Documente Academic
Documente Profesional
Documente Cultură
Fase de medicin
Propsitos:
Procesos y sistemas
Salidas
Proveedores
Clientes
Retroalimentacin
Retroalimentacin
Banco de informacin
Modelo SIPOC
Proveedores
de recursos
Entradas,
insumos
Procesos,
actividades
que agregan
valor
Salidas,
producto o
servicio
Clientes,
reciben el
producto
10
11
Mtricas de flujo
Trminos Lean
12
Mtricas de flujo
Trminos Lean
13
Mtricas de flujo
Trminos Lean
14
Mtricas de flujo
Trminos Lean
15
Mtricas de flujo
Trminos Lean
16
Mtricas de flujo
Trminos Lean
17
Mtricas de flujo
Trminos Lean
18
Mtricas de flujo
Trminos Lean
Pensamiento Lean
Perseguir la perfeccin
20
Valor
21
Valor
22
Cadena de Valor
23
Cadena de Valor
24
Cadena de Valor
25
Cadena de Valor
26
Valor de jalar
Perfeccin
Se logra con:
28
Takt time
29
Mtricas de Lean
30
Mtricas de Lean
Tiempo total de espera (Lead) = No. Artculos en proceso
/
Tasa promedio de terminacin
Eficiencia del ciclo de proceso = Tiempo de valor
agregado /
Tiempo total de espera
Si hay 30,000 unidades planeadas, y se pueden producir
3,000 por da, Cul es el tiempo de espera total?
TLT = 30,000 / 3,000 = 10 das
31
Mtricas de Lean
Se tienen 21 cotizaciones pendientes, ofrecen tres
das de tiempo de respuesta a sus clientes. Cul
es la tasa de terminacin para cumplir con la
meta?
Tasa de terminacin = WIP / TLT = 21 / 3 = 7
cotiz./da
32
33
Diagramas de flujo
Mapas de proceso
Procedimientos escritos
Instrucciones de trabajo
Anlisis de proceso
Documentacin del proceso
35
Diagrama de flujo
36
Diagrama de flujo
37
Diagrama de flujo
Diagrama de flujo
Smbolos de Diagramas de flujo
39
Diagrama de flujo
Diagramas de flujo - Ejemplo
40
Diagrama de flujo
Beneficios
Permiten visualizar el proceso que se est
describiendo
Describen el proceso con smbolos, flechas y
palabras sin necesidad de oraciones
La mayora usa simbologa estandarizada
(ANSI Y15.3)
Si se usa software el nmero de smbolos
puede llegar a 500
41
Diagrama de flujo
42
Smbolos de diagrama de
flujo
Proceso
Desicin Documento
Datos
Proceso
Predefinido
Operaciones
(Valor agregado)
Decisin
Inspeccin /Medicin
Transportacin
Transmisin
Almacenar
Entrada/Salida
Retraso
Lneas de Flujo
44
Paso 1
Paso 2A
Paso 2B
Paso 2C
Paso 3
Retrabajo
No
Bueno?
Fin
45
47
Creados para un
propsito diferente.
Con frecuencia no
reflejan los puntos de
inicio y Fin adecuados.
No son cmo es.
Quieren ser
No sealan el
desperdicio.
48
Aprovecha al Equipo
Haz recorridos,
entrevistas y revisiones
de los diagramas de flujo
y los estndares
existentes.
49
50
51
Inicio
Fin
Ensamble de
Asiento
Dibujos de
Ingeniera
Manufactura en
Riel de Asientos
Cuentas por
Pagar
52
Inicio
Fin
Ensamble de
Asiento
Dibujos de
Ingeniera
Requerimientos ClienteRecibe
del Cliente
el Archivo CAD
Las revisiones,
sugerencias y
correcciones son
bienvenidas!
54
Herramientas de un Mapa de
Proceso
Rotafolios y Marcadores.
55
5. Discutan, revisen y
modifiquen.
7. Aadan pasos de
inspeccin, retrabajo,
reparacin y desperdicio en
las notas autoadheribles.
8. Elaboren un mapa de
proceso cmo es.
56
Hazlo fcil!
Idealmente, muestra de
cinco a diez pasos.
Agrega ms detalles
posteriormente.
57
Revisen la declaracin
del problema.
Proceso:
Describan los procesos
Proceso de revisin de
que causan el problema.
dibujos.
Comenten los puntos de Pregunta:
Cul podra ser el
Inicio y Fin que se
punto de Inicio?
pueden medir.
Pregunta:
Pnganse de acuerdo y
Cul podra ser punto
regstrenlos.
de Fin?
58
Proceso:
Proceso de revisin de dibujos.
Inicio:
El Cliente solicita un formato de cambio de
dibujos.
Fin:
Se entrega el archivo de dibujos (CAD) al Cliente.
59
Inicio:
El Cliente solicita un
formato de cambio de
dibujos.
Pregunta:
Cules son algunos
de los probables pasos
del proceso entre los
puntos de inicio y fin?
Fin:
El archivo CAD se
entrega al Cliente.
60
Inicio:
El Cliente solicita un formato de cambio de dibujos.
Pasos a seguir:
Bosquejar el cambio requerido.
Calcular el impacto del cambio.
Determinar cules dibujos necesitan
cambiarse.
Cambiar los dibujos apropiados.
Fin:
El archivo CAD se entrega al Cliente.
61
Paso 3:
Primer Recorrido y
Entrevistas
El equipo recorre el
proceso existente.
Tomen notas.
Paso 4:
Notas Autoadheribles
Crear
Boceto
Encontrar
Especif.
Reunin
con el
grupo
Localizar
Archivos
CAD
Hacer
Caf
Cambiar
Dibujos
Calcular
Impacto
Crear
Paquete
de
Archivos
Enviar al
Cliente
63
Comenten, repasen y
modifiquen el mapa del
proceso en las notas
autoadheribles.
Pnganse de acuerdo en
los pasos que se deben
conservar.
Pnganse de acuerdo en
los pasos que se deben
eliminar.
64
Informacin suficiente
para facilitar la mejora.
Resultados que se
puedan medir.
Podran producirse
defectos (CTQ, CTC,
CTD).
Un inicio y un fin
definidos.
65
Pasos Importantes
Crear
Bsquejo
Qu pasos podran
ser importantes en
el mapa del proceso
que aparece a la
derecha?
Encontrar
Especif.
Reunin
con el
grupo
Localizar
Archivos
CAD
Hacer
Caf
Cambiar
Dibujos
Calcular
Impacto
Crear
Paquete
de
Archivos
Enviar al
Cliente
66
Paso 6:
Segundo Recorrido y
Entrevistas
Vuelvan a recorrer el
proceso.
Revisen pasos de
inspeccin, retrabajo,
reparacin y desperdicio.
Tomen notas.
67
Paso 7:
Aadir Cambios
Solicitud de
Cambio del
Cliente
Agreguen notas
autoadheribles.
Aadan inspecciones.
Aadan retrabajo y
reparaciones.
Aadan desperdicio.
Reunin
con Ventas
No
Crear
Bsquejo
Calcular
Impacto
Impacto
OK?
S
Dibujo
OK?
Cambiar
Dibujo
No
Crear
paquete de
archivos
Enviar a
Cliente
Cliente recibe
archivos CAD
68
Paso 8:
El equipo establece
un mapa del proceso
Crear
tal cual.
No
Calcular
Impacto
Bsquejo
Tiene el detalle
suficiente para incluir
los pasos
importantes.
Sin demasiado
detalle para que se
entienda
rpidamente.
Reunin
con Ventas
Impacto
OK?
S
Dibujo
OK?
Cambiar
Dibujo
No
Crear
paquete de
archivos
Enviar a
Cliente
Cliente recibe
archivos CAD
69
70
Reunin
con Ventas
No
Calcular
Impacto
Crear
Bsquejo
Impacto
OK?
Si
No
Crear
paquete de
archivos
Es el inicio de tu
viaje hacia la
mejora.
Dibujo
OK?
Cambiar
Dibujo
Enviar al
Cliente
Es la condicin
base del proceso.
Cliente recibe
archivos CAD
Es la oportunidad
para la estrategia
de impacto de Six
Sigma.
71
73
La cadena de valor
74
La cadena de valor
Beneficios del Mapeo de la cadena de valor
Ayuda a visualizar el flujo de produccin; las
fuentes del desperdicio o Muda
Suministra un lenguaje comn sobre los procesos
de manufactura y Vincula los conceptos ytcnicas
Lean
Forma la base del plan de ejecucin, permitiendo
optimizar el diseo del flujo de puerta a puerta
Muestra el enlace entre el flujo de informacin y el
flujo de material
Permite enfocarse en el flujo con una visin de un
estado ideal o al menos mejorado
75
Flujo de informacin
Adems del flujo de materiales en el proceso de
produccin, se tiene otro flujo que es el de
informacin que indica a cada proceso lo que
debe producir o hacer en el paso siguiente.
Son dos caras de la misma moneda y se deben
trazar ambos.
76
77
Simbologa utilizada
78
Simbologa utilizada
79
Simbologa utilizada
80
Simbologa utilizada
81
82
83
85
Informacin para
la cadena de valor
86
Informacin para
la cadena de valor
87
Ejemplo de aplicacin:
Empresa Guden
88
89
90
91
92
93
Beneficios
94
Beneficios
95
Mapa de proceso de la
Empresa ABC - final
96
Documentacin
97
Procedimientos escritos
Instrucciones de trabajo
Diagrama de espaguetti
100
Diagramas de Venn
101
102
Contenido
V.C.1 Mtodos de medicin
V.C.2 Anlisis de sistemas de medicin
V.C.3 Sistemas de medicin en la empresa
V.C.4 Metrologa
103
104
Mtodos de medicin
Herramientas de transferencia
105
Mtodos de medicin
Mtodos de medicin
107
Mtodos de medicin
Mtodos de medicin
Mtodos de medicin
110
Mtodos de medicin
111
Mtodos de medicin
112
Mtodos de medicin
Calibradores:
113
Mtodos de medicin
Calibradores de resorte:
114
Mtodos de medicin
Calibradores verniers:
115
Mtodos de medicin
Calibradores de reloj:
Calibradores digitales
116
Mtodos de medicin
Comparadores pticos
117
Mtodos de medicin
Micrmetros
118
Mtodos de medicin
Micrmetros
119
Mtodos de medicin
Prueba de corte
120
Mtodos de medicin
Prueba de compresin
Prueba de fatiga
121
Mtodos de medicin
Titulacin
122
Mtodos de medicin
Medicin de dureza
123
Mtodos de medicin
Medicin de dureza
124
Mtodos de medicin
Medicin de torque
Prueba de impacto
125
Mtodos de medicin
La regla de acero
126
Mtodos de medicin
Indicadores de reloj
127
Mtodos de medicin
128
Mtodos de medicin
Go
No go
129
Mtodos de medicin
Gages neumticos
Interferometra
130
Mtodos de medicin
131
Mtodos de medicin
Inspeccin visual
La inspeccin visual de color, textura y apariencia
proporciona informacin valiosa. EL ojo humano es
apoyado por lentes de aumento u otros instrumentos.
Esta inspeccin tambin se denomina inspeccin de
exploracin (scanning)
132
Mtodos de medicin
Pruebas ultrasnicas
133
Mtodos de medicin
134
Mtodos de medicin
135
Mtodos de medicin
Mtodos de medicin
Defecto
137
Mtodos de medicin
138
Mtodos de medicin
139
140
Contenido
1.
2.
3.
4.
5.
6.
7.
8.
Errores en la medicin
Carta de tendencias de gage Minitab
Estudios de R&R metodo corto del rango
Estudios de R&R mtodo largo (cruzado)
Estudios de R&R mtodo largo (anidado)
Estudios de linealidad y sesgo
Estudios de R&R por atributos mtodo analtico
Estudios de R&R por atributos acuerdo entre
evaluadores
141
Anlisis de Sistemas de
Medicin
1. Errores en la medicin
142
Metrologa
143
Correlacin de
mediciones
144
Correlacin de
mediciones
Sesgo o exactitud
Repetibilidad
Reproducibilidad
Estabilidad
Linealidad
145
Porcentaje de acuerdo
146
147
148
Definiciones
Exactitud
Desviacin respecto del valor verdadero del
promedio de las mediciones
Valor verdadero:
Valor correcto terico / estndares NIST
Sesgo
Distancia entre el valor promedio de todas las
mediciones y el valor verdadero.
Error sistemtico o desviacin
149
Definiciones
Estabilidad
La variacin total en las mediciones obtenidas
durante un perodo de tiempo prolongado
Linealidad
Diferencia en los valores de la escala, a travs
del rango de operacin esperado del
instrumento de medicin.
Precisin
Medicin de la variacin natural en mediciones
repetidas
150
Definiciones
Proceso de
Medicin
Proceso de
Transformacin
+
Variabilidad
Variabilidad
del
delproducto
producto
2
producto
Datos,
informacin,
observaciones
=
Variabilidad
Variabilidad
del
delSist.
Sist.De
De
Medicin
Medicin
2
Sistema de medicin
2
total
Variabilidad
Variabilidad
total
total
(Observada)
(Observada)
Errores en la medicin
152
Errores en la medicin
Promedios
Observada = proceso + medicin
Variabilidad
2
Determinada por un
estudio de calibracin
Determinada
por un estudio
R&R
Posibles Fuentes de la
Variacin del Proceso
Variacin del proceso, observado (Zlp/Zlt y/ DPMO)
Variacin del proceso, real
Variacin
dentro de la
muestra
Repetibilidad
Variacin de la medicin
Variacin originada
por el calibrador
Estabilidad
Reproducibilidad
Linealidad
Sesgo
Calibracin
La Repetibilidad y reproducibilidad (R&R), son los errores ms relevantes en la medicin.
154
Sensibilidad
155
Valor
Verdadero
Sesgo
Definicin de la Repetibilidad
o precisin
Repetibilidad: Es la variacin
de las mediciones obtenidas
con un instrumento de
medicin, cuando es utilizado
varias veces por un operador, al
mismo tiempo que mide las
mismas caractersticas en una
misma parte
REPETIBILIDAD
157
Definicin de la
Reproducibilidad
Reproducibilidad: Es
la variacin, entre
promedios de las
mediciones hechas por
diferentes operadores
que utilizan un mismo
instrumento de
medicin cuando miden
las mismas
caractersticas en una
misma parte en
diferentes tiempos
Operador-B
Operador-C
Operador-A
Reproducibilidad
158
Errores en la medicin
Preciso pero
No exacto
Exacto pero
no preciso
Exacto y
preciso
159
Definicin de la Estabilidad
Estabilidad (o desviacin) es la
Patrn
variacin
total de las mediciones obtenidas con
un
sistema de medicin, hechas sobre el
Tiempo 2
mismo
patrn o sobre las mismas partes,
Tiempo 1
cuando se
| Estabilidad |*100
mide una sola
sus caractersticas,
% de
Estabilidad
=
Tolerancia
durante
5%
> Recomendacin
un perodo de
tiempo
prolongado. si Estabilidad > 10%
Modificar frecuencias de calibracin (Programa)
x1-x2=Exactitud1
< 5% espaciar periodos -de uso entre
Estabilidad=
calibracin
Exactitud2
160
Definicin de la Linealidad
Graficar el sesgo versus los valores de exactitud de la parte
en todo el rango de operacin del instrumento. El porcentaje de
Linealidad es igual a la pendiente, b, de la lnea de regresin
Multiplicada por la variacin del proceso.
L = b Vp
El sesgo en cualquier punto se puede estimar de la pendiente y
La interseccin con eleje Y (Yo) de la mejor lnea de ajuste
B = Yo + b X
Valor
verdadero
Valor
verdadero
Linealidad es la
diferencia
Sesgo
Sesgo
en los valores real y
Menor
mayor
observado, mayor
menos menor a travs (rango inferior)
(rango superior)
del rango de operacin
Rango de Operacin del equipo
esperado del equipo.
% Linealidad =
| Linealidad | *
100
Tolerancia
161
162
Estudios de incertidumbre
163
Estudios de incertidumbre
Incertidumbre = Desv.Std.Sist.medic.
Incertidumbre
99.02%
5.15 med
Incertidumbre
Incertidumbre estandar :
u = sistema de medicion = s*(t0.005,n-1) m /(2.575)
Incertidumbre expandida :
U = 5.15*u= k*s*(t0.005,n-1)m
Donde : k= factor de cobertura (Generalmente k=2)
%U = U*100/Tolerancia
164
Estudios de R&R
Los mtodos para estudios de Repetibilidad y Reproducibilidad
pueden clasificarse por la naturaleza de las mediciones en :
165
Estudios de R&R
166
Documentar estudio
y definir siguiente
fecha de evaluacin.
