Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Superficie
50%
En ste esquema vemos que si el lmite inferior especificado, coincide con la
media de la distribucin significa que el 50% de la distribucin es defectuosa.
En el siguiente caso se representa para el 20% del lote defectuoso, en ste
caso, el Lmite inferior especificado,.Li, coincide con 0.84 - X
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 32 de 52
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 33 de 52
CURVA NORMAL DE GAUSS
0
5
10
15
20
25
30
35
40
45
VALORES DE Z
P
R
O
B
A
B
I
L
I
D
A
D
E
S
= 0.84 - X Li
X
Superficie = 20%
4.4 Criterios Esenciales Para La Recepcin Por Variables.
Los criterios que normalmente se siguen para la recepcin por variables son
dos:
1) Criterio segn el cual la decisin de aceptar o rechazar el lote est basado en
el promedio de la muestra nicamente.
Los planes correspondientes se conocen como de Desviacin Normal
Conocida ya que parte de la base que se conoce la desviacin normal del lote.
2) Criterio en el cual la decisin de aceptar o rechazar el lote est basada en el
promedio de la muestra y en una medida de la dispersin de la muestra Estos
planes se conocen como de Desviacin Normal Desconocida.
Dentro de los dos tipos de planes podemos encontrar su aplicacin para el caso
que se establezca un lmite mnimo de especificacin, (por ejemplo una
resistencia a la traccin mnima), un lmite mximo (un contenido mximo de
humedad) o un lmite mnimo y un lmite mximo, (una longitud que debe estar
comprendida entre dos lmites).
As como en un plan de muestreo simple por atributos, tenamos dos
magnitudes, n y c, tamao de muestra y criterio n de aceptacin, que nos
determinaban la proteccin que nos ofreca el plan de muestreo, ya que para
cada combinacin de n y c, podamos determinar la curva caracterstica
operativa, tambin en el caso de planes simples de recepcin por variables
tenemos dos magnitudes : n y k que nos determinan la proteccin que nos da
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
una plan de muestreo y, en consecuencia, la curva caracterstica operativa del
mismo.
Si tomamos por ejemplo un plan de recepcin por variables para desviacin
normal desconocida y se especifica el lmite superior, el lote ser aceptado si:
ks Lsup x Lsup ks x +
y ser rechazado si:
ks Lsup x Lsup ks x > > +
Si se hubiera especificado el Limite Inferior, se aceptar el lote si:
ks Linf x Linf ks - x +
y ser rechazado si:
ks Linf x Linf ks - + < < x
Siendo:
X : El promedio de todas las mediciones de las unidades en la muestra.
k: un coeficiente que llamaremos de aceptacin.
s: una medida de dispersin que puede ser la desviacin normal de la muestra
o una estimacin de la desviacin normal en el lote o poblacin.
Podemos representar grficamente lo expuesto:
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 34 de 52
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
CURVA NORMAL DE GAUSS
0
10
20
30
40
50
VALORES DE Z
P
R
O
B
A
B
I
L
I
D
A
D
E
S
Zona de
rechazo
ks x Ls + =
CURVA NORMAL DE GAUSS
0
5
10
15
20
25
30
35
40
45
VALORES DE Z
P
R
O
B
A
B
I
L
I
D
A
D
E
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 35 de 52
S
Zona de
rechazo
ks - = x Li
4.5 Curva Caracterstica Operativa
La curva caracterstica operativa, definida en el tema de la recepcin por atributos,
como la curva que nos da la probabilidad de aceptacin de lotes en funcin del
porcentaje de defectuosos que contienen, tiene la misma validez y definicin en
este caso.
Sabemos ya que un buen lote, definiendo como tal al que tienen un % de
defectuosos menor que el establecido, ser a veces rechazado, y uno malo, ser
ocasionalmente aceptado.
Un criterio seguido para el establecimiento de planes de recepcin por variables es
el de establecer un % de defectuosos para una probabilidad de aceptacin del
95% y otro para una probabilidad de aceptacin del lote del 10 %
Esto significa fijar un riesgo del productor que llamaremos , igual al 5%, y un
riesgo del consumidor que llamaremos , igual al 10%.
En conexin con esos riesgos se establecen los correspondientes porcentajes de
defectuosos y, de acuerdo con ello, se determinan los valores de n y k.
