Documente Academic
Documente Profesional
Documente Cultură
TALLER ESTADSTICA
INLAC 2006
Contenido:
Introduccin. 1.- Hojas de registro. 2.- Diagrama de pareto. 3.- Diagrama de Ishikawa 4.- Medidas de tendencia central. 4.1 Media aritmtica. 4.2 Mediana. 4.3 Moda. 5.- Estratificacin. 5.1 Histograma de frecuencias. 6.- Grficas de control. 6.1 Antecedentes. 6.2 Grfica por variables. 6.3 Estudios de habilidad 6.4 Grficas de atributos. .7.- Distribucin normal.
Introduccin. Objetivo:
Percibir la tendencia de los procesos para predecir el comportamiento a corto plazo y tomar acciones correctivas a las causas de variacin y las medidas preventivas permanentes para mejorar el proceso gradual y permanente.
Definicin:
Es la forma de acumular conocimientos y experiencia de una manera objetiva y consistente en relacin al comportamiento de los procesos, para estar en condiciones de modificar los factores de entrada y del proceso para asegurar que vamos a obtener un resultado conforme a las expectativas.
Si hay errores en la obtencin de datos. Las conclusiones no sern objetivas a pesar de tener muestras representativas y realizar un buen estudio estadstico.
Que es el diagrama de pareto? Es una grfica que representa en forma ordenada el grado de importancia que tiene las diferentes causas en un determinado problema. El diagrama de pareto, al catalogar las causas por orden de importancia, facilita una correcta toma de decisiones.
Defect
Count Percent Cum %
Percent
Count
6000
Diagrama de Ishikawa
Mtodo para analizar la relacin entre algunos efectos y sus posibles causas. Ishikawa desarrollo esta herramienta en la universidad de Tokio en 1943 para explicar a losingenieros de Kawasaki Steel Works los factores que se relacionan. Un diagrama de Ishikawa bien detallado tomar la forma de un esqueleto de pescado, de aqu que tome el nombre de diagrama de pescado. Construccin del diagrama causa - efecto. Paso 1.- Establezca y delimite un problema o caracterstica de calidad. Paso 2.- Rena a un grupo de personas que se relacionen con l. Paso 3.- En el pizarrn anote una definicin corta del problema, aclare cualquier duda. Paso 4.- Dibuje una linea con una flecha que apunte el enunciado. Paso 5.- Facilite el trabajo del grupo proponiendo el mtodo de las 5Ms como causas principales: Materiales Medio ambiente Mtodos Maquinara. Mano de obra
Diagrama de Ishikawa
Medicin Material Gente
capacitacin de ajus capacitacin para us No son confiables Mat. sin definir a molde operador por cada tu ajustador por turno
humedad
Sin registro de pres Exceso de polvo Falta de mq. titula Reportes inadecuados Temperatura ambiente Grficas inadecuadas Falta de hoja de ope Diametro de husillo Capacidad de maquina Temperatura de aceit Temperaturas de inye presin de inyecci presin de cierre de velocidades de inyec Temperatura de agua Molde en mal estado Moldes sin identific Can decentrado fuga de aire en valv Equipo perif. insufi
Medio ambiente
Mtodo
Mquina
Se llama media aritmtica,media o promedio al resultado de sumar conjunto de datos y de dividir esta suma entre el nmeros de datos sumados.
X = [ X1 + X2 + X3 + .......+ X n] / n
La moda o promedio tpico de un conjunto de valores, es el valor que ocurre ms frecuentemente en el conjunto. Si un valor del conjunto dado es seleccionado al azar, el valor modal es el mas probable seleccionado.
La mediana es el dato que ocupa la posicin central dentro de un conjunto de datos ordenados por la magnitud. La definicin anterior se cumple cuando se tiene un nmero impar de datos. Si el nmero de datos es par, entonces la mediana es el promedio de los dos datos centrales. Una caracterstica de la mediana es que divide exactamente en dos partes iguales al conjunto de datos ordenados. Es por ello la mediana representala tendencia central mejor que la media aritmtica.
Estratificacin
La estratificacin clasifica a los datos en grupos con caractersticas semejantes.
Dentro de la estadstica, el histograma es una herramienta grfica que permite la variacin en un conjunto de datos, adems de los patrones que llegan a formar.
La clasificacin se hace con el fin de identificar el grado de influencia de factores o variables en el resultado.