Estudios de GR&R
datos continuos
Ho:
SI
El sistema de medicin es aceptable para
la necesidad.
GR&R Mtodo
Se cuenta
de Rangos (Corto)
con software
estadstico
NO
SI
Mtodo Anlisis de
Varianzas (ANOVA)
% GR&R
aceptable
SI
NO Mtodo Medias
NO
y Rangos (Largo)
NO
Reproducibilidad
aceptable
%GR&R
aceptable
SI
NO Estandarizar mtodos,
SI
Repetibilidad
aceptable
NO
Estudios de Incertidumbre
y/o caracterizacin.
167
Error R&R =
RPT2
REPR2
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo
qu tan crtico es el grado de la medicin.
>30%. Inaceptable!
168
La dimensin verdadera
de las partes se encuentra
en algn lugar de la la
regin sombreada
Lo que
fue
medido
LSL
OBJETIVO
USL
169
Estudios de
Repetibilidad y Reproducibilidad
Carta de Tendencias
Mtodo de ANOVA
170
171
172
Mtodo de ANOVA
II. Mtodo ANOVA
Permite separar en el sistema de medicin lo
referente a la reproducibilidad y a la
Repetibilidad.
Tambin proporciona informacin acerca de las
interacciones de un operador y otro en cuanto
a la parte.
Calcula las varianzas en forma ms precisa.
Mtodo de ANOVA
II. Mtodo ANOVA
174
Mtodo de ANOVA
II. Mtodo ANOVA
Donde
son las varianzas debidas al efecto
de la parte, el efecto del evaluador, y el error de
rplica
175
Mtodo de ANOVA
Ejemplo de Corrida: 5 partes, 3 tcnicos y 2 rplicas
176
Mtodo de ANOVA
Ejemplo de Corrida:
Anlisis de Sistemas de
Medicin
2. Carta de tendencia de
gages
178
Carta de tendencias de
gages
179
Carta de tendencias de
gages
180
Carta de tendencias de
gages
Interpretando los resultados
181
Anlisis de Sistemas de
Medicin
3. Estudios R&R
Mtodo del rango
182
183
184
185
186
187
Formato 5.1
Inspector 1
Inspector 2
Rango
1
2
3
4
5
Rango promedio ( R ) =
)/(
)*100
=
)
)=
188
Anlisis de Sistemas de
Medicin
4. Estudios R&R (cruzado)
Mtodo de Medias Rangos
Mtodo largo
189
Determinacin slo
de la repetibilidad
190
Determinacin slo
de la repetibilidad
191
Determinacin slo
de la repetibilidad
0.887
d 2 1.128
R= Rango promedio
d2 = Valor de tablas.
6 medicin
P
T USL LSL
192
Determinacin slo
de la repetibilidad
P 5.32
0.097
T
55
193
Determinacin slo
de la repetibilidad
medicion
.79
100 25.73%
total
3.07
194
195
196
197
Ejemplo:
Planteamiento del problema:
Las partes producidas en el rea de produccin, fallaron
por errores dimensionales 3% del tiempo.
CTQ:
202
Operador A
Serie # 1er. Ensayo 2o. Ensayo
1
2
3
4
5
6
7
8
9
10
Totales
9.376
9.372
9.378
9.405
9.345
9.390
9.350
9.405
9.371
9.380
9.358
9.320
9.375
9.388
9.342
9.360
9.340
9.380
9.375
9.368
X-barA
Operador B
Rango 1er. Ensayo 2o. Ensayo
9.354
9.372
9.278
9.362
9.338
9.386
9.349
9.394
9.384
9.371
Rango
Porcin Xbar
9.361
9.372
9.277
9.370
9.339
9.370
9.349
9.381
9.385
9.376
X-barB
R-barA
R-barB
Porcin R
203
204
205
93.772
X-barA
93.606
9.3689
R-barA
0.174
0.0174
93.588
X-barB
93.580
9.3584
R-barB
0.052
0.0052
Porcin R 0.0630
X-media mx.=>
9.3689
9.3584
Diferencia X-dif
0.0105
R-media doble
0.0113
Nmero de operadores
========>
4.56
10
2
=========>
3.65
K3 ======>
1.62
206
Clculo de R&R
Repetibilidad: La variacin del dispositivo de medicin (VD)
se calcula sobre cada grupo de mediciones tomadas por un
operador, en una sola parte.
DV = R x K1 =
0.0515
0.03655
207
Clculo de R&R
El componente de varianza para repetibilidad y
reproducibilidad (R&R) se calcula combinando la
varianza de cada componente.
R&R =
=
DV2 + AV2
0.05277
Rpart x K3
=0.1021
R&R2 + PV2
= 0.1142
208
Clculo de R&R
Basado en la tolerancia:
%DV
= 100*DV/Ancho de tolerancia=20.61
%AV
= 100*AV/Ancho de tolerancia=14.62
= 100*DV/Variacin total=
%AV
45.09
32.00
46.20
%PV
89.40
209
Ejercicios
Para un estudio de R&R 2 operadores midieron con el mismo equipo
de medicin 10 partes en 3 intentos cada uno,obteniendo:
Mediciones
de operador A
1
2
Nmero
de parte
1
2
3
4
5
6
7
8
9
10
50
52
53
49
48
52
51
52
50
47
49
52
50
51
49
50
51
50
51
46
50
51
50
50
48
50
51
49
50
49
50
51
54
48
48
52
51
53
51
46
48
51
52
50
49
50
50
48
48
47
Mediciones
de operador B
2
3
51
51
51
51
48
50
50
50
49
48
210
212
213
Resultados (AIAG)
216
Resultados AIAG
217
219
220
221
Nmero mnimo 4
222
223
Components of Variation
Percent
80
Datos by Partes
% Contribution
0.006
% StudyVar
% Tolerance
40
0.005
0.004
Gage R&R
Repeat
Reprod
Part-to-Part
R Chart by Operadores
Sample Range
0.006
0.0005
_
R=0.000417
0.005
0.0000
LCL=0
10
2
Operadores
Operadores
UCL=0.005143
_
X=0.004717
0.0045
LCL=0.004290
0.0040
Average
Sample Mean
0.0050
0.004
5
6
Partes
Datos by Operadores
UCL=0.001073
0.0010
0.0050
2
3
0.0045
0.0040
1
5
6
Partes
10
224
La interaccin no es significativa
y los errores de R&R indican que
equipo de medicin no es adecu
ni el nmero de categoras.
227
228
Anlisis de Sistemas de
Medicin
4. Estudios R&R (anidado)
Mtodo de Medias Rangos
Mtodo largo
229
R&R Anidado
230
R&R Anidado
231
R&R Anidado
232
233
R&R Anidado
Instrucciones de Minitab
1File > Open worksheet > GAGENEST.MTW.
2Seleccionar Stat > Quality Tools > Gage
Study > Gage R&R Study (Nested).
3En Part or batch numbers, poner Part.
4En Operators, seleccionar Operator.
5En Measurement data, seleccionar Response.
6Dar OK.
234
R&R Anidado
Resultados de Minitab
235
R&R Anidado
Resultados grficos de Minitab
236
Anlisis de Sistemas de
Medicin
6. Estudios de Linealidad y
sesgo
237
Estudios de linealidad y
sesgo
238
Ejemplo:
239
240
241
242
243
Anlisis de Sistemas de
Medicin
7. Estudios R&R por atributosMtodo analtico
244
245
246
247
248
249
250
251
Anlisis de Sistemas de
Medicin
8. Estudios R&R por atributosMtodo de acuerdo por
atributos
252
Varios
Tcnica Kendall
(Clasificacin
Multi-nominal)
SI
Documentar estudio
y definir siguiente
fecha de evaluacin.
Estudios de GR&R
datos discretos
Cuntos atributos
Se evalan ?
Uno
Tcnica Kappa
(Clasificacin
Nominal)
ndice
Kappa > 0.7
NO
253
254
255
256
257
Pobservada- P chance
K=
1 - P chance
258
Inspector A
Inspector B
Tabla de Contingencia
Inspector A
Buena
Inspector B
Mala
Buena
0.667
0.000
0.667
Mala
0.080
0.250
0.333
0.750
0.250
1
2
3
4
5
6
7
8
9
10
11
12
Buena
Buena
Buena
Buena
Buena
Mala
Buena
Buena
Buena
Mala
Buena
Mala
Buena
Buena
Buena
Mala
Buena
Mala
Buena
Buena
Buena
Mala
Buena
Mala
0.917
0.5835
K=
1- 0.5835
= 0.8
259
Mtodo Kappa
Determine si el sistema de medicin es
confiable:
El valor mximo posible de Kappa es 1.0, cuanto
ms cercano est a este valor el sistema de
medicin es confiable. En trminos generales
se puede decir que si K es menor a 0.7, el
sistema de medicin no es aceptable.
260
Mtodo Kendall
Cuando se tienen varios inspectores y la
clasificacin de la muestra puede ser multinominal, se puede utilizar el ndice de Kendall
Para explicarlo consideraremos el siguiente
ejemplo, en el cual participan 5 inspectores y
analizan 10 muestras las cuales clasifican en 5
categoras distintas.
261
Mtodo Kendall
Costura
ancha
Costura
angosta
10
0
2
3
0
0
4
0
0
0
3
12
0
0
0
0
2
0
4
0
0
2
8
p
q
0.24
0.16
0.12
0. 14
0. 34
0.76
0. 84
0.88
0. 86
0. 66
M
u
e
s
t
r
a
1
2
3
4
5
6
7
8
9
Costura
incompleta
1
1
0
0
3
0
1
0
0
0
6
Costura
dispareja
Costura
perfecta
Sx
0
0
2
0
0
0
0
5
0
0
7
4
2
0
5
0
1
0
0
5
0
17
9
13
25
13
17
17
25
25
13
17
174
2
ij
i=1
F
p =
50
262
Mtodo Kendall
KCategora j= 1-
2
x ij (m- x ij)
i=1
nm(m-1)
pj qj
Donde :
Kcategoria j = ndice Kappa de la Categora j
n = Nmero de unidades
m = Nmero de inspectores
k = Nmero de categoras
pi = evaluacin dentro de la categora i/(n x m)
qi = 1 - pi
263
Mtodo Kendall
El numerador del ndice Kappa para la categora
Costura ancha sera entonces :
[0 x (5-0)] + [2 x (5-2)] + [3 x (5-3)] + [0 x (5-0)] + [0 x (5-0)]
+ [4 x (5-4)] + [0 x (5-0)] + [0 x (5-0)] + [0 x (5-0)] + [3 x (5-3)] =22
36.48
264
Mtodo Kendall
El ndice Kendall de todo el estudio est dado por la
siguiente frmula::
nm2 -
K total
=1 -
i=1
j=1
x
k
nm(m-1)
2
ij
qj
j=1
Donde :
Ktotal = ndice Kendall
n = Nmero de unidades
m = Nmero de inspectores
k = Nmero de categoras
pi = evaluacin dentro de la categora i/(n x m)
qi = 1 - pi
265
Mtodo Kendall
El ndice Kendall para el ejemplo dado es:
K total = 1-
[(
10 x 5 x 4
10 x (5)2 -174
(0.24 X 0.76) + (0.16 X 0.84) +
(0.12 X 0.88) + (0.14 X 0.86) +
(0.34 X 0.66)
)]
267
268
269
Resultados
270
Resultados
271
Resultados
272
Resultados
ndice Kappa de Cohen
273
Resultados
274
Resultados
275
La efectividad de la discriminacin es la
habilidad del sistema de medicin de atributos
para discriminar a los buenos de los malos.
276
Atributos
Ejemplo comparacin pasa no
pasa
1. Selecciona un mnimo de 20 unidades del proceso.
Estas unidades deben representar el espectro
completo de la variacin del proceso (buenas,
erroneas y en lmites).
2. Un inspector experto realiza una evaluacin de cada
parte, clasificndola como Buena o No Buena.
3. Cada persona evaluar las unidades,
independientemente y en orden aleatorio, y las
definir como Buenas o No Buenas.
4. Ingresa los datos en el archivo Attribute Gage R&R.xls
para cuantificar la efectividad del sistema de
medicin.
277
REPORTE
FECHA:
NOMBRE:
PRODUCTO:
SBU:
COND. DE PRUEBA:
Poblacin Conocida
Muestra #
Atributo
1
G
2
G
3
G
4
G
5
G
6
G
7
G
8
G
9
NG
10
NG
11
G
12
G
13
NG
14
G
15
G
16
G
17
NG
18
G
19
G
20
G
% DEL EVALUADOR
Persona #1
#1
G
G
G
G
G
NG
G
G
G
NG
G
G
NG
G
G
G
NG
G
G
G
(1)
% VS. EL ATRIBUTO
#2
G
G
G
G
G
G
G
G
G
NG
G
G
NG
G
G
G
NG
G
G
G
->
(2)
->
#1
G
G
G
G
G
G
G
G
NG
G
G
G
NG
G
G
G
NG
G
G
G
Persona #2
#2
G
G
G
G
G
G
G
G
NG
G
G
G
NG
G
G
G
NG
G
G
G
95.00%
100.00%
90.00%
95.00%
Acuerdo
Acuerdo
Y=S N=No
Y
Y
Y
Y
Y
N
Y
Y
N
N
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y=S N=No
Y
Y
Y
Y
Y
N
Y
Y
N
N
Y
Y
Y
Y
Y
Y
Y
Y
Y
Y
Esta es la
medida
general de
consistencia
entre los
operadores
y el experto.
90% es lo
mnimo!
(3)
% DE EFECTIVIDAD DE DISCRIMINACION
->
85.00%
(4)
% DE EFECTIVIDAD DE DISCRIMINACION VS. EL ATRIBUTO
->
85.00%
278
Sistema de Medicin de
Atributos
Pasa no pasa Datos en Minitab
279
280
281
Assessment Agreement
Within Appraisers
95.0% CI
Percent
100
95
95
90
90
85
80
85
80
75
75
70
70
1
2
Appraiser
95.0% CI
Percent
100
Percent
Percent
Appraiser vs Standard
2
Appraiser
282
Interpretacin de Resultados
1. % del Evaluador es la consistencia de una
persona.
2. % Evaluador vs Atributo es la medida de el
acuerdo que hay entre la evaluacin del operador
y la del experto.
3. % de Efectividad de Seleccin es la medida de el
acuerdo que existe entre los operadores.
4. % de Efectividad de Seleccin vs. el Atributo es
una medida general de la consistencia entre los
operadores y el acuerdo con el experto.
283
Estudio de Repetibilidad y
Reproducibilidad de Atributos Guas de Aceptabilidad
Aunque el 100% es el resultado que deseamos obtener,
en un estudio de repetibilidad y reproducibilidad de
atributos, la siguiente gua se usa frecuentemente:
Porcentaje
De 90% a 100%
Gua
Aceptable
De 80% a 90%
Marginal
Menos de 80%
Inaceptable
284
Mtodo sencillo
286
Medicin de desempeo
en la empresa
Contadores automticos
Reportes generados por computadora
Auditoras internas y externas
Evaluacin de proveedores
Reportes gerenciales
287
Medicin de desempeo
en la empresa - Aspectos
Proveedores
No. De desviaciones
Porcentaje de entregas a tiempo
Porcentaje de entregas anticipadas
Costo de embarque por unidad
Porcentaje de cumplimiento en especificaciones
Costo unitario actual vs costo unitario histrico
Monto de lo rechazado vs monto de las compras
Oportunidad de la asistencia tcnica
288
Medicin de desempeo
en la empresa - Aspectos
Ventas y mercadotecnia
289
Medicin de desempeo
en la empresa - Aspectos
290
Medicin de desempeo
en la empresa - Aspectos
291
Medicin de desempeo
en la empresa - Aspectos
Investigacin y desarrollo
292
Medicin de desempeo
en la empresa - Aspectos
Ingeniera
293
Medicin de desempeo
en la empresa - Aspectos
Manufactura
294
V.C.4 Metrologa
295
Metrologa
296
Metrologa
Unidades de medicin
Longitud (metro)
Tiempo (segundo)
Masa (kilogramo)
Corriente elctrica (ampere)
Temperatura (Kelvin)
Iluminacin (candela)
Cantidad de sustancia (mole)
297
298
Metrologa
Temperatura
299
Metrologa
Calibracin
300
Metrologa
Errores de medicin
301
Metrologa
Errores de medicin
lecturas
medicion
n
302
Metrologa
Errores de medicin
Variacin
Variacin
Variacin
Variacin
Variacin
Variacin
Variacin
por el operador
de operador a operador
del equipo
de los materiales
en procedimientos
en el software
de laboratorio a laboratorio
303
Metrologa
Intervalo de calibracin
304
Metrologa
Intervalo de calibracin
305
Metrologa
Estndares de calibracin
306
Estndares internacionales
En Mxico se tiene el CENEAM o el
Centro Nacional de Metrolgia
En EUA se tiene el NIST (National
Institute of Standards and Technolog)
Un Estndar primario es certificado por
NIST o por una organizacin alterna que
use procedimientos de calibracin
actualizados
Los Estndares secundarios son
calibrados por el depto. de Metrologa de
las empresas en base a los estndares
primarios, para efectos de calibracin.