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Es decir que tenemos determinados los 2 puntos siguientes:
1) P
0
(1- )
2) P
1
Si por ejemplo, tenemos un plan de desviacin normal desconocido, en el que
establecemos los valores:
Si por ejemplo, tenemos un plan de desviacin normal desconocida, en el que
establecemos los valores:
P
0
= 0,5 % = 0.05
P
1
= 3.5% = 0.10
Tendremos una curva caracterstica operativa de la siguiente forma:
C u r v a s Op e r a t i v a s
0
10
2 0
3 0
4 0
5 0
6 0
7 0
8 0
9 0
10 0
0 1 2 3 4 5 6 7 8
Fr a c c i n d e f e c t u o s a
Veamos un ejemplo:
Se ha establecido que la resistencia a la traccin de unas barras de acero, tenga
como mnimo, Li = 5000 Kg./cm
2
y = 200 Kg./cm
2
y se desea un plan que d la
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 36 de 52
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
misma proteccin que el plan de muestreo simple por atributos definido por N =
n=150 y c = 1
Para esta equivalencia entre los planes de muestreo por atributos y los planes de
muestreo por variables debe acudirse a unas tablas que fueron confeccionadas
por A. H. Bowker y H. P. Goode en su libro Sampling Inspection by variables
Mcgraw-hill, 1952 y que se encuentran parcialmente traducidas en el libro de
Eugene L. Grant Control de Calidad Estadstico.
En el adjunto , al final del libro, se prepar una parte de este importante
documento.
Los valores equivalentes son, de tablas:
n = 9 k = 2.178
Es necesario entonces, extraer al azar 9 especimenes, hallar la resistencia a la
traccin promedio y si:
1) si Linf k ' - x se aprueba el lote, y si es menor se rechaza.
Luego se calcula: el mnimo valor que podr tener la media de la muestra para
poder ser aprobado:
ks Linf x + = 5000+2.178x200 = 5436 Kg../ cm
2
X m. = 5436
4.6 Por Variables.
Para calcular la curva caracterstica operativa, nos valdremos de un ejemplo
numrico, de esta forma ser ms fcil la comprensin del mtodo.
Tomaremos el ejemplo anterior de sigma conocido y Li especificado:
Esto es Li: 5000 Kg./cm
2
y sigma = 200 Kg./cm
2
Supongamos adems, que queremos un plan equivalente a n = 30 y c = 2 por
atributos.
De las tablas de Bowker y Goode, adjunto 1, obtenemos un plan equivalente por
variables y est caracterizado por n = 9 k = 1,466.
Adems asumiremos que la distribucin es normal.
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 37 de 52
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Paso uno: Clculo de la probabilidad de aceptacin de un lote 2%
defectuoso.
Como estamos en el caso de un Lmite especificado, debe cumplirse la condicin:
' ' - ' x + k Linf ' x Linf k
Y para aceptar el lote, el menor valor del promedio en la muestra debe ser:
5000+1.466x200 = 5293 Kg./cm
2
Como queremos determinar la probabilidad de aceptacin de un lote 2%
defectuoso, debemos hallar el valor de z correspondiente a un rea bajo la curva
normal, comprendida entre - y Li. Y esa rea ser igual a 0,020.
La tabla nos da el rea comprendida entre ' ' x z ' x y .
En consecuencia tenemos:
rea entre x y = 0.5000
rea entre ' ' x ' x 2,05 - y = 0,4800
rea entre ' ' x 2,05 - y - = 0,0200
Si el 2% del lote cae debajo del lmite inferior (estamos buscando la probabilidad
de aceptacin de un lote 2% defectuoso), el promedio, en el lote, por ser =
0,200 Kg./cm
2
, debe ser:
5410 = 200 x 2,05 + 5000 = 2,05 + Li = ' ' x
Conociendo el valor promedio en el lote, debemos determinar la proporcin de la
distribucin de los promedios de las muestras, que estar por sobre el valor
mnimo.
Para ello determinaremos la diferencia
d = 5293 5410 = - 117
Si la diferencia da negativa deben sumarse las reas.
La desviacin normal de los promedios, en funcin de la desviacin normal del
lote es:
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 38 de 52
67 =
9
200
=
=
n
x
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
A continuacin calcularemos z:
75 1 - =
67
117 -
= . z
Luego, el rea es 0.46, que sumado a es rea del lado de la curva cannica nos
da una respuesta final de 96% para un p = 2 %
Repuesta final:
La probabilidad de aceptacin de un lote 2% defectuoso ser del 96%
A continuacin se deber repetir el clculo para el resto de las fracciones
defectuosas que se considere suficiente para trazar la respectiva curva
caracterstica operativa.
