009
date
20.5.2009 20,4 9.6.2009 22,9
 Este conjunto de datos fue utilizado Histogram of room temperature
para elaborar: 9
 gráfico secuencial 7
6
Frequency
 histograma 5
 Estos diagramas nos ayudan a 3
2
analizar los datos visualizándolos 1
en formas diferentes 0
16,0 17,6 19,2 20,8 22,4
room temperature
© ABB
Gráfico temporal en serie para Histograma
Time Series Plot of room temperature

23
22,4
22
21
room temperature
20,8
20 20
19,2
19
18
17,6
17
16
16,0
4.5.2009 8.5.2009 12.5.2009 16.5.2009 20.5.2009 24.5.2009 28.5.2009 1.6.2009 5.6.2009 9.6.2009
date
0
La temperatura ambiente fue medida diariamente (40 veces) Los puntos son contados en
cada intervalo de datos menor
© ABB
22,4
20,8
19,2
17,6
16,0
9
0
© ABB
7
9
8
6
7
6
5
5
4
4
3
2
3 1
0
2 16,0 17,6 19,2 20,8 22,4
0
16,0 17,6 19,2 20,8 22,4
Medidas de temperatura en un histograma
© ABB
Histogram of room temperature

Normal
9
6
Frequency
0
16,0 17,6 19,2 20,8 22,4
room temperature
Este histograma es normalmente distribuido
© ABB
Distribución Normal
 La mayoría de los fenómenos naturales y procesos efectuados por el

hombre siguen distribución normal. Es así como debería funcionar el
universo
 Puede haber Distribución No Normal en otros procesos del trabajo, o
en comparación a un límite
© ABB
 Los conjuntos de datos de proceso que tienen distribución

normal indican un proceso bajo control, pero no
necesariamente un proceso capaz de atender las
especificaciones del cliente
 A – representa un proceso capaz de atender las
especificaciones del cliente
 B – representa un proceso que posee distribución normal,
pero no atiende las especificaciones del cliente
El mismo número de
B puntos indica cada
límite de especificación del

cliente
© ABB
Producción inaceptable
La Distribución normal se puede describir por

 Media
 Desvío Estándar (σ)
media
2σ
3σ
4 3 2 1 1 2 3 4
68%
95,46%
99,73%
© ABB
Fuentes de variación
La variación existe en cada sistema

Las principales fuentes de variación vienen de:
 proceso inadecuado (factores controlables, factores
no controlables)
 variación de material
 medición inadecuada
© ABB
Visualización de datos gráficos
Gráfico secuencial
Evalúe estándares de datos de prueba de producto con un gráfico secuencial
 Al evaluar estándares en datos, se puede observar que el proceso
varía mucho en un período de tiempo
 Piense en las posibles razones para esto
Time Series Plot of Result
0,50
0,45
0,40
Result
0,35
0,30
0,25
1 11 22 33 44 55 66 77 88 99 110
Index
© ABB
Histograma
Evalúe estándares de datos de prueba de producto con Histograma
 Al usar un Histograma para el conjunto de datos, se puede
observar que ellos no son distribuidos normalmente
 Parece haber dos grupos diferentes
Histogram of Result
20
non-normal distribution
15
Frequency
10
0
0,28 0,32 0,36 0,40 0,44 0,48 0,52
Result
© ABB
Histograma/Estratificación
Evalúe estándares de datos de prueba de producto con Histograma
 Al dividir el conjunto de datos en dos categorías, se puede visualizar que hay
dos grupos diferentes que son distribuidos normalmente
 Esto es muy importante al considerar las actividades de mejoría del proceso
Histogram of Result Histogram of Result

group
20 20
two different groups
1
non-normal distribution 2
(both normally distributed)

15 15
Frequency
Frequency
10 10
5 5
0 0
0,28 0,32 0,36 0,40 0,44 0,48 0,52 0,28 0,32 0,36 0,40 0,44 0,48 0,52
Result Result
© ABB
Gráfico Secuencial/Estratificación
Evalúe estándares de datos de prueba de producto con un gráfico secuencial
 Al dividir el conjunto de datos en dos categorías, se puede visualizar que hay dos
grupos diferentes proporcionando diferentes tipos de resultados
 Esto es muy importante al considerar las actividades de mejoría del proceso
Time Series Plot of Result Time Series Plot of Result

group
0,50 0,50 1
2
0,45 0,45
0,40 0,40
Result
Result
0,35 0,35
0,30 0,30
0,25 0,25
1 11 22 33 44 55 66 77 88 99 110 1 11 22 33 44 55 66 77 88 99 110
Index Index
© ABB
Box Plot
 El Box Plot sumariza los conceptos de estadística (mediana, variación,
puntos fuera de la curva, tipo de distribución) de los datos dentro de la
“caja” y “líneas”.
 En los gráficos de cajas se presentan la mediana y los cuartiles,
permitiendo tener una idea de la dispersión de los datos.
*
Líneas representan el
rango de los datos
(cada línea representa un
25% de los datos)
Outlier – pequeña (o grande)
observación no usual
Box representa un 50% de los datos (línea del medio es la mediana)