307
Estndares internacionales
Los Estndares secundarios se
transfieren a Estndares de trabajo en
produccin.
Para determinar la exactitud de los
sistemas de medicin se debe conocer
su rastreabilidad a Estndares
nacionales e internacionales.
Resolucin: Para que el equipo de medicin
tenga una discriminacin adecuada en la
evaluacin de las partes, su resolucin debe
ser al menos 1/10 de la variabilidad del
proceso ( LTNS - LTNI = 6 )
308
Metrologa
Estndares de calibracin
La trazabilidad hacia debajo de la trazabilidad se
muestra a continuacin
309
Metrologa
310
Metrologa
311
Metrologa
312
313
315
Estadstica
La estadstica descriptiva nos proporciona
mtodos para organizar y resumir informacin,
la estadstica inferencial se usa para obtener
conclusiones a partir de una muestra
Por ejemplo, s deseamos saber el promedio de peso de las
personas en una poblacin tenemos dos opciones:
Pesar a todas y cada una de las personas, anotar y
organizar los datos, y calcular la media.
Pesar solo una porcin o subconjunto de la poblacin
(muestra). Registrar y organizar los datos y calcular la
media de la muestra, tomndola para pronosticar o Inferir
la media de toda la poblacin.
Poblacin y muestra
Poblacin: Es la coleccin de todos los
elementos (piezas, personas, etc.). En nuestro
caso sera un nmero infinito de mediciones
de la caracterstica del proceso bajo estudio.
Muestra: Es una parte o subconjunto
representativo de la poblacin, o sea un grupo
de mediciones de las caractersticas.
317
Estadsticos y parmetros
Estadstico: Es una medicin tomada en una
muestra que sirve para hacer inferencias en
relacin con una poblacin (media de la muestra,
desviacin estndar de la muestra se indican con
letras latinas X, s, p).
Normalmente es una variable aleatoria y tiene
asociada una distribucin.
Parmetro: Es el valor verdadero en una poblacin
(media, desviacin estndar, se indican con letras
griegas , , )
318
Tipos de datos
Datos continuos Los datos que tienen un valor
real (temperatura, presin, tiempo, dimetro,
altura )
Datos discretos: Datos que toman valores enteros
(0, 1, 2, 3, etc.)
Datos por atributos: Bueno - malo, pasa - no pasa,
etc.
319
320
321
X
sX
n
322
323
X-media 2
X-media 3
325
Cartas de Control
Causas
normales o
comunes
Causa
especial
DEFINICION
Es una ayuda grfica para el control de las variaciones de
los procesos administrativos y de manufactura.
326
Variacin observada
en una Carta de Control
Lmite
sup. de
especs.
Objetivo
328
Lmite
sup. de
especs.
Objetivo
329
captura la variacin
natural del proceso
original
LSC
LIC
El proceso ha cambiado
identifcada
TIEMPO
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
331
Patrn de Carta
en Control Estadstico
Proceso en Control estadstico
Sucede cuando no se tienen situaciones
anormales y aproximadamente el 68% (dos
tercios) de los puntos de la carta se encuentran
dentro del 1 de las medias en la carta de
control.
Aplicacin en Intervalos de
confianza
X Z
X t
2
333
Aplicacin en Intervalos de
confianza
p (1 p )
n
p Z
2
Para la varianza
( n 1) s
2
2
, n 1
( n 1) s
, n 1
334
335
Estadstica Descriptiva
No existen en la naturaleza
dos cosas exactamente iguales,
ni siquiera los gemelos, por tanto la variacin es
inevitable y es analizada por la Estadstica
336
Estadstica descriptiva
Medidas de dispersin
Distribuciones de frecuencia y
337
Estadstica descriptiva
338
Estadstica descriptiva
339
Estadstica descriptiva
340
Estadstica descriptiva
341
Estadstica descriptiva
342
Estadstica descriptiva
Medidas de dispersin:
343
Estadstica descriptiva
Medidas de dispersin:
344
Estadstica descriptiva
Medidas de dispersin:
s=
790
= 12.56
5
s=
7510
= 38.75
5
345
Estadstica descriptiva
Medidas de dispersin:
346
Estadstica descriptiva
347
Estadstica descriptiva
Funcin de
distribucin
acumulada
348
Mtodos grficos
Diagramas de caja
Diagramas de tallo y hojas
Diagramas de dispersin
Histogramas
Distribuciones de probabilidad normales
Distribuciones de Weibull
349
350
Diagrama de caja
PERCENTILES, DECILES Y QUARTILES
351
Diagrama de caja
PERCENTILES, DECILES Y QUARTILES
Donde:
Lp es el sitio del percentil deseado en una serie ordenada
n es el nmero de observaciones
P es el percentil deseado
352
Diagrama de caja
10
19
27
34
38
48
56
67
74
12
20
29
34
39
48
59
67
74
14
21
31
36
43
52
62
69
76
15
25
31
37
45
53
63
72
79
10
17
27
34
38
47
56
64
73
80
353
Diagrama de caja
La localizacin del percentil 35 se halla en:
O sea que el percentil 35 est al 85% del trayecto comprendido
entre la observacin 17 que es 29 y la observacin 18 que es
31 o sea L35 = 29 + (0.85)(31-29) = 30.7. Por tanto el 35%
de las observaciones estn por debajo de 30.7 y el 65%
restante por encima de 30.7.
De la misma forma los percentiles 25, 50 y 75 proporcionan la
localizacin de los cuartiles Q1, Q2 y Q3 respectivamente.
Q1: es el nmero que representa al percentil 25
Q2 o Mediana: es el nmero que representa al percentil 50
Q3: es el nmero que representa al percentil 75 (hay 75% de
los datos por debajo de este).
Rango o Recorrido intercuartlico: es la diferencia entre Q1 y Q3.
Grficas de caja
Permite identificar la distribucin de los datos,
muestra la mediana, bases y extremos.
Mediana = dato intermedio entre un grupo de datos
ordenados en forma ascendente
Primer cuartil
Tercer cuartil
Mediana
Valor
mnimo
Valor
mximo
DEFINICION:
Es una ayuda grfica para ver la variabilidad de los datos.
Mtodos grficos
Diagramas de caja
356
Mtodos grficos
Hojas
Tallos
357
Mtodos grficos
Diagramas de dispersin
358
Mtodos grficos
Diagramas de dispersin
Positiva dbil
Negativa
fuerte
Positiva fuerte
Sin
correlacin
Relaciones no lineales
359
Mtodos grficos
Coeficiente de correlacin
360
Mtodos grficos
Anlisis de correlacin
361
Mtodos grficos
Tendencia
creciente
Valores anormales
Ciclos
Variabilidad creciente
362
Mtodos grficos
363
Histogramas
364
Mtodos grficos
Histogramas
365
Mtodos grficos
Histogramas
366
Mtodos grficos
Permite ver la distribucin que tienen los procesos de
manufactura y administrativos vs. especificaciones
Permiten ver la frecuencia con la que ocurren las cosas.
La variabilidad del proceso se representa por el ancho
del histograma, se mide en desviaciones estndar o .
Un rango de 3 cubre el 99.73%.
DEFINICION
Un Histograma es la organizacin de un nmero de
datos muestra que nos permite visualizar al proceso de
manera objetiva.
367
Histograma de Frecuencia
Media
TAMAO
TAMAO
TAMAO
M
E
D
I
C
I
O
N
E
S
TAMAO
TAMAO
368
Histograma de Frecuencia
Permite ver la distribucin de la frecuencia con la que ocurren las cosas en
los procesos de manufactura y administrativos.
La variabilidad del proceso se representa por el ancho del histograma, se
mide en desviaciones estndar o , 3 cubre el 99.73%.
LIE
LSE
DEFINICION
Un Histograma es la organizacin de un nmero de datos
muestra que nos permite visualizar al proceso de manera
objetiva.
POSICIN
AMPLITUD
FORMA
F *X
i 1
F
i 1
Donde,
Fi = Frecuencia de cada medicin
xi = Valor de cada medicin
individual
Medidas de variabilidad o
Dispersin Desviacin Estndar
S es usada cuando los datos corresponden a una muestra de la poblacin.
Como es el caso de una muestra de mediciones.
tpicamente es usada si se est considerando a toda la poblacin
F * X F * X
n
i 1
2
i
i 1
n 1
/n
F
*
X
F
*
X
i 1
2
i
i 1
/n
Medidas de
Dispersin- Rango, CV
Rango: Valor Mayor Valor menor
Coeficiente de variacin: (Desv. Estndar / Media )*100%,
Se usa para comparar datos en diferentes niveles de media o tipo. Por
ejemplo:
Material
No. de
Media
Desviacin
Coeficiente
Observaciones
Aritmtica
Estndar
Variacin
n
s
Srel
A
160
1100
225
0,204
B
150
800
200
0,250
de
CLASE
1-5
6-10
11-15
16-20
21-25
26-30
FRECUENCIA
7
12
19
16
8
4
374
Marcas de clase
Son los puntos medios de las clases (del ejemplo 3, 8, 13, 18,
23 y 28)
Fronteras de clase
Se obtienen al incrementar los lmites superiores de clase y al
decrementar los inferiores en una cantidad igual a la media de
la diferencia entre un lmite superior de clase y el siguiente
lmite inferior de clase (en el ejemplo, las fronteras de clase
son 0.5, 5.5, 10.5, 15.5, 20.5, 25.5 y 30.5)
Ancho de clase
Es la diferencia entre dos lmites de clase inferiores
21
25
33
30
27
31
25
35
37
44
43
42
39
43
40
38
37
36
42
41
44
32
45
46
47
45
54
52
50
48
49
47
48
49
47
52
51
50
49
58
59
61
62
63
59
61
66
76
70
Histograma en Excel
379
Frec.
1524
2534
3544
4554
5564
6575
380
Otras medidas de
Dispersin- Rango, CV
Rango: Valor Mayor Valor menor
Coeficiente de variacin: (Desv. Estndar / Media *100%
Se usa para comparar datos en diferentes niveles de media o
tipo. Por ejemplo:
Material No. de
Media
Desviacin
Observaciones Aritmtica Estndar
n
s
A
B
160
150
1100
800
225
200
Coeficiente
de Variacin
Srel
0,204
0,250
381
F *X
i 1
F
i 1
Donde,
Fi = Frecuencia de cada observacin
xi = Valor de cada marca de clase
F * X F * X
n
i 1
2
i
i 1
n 1
F
*
X
F
*
X
/n
i 1
2
i
i 1
/n
Ejercicio de Histogramas
Datos:
6.40
6.39
6.39
6.40
6.41
6.37
6.39
6.40
6.40
6.38
6.42
6.40
6.38
6.41
6.40
6.41
6.38
6.43
6.41
6.39
6.41
6.38
6.35
6.40
6.39
6.42
6.41
6.37
6.43
6.40
6.37
6.40
6.43
6.42
6.43
6.39
6.39
6.42
6.42
6.38
6.42
6.39
6.40
6.44
6.38
6.36
6.45
6.44
6.41
6.36
384
V.D.5 Conclusiones
estadsticas vlidas
385
Estadstica descriptiva e
inferencial
Estudios descriptivos enumerativos :
Los datos enumerativos son los que pueden
ser contados.
Para Deming:
386
Obteniendo conclusiones
vlidas
La inferencia
La evaluacin de su validez
387
Obteniendo conclusiones
vlidas
Obteniendo conclusiones
vlidas
389
Obteniendo conclusiones
vlidas
Ho: Ya = Yb Ha: Ya Yb
Ho: A B
Ha: A<B
izquierda
390
Obteniendo conclusiones
vlidas
Estadstico de prueba:
Obteniendo conclusiones
vlidas
Tipos de errores:
Error tipo I: resulta cuando se rechaza Ho
siendo verdadera, se denomina como alfa o
riesgo del productor
V.E Probabilidad
393
Conceptos bsicos de
probabilidad
Principios bsicos:
nE
P( E )
N
394
Conceptos bsicos de
probabilidad
395
Probabilidad
Introduccin:
Diferencia entre experimento deterministico y
aleatorio (estocastico).
Deterministico. Se obtienen el mismo resultado,
con condiciones experimentales similares
La cada de un cuerpo
Aleatorio. Se obtienen distintos resultados ,
aunque se repitan en condiciones similares.
Tiempo de vida de un componente elctrico
396
Conceptos relacionados
a experimentos aleatorios:
Variable aleatoria. Es el nombre Que se le da a la
caracterstica (s) de inters observada en un
experimento. Dicha variable es denotada por
letras maysculas. Pueden ser Continuas o
Discretas.
Espacio muestra. Es el conjunto de todos los
posibles valores Que toma una variable aleatoria
en un experimento. Puede ser finito o infinito.
Evento. Puede ser uno o una combinacin de los
valores Que toma una variable aleatoria
397
Espacio Muestral
Consiste en todos los posibles resultados de un
experimento.
Para el lanzamiento de una moneda es (A,S).
398
399
Ejemplo
probabilidad de caras
.5
500
n
1000
400
# Favorable
A
# Total
resultados
402
Ejemplo:
Datos (N=20):
650 740 760 810 850 850 880 900 930 930 950 960
960 980 980 980 1000 1000 1000 1070
El experimento:
Seleccionamos al azar un numero ?
Cul es S?
Sea E el evento en el que elegimos el 1000?
P(E) =
Sea E el evento l numero es menor o igual a 760.
P(E) =
P(Ec) =
403
404
Leyes de probabilidades
1. En un experimento, si P(A) e la probabilidad de
un evento A, entonces la probabilidad de Que no
suceda A es:
P ( A ) 1 P ( A)
2. En un experimento, si A y B son dos eventos
mutuamente excluyentes entonces la probabilidad de
Que ocurra A o el evento B es
P( A
B ) P ( A) P ( B )
B ) P ( A) P ( B ) P ( AyB )
Reglas de la probabilidad
Ley de la Adicin
Ley de la Multiplicacin
probabilidad
ambos| A
y B ocurran
es
P(AB)que
P(A
B)P(B)
P(B
|
A)P(A)
406
Permutaciones
Definicin.
Un arreglo ordenado de r objetos diferentes es
llamado una permutacin .
El numero resultante de ordenar n objetos diferentes
tomando r a la vez ser representado por el smbolo
Prn
Diagramas de rbol
En casos simples resultan tiles los diagramas de rbol para
enumerar objetos en forma sistemtica.
Ejemplo: Se desea conocer todas las formas posibles de hacer
un experimento que consiste en 4 componentes de auto a {L1,
L2, L3, L4}, entonces cada componente es sometido a tres
diferentes temperaturas de {A1, A2, A3} hasta que se obtiene
una falla.
A1
L1
L2
L3
L4
A2
A3
A1
A2
A3
12 tratamientos
A1
A2
A3
A1
A2
A3
408
n ! n( n 1)(n 2)...(2)(1)
n! se lee como n factorial
Que pasa cuando tenemos solo r lugares para
acomodar n objetos, tal Que n es mayor o igual
que r?
En este caso el numero de arreglos resulta
ser:
n
Pr
(n r )!
409
Combinaciones
Una combinacin es un arreglo de distintos elementos , en
donde una combinacin difiere de otra solamente si el
contenido del arreglo es distinto.
n
C
r
n
r
411
Teorema 2.
n
n
P
n!
r
n
Cr
r!
r !(n r )!
r
412
V.E.2 Distribuciones de
probabilidad
413
Distribuciones usadas
por los Black Belts
Distribucin Binomial
Distribucin Poisson
Distribucin Normal
Distribucin Chi Cuadrada
Distribucin t de Student
Distribucin F
414
Continuas
415
Distribuciones y funciones de
probabilidad
Toda variable aleatoria tiene asociada una
funcin de probabilidades
Ejemplo : Se lanzan dos monedas y
observamos el numero Y de caras.
Espacio muestral:{a, as, sa, ss}
Y toma valores 0,1,2.