La siguiente tabla da las respuestas a varios puntos del problema anterior:
P 1% 2% 3% 4% 5% 6% 7% 8% 9% 10%
Prob 100% 96% 89% 80% 70% 60% 52% 44% 36% 9%
El clculo de la curva operativa anterior, se hizo sobre la base de que la
distribucin era normal, que el lmite era uno solo, es decir, una cola y que sigma
era conocido.
Los clculos de las curvas operativas, cuando no se cumplan estas condiciones,
es decir, para lmites en las dos colas, sigma desconocido u otras distribuciones
no normales, requieren clculo de alta complejidad que no estn al alcance de
nuestro curso.
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 39 de 52
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 40 de 52
5 Muestreo por variables, Norma Chilena 1208
Military Standard 414
La norma puede ser aplicada ya sea a un lmite sencillo de especificacin, IS,
(inferior o superior), o a dos lmites de la especificacin.
Los planes de sigma conocidos incluidos en la norma fueron diseados como si
tuvieran variabilidad conocida. A los planes de sigma desconocido se les llama
planes de variabilidad desconocida. En los planes de este ltimo tipo es posible
usar el mtodo de la desviacin estndar, o el mtodo de las amplitudes, para
estimar la variabilidad del lote.
Se dispone de dos tipos de formas para clculo.
En la forma dos, la decisin de aceptacin o rechazo requiere el uso de una tabla
auxiliar que proporciona una estimacin del porcentaje defectuoso del lote, basado
en un ndice de calidad, calculado a partir de ciertos estadsticos de la muestra.
En la forma uno, disponibles slo para especificaciones de un solo lado, esta tabla
auxiliar no se necesita.
Las dos formas, uno y dos, proporcionan iguales resultados.
El nivel de inspeccin de rutina es el IV, y siempre se utilizar ste a menos de
que se especifique lo contrario.
Inspeccin reducida
Para este tipo de inspeccin se usan las tablas B2 y B4, usando los mtodos de la
forma uno y dos respectivamente.
Las condiciones para instaurar la inspeccin reducida son las siguientes:
Condicin A: Los diez lotes precedentes (o cualquier otro nmero de lotes
designados), han estado bajo inspeccin normal y ninguno fue rechazado;
Condicin B: El porcentaje de defectuosos estimados para cada uno de
esos lotes precedentes, es inferior al correspondiente lmite inferior
mostrado en la tabla B7;
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 41 de 52
Condicin C: La produccin est en un rgimen uniforme
Se restablecer la inspeccin normal s, estando bajo inspeccin reducida, ocurre
alguna de las condiciones siguientes:
Condicin D: Un lote rechazado.
Condicin E: La estimacin del promedio del proceso es superior al AQL.
Condicin F: La produccin se hace irregular o se retrasa.
Condicin G: Otras situaciones que justifiquen que se reestablezca la
inspeccin normal.
La inspeccin rigurosa se instaura cuando la media estimada del proceso
determinada mediante los diez lotes precedentes (o cualquier otro nmero de lotes
designados), es mayor que el AQL, y cuando ms de un cierto nmero T, de estos
lotes, tienen estimaciones de porcentaje defectuoso que exceden el AQL.
La media calculada del proceso, es la media aritmtica de los porcentajes
defectuosos precedentes. Los valores de T, se dan en la tabla B6, para la media
del proceso, para cinco, diez o quince lotes.
Si la letra del cdigo del tamao de muestra no es la misma para todas las
muestras empleadas, el uso de la tabla B6, se determina por la letra
correspondiente al tamao de la menor de las muestras empleadas en cualquiera
de los lotes incluidos en la estimacin del proceso. La inspeccin normal se
reinstaura si la media del proceso estimado, en los lotes bajo inspeccin rigurosa
es igual o inferior al AQL.
Planes de muestreo cuando existen dos lmites especificados
Tablas B3 y B4
El clculo es el mismo que para el ejemplo de la Forma dos (caso de lmite
nico), excepto en lo siguiente:
1.- Para un valor del AQL, para ambos lmites de especificacin (superior e
inferior), combinados, se calculan ambos valores Q
Sup
y Q
Inf
.