Box Plot
 El Box Plot puede utilizarse cuando comparamos varios

subgrupos, que tienen como mínimo 25 puntos de datos.
 La diferencia estadística puede ser verificada dibujando
una línea en el medio de los grupos que queremos
comparar (ej. B y E son diferentes.
Proveedores diferentes para el producto x
*
Plazo de entrega [días]
**
A B C D E F
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Role model to employees
Building relationships with the client
Profit Center management

Box Plot
Strategy
Knowledge and Networking
Competence management
Motivation management
HSE manangement
Finance & Cost management
Information management
Material management
Contractor management
Facilities, tools and equipment
Partnership Reailzation
Maintenance Concept
Maintenance Operations
Plant Performance Improvement

Shutdown management
Global APS Benchmark figures
Client Satisfaction
Client Value
Competence and Motivation
Safety and Environment
Profitability
Effectiveness and Efficiency

0
100
200
300
400
500
600
700
800
900
1000
Total
Return to
Main Menu
Correlación
 Correlación, también denominada coeficiente de correlación,
indica la fuerza y la dirección de la relación lineal entre dos
variables aleatorias.
 Varios coeficientes son utilizados para situaciones diferentes.
Lo más conocido es el coeficiente de correlación de Pearson
(rango de +1 a -1).
 +1 = Significa una correlación perfecta positiva entre las dos variables
 0 = Significa que las dos variables no dependen linealmente una de la otra.
 -1 = Significa una correlación negativa perfecta entre las dos variables
 Calculation e.g. by using Microsoft Excel's Data Analysis Tool

Correlation
40
Correlación de Pearson = -0,8331
35
 Significante correlación lineal inversa

energy efficency [km/liter]
30
entre velocidad y km/litro
25
20
15
60 65 70 75 80
speed [kph] 0,06
0,055
engergy efficency [liter/km]

0,05
Correlación de Pearson = 0,7972 0,045
0,04
 Significante correlación lineal 0,035
directa entre velocidad y litros / km 0,03
0,025
60 65 70 75 80
speed [kph]
135
125
115
parameter 2
105
Correlación de Pearson = -0,1203
95  Correlación no lineal entre el parámetro 1 y
85 el parámetro 2.
75
85 90 95 100 105 110 115 120
parameter 1
Workshop 6
Box Plot
 Divídanse en pares.
 Piensen sobre la situación abajo (dispersión, media, mediana,
outliers) y escriban sus comentarios en una hoja.
 ¿Con cuál proveedor a usted le gustaría trabajar en el futuro y por
qué? (¿Cuál sería más fácil para mejorar?
Proveedores diferentes para el producto x
*
Plazo de entrega [días]
**
A B C D E F

ABB OPEX Basic Course - Data Analysis - 1 - 7 - SP-PE Rev - A Miguel Delgado

Transféré par

Informations du document

Titre original

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

ABB OPEX Basic Course - Data Analysis - 1 - 7 - SP-PE Rev - A Miguel Delgado

Transféré par

Droits d'auteur :

Formats disponibles

ABB OPEX Basic Skills Development

 Aprender a aplicar e interpretar los resultados de técnicas de

• La Mediana es útil para describir el valor central de

Para calcular la mediana, en primer lugar organice

• Se utiliza para tener una idea rápida del grado de

• Es una medida Confiable

• Desvío Estándar = 50/5

• Desvío Estándar = 50/5 = 10

• Desvío Estándar = 50/5 = 10 = 3,16

 Este conjunto de datos fue utilizado Histogram of room temperature

 Estos diagramas nos ayudan a 3

Time Series Plot of room temperature

Medidas de temperatura en un histograma

Histogram of room temperature

Este histograma es normalmente distribuido

 La mayoría de los fenómenos naturales y procesos efectuados por el

 Los conjuntos de datos de proceso que tienen distribución

límite de especificación del

La Distribución normal se puede describir por

La variación existe en cada sistema

Time Series Plot of Result

Histogram of Result Histogram of Result

(both normally distributed)

Time Series Plot of Result Time Series Plot of Result

Box representa un 50% de los datos (línea del medio es la mediana)

 El Box Plot puede utilizarse cuando comparamos varios

Building relationships with the client

Profit Center management

Knowledge and Networking

Finance & Cost management

Facilities, tools and equipment

Plant Performance Improvement

Competence and Motivation

Safety and Environment

Effectiveness and Efficiency

 Calculation e.g. by using Microsoft Excel's Data Analysis Tool

 Significante correlación lineal inversa

speed [kph] 0,06

engergy efficency [liter/km]

Correlación de Pearson = 0,7972 0,045

 Significante correlación lineal 0,035

directa entre velocidad y litros / km 0,03

Proveedores diferentes para el producto x

Vous aimerez peut-être aussi