417
P(Y=y)
1/4
1/2
1/4
0.51
0.46
0.41
Grfica
P(Y=y
)
0.36
0.31
0.26
-0.2
0.3
0.8
1.3
1.8
418
419
0 P( y ) 1
2.
P ( y ).
toda
y
En algunas ocasiones la
notacin usada es:
f X ( x) P( X x)
420
Funciones de distribucin
acumulativa
La funcin de distribucin de probabilidades
acumulativa es calcula sumando las probabilidades
obtenidas hasta un determinado valor de la variable
aleatoria.
FX ( x) P( X x)
0 F ( x) 1
Limx F ( x) 1
Limx F ( x) 0
421
0.9
F(x)
0.7
0.5
0.3
-0.2
0.3
0.8
1
y
1.3
1.8
2
422
X E ( X ) xf X ( x) xP( X x)
x
Calculo de la media X
defectos
X xP( X X )
x 0
424
0.8
prob
0.6
0.4
0.2
0.0
Media
2
x
425
Ejercicio:
La demanda de un producto es -1,0,1,2 por dia
(-1 significa devolucin). Con probabilidades
dadas por 1/5,1/10,2/5,3/10. Calcular la
X
demanda esperada.
426
X E[( X X ) ] ( x X ) P( X x)
2
Medida de dispersin
427
X 2 ( x X ) 2 P( X x)
x
428
2
X
429
Distribuciones Discretas
Uniforme discreta.
La variable aleatoria toma un numero
finito de n valores , cada uno con igual
probabilidad.
1
f ( x) P( X x)
n
430
0.15
0.13
p
r
o
b
0.11
0.09
0.07
0.05
0
1e+001
431
La media y varianza de la
distribucin Uniforme discreta son:
(n 1)
X
2
2
n 1
2
X
12
Aplicaciones
432
Distribucin hipergeomtrica
C x C n x
P ( x)
N
Cn
n!
C
x!(n x)!
n
x
433
Distribucin hipergeomtrica
nD
nD
N
2
D
1
N
N n
N 1
434
Distribucin hipergeomtrica
Ejemplo:
De un grupo de 20 productos, 10 se
seleccionan al azar para prueba. Cul es la
probabilidad de que 10 productos
seleccionados contengan 5 productos buenos?
Los productos defectivos son 5 en el lote.
N = 20, n = 10, D = 5, (N-D) =5!15,15x! = 5
5!0! 5!10!
P (5)
0.0183
20
!
P(x=5) = 0.0183 = 1.83%
10!10!
435
Distribucin Binomial
Ensayo Bernoulli. Es un experimento aleatorio que
solo tiene dos resultados. xito o fracaso.
Donde la probabilidad de xito se denota por p
Suponga se realizan n experimentos Bernoulli
independientes.
Suponga que la variable X de inters es el
numero de xitos.
X toma valores 0,1,2,...,n
436
Distribucin binomial
n x
n x
f ( x) P ( X x) p (1 p )
x
x 0,1,..., n
E ( X ) X np
V ( X ) np (1 p )
2
X
438
Distribucin de Poisson
439
Distribucin de Poisson
Una Variable aleatoria X tiene distribucin
Poisson si toma probabilidades con.
e
f ( x)
x!
x 0,1,...
np
np
440
La Distribucin
Normal
441
IMPORTANCIA
IMPORTANCIA DE
DE LA
LA DISTRIBUCIN
DISTRIBUCIN
NORMAL
NORMAL
braham
de Moivre
Simon de
Laplace
Carl
Gauss
Francis
Galton
Los
Los primeros
primeros industriales
industriales frecuentemente
frecuentemente se
se basaban
basaban en
en el
el
conocimiento
conocimiento de
de limites
limites normales
normales para
para clasificar
clasificar artculos
artculos oo
procesos
procesos como
como correctos
correctos oo de
de otro
otro modo.
modo.
Por
Por ejemplo,
ejemplo, el
el colesterol
colesterol arriba
arriba de
de 250
250 mg/dl
mg/dl es
es ampliamente
ampliamente
conocido
conocido que
que incrementa
incrementa el
el riesgo
riesgo de
de un
un paro
paro cardiaco.
cardiaco. Una
Una
determinacin
determinacin precisa
precisa -- pudiera
pudiera ser
ser asunto
asunto de
de vida
vida oo muerte.
muerte.
Sin
Sin embargo
embargo ,, no
no todas
todas las
las variables
variables son
son normales.
normales. Por
Por
ejemplo:
ejemplo: urea
urea yy ph
ph
CARACTERISTICAS
CARACTERISTICAS DE
DE UNA
UNA
DISTRIBUCIN
DISTRIBUCIN NORMAL
NORMAL
La
La curva
curva normal
normal es
es acampanada
acampanada yy tiene
tiene un
un solo
solo
pico
pico en
en toda
toda la
la distribucin.
distribucin.
La
La media,
media, mediana,
mediana, yy moda
moda de
de la
la distribucin
distribucin son
son
las
las mismas
mismas yy estn
estn localizadas
localizadas en
en el
el pico.
pico.
La
La mitad
mitad del
del rea
rea de
de la
la curva
curva esta
esta arriba
arriba del
del punto
punto
central
central (pico),
(pico), yy la
la otra
otra mitad
mitad esta
esta abajo.
abajo.
La
La distribucin
distribucin normal
normal es
es simtrica
simtrica alrededor
alrededor de
de
su
su media.
media.
Es
Es asintotica
asintotica -- la
la curva
curva se
se acerca
acerca aa eje
eje xx pero
pero
nunca
nunca lo
lo toca.
toca.
CARACTERISTICAS
CARACTERISTICAS DE
DE UNA
UNA DISTRIBUCION
DISTRIBUCION NORMAL
NORMAL
La Normal is simtrica -
Cola
Tericamente, la
curva se extiende
a
Cola
Media,
mediana, y
moda son
Tericamente, la
curva se extiende
a
+ infinito
445
Distribucin Normal
Distribucin de
la Funcin Normal
1 t
1
f(t)
exp
2
2
f(t)
0.0100
0.0080
0.0060
0.0040
0.0020
0.0000
200
400
600
Tiempo
800
1000
446
Curvas
Curvas Normales
Normales con
con Medias
Medias iguales
iguales pero
pero
Desviaciones
Desviaciones estndar
estndar diferentes
diferentes
3.9
3.9
== 5.0
5.0
Normales
Normales con
con Medias
Medias yy
Desviaciones
Desviaciones estndar
estndar diferentes
diferentes
=
= 5,
5, == 33
== 9,
9, =
= 66
== 14,
14, == 10
10
AMPLITUD
FORMA
450
La Distribucin Normal
Para la poblacin - se incluyen TODOS los datos
Para la muestra
x-3s
x-2s
x-s
x+s
x+2s
x+3s
451
X
x-3
x-2
x-
x+
x+2
x+3
z
-3
-2
-1
452
AREA
AREA BAJO
BAJO LA
LA CURVA
CURVA NORMAL
NORMAL
Alrededor
Alrededor de
de 68
68 %
% del
del area
area bajo
bajo la
la curva
curva
normal
normal est
est entre
entre ms
ms una
una yy menos
menos una
una
desviacin
desviacin estndar
estndar de
de la
la media.
media. Esto
Esto puede
puede
ser
ser escrito
escrito como:
como: m
m
1s.
1s.
Cerca
Cerca del
del 95
95 %
% del
del rea
rea bajo
bajo la
la normal
normal est
est
entre
entre ms
ms yy menos
menos 22 desviaciones
desviaciones estndar
estndar de
de
la
la media,
media, m
m
2s.
2s.
Prcticamente
Prcticamente toda
toda (99.74
(99.74 %)
%) el
el rea
rea bajo
bajo la
la
normal
normal esta
esta entre
entre 33 desviaciones
desviaciones de
de la
la media
media
m
m
3s.
3s.
454
Entre:
Entre:
1.
1. 68.26%
68.26%
2.
2. 95.44%
95.44%
3.
3. 99.97%
99.97%
68%
34% 34%
+1s
95%
+2s
99.73%
+3s
456
El valor de Z
Determina el nmero de desviaciones
estndar entre algn valor x y la media de la
poblacin, mu Donde sigma es la desviacin
estndar de la poblacin.
En
Excel
usar
Fx,
ESTADISTICAS,
NORMALIZACIN, para calcular el valor de Z
z= x-
70
80
90
100
110
120 130
68%
34% 34%
90
110
68%
80
95%
68%
2.356%
70
99.73%
120
2.356%
130
459
Calculo
Calculo de
de Probabilidades
Probabilidades normales
normales
1.
1. Identificar
Identificar la
la variable
variable de
de inters.
inters.
2.
2. Identificar
Identificar los
los parmetros
parmetros de
de la
la variable
variable (su
(su
media
media yy desv.
desv. estndar).
estndar).
3.
3. Cual
Cual es
es la
la pregunta
pregunta rea
rea bajo
bajo la
la curva
curva de
de
probabilidad
probabilidad normal?
normal?
4.
4. Convertir
Convertir los
los valores
valores aa la
la distribucin
distribucin normal
normal
estndar
estndar (estandarizacin
(estandarizacin ZZ =
= (X-Media)/S)
(X-Media)/S) ..
5.
5. Encuentre
Encuentre la
la probabilidad
probabilidad en
en tabla
tabla de
de la
la normal
normal
estndar
estndar oo por
por Excel.
Excel.
Ejemplo
Ejemplo
El
El agua
agua usada
usada diariamente
diariamente por
por persona
persona en
en Mxico
Mxico
est
est distribuida
distribuida normalmente
normalmente con
con media
media 20
20 litros
litros
yy una
una desviacin
desviacin de
de 55 lts..
lts..
Entre
Entre que
que valores
valores cae
cae cerca
cerca del
del 68%
68% el
el agua
agua
usada
usada por
por una
una persona
persona en
en Mexico?
Mexico?
m
m
1s
1s =
= 20
20
1(5).
1(5). Esto
Esto es,
es, cerca
cerca del
del 68%
68% de
de la
la
cantidad
cantidad usada
usada por
por persona
persona cae
cae entre
entre 15
15 lts.
lts. yy 25
25
lts..
lts..
De
De manera
manera similar
similar para
para 95%
95% yy 99%,
99%, el
el intervalo
intervalo
ser
ser de
de 10
10 lts
lts aa 30
30 lts
lts yy 55 lts
lts aa 35
35 lts.
lts.
Ejemplo
Ejemplo
El
El agua
agua usada
usada diariamente
diariamente por
por persona
persona en
en
Mxico
Mxico es
es distribuida
distribuida normalmente
normalmente con
con media
media
20
20 litros
litros yy una
una desviacin
desviacin de
de 55 lts.
lts. Sea
Sea XX el
el
uso
uso diario
diario de
de agua.
agua.
Cual
Cual es
es la
la probabilidad
probabilidad que
que una
una persona
persona
seleccionada
seleccionada al
al azar
azar use
use menos
menos de
de 20
20 lts./dia?
lts./dia?
El
El valor
valor zz asociado
asociado es
es zz =
= (20
(20 -- 20)/5
20)/5 =
= 0.
0.
entonces,
entonces,
P(X
P(X <
< 20)
20) =
= P(z
P(z <
< 0)
0) =
= 0.5.
0.5.
Ejemplo
Ejemplo
Que
Que porciento
porciento usa
usa entre
entre 20
20 yy 24
24 lts?
lts?
El
El value
value zz asociado
asociado con
con XX =
= 20
20 es
es zz =
= 00 yy con
con
XX =
= 24,
24, zz =
= (24
(24 -- 20)/5
20)/5 =
= 0.8.
0.8.
Entonces,
Entonces, P(20
P(20 <
< XX <
< 24)
24) =
= P(0
P(0 <
< zz <
< 0.8)
0.8) =
=
P(0.8)
P(0.8) -- P(0)
P(0) =
= 0.78810.7881- 0.5
0.5 =
= 0.2881
0.2881 oo 28.81%.
28.81%.
Que
Que porciento
porciento usa
usa entre
entre 16
16 yy 20
20 lts?
lts?
El
El valor
valor z1
z1 para
para XX =
= 16
16 es
es z1
z1 =
= (16
(16 -- 20)/5
20)/5 =
= -0.8,
-0.8,
yy para
para XX =
= 20,
20, z2
z2 =
= 0.
0. Entonces,
Entonces, P(16
P(16 <
< XX <
< 20)
20)
=
= P(-0.8
P(-0.8 <
< zz <
< 0)
0) =
= P(0)
P(0) -- P(-0.8)
P(-0.8) =
= 0.5
0.5 -- 0.2119
0.2119
=
= 0.2881
0.2881 =
= 28.81%.
28.81%.
P(0
P(0 <
< zz <
<
0.8)
0.8) =
=
0.2881.
0.2881.
0.8
0.8
Ejemplo
Ejemplo
Cual
Cual es
es la
la probabilidad
probabilidad que
que una
una persona
persona
seleccionada
seleccionada al
al azar
azar use
use mas
mas de
de 28
28 lts?
lts?
El
El valor
valor zz asociado
asociado aa XX =
= 28
28 es
es
zz =
= (28
(28 -- 20)/5
20)/5 =
= 1.6.
1.6. Ahora,
Ahora, P(X
P(X >
> 28)
28) =
= P(z
P(z >
>
1.6)
1.6) =
= 11 -- P(z
P(z <
< 1.6)
1.6) =
= 11 -- 0.9452
0.9452 =
= 0.0548.
0.0548.
P(z
P(z >
> 1.6)
1.6) =
=
11 -- 0.9452=
0.9452=
0.0548
0.0548
Area
Area =
=
0.9452
0.9452
Ejemplo
Ejemplo
Que
Que porcentaje
porcentaje usa
usa entre
entre 18
18 yy 26
26 lts?
lts?
El
El valor
valor zz asociado
asociado con
con XX =
= 18
18 es
es zz =
= (18
(18 -- 20)/5
20)/5
=
= -0.4,
-0.4, yy para
para XX =
= 26,
26, zz =
= (26
(26 -- 20)/5
20)/5 =
= 1.2.
1.2.
entonces,
entonces, P(18
P(18 <
< XX <
< 26)=
26)= P(-0.4
P(-0.4 <
< zz <
< 1.2)
1.2)
=
= F(1.2)
F(1.2) -- F(-0.4)=
F(-0.4)= 0.8849
0.8849 -- 0.3446
0.3446 =
= 0.5403.
0.5403.
Ejemplos
470
-1.42
85.36
87
Ejercicios
Considere
Considere una
una media
media de
de peso
peso de
de estudiantes
estudiantes de
de
75
75 Kgs.
Kgs. con
con una
una desviacin
desviacin estndar
estndar de
de 10Kgs.
10Kgs.
Contestar
Contestar lo
lo siguiente:
siguiente:
Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que un
un estudiante
estudiante
pese
pese ms
ms de
de 85Kgs.?
85Kgs.?
2.
2. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que un
un estudiante
estudiante
pese
pese menos
menos de
de 50Kgs.?
50Kgs.?
3.
3. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que pese
pese entre
entre 60
60 yy
80
80 Kgs.?.
Kgs.?.
4.
4. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que pese
pese entre
entre 55
55 yy
70
70 Kgs.?
Kgs.?
5.
5. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que pese
pese entre
entre 85
85 yy
474
100Kgs.?
Distribuciones muestrales
475
476
Aparecen distribuciones
muestrales:
Poblacin
Distribucin de la Media:
Si X 1 , X 2 ,..., X n es una muestra aleatoria de una Poblacion
(X) con distribucin normal n( , 2 ) .Entonces X se
2
distribuye normal con media , y varianza / n
n( , / n)
2
478
Distribuciones usadas
normalmente
479
Distribucin de la varianza.
Repaso de la distribucin ji-cuadrada.
La funcin de densidad de probabilidad con k
grados de libertad y la funcin gama es:
k
x
1
1
f ( x)
x2 e 2 ,
k
k
2
2
2
x 0.
K=5
K=25
K=50
P ( X ,k )
2
482
P ( X 0.05, 20 ) .05
2
0.05, 20 31.41
2
483
Resultado:
Si X 1 , X 2 ,..., X n es una muestra aleatoria de una Poblacion
(X) con distribucin normal n( , 2 ) .Entonces (n 1) S 2
se
2
(n 1) 2
2
S
n 1
2
484
Distribucin t-student
Si X 1 , X 2 ,..., X n es una muestra aleatoria de
una
n( , 2 )
Poblacin (X) con distribucin normal
( X ) ( s / n)
Entonces
se distribuye
( X ) ( s / n) t n 1
485
K=1
K=10
K=100
486
487
k
; k 3
k 2
Distribucin t de Student
k
; k 3
k 2
x
t
s/ n
Caiga entre dos valores especificados es igual al
rea bajo la distribucin de probabilidad t de
Student con los valores correspondientes en el
eje X, con n-1 grados de libertad
488
k
; k 3
k 2
Distribucin t de Student
Ejemplo:
8.467 / 15
2.227
489
Distribucin F
Surge de dividir dos ji-cuadradas
independientes
F=(W/u)/(Y/v)
W se distribuye ji-cuadrada con u g.l.