Los porcentajes defectuosos estimados correspondientes a los valores calculados
Q
Sup
y Q
Inf
, se hallan en la tabla B5. Se designan por p
s
y p
i
respectivamente.
La suma de p
s
y p
i
(designada por p), debe ser inferior a M para que el lote sea
aceptable.
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 42 de 52
Criterios de aceptacin
Para diferentes valores de AQL para lmites de especificacin superior e inferior,
se usan los siguientes criterios:
a) p
s
debe ser igual o menor que m
s
b) p
i
debe igual o menor que m
i
c) p
s
ms p
i
debe ser igual o menor que el mayor de los valores m
s
o m
i
.
Parte C
Es aplicable a la situacin de variabilidad desconocida y es exactamente la misma
que la seccin B, excepto que las tablas se basan en clculos que emplean la
amplitud media como medida de variabilidad. Se usan precisamente, como se
indica en la descripcin de la seccin B, anterior.
Parte D
Es aplicable a la situacin de variabilidad conocida y est dispuesta como las
secciones B y C, con la siguiente excepcin:
a) La variabilidad es conocida, por lo tanto no se estima de los datos de la
muestra.
Las tablas se emplean como se indica en la seccin B, cuando se prescriben
planes de variabilidad conocida.
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 43 de 52
6 Pruebas de duracin y confiabilidad
Las pruebas de duracin y confiabilidad tienen bastante parecido a las pruebas de
inspeccin por atributos.
Sin embargo, debe tenerse muy en claro desde el principio, que las pruebas de
duracin y confiabilidad no deben ser usados, para la aprobacin de lotes de
produccin normal. Para ese fin, deber recurrirse a la norma chilena 44.
La grfica siguiente muestra el comportamiento tpico de un producto a lo largo del
tiempo.
El patrn de fallas tiene un comportamiento caracterstico que recibe el nombre de
tina de bao.
El perodo inicial de fallas, se le denomina tiempo de mortalidad infantil, una vez
superado este perodo de fallas prematuras, contina el tiempo que ser la vida
del producto.
Cuando se cumple la vida del producto, comienza el perodo de agotamiento o
muerte del producto.
La grfica muestra que la antigedad especificada, debe estar determinada antes
del perodo de agotamiento y ese ser el tiempo que ofreceremos a nuestros
clientes.
Antes del perodo de agotamiento, es posible reconstruir el producto para producir
un nuevo perodo de vida til, sin embargo, la proporcin de fallas nunca ser
igual o menor que la proporcin de fallas original.
Definiciones de Confiabilidad
Definicin 1: Confiabilidad es la probabilidad que un dispositivo desarrolle su
propsito adecuadamente, por el perodo de tiempo intentado, bajo las
condiciones de operacin encontradas.
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 44 de 52
Definicin 2: La confiabilidad de un sistema, dispositivo, etc., es la probabilidad de
que proporcionar una ejecucin satisfactoria por un perodo especificado de
tiempo bajo condiciones de operacin especificada.
Ntese la diferencia entre ambas definiciones, no es lo mismo para un producto,
condiciones de operacin encontradas que condiciones de operacin
especificadas.
Cada empresa, deber determinar su concepto de confiabilidad.
Otros autores establecen que las confiabilidad es la capacidad de un equipo para
no detenerse en operacin. Cuando un equipo trabaja bien, y trabaja siempre, se
dice que el equipo es confiable.
Curva operativa para pruebas de duracin
Consideremos que cien componentes estn siendo probados, sustituyendo todo
aquel que falle por uno nuevo. An cuando la probabilidad de una falla es
constante para cualquier intervalo de tiempo establecido, el nmero real de fallas
en intervalos de tiempo, iguales y sucesivos, estar sujeto a las fluctuaciones del
azar. Cuando usamos las matemticas de probabilidades para calcular las curvas
operativas, para planes de muestreo de aceptacin usados en pruebas de
duracin, estamos reconociendo la inevitabilidad de estas fluctuaciones debidas al
azar.
Dos cantidades relacionadas que usaremos para calcular curvas operativas, son
las siguientes:
= proporcin de fallas, o sea la probabilidad de una falla en una unidad
establecida de tiempo, seleccionaremos arbitrariamente una hora como una
unidad en todos los casos.
a la media aritmtica o promedio de las vidas (vida media).