Esta herramienta organiza los datos en forma ordenada y fue propuesta por un investigador francs en 1833, llamado A.M. Guerry.
Paso 3.- Calcular cociente de R / K, donde K: Tamao de la muestra menor a 50 50 a 100 100 a 250 ms de 250 Nmero de clases 5a7 6 a 10 7 a 12 10 a 20
Paso 5.- Calcule las fronteras inferior y superior de cada intervalo: Fi1 = Vm - (1/2) Fi2 = Fs1 Fs1 = Fi1 + A Fs2 = Fi2 + A
Condicin Si todos los datos son enteros. Si al menos hay un dato hasta decimas Si al menos hay un dato hasta centecimas Si al menos hay un dato hasta milsimas
Paso 7.- Calcule las frecuencias absolutas (Fa) Este dato se obtiene contando el nmero de datos que hay en cada clase.
(fi / Ft)*100 = Fr Donde Ft es la suma total de las frecuencias absolutas. Nota: La suma de las frecuencias absolutas debe coincidir con el total de datos usados.
Paso 10.- Calcule las frecuencias relativas acumuladas: En esta columna se indica el resultado de sumar el porcentaje de Fr de una clase con el porcentaje de las clases anteriores. FrA = Fi *100
Intervalos o clase i
Fronteras de clase Fi Fs
Marca de clase Xi
Frecuencia absoluta Fa
Frecuencia relativa Fr
Frec. Abs.
20.5
22.5
24.5
26.5
Grficas de control
Las grficas de control son un mtodo estadstico que fue desarrollado por el Dr. Shewart, utilizado para el estudio y control de los procesos y nos muestra como se comporta en un lapso de tiempo. Son las herramientas que nos permite determinar si un proceso es consistente e inconsistente. Estas grficas tienen un limite superior de control (LSC), una linea media y un limite inferior de control.
LSC LC LIC
Entre los espacios de estas lneas se transcriben los resultados de las observaciones realizadas en determinados intervalos de tiempo acerca del comportamiento del proceso y con respecto a una variable.
Grficas de control
La consistencia de un proceso depende de la variacin que ste muestre. Variacin es la diferencia que existe entre los datos de distintas mediciones de un proceso. Por lo tanto un proceso es consistente cuando ninguno de los puntos graficados estn fuera de los limites de control o si no muestran ninguna tendencia. Por ello un proceso consistente tiene las siguientes caractersticas: 1.- Es estable en el tiempo. 2.- Es predecible. 3.- Est sujeto nicamente a causas comunes de variacin. Por lo tanto un proceso inconsistente tiene las siguientes caractersticas: 1.- Es inestable en el tiempo. 2.- Es impredecible. 3.- Esta sujeto tanto a causas comunes y/o especiales de variacin.
Grficas de control
Causas especiales. Es la variacin que es propia del proceso, pueden ser por diferencias : Entre las mquinas. Entre las personas. Entre los materiales. Entre los mtodos o procedimientos. En la relacin o entre ellas. O por falta de las mismas.
Grficas de control
Causas comunes. Es la variacin que no es propia del proceso, son provocadas por el diseo y por el sistema por lo que afectan a varios departamentos y tienen varias alternativas de solucin, generalmente la alta administracin tiene que aprobar la solucin
Grficas de control
Las grficas de control proporcionan informacin acerca: Del nivel medio en el que opera un determinado proceso. Del grado de variacin dentro del cual se da dicho proceso. De su consistencia.
Grficas de control
Las grficas de control ms frecuentemente utilizadas son las siguientes.
Uso de las grficas de control: Para observar como se comporta el proceso productivo; si el proceso es normal y entonces poder determinar reas de oportunidad. Para verificar si los datos obtenidos poseen condiciones semejantes para tomar acciones y controlar el proceso. Para atributos: p Porcentaje de unidades defectuosas.
Grficas de control
Variable Es toda cantidad que pueda ser medible o cuantificable y que independientemente de las que se evalan se obtiene el mismo resultado, dado que los patrones de medicin son universales.
Atributo Es toda caracterstica cualitativa y que el resultado depende de la experiencia y/o capacitacin de la persona que est efectuando la evaluacin, ya que los patrones masters utilizados son a criterio del cliente.