Y se distribuye ji-cuadrada con v g.l.
El uso de esta distribucin es para
comparar varianzas (Recuerde el
anlisis de varianza)
490
Distribucin
F.
Funcin
f ( x)
de densidad de la
Distribucin
F
u
( u / 2 ) 1
2
[(u v) / 2] u / v x
u
(u / 2)[v / 2][ x 1]( k v ) / 2
v
x (0, )
u=10
u=20
v=5
v=20
491
Distribucin
F.
Funcin
de densidad de la
Distribucin F
492
Distribucin F
493
494
Distribucin Bivariada
495
Distribucin Exponencial
1
f ( x) e e x
496
Distribucin Exponencial
497
Distribucin Exponencial
Distribucin Exponencial
Es usada como el modelo, para la parte de vida
til de la curva de la baera, i.e., la tasa de
falla es constante
Los sistemas complejos con muchos
componentes y mltiples modos de falla
tendrn tiempos de falla que tiendan a la
distribucin exponencial
Desde una perspectiva de confiabilidad, es la
distribucin ms conservadora para prediccin.
La forma de la
exponencial siempre
es la misma
498
Distribucin Exponencial
CDF : F (t ) 1 e
CONFIABILIDAD : R(t ) e
PDF : f (t ) e t
1
MEDIA : m
ln 2 0.693
MEDIANA :
1
VARIANZA : 2
TASA DE FALLA : h (t )
Distribucin Exponencial
R(t) = e(-t) (Confiabilidad)
500
Distribucin Exponencial
h(t) = MEDIA(Velocidad de Falla)
501
Distribucin Lognormal
502
Distribucin Lognormal
Media e
Var (e
( 2 / 2 )
( 2 2 )
)(e
1)
503
Distribucin Lognormal
Distribucin Lognormal
f (t )
CDF
F (t )
MEDIA
MEDIANA
VARIANZA
t y
y = ln(t)
e
1 y y
2 y
f (y )
F ( y )
y2
t T50 exp y
t2
1 2
t
y ln(T50 )
y 2
y y
ln(t T50 )
T50 exp( y )
1 y y
2 y
t2
ln 1 2
t
505
Distribucin Lognormal
506
Distribucin Lognormal
507
Distribucin Lognormal
t
25
24.68
t2
4
2
y ln 1 2 ln 1
0.02527
t
25
y 0.02527 0.1589
508
Distribucin Lognormal
1 ln(t)
1
f( t)
exp
t 2
2
Funcin de
Distribucin
Lognormal
=0
= 0.5
=0
=1
=1
= 0.5
=1
=1
509
Distribucin Lognormal
Funcin de Distribucin
Lognormal
ln( t )
z[ln( t )]
R( t) f( t)dt
f[ln(t)]d[ln(t)]
(z)dz
=1
= 0.5
=1
=1
=0
=1
=0
= 0.5
510
Distribucin Lognormal
Funcin de Distribucin Lognormal
h ( t )
f( t )
R(t)
=0
= 0.5
=1
= 0.5
=1
=1
=0
=1
511
Distribucin Lognormal
Distribucin de Weibull
513
Distribucin de Weibull
f ( x)
x
exp
Para x
es el parmetro de forma
es el parmetro de escala
es el parmetro de localizacin
514
Distribucin de Weibull
t
y
f (t )
exp
Para t 0
es el parmetro de forma
es el parmetro de escala
es el parmetro de localizacin diferente de cero
Tambin es la vida caracterstica si el parmetro de
localizacin es cero, de otra forma ser + 515
Distribucin de Weibull
1
1
2
1
2
1 1
516
Distribucin de Weibull
517
Distribucin de Weibull
518
Distribucin de Weibull
519
El Modelo Weibull
En muchas aplicaciones de confiabilidad, el
supuesto de tasa de riesgo constante no es
apropiado.
h (t)
Decrecient
e
Failure Rate
Constante
0
0
0.5
1
Time (t)
1.5
520
Modelo Weibull
f (t ) t 1 exp t
1.2
1
0.8
f( t )
=3
= 0.5
=1
=2
0.6
0.4
Time (t)
521
Modelo Weibull
El modelo Weibull es
FRC si = 1
FRI
si > 1
FRD si < 1
FRD
FRI
= 0.5
=3
h (t)
=1
FRC
0.5
1.5
522
Modelo Weibull
Que es ?
6
h (t)
=3
=2
=1
0
0
0.5
1.5
Time (t)
523
Modelo Weibull
Los momentos de la distribucin Weibull son:
E[T ]
tf (t ) dt
0
E[T
f (t ) dt
Var (T ) E[T
] E[T ]2
2
1
2
x k 1 exp x dx
524
Modelo Weibull
525
Modelo Weibull
Se sabe que
P T t P (min{T1 , , Tn } t )
Entonces
526
Distribucin Weibull
CDF : F (t ) 1 e
La distribucin de
Weibull es un modelo
CONFIABILIDAD : R (t ) e
de distribucin de vida
t
1
til muy flexible, para el
t
PDF : f (t )
e
caso de 2 parmetros:
MEDIA
:
Donde h (etha) es un
2
1
2
parmetro de forma
VARIANZA : 1 1
(pendiente) y G es la
t
G(N)=(N-1)! para N
TASA DE FALLA :
entero
527
Distribucin Weibull
CDF : F (t ) 1 e
Una forma ms
general de 3
parmetros de la
Weibull incluye un
parmetro de tiempo
de espera
localizacin
desplazamiento).
Las frmulas se
obtienen
reemplazando t por
(t-g).
No puede ocurrir una
CONFIABILIDAD : R (t ) e
PDF : f (t )
MEDIA : 1
MEDIANA : ln 2
2
1
VARIANZA : 1 1
TASA DE FALLA :
528
Distribucin Weibull
Funcin de Distribucin Weibull
t
f(t)
exp
= 0.5
= 1000
= 1.0
= 1000
= 3.4
= 1000
529
Distribucin Weibull
Funciones de Distribucin Weibull
t
R(t)exp
= 3.4
= 1000
= 1.0
= 1000
= 0.5
= 1000
530
Distribucin Weibull
Funciones de Distribucin Weibull
t
h( t )
= 3.4
= 1000
= 0.5
= 1000
= 1.0
= 1000
531
Distribucin Weibull
Distribucin Weibull
La funcin pdf de la distribucin exponencial
modela la caracterstica de vida de los sistemas,
la Weibull modela la caracterstica de vida de los
componentes y partes
Modela fatiga y ciclos de falla de los slidos
Es el traje correcto para datos de vida
532
Distribucin Weibull
1
m 1
2
1
varianza 2 1 1
11
22
Archivo
Weibull.xls
33
533
ndice de falla
Distribucin
Weibull
decreciente
< 1
Fallas
tempranas
constante
creciente
= 1
> 1
Desgaste
tiempo
534
Distribucin Weibull
Cuando = 2.5 la Weibull se aproxima a la
distribucin Lognormal(estas distribuciones son tan
cercanas que se requieren tamaos de muestra
mayores a 50 para distinguirlas).
Cuando se modela el tiempo que se necesita para
que ocurran reacciones qumicas, se ha mostrado
que la distribucin Lognormal usualmente
proporciona un mejor ajuste que la Weibull.
Cuando = 5 la Weibull se aproxima a una Normal
puntiaguda.
536
Distribucin Weibull
Debido a su flexibilidad,hay pocas tasas de falla
observadas que no pueden modelarse adecuadamente
mediante la Weibull. Algunos ejemplos son.
1.La resistencia a la ruptura de componentes o el
esfuerzo requerido para la fatiga de metales.
2.El tiempo de falla de componentes electrnicos.
3.El tiempo de falla para artculos que se desgastan, tales
como las llantas de un automvil.
4.Sistemas que fallan cuando falla el componente ms
dbil del sistema(la distribucin Weibull representa una
distribucin de valor extremo).
537
Distribucin Weibull
Qu pasa en una distribucin Weibull si el tiempo
tiene el valor de la vida caracterstica, t = ?
R(t ) exp
si t
R(t ) exp e 1 0.3678
F (t ) 1 R(t ) 0.6321
Al llegar al tiempo
de vida igual a la
vida
caracterstica el
63.2% de los
elementos habr
fallado. Este
hecho se usa en
las grficas para
identificar el valor
de h (eta)
538
539
540
541
Ancho 9
Nigels Trucking Co.
543
Anlisis de la capacidad de
proceso Estudios de capacidad
544
Anlisis de la capacidad de
proceso Estudios de capacidad
LSE
Especificacin
superior
LIE
Especificacin
inferior
s
xi
_
X
545
Procedimiento
1. Seleccionar una mquina donde realizar el estudio
2. Seleccionar las condiciones de operacin del proceso
3. Seleccionar un operador entrenado
4. El sistema de medicin debe tener habilidad (error
R&R < 10%)
5. Cuidadosamente colectar la informacin
6. Construir un histograma de frecuencia con los datos
7. Calcular la media y desviacin estndar del proceso
547
Anlisis de la capacidad de
proceso Estudios de capacidad
Objetivos:
Establecer un estado de control sobre el proceso
de manufactura mantenerlo en el tiempo.
No hacer nada
Cambiar las especificaciones
Centrar el proceso+
Reducir la variabilidad
Aceptar las prdidas
548
Anlisis de la capacidad de
proceso Estudios de capacidad
Identificacin de caractersticas:
549
estndar
con el proceso normal o en
control
La desviacin estndar del proceso cuando se encuentra en
control se determina como sigue con base en una carta de
control X-R siempre que est bajo control estadstico:
Desv. Est. st =
(Within)
Rango medio
Constante d2 de acuerdo al
tamao de subgrupo en X-R
D2 = 1.128 para carta I-MR con n=2
D2= 2.326 para carta X-R con n=5
550
Lmites de tolerancia
natural del proceso
LTNS = Media + 3*sigma
LTNI = Media 3*sigma
Si los lmites de especificacin son: LIE y LSE
El Cp = (LSE LIE) / (LTNS LTNI) debe ser mayor
a1
551
Zi
Zs
552
LSE - LIE
Tolerancia
=
Variacin del proceso 6 Desviaciones Estndar - st
553
proceso
en control estadstico corto
plazo
Cpk es una medida de la capacidad real del proceso en funcin de
la posicin de la media del proceso (X) en relacin con con los
lmites de especificacin.
Con lmites bilaterales da una indicacin del centrado.
Es el menor de:
Cpk =
554
Cp = (LSE - LIE ) / 6 st
Debe ser 1.33, si est entre 1 1.33 requiere mucho control, <1 inac.
para tener el potencial de
cumplir con especificaciones (LIE, LSE)
Habilidad o capacidad real
Cpk = Menor | ZI y ZS | / 3
El Cpk debe ser 1.33 para que el
proceso cumpla especificaciones, entre 1 y 1.33 requiere control, <1 inac.
555
Tasa de falla vs Cp
556
Tasa de capacidad
Tasa de capacidad
Debe ser <= 0.75 si est entre 0.75 y 1 requiere mucho control, >1 inac.
para tener el potencial de
cumplir con especificaciones (LIE, LSE)
ndice Cpm basado en el ndice de Taguchi, equivale al Cp tomando en
cuenta el centrado:
T = valor objetivo
557
Zi
Zs
558
559
Ejemplo
Se tomaron los datos siguientes:
265
197
346
280
265
200
221
265
261
278
215
251
205
286
317
242
254
235
176
262
248
250
318
263
274
242
260
281
246
248
271
260
265
271
307
243
258
321
294
328
263
245
274
270
293
220
231
276
228
223
296
231
301
337
298
277
268
267
300
250
260
276
334
280
250
257
290
260
281
208
299
308
264
280
274
278
210
283
234
265
187
258
235
269
265
253
254
280
258
299
214
264
267
283
235
272
287
274
269
275
560
Ejemplo (cont)
Agrupando los datos en celdas se tiene:
Intervalo Marca
de clase de clase
170 - 189
179.5
190 - 209
199.5
210-229
219.5
230-249
239.5
250-269
259.5
270-289
279.5
290-309
299.5
310-329
319.5
330-349
339.5
Frecuencia
2
4
7
13
32
24
11
4
3
Frecuencia
Relativa
0.02
0.04
0.07
0.13
0.32
0.24
0.11
0.04
0.03
Frecuencia
Absoluta
0.02
0.06
0.13
0.26
0.58
0.82
0.93
0.97
1.00
561
Ejemplo (cont)
El histograma es el siguiente (se observa con forma normal):
35
30
25
20
15
Frec.
10
5
0
170189
210229
250269
290309
330349
562
Ejemplo (cont)
Calculando la media y la desviacin estndar se tiene:
X-media = 264.06
s = 32.02
Ejercicio
Calcular la capacidad del proceso con la distribucin de frecuencias
siguiente considerando LIE = 530 y LSE = 580:
Intervalo
de clase Marca de clase Frecuencia
531 - 535
536 - 540
541 - 545
546 - 550
551 - 555
556 - 560
561 - 565
566 - 570
571 - 575
533
538
543
548
553
558
563
568
573
Frecuencia
Relativa
Frecuencia
Absoluta .
6
8
12
13
20
19
13
11
8
564
Ejemplo de capacidad de
proceso
Process Capability of Viscosidad
LSL
USL
Within
Overall
Process Data
LSL
9.00000
Target
*
USL
14.00000
Sample Mean
11.74400
SampleN
50
StDev(Within)
0.85577
StDev(Overall)
0.80259
9.6
O bserved Performance
PPM<LSL 0.00
PPM>USL 0.00
PPMTotal
0.00
10.4
11.2
12.0
12.8
1.04
1.14
0.94
0.94
*
13.6
565
Interpretacin de salida
Minitab
566
Capacidad a partir
de cartas de control
567
?
?
?
?
?
?
568
Prediccin
Tiempo
569
_
x= media
34%
34%
14 %
-3s
-2s
-1s
2%
s= sigma; es la
desviacin
estndar;
medida
de la variacin
del proceso.
14 %
x
+1s +2s
99.73%
3s
2%
571
Sample Mean
UCL=86.84
80
_
_
X=72.69
70
60
LCL=58.53
2
10
Sample
12
14
16
18
UCL=51.89
Sample Range
48
36
_
R=24.54
24
12
0
LCL=0
2
10
Sample
12
14
16
18
572
Estudios de capacidad
Desviacin estndar:
573
= R = S
d2
c4
Donde,
Donde,
=
= Desviacin
Desviacinestndar
estndarde
dela
lapoblacin
poblacin
dd2 ==Factor
Factorque
quedepende
dependedel
deltamao
tamaodel
delsubgrupo
subgrupoen
enla
lacarta
cartade
de
2
control
controlXX--RR
CC4 =
Idem al anterior para una carta X - S
4 = Idem al anterior para una carta X - S
NOTA:
NOTA: En
Enuna
unacarta
cartapor
porindividuales,
individuales,d2
d2se
setoma
tomapara
parann=
=22yy
Rango
574
RangoMedio=
Medio=Suma
Sumarangos
rangos//(n
(n-1)
-1)
Capacidad de proceso
Cuando las causas comunes son la nica variacin:
Cp
El ndice de capacidad potencial del proceso compara
la amplitud del proceso con la amplitud especificada.
Cp = (LSE - LIE) / 6
Cpk
Ejemplo (carta X - R)
De una carta de control X - R (con subgrupo n = 5) se
obtuvo lo siguiente, despus de que el proceso se estabiliz
quedando slo con causas comunes:
Xmedia de medias = 264.06
Rmedio = 77.3
2.326]
Si el lmite de especificacin es: LIE = 200.
El Cpk = (200 - 264.06) / (77.3) (3) = 0.64 por tanto el
576
Ejemplo (carta X - S)
De una carta de control X - S (con subgrupo n = 5) se obtuvo
lo siguiente, despus de que el proceso se estabiliz
quedando slo con causas comunes:
Xmedia de medias = 100
Smedio = 1.05
]
Si el lmite de especificacin es: LIE = 85 y el LSE = 105.