Clculo para una curva operativa para un plan de muestreo de aceptacin basado
en un nmero mximo estipulado de horas de pruebas
Seleccione 22 artculos al azar de un lote. Pase estos artculos por la prueba.
Siempre que un artculo falle, reemplcelo con otro artculo, seleccionado al azar
del lote. Si la prueba contina por 500 horas sin que se presenten ms de 2 fallas,
aceptar el lote. Si se presentan 3 fallas, antes de las 500 horas de prueba,
rechazar el lote.
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 45 de 52
La aceptacin bajo este plan requiere, 22 x 500 = 11.000 horas artculos de
prueba, con un nmero de aceptacin de 2. La siguiente tabla muestra el clculo
estadstico.
Proporcin de
fallas por horas
Vida media en
horas
Nmero promedio
de fallas esperado
en 11000 horas de
prueba
Probabilidad de
aceptacin.
0.00002
50.000 0.22 0.999
0.00005
20.000
0.55
0.982
0.00006
16.667
0.66
0.971
0.00008
12.500
0.88
0.939
0.00010
10.000
1.1
0.900
0.000125
8.000
1.375
0.839
0.00015
6.667
1.65
0.770
0.00020
5.000
2.2
0.623
0.00025
4.000
2.75
0.480
0.00030
3.333
3.3
0.360
0.00040
2.500
4.4
0.185
0.00050
2.000
5.5
0.088
0.00060
1.667
6.6
0.040
0.00080
1.250
8.8
0.007
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
0
10
20
30
40
50
60
70
80
90
100
0 10000 20000 30000 40000 50000 60000
Curva operativa para una prueba de 11.000 horas-artculo con un nmero de
aceptacin 2.
7 Introduccin al Minitab
Minitab en espaol le proporciona un ambiente de anlisis de datos que consiste en
lo siguiente:
1. Hoja de trabajo que contiene los datos y es presentada en la ventana de
datos.
2. Mens y cuadros de dilogos para anlisis estadsticos, manipulacin de
datos y transformacin de datos.
3. Ventana de sesin que visualiza los resultados y le permite escribir
comandos de sesin a un lado del indicador. La mayora de los comandos de men
tienen equivalentes comandos de sesin. Puede emplear comandos de men y
comandos de sesin durante su sesin si lo desea. Si lo prefiere, puede desactivar
los comandos de sesin de tal manera que no aparezcan.
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 46 de 52
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 47 de 52
4. Ventanas de grficas para grficas de alta-resolucin.
5. Ventana de informacin que presenta un resumen de su hoja de trabajo.
6. Ventana de historia que presenta los comandos que se han utilizado durante
la sesin. Puede volver a ejecutar los comandos copindolos de la ventana de
historia y pegndolos en la ventana de sesin.
7. Ayuda de contexto sensitivo para cuadros de dilogo, comandos de la
ventana de sesin y informacin de repaso.
8. Un completo lenguaje de macros el cual le permite repetir automticamente
tareas repetitivas, extender la funcionalidad de Minitab o disear sus propios
comandos de sesin.
La hoja de trabajo
Minitab coloca los datos que usted escribe o extrae dentro de una zona temporaria
de almacenamiento llamada la hoja de trabajo. La hoja de trabajo consiste de tres
partes: columnas, constantes almacenadas y matrices. Las columnas generalmente
representan variables, las lneas generalmente representan casos individuales. La
Ventana de informacin presenta un resumen actualizado de su hoja de trabajo
actual: columnas, matrices y constantes almacenadas.
Columnas. La mayora de las operaciones utilizan columnas. Se puede referir a
columnas por el nmero de columna (por ejemplo, C1 o C22) o por el nombre (por
ejemplo 'Ventas' o 'Ao'). Puede nombrar una columna escribiendo el nombre en la
ventana de datos debajo del nmero de la columna o utilizando el comando de
sesin.
NOMBRE. Una hoja de trabajo puede contener hasta 1,000 columnas.
Matrices. Las matrices son los bloques rectangulares de celdas. Se puede referir a
las matrices por el nmero (tal como M1) o por el nombre (tal como 'Inversa'). Para
visualizar una matriz, seleccione Archivo > Visualizar datos; las matrices no
aparecen en la ventana de datos. Una hoja de trabajo puede contener hasta 100
matrices almacenadas. Vase Matrices para obtener una lista de funciones de
matrices.