Muestra: El tamao de la muestra se decide en funcin del volumen de produccin, el tiempo, etc. El Dr Shewart sugiri la eleccin de 4 o 5 elementos por cada subgrupo. Durante un estudio inicial, las muestras pueden ser tomadas consecutivamente o a intervalos cortos, a fin de detectar si el proceso es consistente o inconsistente. Se recomienda que el intervalo sea de mnimo media hora y mximo 2 horas Es conveniente tener al menos 24 subgrupos. La experiencia indica que las primeras muestras pueden o no ser representativas.
En este caso se puede tomar la opcin de construir una grfica de lecturas individuales. La grfica de lecturas individuales es muy similar a la grfica X-R, tanto en construccin como en interpretacin.
Tamao de muestra 2 3 4 5 6 7 8 d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
9 10
Zsup = LSE - X Zinf = X - LIE X y se han calculado en el grfico de control. Tambin se puede calcular: Cpk = Cp (1-K) K = [2 IM - XI] / [LSE + LIE] M = [LIE + LSE] / 2
Cp nos dice si el proceso tiene capacidad para cumplir con las especificaciones.
Cp = 1 Cp < 1 Cp > 1
El proceso tiene capacidad potencial. El proceso no tiene capacidad potencial. El proceso tiene ms capacidad potencial de lo que piden las especificaciones.
Cpk < Cp El proceso no esta centrado. Cpk > 1 El proceso no esta centrado pero
solo una pequea cantidad est fuera de la especificacin.
Capability Indices
ST Mean StDev
583.500 1.849 1.893 1.893 1.568 0.122 0.029207 0.029207 0.058413 94.1587 58413.3 0.63 0.50 0.64 0.51
LT
584.213 1.827 1.526 2.307 1.446 0.122 0.063562 0.010540 0.074102 92.5898 74101.6
X=584.2
-3.0SL=581.7
10
20
30
4 3 2 1 0
3.0SL=3.639
Z.Shift P.USL
S=1.742
-3.0SL=0.00E+00
Cp Cpk Pp Ppk
589.060
I
I I
589.703
I
I
580
587
580
587
Specifications
Specifications
S am ple M ean
X=584.2
Subgroup
9 8 7 6 5 4 3 2 1 0
10
20
30
3.0SL=8.387
S am ple R ange
R=3.967
-3.0SL=0.00E+
Grficas de atributos
Tipos de grfica por atributos: p Porcentaje de unidades defectuosas.
Se usa cuando los tamaos de muestra son variables. np Nmero de unidades defectuosas. Se usa para tamao de muestra constantes c Nmero de defectos.
Se usa cuando el tamao de las muestras es constante. u Porcentaje del nmero de defectos por unidad.
Grficas de atributos
Grfica np para el nmero de piezas defectuosas Es el instrumento estadstico que se usa para graficar las piezas defectuosas encontradas al inspeccionar tamaos de muestra constante. Es necesario establecer la frecuencia, se recomienda en lapsos cortos. Las muestras deben ser lo suficientemente grandes, para encontrar piezas defectuosas en cada subgrupo. Por experiencia se recomienda que los tamaos sean de 50 unidades.
Grficas de atributos
Usos de la grfica np Para obtener las causas que contribuyen al proceso. Para obtener el diseo histrico de una o varias caractersticas de una operacin. Para investigar el curso o tendencia de un defecto o un grupo de defectos. Para detectar causas especiales, lo que no se puede con la X-R.
Grficas de atributos
Grfica p para el porcentaje de unidades defectuosas. La fraccin de unidades defectuosas (p) es el conjunto de aquellos artculos que se encontraron defectuosos (x) dentro de un total de artculos examinados (n).. Se recomienda tener clasificados los defectos. Este conjunto de artculos defectuosos se expresa como fraccin decimal para el clculo real de los lmites de control. La fraccin, sin embargo se convierte a porcentaje cuando se transcribe a la grfica. Las muestras que se utilizan para evaluar esta grfica pueden ser variables. Mientras mayor sea la muestra y el nmero de artculos defectuosos permanezca constante, mayor sera la calidad. Si la muestra permanece constante y el nmero de defectuoso disminuye, tambin la calidad mejora.
Grficas de atributos
Grfica c para el nmero de defectos por unidad inspeccionada. Al igual que en la grfica np. Aqu tambin graficamos el nmero de unidades defectuosas. El uso de estas grficas puede ser: Reducir el costo relativo al proceso. Informar a los supervisores de produccin y la administracin a nivel de calidad. Determinar que tipos de defectos no son permisibles en un producto. Informar la probabilidad de ocurrencia de los defectos en una unidad.