El Cpk = (105 - 100) / (1.117 ) (3) = 1.492
577
El Cp = (105 - 85) / 6 (1.117 ) = 2.984
Ejercicios
1) De una carta de control X - R (con subgrupo n = 8)
se obtuvo lo siguiente, despus de que el proceso se
estabiliz quedando slo con causas comunes (LIE =
36, LSE = 46):
Xmedia de medias = 40
Rmedio = 5
Smedio = 1.5
578
579
Estimacin de la desviacin
estndar
con el proceso a largo plazo
Se toman todos los datos del proceso histricos, no importa que
el proceso no est en control o no sea normal.
Desv. Est. lt =
(Overall)
580
LSE - LIE
Tolerancia
=
Variacin del proceso 6 Desviaciones Estndar - lt
6 desviaciones Est. - lt
LSE - LIE
581
582
Pp = (LSE - LIE ) / 6 lt
Ppk = Menor | ZI y ZS | / 3
583
584
Corto plazo:
Es un periodo corto de tiempo en el cual no hay
cambios significativos en el proceso en relacin
a las 6Ms (personal, materiales, mtodos,
medio ambiente, mediciones, mquinas)
Largo Plazo
Es el periodo de tiempo en el cual ya han
ocurrido todos los cambios posibles en el
proceso, se trata de informacin histrica
585
587
Procesos no normales
588
Procesos no normales
Capacidad de procesos no
normales y transformaciones de
datos
590
Capacidad de procesos no
normales usando la distribucin
de Weibull
USL
Process Data
LSL
0.00000
Target
*
USL
8.00000
Sample Mean 2.92307
SampleN
100
Shape
1.69368
Scale
3.27812
O verall Capability
Pp
0.81
PPL
1.03
PPU
0.73
Ppk
0.73
Exp. O verall Performance
PPM<LSL
0.0
PPM>USL 10764.5
PPMTotal
10764.5
O bserved Performance
PPM<LSL
0
PPM>USL 20000
PPMTotal
20000
0.0
1.5
3.0
4.5
6.0
7.5
591
Capacidad de procesos no
normales transformando datos
con Box - Cox
Con archivo de Minitab TILES.MTW, lamda =
0.5 Box-Cox Plot of Warping
LowerCL
UpperCL
Lambda
20
StDev
15
Estimate
0.345504
LowerCL
UpperCL
0.052120
0.642093
Best Value
0.500000
10
5
Limit
0
-2
-1
1
2
Lambda
592
Capacidad de procesos no
normales transformando datos
con Box - Cox
USL
Within
Overall
Process Data
LSL
0.00000
Target
*
USL
2.82843
Sample Mean
1.62374
SampleN
100
StDev(Within)
0.51337
StDev(O verall) 0.53934
0.0
O bserved Performance
PPM<LSL
0.00
PPM>USL 20000.00
PPMTotal
20000.00
0.4
0.8
1.2
1.6
2.0
2.4
0.87
1.00
0.74
0.74
*
2.8
593
594
595
a3 > 0
a3 =
n
.
(n-1)(n-2)
i=1
a3 = 0
yi y
s
a3 < 0
596
a4 = m4 / 4
O bien :
a4-3 =
n (n+1) .
(n-1)(n-2)(n-3)
i=1
yi y
s
)} 4
3 (n-1)2 .
(n-2)(n-3)
Curva Mesocrtica : a4 = 3
Curva Platicrtica : a4 < 3
597
Con Minitab
Stat > Basic Statistics > Display descriptive statistics
>> Graphs... >> Graphical Summary
Descriptive Statistics
Variable: Dist.1
Anderson-Darling Normality Test
A-Squared:
P-Value:
0.40
0.55
0.70
0.85
1.00
3.073
0.000
Mean
StDev
Variance
Skewness
Kurtosis
N
0.543699
0.146490
2.15E-02
1.44751
2.48515
96
Minimum
1st Quartile
Median
3rd Quartile
Maximum
0.34483
0.45455
0.51316
0.58824
1.11111
0.53
0.58
0.57338
0.17075
0.52875
598
Con Minitab
De la tabla 2 de las curvas de Pearson obtenga
la Mediana estandarizada (M) :
Para coeficiente de sesgo positivo cambie el signo a
M.
Para coeficiente de sesgo negativo deje el signo de
M.
Calcular el percentil 0.135 estimado (PI) :
PI = y s * P I
Calcular percentil 99.865 estimado
(PS) :
PS = y + s * P S
M = y + s * M
599
Con Minitab
Calcular el ndice de capacidad potencial de proceso
(Pp).
Pp = LSE - LIE
PS - P I
Ppi = M - LIE
M - PI
Pps =LSE M
PS - M
Ppk = min {Ppi, Pps}
600
Sesgo
Curtosis
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
9.2
9.4
9.6
9.8
10.0
10.2
10.4
10.6
10.8
11.0
11.2
11.4
11.6
11.8
12.0
12.2
Sesgo
0.0
1.512
1.727
1.966
2.210
2.442
2.653
2.839
3.000
3.140
3.261
3.366
3.458
3.539
3.611
3.674
3.731
3.782
3.828
3.870
3.908
3.943
3.975
4.004
4.031
4.056
4.079
4.101
4.121
4.140
4.157
4.174
4.189
4.204
4.218
4.231
4.243
4.255
4.266
4.276
4.286
4.296
4.305
4.313
4.322
4.330
4.337
4.344
4.351
4.358
4.365
4.371
4.377
4.382
4.388
4.393
4.398
4.403
4.408
0.1
1.421
1.619
1.840
2.072
2.298
2.506
2.692
2.856
2.986
3.088
3.164
3.222
3.266
3.300
3.327
3.349
3.367
3.382
3.395
3.405
3.415
3.423
3.430
3.436
3.441
3.446
3.450
3.454
3.458
3.461
3.464
3.466
3.469
3.471
3.473
3.475
3.477
3.478
3.480
3.481
3.483
3.484
3.485
3.486
3.487
3.488
3.489
3.490
3.491
3.492
3.492
3.493
3.494
3.495
3.495
3.496
3.496
3.497
0.2
1.317
1.496
1.696
1.912
2.129
2.335
2.522
2.689
2.834
2.952
3.045
3.118
3.174
3.218
3.254
3.282
3.306
3.325
3.342
3.356
3.367
3.378
3.387
3.395
3.402
3.408
3.414
3.419
3.423
3.428
3.431
3.435
3.438
3.441
3.444
3.446
3.448
3.451
3.453
3.454
3.456
3.458
3.459
3.461
3.462
3.464
3.465
3.466
3.467
3.468
3.469
3.470
3.471
3.472
3.473
3.473
3.474
3.475
0.3
1.206
1.364
1.541
1.736
1.941
2.141
2.329
2.500
2.653
2.785
2.896
2.986
3.058
3.115
3.161
3.199
3.229
3.255
3.277
3.295
3.311
3.324
3.326
3.346
3.356
3.364
3.371
3.378
3.384
3.389
3.394
3.399
3.403
3.406
3.410
3.413
3.416
3.419
3.422
3.424
3.426
3.429
3.431
3.432
3.434
3.436
3.437
3.439
3.440
3.442
3.443
3.444
3.445
3.447
3.448
3.449
3.450
3.451
0.4
1.092
1.230
1.384
1.555
1.740
1.930
2.116
2.289
2.447
2.589
2.714
2.821
2.910
2.983
3.043
3.092
3.133
3.167
3.196
3.220
3.241
3.259
3.274
3.288
3.300
3.311
3.321
3.329
3.337
3.344
3.350
3.356
3.362
3.367
3.371
3.375
3.379
3.383
3.386
3.389
3.392
3.395
3.398
3.400
3.403
3.405
3.407
3.409
3.411
3.412
3.414
3.416
3.417
3.418
3.420
3.421
3.422
3.424
3.425
0.5
0.979
1.100
1.232
1.377
1.539
1.711
1.887
2.059
2.220
2.368
2.502
2.622
2.727
2.817
2.893
2.957
3.011
3.055
3.093
3.126
3.153
3.177
3.198
3.216
3.233
3.247
3.259
3.271
3.281
3.290
3.299
3.306
3.313
3.320
3.326
3.331
3.336
3.341
3.345
3.349
3.353
3.357
3.360
3.363
3.366
3.369
3.372
3.374
3.377
3.379
3.381
3.383
3.385
3.387
3.388
3.390
3.392
3.393
3.395
3.396
0.6
0.868
0.975
1.089
1.212
1.348
1.496
1.655
1.817
1.976
2.127
2.267
2.396
2.512
2.616
2.708
2..787
2.855
2.914
2.964
3.006
3.043
3.075
3.103
3.127
3.149
3.168
3.184
3.200
3.213
3.225
3.236
3.246
3.256
3.264
3.272
3.279
3.286
3.292
3.297
3.303
3.308
3.312
3.316
3.321
3.324
3.328
3.331
3.335
3.338
3.340
3.343
3.346
3.348
3.351
3.353
3.355
3.357
3.359
3.361
3.363
3.364
0.7
0.762
0.858
0.957
1.062
1.175
1.299
1.434
1.578
1.726
1.873
2.015
2.148
2.271
2.385
2.488
2.581
2.664
2.736
2.800
2.855
2.904
2.946
2.983
3.015
3.043
3.069
3.091
3.111
3.129
3.145
3.160
3.173
3.186
3.197
3.207
3.216
3.225
3.233
3.240
3.247
3.254
3.260
3.265
3.270
3.275
3.280
3.284
3.289
3.292
3.296
3.300
3.303
3.306
3.309
3.312
3.315
3.317
3.320
3.322
3.325
3.327
3.329
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.747
0.836
0.927
1.023
1.125
1.235
1.356
1.485
1.619
1.754
1.887
2.013
2.132
2.243
2.345
2.438
2.524
2.600
2.669
2.730
2.784
2.831
2.874
2.911
2.945
2.974
3.001
3.025
3.047
3.066
3.084
3.100
3.114
3.128
3.140
3.152
3.162
3.172
3.181
3.189
3.197
3.204
3.211
3.218
3.224
3.229
3.235
3.240
3.244
3.249
3.253
3.257
3.261
3.265
3.268
3.272
3.275
3.278
3.281
3.283
3.286
3.289
0.8
0.9
1.0
0.804
0.887
0.974
1.065
1.163
1.269
1.382
1.502
1.625
1.748
1.876
1.981
2.089
2.189
2.283
2.369
2.448
2.521
2.586
2.646
2.699
2.747
2.790
2.829
2.864
2.895
2.923
2.949
2.972
2.994
3.013
3.031
3.047
3.062
3.076
3.089
3.100
3.111
3.122
3.131
3.140
3.148
3.156
3.164
3.171
3.177
3.183
3.189
3.195
3.200
3.205
3.209
3.214
3.218
3.222
3.226
3.230
3.233
3.237
3.240
3.243
0.692
0.766
0.841
0.919
1.000
1.086
1.178
1.277
1.381
1.491
1.602
1.713
1.821
1.925
2.023
2.116
2.202
2.283
2.358
2.427
2.491
2.549
2.602
2.651
2.695
2.735
2.771
2.805
2.835
2.863
2.888
2.911
2.933
2.952
2.970
2.987
3.003
3.017
3.030
3.043
3.054
3.065
3.075
3.085
3.094
3.103
3.111
3.118
3.125
3.132
3.138
3.144
3.150
3.156
3.161
3.166
3.171
3.175
3.179
3.184
3.188
3.191
3.195
0.9
1.0
Curtosis
1.1
0.656
0.723
0.791
0.861
0.933
1.008
1.087
1.172
1.262
1.357
1.456
1.556
1.664
1.755
1.850
1.940
2.026
2.107
2.183
2.254
2.321
2.383
2.440
2.494
2.543
2.588
2.629
2.668
2.703
2.735
2.765
2.793
2.818
2.841
2.863
2.883
2.902
2.919
2.936
2.951
2.965
2.978
2.990
3.002
3.013
3.023
3.033
3.042
3.051
3.059
3.067
3.075
3.082
3.088
3.095
3.101
3.107
3.112
3.118
3.123
3.128
3.132
3.137
3.141
1.1
1.2
0.616
0.677
0.739
0.801
0.865
0.931
1.000
1.072
1.149
1.230
1.316
1.404
1.494
1.584
1.673
1.760
1.844
1.924
2.000
2.072
2.140
2.205
2.265
2.321
2.374
2.424
2.470
2.513
2.562
2.589
2.624
2.656
2.685
2.713
2.739
2.763
2.785
2.806
2.825
2.843
2.860
2.876
2.891
2.906
2.919
2.932
2.943
2.955
2.965
2.975
2.985
2.994
3.003
3.011
3.019
3.026
3.033
3.040
3.046
3.053
3.058
3.064
3.070
3.075
1.2
1.3
Tabla 1a de Pearson
0.574
0.630
0.686
0.742
0.799
0.857
0.917
0.979
1.045
1.113
1.185
1.261
1.339
1.420
1.501
1.581
1.661
1.738
1.813
1.884
1.953
2.018
2.080
2.138
2.194
2.246
2.296
2.342
2.386
2.427
2.465
2.501
2.535
2.567
2.597
2.624
2.651
2.675
2.698
2.720
2.740
2.759
2.777
2.794
2.810
2.825
2.839
2.853
2.866
2.878
2.890
2.901
2.911
2.921
2.930
2.940
2.948
2.956
2.964
2.972
2.979
2.986
2.993
1.3
1.4
0.531
0.583
0.634
0.685
0.736
0.787
0.840
0.894
0.950
1.008
1.068
1.132
1.198
1.267
1.338
1.410
1.483
1.555
1.626
1.695
1.762
1.827
1.889
1.948
2.005
2.059
2.111
2.160
2.206
2.250
2.292
2.332
2.369
2.405
2.438
2.469
2.499
2.527
2.554
2.579
2.603
2.625
2.646
2.666
2.685
2.703
2.720
2.736
2.752
2.766
2.780
2.793
2.806
2.818
2.829
2.840
2.851
2.861
2.870
2.879
2.888
2.896
1.4
1.5
0.536
0.583
0.629
0.675
0.721
0.768
0.815
0.863
0.913
0.964
1.018
1.073
1.131
1.191
1.253
1.317
1.381
1.446
1.510
1.574
1.636
1.697
1.756
1.813
1.867
1.920
1.970
2.019
2.065
2.109
2.151
2.191
2.229
2.265
2.300
2.333
2.364
2.394
2.422
2.449
2.475
2.499
2.522
2.544
2.565
2.585
2.604
2.622
2.639
2.655
2.671
2.686
2.700
2.714
2.727
2.739
2.751
2.762
2.773
2.784
1.5
1.6
0.469
0.533
0.575
0.617
0.659
0.701
0.743
0.785
0.828
0.873
0.918
0.965
1.013
1.063
1.115
1.169
1.224
1.281
1.338
1.396
1.453
1.510
1.566
1.621
1.675
1.727
1.778
1.827
1.874
1.919
1.962
2.004
2.044
2.083
2.120
2.155
2.189
2.221
2.252
2.282
2.310
2.337
2.363
2.388
2.411
2.434
2.456
2.476
2.496
2.515
2.533
2.551
2.567
2.583
2.598
2.613
2.627
2.641
2.653
1.6
1.7
0.484
0.510
0.562
0.600
0.638
0.676
0.714
0.752
0.791
0.830
0.870
0.911
0.953
0.996
1.041
1.088
1.135
1.184
1.234
1.285
1.336
1.387
1.438
1.489
1.539
1.588
1.635
1.682
1.727
1.771
1.814
1.855
1.895
1.933
1.970
2.005
2.040
2.073
2.104
2.135
2.164
2.192
2.219
2.245
2.271
2.295
2.318
2.340
2.361
2.382
2.401
2.420
2.438
2.456
2.473
2.489
2.505
1.7
1.8
0.475
0.510
0.546
0.580
0.615
0.649
0.683
0.717
0.752
0.787
0.822
0.858
0.895
0.932
0.971
1.011
1.052
1.094
1.137
1.181
1.225
1.270
1.316
1.361
1.407
1.452
1.496
1.540
1.583
1.625
1.666
1.706
1.744
1.782
1.818
1.854
1.888
1.921
1.953
1.984
2.014
2.042
2.070
2.097
2.123
2.148
2.172
2.196
2.218
2.240
2.261
2.281
2.301
2.320
2.338
1.8
1.9
0.461
0.494
0.526
0.557
0.589
0.620
0.651
0.681
0.712
0.744
0.775
0.807
0.839
0.872
0.905
0.939
0.975
1.010
1.047
1.085
1.123
1.162
1.202
1.242
1.282
1.323
1.363
1.403
1.443
1.482
1.521
1.559
1.596
1.632
1.667
1.702
1.736
1.768