Constantes almacenadas. Una hoja de trabajo puede contener hasta 1,000
constantes almacenadas, cada una puede contener un nmero nico. Puede
referirse a una constante por el nmero (tal como K5) o por el nombre (tal como
'Primero').
Para visualizar una constante almacenada, seleccione Archivo > Visualizar datos;
las constantes almacenadas no aparecen en la ventana datos. Minitab
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 48 de 52
automticamente asigna los valores ausentes, e y pi a las ultimas tres constantes
almacenadas: K998 = *; K999 = 2.71828; K1000 = 3.14159. Puede cambiar esos
valores si lo desea.
Tamao de las hojas de trabajo. Cuando inicia Minitab, la ventana de sesin
presenta el tamao de la hoja de trabajo actual. Este es el nmero mximo de
celdas (valores de datos individuales) que pueden ser ocupados por columnas y
matrices.
Minitab utiliza el espacio de la hoja de trabajo cuando los comandos son ejecutados,
por lo tanto se le aconseja en forma general limitar el nmero de celdas que utilice
(usualmente el nmero de columnas por el nmero de lneas) a la mitad de este
nmero. Minitab puede mantener hojas de trabajo de hasta 4,000,000 celdas si
tiene memoria suficiente para mantener una hoja de trabajo de ese tamao.
Cambiar el tamao de la hoja de trabajo. Si tiene suficiente memoria disponible,
el tamao de la hoja de trabajo predefinido es de 100,000 elementos de datos. Para
cambiar este tamao, seleccione Editar > Guardar preferencias > General. El
tamao que se ha cambiado tomar efecto la prxima vez que inicie Minitab. Si
especifica el tamao de una hoja de trabajo que este demasiado grande para la
cantidad de memoria que tiene disponible, (la cantidad de memoria disponible vara
dependiendo de su computadora y de qu aplicaciones ejecute), Minitab le
proporciona una hoja de trabajo tan grande como es posible. El rendimiento es
mejor si hace a la hoja de trabajo se acerque al tamao que usted necesita, no el
mximo que su sistema
pueda tolerar.
Comandos de men
Men Archivo
Men Editar
Men Manip
Men Calc
Men Estad
Men Grficas
Men Editor
Men Ventana
Men Ayuda
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 49 de 52
Existen dos maneras para emitir comandos en Minitab: seleccionando los
comandos desde el barra de men, o escribindolos directamente utilizando los
comandos de sesin.
Cuando seleccione los elementos en un men seguido por tres puntos (...), los
cuadros de dilogo aparecern. Cuando seleccione algn elemento seguido por el
smbolo >, los submens con ms comandos aparecern.
Si un comando de men es opaco, el elemento no est disponible. Algunas veces
todos los mens son opacos, indicando que todos los comandos en el men no
estn disponibles.
Para especificar un comando desde la barra de men:
1. Haga un clic en el nombre del men (tal como Archivo) o presione <Alt> + la
letra subrayada que relaciona a ese men (como A para el Archivo).
2. Haga un clic en el comando que desea de ese men (tal como Nueva hoja de
trabajo) o presione la letra que relaciona a ese comando (tal como N para Nueva
3. Si el comando le requiere informacin, Minitab abre un cuadro de dilogo; de
lo contrario, Minitab ejecuta el comando inmediatamente.
Ventana de Sesin
La ventana de sesin presenta las salidas sin grficas tales como las tablas de
estadsticas. Puede hacer que la ventana de sesin sea editable y utilizarla como un
procesador de palabras: aadir comentarios, cortar, copiar y pegar nmeros y texto,
cambiar fuentes, buscar y reemplazar nmeros y textos, guardar e imprimir la
ventana.
Predefinidamente, la ventana de sesin presenta el lenguaje de comandos utilizado
para crear la salida. El lenguaje de comandos es generado cuando se utiliza
comandos de men (seleccionando un comando desde el men) y cuando se
escribe Comandos de sesin en el Editor de lnea de comandos o en la ventana de
sesin a un lado del indicador MTB >. Puede interpretar comandos de men y
comandos de sesin o nicamente utilizar uno u otro, como ms lo prefiera.
Ya sea que los comandos sean o no sean visualizados en la ventana de sesin, la
ventana de historia siempre graba todos los comandos ejecutados en su sesin.
Ventana de Grfica
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 50 de 52
Cada grfica de alta - resolucin que usted crea se presenta en su propia ventana
de
grfica.