Grficas de atributos
Grfica u de fraccin de unidades defectuosas: La grfica de control por unidad inspeccionada en muestras de tamao variable de ms de una unidad, es el instrumento estadstico que sirve para medir la cantidad de defectos por unidad inspeccionada y una muestra de (n) unidades. Si el tamao de muestra vara continuamente el proceso de implementacin de este tipo de grficas se hace como las grficas p. Si no es tan variable, la implementacin de grficas u es ms sencilla.
1
LSC Media LIC
2
LSC Media
3
LSC Media LIC
4.- Una tendencia descendente en puntos sucesivos (7u8 puntos). Si se trata de grficas por variables indica que la media del proceso ha disminuido. Si se trata de grficas por atributos denota una mejora en el proceso.
4
LSC Media LIC
5
LSC Media LIC
LSC
LIC
6
LSC Media LIC
Distribucin normal
La distribucin normal, es una distribucin de probabilidad continua, donde la variable puede tomar cualquier valor dentro de un rango dado. Algunas de las razones por la que la distribucin normal es importante en la estadstica: 1.- Es aplicable cuando se requiere obtener informacin a travs de muestras. 2.- La distribucin normal se ajusta fcilmente de frecuencias observadas a varios fenmenos. 3.- Con las medidas cuyas distribuciones no son normales, se puede incluir una normalidad aproximada. 4.- Muchos resultados son validos cuando se obtienen de poblaciones normales y de poca precisin cuando provienen de datos no normales.
Distribucin normal
Caractersticas de la distribucin normal.
1.- La curva tiene un pico nico, es unimodal y tiene forma de campana. 2.- La media de la distribucin normal queda en el centro de la curva. 3.- Debido a la simetra de la distribucin normal, la mediana y la moda tambin estn en el centro. 4.- Los extremos de la campana se extienden indefinidamente y nunca tocan el eje horizontal
Process Demographics
Date: Reported by: Project: Department: Process: Characteristic: Units: Upper Spec: 18 Low er Spec: 12 Nominal: Opportunity:
100, 000
Process Demographics
Date: Reported by: Project: Department: Process: Characteristic: Units: Upper Spec: 18 Low er Spec: 12 Nominal: Opportunity: 15
LSL
USL
LSL
USL
12
1,000,000
13
14
15
16
17
18
Actual (LT)
Potential (ST)
8
1,000, 000
13
18
Actual (LT)
23
15
Potential (ST)
100,000
10,000
Process Benchmarks
Actual (LT) Potential (ST) Sigma
(Z.Bench)
10,000
Process Benchmarks
Actual (LT) Potential (ST) Sigma
(Z.Bench)
1000
1000
100
100
7.00
0
6.27
10
1.03
2.36
10
PPM
1
1.75E-04
1
PPM
1 2 3 4 5
150831 9154.40
Distribucin normal
Conociendo la media y la desviacin estndar de una variable normal cualquiera, es posible calcular la probabilidad de cualquier evento a partir de la siguiente frmula y de la tabla de valores de la distribucin normal. Z={X-]/
= [ X - X ]^2 / N
Donde: X = Valor de la variable.
Distribucin normal
La variable Z se llama variable normal estandarizada con = 1 y = 0. Con esta frmula, se puede usar una tabla de reas bajo la curva para encontrar una distribucin normal estndar. Tambin se puede determinar la probabilidad de que la variable normalmente distribuida quede dentro de ciertas distancias a partir de la media. Estas distancias se definen en trminos de desviaciones estndar.
Distribucin normal
reas bajo la curva normal. Independientemente de cuales sean los valores de m y de s para una distribucin normal, el rea total bajo la curva es uno, as que se debe de pensar en las reas bajo la curva como probabilidades. Matemticamente es cierto que: 1.- Aproximadamente el 68% de los valores caen dentro de 1 a partir de la . 2.- Aproximadamente el 95.5% de los valores caen dentro de 2 a partir de la . 3.- Aproximadamente el 99.7% los valores caen dentro de 3 a partir de la . Existen tablas de distribucin normal que indican la porcin del rea bajo la curva normal. La tabla esta organizada en unidades estndar o valores de Z.
Gracias !!