1.800
1.831
1.861
1.890
1.918
1.945
1.972
1.998
2.023
2.047
2.070
2.093
2.115
2.136
2.157
1.9
2.0
0.445
0.475
0.504
0.533
0.562
0.590
0.618
0.646
0.674
0.702
0.730
0.758
0.786
0.815
0.844
0.874
0.904
0.935
0.966
0.999
1.031
1.065
1.099
1.134
1.169
1.204
1.240
1.276
1.311
1.347
1.382
1.418
1.452
1.486
1.520
1.553
1.586
1.617
1.648
1.679
1.708
1.737
1.765
1.793
1.819
1.845
1.870
1.895
1.919
1.942
1.965
2.0
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
9.2
9.4
9.6
9.8
10.0
10.2
10.4
10.6
10.8
11.0
11.2
11.4
11.6
11.8
12.0
12.2
Sesgo
Curtosis
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
9.2
9.4
9.6
9.8
10.0
10.2
10.4
10.6
10.8
11.0
11.2
11.4
11.6
11.8
12.0
12.2
Sesgo
0.0
1.512
1.727
1.966
2.210
2.442
2.653
2.839
3.000
3.140
3.261
3.366
3.458
3.539
3.611
3.674
3.731
3.782
3.828
3.870
4.908
3.943
3.975
4.004
4.031
4.056
4.079
4.101
4.121
4.140
4.157
4.174
4.189
4.204
4.218
4.231
4.243
4.255
4.266
4.276
4.286
4.296
4.305
4.313
4.322
4.330
4.337
4.344
4.351
4.358
4.365
4.371
4.377
4.382
4.388
4.393
4.398
4.403
4.408
0.1
1.584
1.813
2.065
2.320
2.560
2.774
2.961
3.123
3.261
3.381
3.485
3.575
3.654
3.724
3.786
3.842
3.891
3.936
3.976
4.013
4.046
4.077
4.105
4.131
4.155
4.177
4.197
4.217
4.234
4.251
4.267
4.281
4.295
4.308
4.321
4.332
4.343
4.354
4.364
4.373
4.382
4.391
4.399
4.406
4.414
4.421
4.428
4.434
4.441
4.447
4.452
4.458
4.463
4.468
4.473
4.478
4.483
4.487
0.2
1.632
1.871
2.134
2.400
2.648
2.869
3.060
3.224
3.364
3.484
3.588
3.678
3.757
3.826
3.887
3.942
3.990
4.034
4.073
4.109
4.142
4.172
4.199
4.224
4.247
4.269
4.288
4.307
4.324
4.340
4.355
4.369
4.383
4.395
4.407
4.418
4.429
4.439
4.448
4.457
4.466
4.474
4.481
4.489
4.496
4.503
4.509
4.515
4.521
4.527
4.532
4.538
4.543
4.548
4.552
4.557
4.561
4.565
0.3
1.655
1.899
2.170
2.446
2.704
2.934
3.133
3.303
3.447
3.570
3.676
3.768
3.847
3.917
3.978
4.033
4.081
4.125
4.164
4.199
4.231
4.261
4.287
4.312
4.335
4.356
4.375
4.393
4.410
4.425
4.400
4.454
4.467
4.479
4.090
4.501
4.511
4.521
4.530
4.538
4.547
4.554
4.562
4.569
4.576
4.582
4.588
4.594
4.600
4.605
4.611
4.616
4.621
4.625
4.630
4.634
4.638
4.642
0.4
1.653
1.895
2.169
2.454
2.726
2.969
3.179
3.358
3.510
3.639
3.749
3.844
3.926
3.997
4.060
4.115
4.164
4.208
4.248
4.283
4.315
4.344
4.371
4.396
4.418
4.439
4.458
4.476
4.492
4.508
4.522
4.535
4.548
4.560
4.571
4.581
4.591
4.600
4.609
4.618
4.626
4.633
4.640
4.647
4.654
4.660
4.666
4.672
4.677
4.682
4.687
4.692
4.697
4.701
4.705
4.710
4.714
4.717
4.721
0.5
1.626
1.861
2.131
2.422
2.708
2.968
3.194
3.387
3.550
3.688
3.805
3.905
3.991
4.066
4.131
4.189
4.239
4.285
4.325
4.361
4.394
4.423
4.450
4.475
4.498
4.518
4.537
4.555
4.571
4.587
4.601
4.614
4.627
4.638
4.649
4.659
4.669
4.678
4.695
4.703
4.710
4.717
4.724
4.730
4.736
4.742
4.747
4.753
4.758
4.762
4.767
4.772
4.776
4.780
4.784
4.788
4.791
4.795
4.798
0.6
1.579
1.803
2.061
2.349
2.646
2.926
3.173
3.385
3.564
3.715
3.843
3.951
4.044
4.124
4.193
4.253
4.307
4.354
4.396
4.433
4.467
4.498
4.525
4.550
4.573
4.594
4.614
4.631
4.648
4.663
4.677
4.691
4.703
4.715
4.725
4.736
4.745
4.754
4.763
4.771
4.778
4.785
4.792
4.799
4.805
4.811
4.817
4.822
4.827
4.832
4.837
4.841
4.845
4.850
4.854
4.857
4.861
4.865
4.868
4.871
4.874
0.7
1.516
1.726
1.966
2.241
2.540
2.837
3.109
3.345
3.546
3.715
3.858
3.978
4.080
4.167
4.243
4.308
4.365
4.416
4.460
4.500
4.535
4.567
4.596
4.622
4.645
4.667
4.687
4.705
4.722
4.737
4.752
4.765
4.778
4.789
4.800
4.810
4.820
4.829
4.837
4.845
4.853
4.860
4.867
4.873
4.879
4.885
4.890
4.896
4.901
4.905
4.910
4.914
4.918
4.923
4.926
4.930
4.934
4.937
4.940
4.943
4.947
4.949
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1.636
1.856
2.108
2.395
2.699
2.993
3.259
3.488
3.681
3.844
3.961
4.096
4.194
4.278
4.351
4.414
4.468
4.517
4.559
4.597
4.631
4.662
4.689
4.714
4.737
4.757
4.776
4.794
4.809
4.824
4.838
4.851
4.862
4.873
4.884
4.893
4.902
4.911
4.919
4.926
4.933
4.940
4.946
4.952
4.958
4.963
4.969
4.974
4.978
4.983
4.987
4.991
4.995
4.999
5.002
5.006
5.009
5.012
5.015
5.018
5.021
5.024
0.8
0.9
1.0
1.965
2.225
2.518
2.824
3.116
3.378
3.603
3.793
3.953
4.087
4.208
4.296
4.378
4.449
4.511
4.564
4.611
4.653
4.690
4.723
4.752
4.779
4.803
4.825
4.845
4.863
4.879
4.895
4.909
4.922
4.934
4.945
4.956
4.966
4.975
4.983
4.991
4.999
5.006
5.013
5.019
5.025
5.031
5.036
5.041
5.046
5.051
5.055
5.059
5.063
5.067
5.071
5.074
5.078
5.081
5.084
5.087
5.090
5.092
5.095
5.098
1.822
2.062
2.314
2.608
2.914
3.206
3.468
3.693
3.883
4.043
4.177
4.290
4.386
4.468
4.539
4.600
4.653
4.700
4.741
4.777
4.810
4.839
4.865
4.888
4.910
4.929
4.947
4.963
4.978
4.992
5.004
5.016
5.027
5.037
5.046
5.055
5.063
5.071
5.078
5.085
5.091
5.097
5.103
5.109
5.114
5.118
5.123
5.127
5.132
5.135
5.139
5.143
5.146
5.149
5.156
5.156
5.158
5.161
5.164
5.166
5.169
5.171
5.173
0.9
1.0
Curtosis
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
Tabla 1b de Pearson
1.885
2.114
2.373
2.665
2.970
3.264
3.529
3.758
3.952
4.115
4.252
4.367
4.472
4.549
4.620
4.682
4.736
4.783
4.824
4.861
4.893
4.922
4.948
4.972
4.993
5.012
5.029
5.045
5.060
5.073
5.086
5.097
5.108
5.117
5.126
5.135
5.143
5.150
5.157
5.164
5.170
5.175
5.181
5.186
5.191
5.195
5.200
5.204
5.208
5.211
5.215
5.218
5.222
5.225
5.228
5.230
5.233
5.236
5.238
5.240
5.243
5.245
5.247
5.249
1.1
1.928
2.152
2.405
2.690
2.993
3.290
3.561
3.797
3.998
4.168
4.311
4.431
4.532
4.619
4.693
4.757
4.812
4.860
4.903
4.940
4.973
5.002
5.029
5.052
5.074
5.093
5.110
5.126
5.141
5.154
5.166
5.177
5.188
5.197
5.206
5.214
5.222
5.229
5.236
5.242
5.248
5.253
5.259
5.263
5.268
5.272
5.276
5.280
5.284
5.287
5.291
5.294
5.297
5.300
5.303
5.305
5.308
5.310
5.312
5.314
5.316
5.318
5.320
5.322
1.2
1.952
2.169
2.412
2.687
2.984
3.283
3.561
3.808
4.020
4.200
4.352
4.479
4.587
4.678
4.756
4.824
4.882
4.932
4.976
5.015
5.049
5.080
5.107
5.131
5.152
5.172
5.190
5.206
5.220
5.233
5.246
5.257
5.267
5.276
5.285
5.293
5.301
5.308
5.314
5.320
5.326
5.331
5.336
5.341
5.345
5.349
5.353
5.357
5.361
5.364
5.367
5.370
5.373
5.375
5.378
5.300
5.383
5.385
5.387
5.389
5.391
5.393
5.394
1.3
1.960
2.167
2.398
2.658
2.945
3.243
3.529
3.789
4.015
4.209
4.372
4.510
4.627
4.725
4.809
4.881
4.944
4.997
5.044
5.085
5.122
5.153
5.181
5.207
5.229
5.249
5.267
5.284
5.299
5.312
5.325
5.336
5.346
5.356
5.364
5.372
5.380
5.387
5.393
5.399
5.404
5.410
5.414
5.419
5.423
5.427
5.431
5.434
5.437
5.440
5.443
5.446
5.449
5.451
5.454
5.456
5.458
5.460
5.462
5.464
5.465
5.467
1.4
2.149
2.366
2.609
2.881
3.172
3.463
3.736
3.979
4.189
4.369
4.521
4.649
4.758
4.850
4.929
4.996
5.055
5.106
5.150
5.189
5.223
5.253
5.280
5.303
5.325
5.344
5.361
5.376
5.390
5.403
5.440
5.425
5.434
5.443
5.451
5.459
5.466
5.472
5.478
5.483
5.488
5.493
5.497
5.501
5.505
5.509
5.512
5.515
5.518
5.521
5.523
5.526
5.528
5.530
5.532
5.534
5.536
5.538
5.539
5.500
1.5
2.119
2.322
2.547
2.798
3.075
3.364
3.646
3.907
4.137
4.336
4.506
4.650
4.771
4.875
4.963
5.038
5.103
5.159
5.208
5.250
5.288
5.321
5.350
5.376
5.399
5.418
5.436
5.452
5.467
5.480
5.492
5.503
5.513
5.522
5.530
5.538
5.545
5.551
5.557
5.562
5.567
5.572
5.576
5.580
5.584
5.587
5.590
5.593
5.596
5.599
5.601
5.603
5.605
5.607
5.609
5.611
5.613
5.614
5.616
1.6
2.269
2.476
2.705
2.961
3.238
3.522
3.796
4.047
4.269
4.460
4.623
4.762
4.880
4.980
5.066
5.139
5.202
5.257
5.305
5.346
5.383
5.415
5.443
5.468
5.491
5.511
5.529
5.542
5.557
5.569
5.581
5.591
5.601
5.609
5.617
5.624
5.631
5.637
5.642
5.647
5.652
5.656
5.660
5.663
5.667
5.670
5.673
5.675
5.678
5.680
5.682
5.684
5.686
5.687
5.689
5.690
5.692
1.7
2.399
2.609
2.840
3.095
3.370
3.648
3.916
4.160
4.376
4.563
4.723
4.859
4.976
5.075
5.159
5.232
5.295
5.349
5.396
5.437
5.474
5.505
5.533
5.558
5.581
5.600
5.618
5.634
5.648
5.658
5.669
5.679
5.688
5.696
5.704
5.710
5.717
5.722
5.727
5.732
5.736
5.740
5.744
5.747
5.750
5.753
5.755
5.757
5.760
5.762
5.763
5.765
5.767
5.760
5.769
1.8
2.511
2.719
2.949
3.201
3.471
3.745
4.007
4.347
4.461
4.647
4.806
4.943
5.059
5.159
5.244
5.318
5.381
5.436
5.483
5.525
5.571
5.593
5.621
5.646
5.669
5.688
5.706
5.722
5.736
5.749
5.760
5.771
5.775
5.783
5.790
5.797
5.803
5.808
5.813
5.817
5.821
5.825
5.828
5.831
5.834
5.836
5.838
5.840
5.842
5.844
5.845
5.847
5.848
1.9
2.603
2.808
3.033
3.280
3.544
3.813
4.072
4.311
4.524
4.712
4.873
5.012
5.131
5.233
5.320
5.395
5.460
5.516
5.565
5.608
5.645
5.678
5.706
5.732
5.754
5.775
5.792
5.808
5.823
5.836
5.847
5.858
5.867
5.875
5.883
5.883
5.889
5.894
5.898
5.903
5.906
5.910
5.913
5.915
5.918
5.920
5.922
5.924
5.925
5.927
5.928
2.0
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
9.2
9.4
9.6
9.8
10.0
10.2
10.4
10.6
10.8
11.0
11.2
11.4
11.6
11.8
12.0
12.2
Sesgo
Curtosis
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
9.2
9.4
9.6
9.8
10.0
10.2
10.4
10.6
10.8
11.0
11.2
11.4
11.6
11.8
12.0
12.2
Sesgo
0.0
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.000
0.0
0.1
0.053
0.039
0.031
0.026
0.023
0.020
0.018
0.017
0.015
0.014
0.013
0.013
0.012
0.011
0.011
0.010
0.010
0.009
0.009
0.009
0.008
0.008
0.008
0.008
0.008
0.007
0.007
0.007
0.007
0.007
0.007
0.006
0.006
0.006
0.006
0.006
0.006
0.006
0.006
0.006
0.006
0.006
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.005
0.2
0.111
0.082
0.065
0.054
0.047
0.041
0.037
0.034
0.032
0.029
0.028
0.026
0.025
0.024
0.023
0.022
0.021
0.020
0.020
0.019
0.018
0.018
0.017
0.017
0.017
0.016
0.016
0.015
0.015
0.015
0.015
0.015
0.014
0.014
0.014
0.014
0.014
0.014
0.013
0.013
0.013
0.013
0.013
0.013
0.013
0.012
0.012
0.012
0.012
0.012
0.012
0.012
0.012
0.012
0.012
0.012
0.012
0.011
0.3
0.184
0.132
0.103
0.085
0.073
0.064
0.058
0.053
0.049
0.045
0.043
0.040
0.038
0.036
0.035
0.034
0.032
0.031
0.030
0.029
0.029
0.028
0.027
0.027
0.026
0.025
0.025
0.025
0.024
0.024
0.023
0.023
0.023
0.022
0.022
0.022
0.022
0.021
0.021
0.021
0.021
0.021
0.020
0.020
0.020
0.020
0.020
0.019
0.019
0.019
0.019
0.019
0.019
0.019
0.019
0.019
0.018
0.018
0.4
0.282
0.196
0.151
0.123
0.104
0.091
0.081
0.073
0.068
0.063
0.059
0.055
0.053
0.050
0.048
0.046
0.044
0.043
0.042
0.040
0.039
0.038
0.037
0.037
0.036
0.035
0.034
0.034
0.033
0.033
0.032
0.032
0.031
0.031
0.030
0.030
0.030
0.029
0.029
0.029
0.028
0.028
0.028
0.028
0.027
0.027
0.027
0.027
0.027
0.260
0.026
0.026
0.026
0.026
0.026
0.025
0.025
0.025
0.5
0.424
0.284
0.212
0.169
0.142
0.122
0.108
0.097
0.089
0.082
0.077
0.072
0.068
0.065
0.062
0.060
0.057
0.065
0.054
0.052
0.051
0.049
0.048
0.047
0.046
0.045
0.044
0.043
0.043
0.042
0.041
0.041
0.040
0.040
0.039
0.039
0.038
0.038
0.037
0.037
0.037
0.036
0.036
0.036
0.035
0.035
0.035
0.034
0.034
0.034
0.034
0.033
0.033
0.033
0.033
0.033
0.032
0.032
0.032
0.032
0.6
0.627
0.412
0.297
0.231
0.190
0.161
0.141
0.126
0.114
0.105
0.097
0.091
0.086
0.082
0.078
0.075
0.072
0.069
0.067
0.065
0.063
0.061
0.059
0.058
0.057
0.056
0.054
0.053
0.053
0.052
0.051
0.050
0.049
0.049
0.048
0.047
0.047
0.046
0.046
0.045
0.045
0.044
0.044
0.044
0.043
0.043