Para guardar una grfica, seleccione Archivo > Guardar ventana, mientras la
ventana de grfica este activa. Esto guardar la grfica con una extensin de
archivo MGF (Formato de grficas de Minitab). Una vez que ha guardado una
grfica de est forma, siempre podr verla nuevamente desde Minitab
seleccionando Archivo > Abrir grfica.
Para imprimir una grfica, seleccione Archivo > Imprimir ventana, mientras la
ventana de grfica este activa. Vase Solucin de problemas en Ayuda si se tiene
problemas al imprimir grficas.
Ventana de Informacin
Para abrir la ventana de informacin, seleccione Ventana > Informacin, o presione
<Ctrl>+<I>.
La ventana de informacin contiene un resumen automticamente actualizado de la
actual hoja de trabajo: columnas, constantes almacenadas y matrices. Es
especialmente til para ayudarle a mantener un registro de las variables si usted
tiene una hoja de trabajo muy grande. La ventana de informacin proporciona la
siguiente informacin:
1. Para cada columna que contiene datos, registrar el nmero de columnas,
nombre de columna, nmero de lneas, nmero de valores ausentes y una etiqueta
A si la columna es alfa.
2. Por cada constante que contiene datos, se presentar el nmero de la
constante, el nombre de la constante y el valor de la constante. Hay una excepcin:
Predefinidamente, Minitab asigna los valores ausentes, e y pi a las tres constantes
almacenadas: K998 = *; K999 = 2.71828; y K1000 = 3.14159 respectivamente. Para
agrupaciones reducidas, Minitab no se listan estas constantes en la ventana de
informacin.
3. Para cada matriz, se registra el nmero de matriz y nombre de la matriz.
Ventana de historia
Contiene un registro de todos los comandos utilizados durante una sesin. Para
abrir la ventana de historia, seleccione Ventana > Historia, o presione <Ctrl>+<H>.
Puede copiar y pegar un grupo de comandos desde la ventana de historia en el
Editor de la lnea de comandos o Ventana de sesin para volver a ejecutarlos o
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 51 de 52
pegarlos en un procesador de palabras tal como Notepad o WordPerfect para crear
una macro de Minitab. Por ejemplo, puede crear un archivo macro de Minitab para
un anlisis rutinario trabajando primeramente paso por paso con los mens,
despus copiar el resultado de los comandos de sesin de la ventana de historia en
un procesador de palabras, ordenndolos y guardndolos en el archivo macro.
No puede cambiar el contenido de la ventana de historia.
Para imprimir la ventana de historia, mientras esta es la ventana activa, seleccione
Archivo > Imprimir ventana. Si sombrea primero el texto seleccionado, puede
imprimir nicamente el texto seleccionado. Para copiar todo o la parte seleccionada
de la ventana de historia al Portapapeles, seleccione Editar > Copiar.
La ventana de historia puede contener cerca de 64,000 caracteres de texto a la vez.
Cuando este lmite se alcanza, Minitab deshecha la primer mitad del contenido sin
avisarle. Si necesita que sa capturado todo lo que aparezca en la ventana de
historia, seleccione Archivo > Otros archivos > Iniciar grabacin de historia (DIARIO)
antes de comenzar la sesin. Esto grabar todo los comandos en un archivo de
diario con una extensin de archivo MTJ y continuar hasta que usted salga de
Minitab o seleccione Archivo > Otros archivos > Detener grabacin de historia
(NODIARIO). Debido a que la ventana de historia graba nicamente comandos, no
la salida, esto requerir una sesin extremamente grande que exceda el lmite de
ms de 64,000 caracteres.
Control de Calidad Estadstico, Parte dos, Muestreo
Autor: Edgardo Ojeda Barcos
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 52 de 52
8. Adjuntos
Adjunto 1
Tablas de A. H. Bowker y H. P. Goode
Planes de muestreo por atributos Planes de muestreo para sigma
conocido para especificaciones de un
solo lado
n c n k
10 0 5 1.748
30 1 5 1.522
20 1 5 1.278
10 1 5 1.015
15 0 6 1.812
30 1 6 1.586
55 1 7 1.862
30 1 7 1.635
150 1 9 2.178
30 2 9 1.466
30 3 9 1.158
225 1 11 2.352
40 2 11 1.518
300 1 13 2.473
55 4 13 1.396
750 1 16 2.828
450 1 16 2.624