0.043
0.042
0.042
0.042
0.041
0.041
0.041
0.040
0.040
0.040
0.040
0.040
0.039
0.039
0.039
0.7
0.754
0.591
0.419
0.317
0.254
0.212
0.183
0.161
0.145
0.132
0.122
0.113
0.106
0.100
0.095
0.091
0.087
0.084
0.081
0.078
0.076
0.074
0.072
0.070
0.068
0.067
0.066
0.064
0.063
0.062
0.061
0.060
0.059
0.058
0.057
0.057
0.056
0.055
0.055
0.054
0.054
0.053
0.053
0.052
0.052
0.051
0.051
0.050
0.050
0.050
0.049
0.049
0.049
0.048
0.048
0.048
0.047
0.047
0.047
0.047
0.046
0.046
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.527
0.586
0.439
0.343
0.280
0.237
0.206
0.183
0.165
0.151
0.140
0.130
0.122
0.116
0.110
0.105
0.101
0.097
0.094
0.091
0.080
0.085
0.083
0.081
0.079
0.078
0.076
0.075
0.073
0.072
0.071
0.070
0.069
0.068
0.067
0.066
0.065
0.064
0.063
0.063
0.062
0.061
0.061
0.060
0.060
0.059
0.059
0.058
0.058
0.057
0.057
0.057
0.056
0.056
0.055
0.055
0.055
0.054
0.054
0.054
0.054
0.053
0.8
0.9
1.0
0.598
0.468
0.375
0.311
0.266
0.233
0.208
0.188
0.172
0.159
0.148
0.140
0.132
0.126
0.120
0.115
0.111
0.107
0.104
0.101
0.098
0.095
0.093
0.091
0.089
0.087
0.085
0.084
0.082
0.081
0.080
0.078
0.077
0.076
0.075
0.074
0.073
0.073
0.072
0.071
0.070
0.070
0.069
0.068
0.068
0.067
0.067
0.066
0.066
0.065
0.065
0.064
0.064
0.063
0.063
0.063
0.062
0.062
0.061
0.061
0.061
0.681
0.616
0.504
0.413
0.347
0.299
0.263
0.235
0.213
0.196
0.181
0.169
0.159
0.151
0.143
0.137
0.131
0.126
0.122
0.118
0.114
0.111
0.108
0.105
0.103
0.101
0.099
0.097
0.095
0.093
0.092
0.090
0.089
0.087
0.086
0.085
0.084
0.083
0.082
0.081
0.080
0.079
0.079
0.078
0.077
0.076
0.076
0.075
0.075
0.074
0.073
0.073
0.072
0.072
0.071
0.071
0.071
0.070
0.070
0.069
0.069
0.069
0.068
0.9
1.0
Curtosis
1.1
0.653
0.633
0.542
0.456
0.388
0.336
0.297
0.266
0.242
0.222
0.206
0.192
0.180
0.171
0.162
0.155
0.148
0.143
0.138
0.033
0.129
0.125
0.122
0.119
0.116
0.113
0.111
0.109
0.107
0.105
0.103
0.101
0.100
0.098
0.097
0.096
0.094
0.093
0.092
0.091
0.090
0.089
0.088
0.087
0.086
0.086
0.085
0.084
0.084
0.083
0.082
0.082
0.081
0.080
0.080
0.079
0.079
0.078
0.078
0.078
0.077
0.077
0.076
0.076
1.1
1.2
0.616
0.638
0.579
0.501
0.433
0.379
0.336
0.301
0.274
0.252
0.233
0.217
0.204
0.193
0.183
0.175
0.167
0.161
0.155
0.150
0.145
0.141
0.137
0.133
0.130
0.127
0.124
0.122
0.119
0.117
0.115
0.113
0.111
0.110
0.108
0.107
0.105
0.104
0.103
0.101
0.100
0.099
0.098
0.097
0.096
0.095
0.094
0.094
0.093
0.092
0.091
0.091
0.090
0.089
0.089
0.088
0.088
0.087
0.087
0.086
0.086
0.085
0.085
0.084
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
Tabla 2 de Pearson
0.574
0.621
0.605
0.545
0.481
0.425
0.379
0.341
0.310
0.285
0.264
0.246
0.231
0.218
0.207
0.197
0.189
0.181
0.174
0.168
0.163
0.158
0.153
0.149
0.145
0.142
0.139
0.136
0.133
0.131
0.128
0.126
0.124
0.122
0.120
0.118
0.117
0.115
0.114
0.113
0.111
0.110
0.109
0.108
0.107
0.106
0.105
0.104
0.103
0.102
0.101
0.100
0.099
0.099
0.098
0.097
0.097
0.096
0.095
0.095
0.094
0.094
0.093
1.3
0.531
0.582
0.607
0.579
0.527
0.474
0.426
0.385
0.351
0.323
0.299
0.279
0.261
0.246
0.233
0.222
0.212
0.203
0.196
0.188
0.182
0.176
0.171
0.167
0.162
0.158
0.155
0.151
0.148
0.145
0.142
0.140
0.137
0.135
0.133
0.131
0.129
0.128
0.126
0.124
0.123
0.121
0.120
0.119
0.118
0.116
0.115
0.114
0.113
0.112
0.111
0.110
0.109
0.109
0.108
0.107
0.106
0.105
0.104
0.104
0.104
0.103
1.4
0.536
0.579
0.590
0.563
0.520
0.474
0.432
0.396
0.365
0.338
0.315
0.295
0.278
0.263
0.250
0.239
0.228
0.219
0.211
0.204
0.197
0.191
0.186
0.181
0.176
0.172
0.168
0.164
0.161
0.158
0.155
0.152
0.150
0.147
0.145
0.143
0.141
0.139
0.137
0.135
0.134
0.132
0.131
0.129
0.128
0.127
0.125
0.124
0.123
0.122
0.121
0.120
0.119
0.118
0.117
0.116
0.116
0.115
0.114
0.113
1.5
0.589
0.533
0.569
0.576
0.554
0.518
0.480
0.443
0.410
0.381
0.355
0.333
0.313
0.296
0.281
0.268
0.256
0.246
0.236
0.228
0.220
0.213
0.207
0.201
0.196
0.191
0.186
0.182
0.178
0.175
0.171
0.168
0.165
0.162
0.160
0.157
0.155
0.153
0.151
0.149
0.147
0.145
0.143
0.142
0.140
0.139
0.137
0.136
0.135
0.133
0.132
0.131
0.130
0.129
0.128
0.127
0.126
0.125
0.124
1.6
0.484
0.524
0.555
0.564
0.549
0.521
0.488
0.456
0.426
0.398
0.374
0.352
0.333
0.316
0.301
0.288
0.276
0.265
0.255
0.246
0.238
0.231
0.224
0.218
0.212
0.207
0.202
0.197
0.193
0.189
0.185
0.182
0.179
0.176
0.173
0.170
0.168
0.165
0.163
0.161
0.159
0.157
0.155
0.153
0.152
0.150
0.149
0.147
0.146
0.144
0.143
0.142
0.141
0.139
0.138
0.137
0.136
1.7
0.475
0.510
0.540
0.552
0.544
0.524
0.498
0.470
0.443
0.417
0.394
0.373
0.354
0.337
0.322
0.308
0.296
0.285
0.274
0.265
0.257
0.249
0.242
0.235
0.229
0.223
0.218
0.213
0.209
0.205
0.201
0.197
0.193
0.190
0.187
0.184
0.181
0.179
0.176
0.174
0.172
0.170
0.168
0.166
0.164
0.162
0.160
0.159
0.157
0.156
0.154
0.153
0.152
0.150
0.149
1.8
0.461
0.494
0.522
0.538
0.539
0.526
0.506
0.483
0.460
0.437
0.415
0.395
0.376
0.359
0.344
0.330
0.317
0.306
0.295
0.285
0.277
0.268
0.261
0.254
0.247
0.241
0.236
0.230
0.226
0.221
0.217
0.213
0.209
0.205
0.202
0.199
0.196
0.193
0.190
0.188
0.185
0.183
0.181
0.179
0.177
0.175
0.173
0.171
0.169
0.168
0.166
0.165
0.163
1.9
0.445
0.475
0.503
0.522
0.530
0.525
0.513
0.495
0.475
0.495
0.435
0.416
0.399
0.382
0.367
0.353
0.340
0.328
0.317
0.307
0.298
0.289
0.281
0.273
0.267
0.260
0.254
0.249
0.243
0.238
0.234
0.229
0.225
0.221
0.218
0.214
0.211
0.208
0.205
0.202
0.200
0.197
0.195
0.192
0.190
0.188
0.186
0.184
0.182
0.181
0.179
2.0
-1.4
-1.2
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
3.2
3.4
3.6
3.8
4.0
4.2
4.4
4.6
4.8
5.0
5.2
5.4
5.6
5.8
6.0
6.2
6.4
6.6
6.8
7.0
7.2
7.4
7.6
7.8
8.0
8.2
8.4
8.6
8.8
9.0
9.2
9.4
9.6
9.8
10.0
10.2
10.4
10.6
10.8
11.0
11.2
11.4
11.6
11.8
12.0
12.2
ndices de desemepeo
Procedimiento :
Obtener el ndice de capacidad potencial de proceso a
corto plazo (Cp) y el ndice de capacidad real de proceso
aen el largo plazo (Ppk).
Calcular el ndice de desempeo potencial de proceso
(Zcp).
Zst = 3 Cp (P/especif. Bilaterales)
Zst = 3 Cpk (P/especif. Unilaterales)
Calcular el ndice de desempeo real de proceso (Zlp):
Zlt = 3 Ppk
Calcule el ndice de desempeo entre grupos (Zshift):
Zshift = Zst - Zlt
ndices de desempeo
1.0
0.0
0.0
2.0
Zst
4.0
6.0
Capacidad/Diseo/Tecnologa
Zshift Malo
Zl
p
2.0
3.0
Bueno
=
-1
=
Zl
0
p
Zl =1
p
=
2
Zl
p
=
Zl
3
p
=
4
Zl
p
=
5
Zl
p
Zshift
Control
3.0
Control
1.0
2.0
0.0
Pobre control y
pobre capacidad
Pobre
capacidad
0.0
Malo
2.0
Zst
Pobre
control
Estado
deseado
4.0
6.0
Bueno
Capacidad/Diseo/Tecnologa
Capacidad de procesos
bajo Seis Sigma
606
Capacidad de procesos
bajo Seis Sigma
607
LSE
Capacidad a
Corto Plazo
3.5
2.5
Salida
1.5
Mes
Variabilidad
Total
(Natural)
E F M AM J J A S O ND E F MA MJ J A SO N D
Variabilidad
Variabilidad combinada
=entre
+
subgrupos dentro del subgrupo
Capacidad a
Largo Plazo
609
95.5% de rendimiento
1,000,000 unidades
Despus de la
inspeccin de recepcin
97%
de rendimiento
De las operaciones
45,000
Unidades
desperdiciadas
de Maquinado
28,650
Unidades
desperdiciadas
94.4% de
51,876
Unidades
desperdiciadas
En los puestos
rendimiento
de prueba 1er intento
YRT = .955*.97*.944 =
Correcto la
87.4%
125,526 unidades desperdiciadasprimera
vez
por milln de oportunidades
610
Ejemplos de defectos /
unidad
Determinar DPU en la produccin de 100 unidades
Defectos
20
10
12
Unidade
s
70
20
611
Relaciones de sigmas
Qu proceso se considera?
Facturacin y CxC
Cuntas unidades tiene el proceso?
1,283
Cuntas estn libres de defectos?
1,138
Calcular el desempeo del proceso
1138/1283=0.887
Calcular la tasa de defectos
1 - 0.887 = 0.113
Determinar el nmero de oportunidades
que pueden ocasionar un defecto (CTQs)
24
613
614
Capacidad de proceso
para datos por atributos
615
Planta escondida
100 Y =0.90 90 Y =0.90 81 Y =0.90 73 Y =0.90 66
1
2
3
3
10
100
$1/Unit
Rework 10
100
$1/Unit
100
Rework 10
$1/Unit
100
100
$1/Unit
Rework 10 Rework 10
616
La eficiencia rolada
100
$1/Unit
Reproceso
YRT =
10
100
$1/Unit
Reproceso
100
10
$1/Unit
Reproceso
100
10
$1/Unit
Reproceso
100
10
=
p Y = 0.9 x 0.9 x 0.9 x 0.9 = 0.9 = 66/100 = 0.66
66%
i=1
$1/Unit
Rework
10
100
$1/Unit
Rework
100
10
$1/Unit
Rework
100
10
$1/Unit
Rework
100
10
Considerando :
No existe scrap ni costos de inventarios
Precio de Ventas = $5.00/Unidad
Por lo tanto :
618
619
Yfinal
620
Para datos
continuos :
YRT = p Yi = Y1 x Y2 x Y3 x....x Yn
i=1
YRT = e-TDPU
m
-(DPO)
YRT = e
Donde :
e = 2.71828182845
m = Nmero de oportunidades
621
por
622
623
Smbolos utilizados
D = Defectos
U = Unidades
Relaciones de defectos:
Total de oportunidades = TO = TOP = U x O
Defectos por unidad = DPU = D/U = - ln (Y)
Defectos por unidad normalizada = -ln (Y norm)
Defectos por oportunidad = DPU/O = D/ (U xO)
Defectos por milln de oportunidades = DPMO =
DPO x 1 milln
624
Relaciones con el
rendimiento Y
Frmulas de desempeo
626
627
Tablero de control
de variable discreta
Se utiliza cuando se va a evaluar el desempeo de
un CTQ, pero hay desempeos parciales en el
tiempo.
628
Tablero de control
de variable discreta
Dlt = S Dsti
i=1
TotOplt = S
i=1
Donde :
Dlt = Defectos de largo plazo
[Ui*(Op/U)i ]Dst = Defectos de corto plazo
U = Nmero de unidades
629
Tablero de control
de variable discreta
630
Tablero de control
de variable continua
Se utiliza cuando se va a evaluar el desempeo de
un CTQ, pero hay desempeos parciales en el
tiempo.
Determine la variable y los Lmites de
Especificacin
631
Tablero de control
de variable discreta
Calcule la Sst total del CTQ mediante:
sst =
j=1(nj-1)
sj2(n-g) j
grupo j
Tablero de control
de variable discreta
PPM = Sni PPMi
k
i=1
periodo i
N =obtenga
Nmero total
de datos
PPMs totales
Zlt total
del
Con los
Calcule la Zshift considerando que :
CTQ
633
Tablero de control
de variable discreta
634
Tablero de control
de variable mltiple
Se utiliza cuando se va a evaluar el desempeo de
un Producto, Proceso Sistema a partir del
desempeo de varios CTSs, CTQs CTPs
635
Tablero de control
de variable mltiple
yftlti = 1 DPMOlti
106
Donde :
yftlt = Eficiencia de la caracterstica crtica i
i
636
Tablero de control
de variable mltiple
Calcule la eficiencia (yftst) de cada CTS, CTQ CTP considerando que
:
yftsti = 1 DPMOsti
106
Calcule las eficiencias roladas (YRT) de Corto (st) y largo plazo (lt)
del Producto, Proceso Sistema mediante :
k
Donde :
YRTlt = iP= 1 yftlti
YRTlt = Eficiencia rolada total del sistema
YRTst = Eficiencia rolada potencial del sistema
k
YRTst = iP= 1 yftsti
yftlti = Eficiencia de la caracterstica crtica i
637
Tablero de control
de variable mltiple
Calcule la Eficiencia Normalizada (ynorm) de corto (st) y largo
plazo
(lt)
Y
=:
Y
= (Y )1/k
normst
normlt
RTlt
(Y
)1/k de que cada Caracterstica Crtica tenga un diferente
EnRTst
caso
nivel de importancia, entonces la Eficiencia Normalizada se
puede obtener ponderando las eficiencias de cada
Caracterstica usando la siguiente frmula :
(1/Ii)
638
Tablero de control
de variable mltiple
DPMOst = (1 Ynormst)*106
DPMOlt = (1 Ynormlt)*106
639