ARCHIVOS DE DATOS PARA EL MDULO 2

Mapa de Archivos
PARETO
PULSE
COCHES

REHEAT

ARCHIVO PARETO.MTW
Contiene defectos en partes por turno, operario y mquina
Defectos
Rayas
Rayas
Sopladura
Forma
Rayas
Sopladura
Sopladura
Forma
Rayas
Rayas
Sopladura
Rayas
Rayas
Sopladura
Rayas
Sopladura
Rayas
Rayas
Rayas
Sopladura
Sopladura
Rayas
Rayas
Sopladura
Rayas
Sopladura
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Sopladura

Dia
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Lunes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes

Turno
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana

Operario
A
A
A
A
B
B
B
B
C
C
C
D
D
D
A
A
B
B
B
B
B
B
C
C
D
D
A
A
A
B
B
B
B
B
B
B
B

Maquina
1
1
1
1
1
1
1
1
2
2
2
2
2
2
1
1
1
1
1
1
1
1
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1

Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Sopladura
Rayas
Rayas
Rayas
Sopladura
Sopladura
Forma
Rayas
Rayas
Rayas
Forma
Rayas
Rayas
Rayas
Sopladura
Sopladura
Sopladura
Forma
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Sopladura
Forma
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Forma
Terminacin
Rayas
Rayas
Rayas
Rayas
Sopladura
Sopladura
Sopladura

Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Martes
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles

Maana
Maana
Maana
Maana
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde

C
C
D
D
A
A
A
B
B
B
B
B
C
D
D
D
D
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
C
C
C
C
C
D
D
D
D
D
A
A
A
A
A
A
A

2
2
2
2
1
1
1
1
1
1
1
1
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1

Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Forma
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Rayas
Rayas
Rayas
Rayas
Sopladura
Forma
Forma
Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Rayas
Rayas
Rayas
Forma
Rayas
Rayas
Sopladura
Sopladura
Rayas
Rayas
Rayas
Sopladura
Forma
Forma
Rayas
Forma

Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Mircoles
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves
Jueves

Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde

B
B
B
B
B
B
B
B
C
C
C
C
C
C
C
D
D
D
D
D
D
A
A
A
A
A
A
A
B
B
B
B
B
B
C
C
D
D
D
A
A
A
B
B
B
B
B
B
C
C

1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
1
1
1
1
1
1
1
1
1
2
2

Rayas
Rayas
Terminacin
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Sopladura
Sopladura
Forma
Rayas
Rayas
Terminacin
Rayas
Rayas
Terminacin
Terminacin
Otros
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Rayas
Otros
Rayas
Forma
Forma
Rayas
Rayas
Rayas
Sopladura
Terminacin
Rayas
Otros
Rayas
Rayas
Sopladura
Sopladura
Sopladura
Forma
Rayas
Rayas
Rayas
Forma

Jueves
Jueves
Jueves
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Viernes
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado

Tarde
Tarde
Tarde
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Maana
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde

D
D
D
A
A
A
A
B
B
B
B
B
C
C
C
D
D
D
D
D
A
A
B
B
B
B
B
C
C
C
D
D
D
A
B
B
B
C
C
D
D
D
D
A
A
A
B
B
B
B

2
2
2
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
2
2
2
2
2
2
1
1
1
1
2
2
2
2
2
2
1
1
1
1
1
1
1

Sopladura
Rayas
Sopladura
Rayas
Otros
Sopladura
Sopladura
Rayas

Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado
Sbado

Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde
Tarde

B
B
B
C
C
D
D
D

1
1
1
2
2
2
2
2

ARCHIVO COCHES
Marca
Modelo
PVP
Num.Cil.
Cil.(cc)
Pot.(CV)
Long.
Alfa Romeo
145 1.4 Bas 1780000
4
1351
90
Alfa Romeo
145 1.6 Bas 1940000
4
1596
103
Alfa Romeo
155 1.7Twi
2399000
4
1749
115
Alfa Romeo
155 2.5 V6
4105000
6
2492
166
Alfa Romeo
164 3.0 Su
5837000
6
2959
210
Audi
80 2.3 E
3931000
5
2309
133
Audi
80 2.8 E
4836000
6
2771
174
Audi
A6 2.6 V6
4867000
6
2598
150
Audi
Coup 2.0 E 3695000
4
1984
115
Audi
Cabrio 2.6
6055000
6
2598
150
Audi
80 2.6 Quat
4650000
6
2598
150
Audi
80 Avant S2 7197000
5
2226
230
Audi
A6 2.8 V6
6102000
6
2771
174
Audi
Coupe 2.6
5110000
6
2598
150
BMW
316 I
3295000
4
1596
102
BMW
318 I
3615000
4
1796
115
BMW
318 IS
3825000
4
1796
140
BMW
320 I
4140000
6
1991
150
BMW
325 I
5015000
6
2949
192
BMW
325 I Cabrio 6090000
6
2494
192
BMW
M3
7780000
6
2990
286
BMW
518 I
4155000
4
1796
113
BMW
525 I
5805000
6
2494
192
BMW
530 I
7155000
8
2997
218
BMW
M5
12080000
6
3795
340
BMW
730 I
8296000
8
2997
218
BMW
740 I
10270000
8
3982
286
BMW
850 CSI
18035000
12
5576
380
CITROEN
AX 10 First
1171110
4
954
50
CITROEN
AX 11 First
1242168
4
1124
60
CITROEN
AX First To
1367817
4
1124
60
CITROEN
AX 11 Pres
1361660
4
1124
60
CITROEN
AX GT 3p
1558657
4
1360
75
CITROEN
ZX Reflex
1749000
4
1360
75
CITROEN
ZX Avanta
1950820
4
1360
75
CITROEN
ZX Avanta
2026820
4
1360
75
CITROEN
ZX Aura 1.8
2274970
4
1761
103

409
409
444
444
466
448
448
480
437
436
448
451
480
436
443
443
443
443
443
443
443
472
472
472
472
498
498
478
352
352
352
352
352
407
407
426
407

CITROEN
CITROEN
CITROEN
CITROEN
CITROEN
CITROEN
CITROEN
CITROEN
FERRARI
FERRARI
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FIAT
FORD
FORD
FORD
FORD
FORD
FORD
FORD
FORD
FORD
FORD
FORD
FORD
FORD
FORD
HONDA
HONDA
HONDA
HONDA
HONDA
HONDA
HONDA
HYUNDAI
HYUNDAI
HYUNDAI
HYUNDAI

ZX 2.0 I 16
3033889
ZX Prestig
2218620
Xantia 1.6 I
2303956
Xantia1.8 I
2711166
Xantia 2.0
3353458
Xantia 16V
4101899
XM 2.0 I 1
3903782
XM V6 I B
5669829
F355 Berlin 18626560
456 GT
34089000
Cinquecen
880000
Uno 60 Sti
1075000
Punto 55 S
1295000
Punto 75 S
1385000
Punto 90 S
1720000
Punto GT
2155000
Coup 16V
3635000
Tipo 1.4S 3p 1740000
Tipo 1.6SX
2050000
Tipo 1.8GTI
2270000
Tempra 1.4
1860000
Tempra 1.6
2000000
Tempra 1.8
2450000
Croma 2.0IE 3065000
Ulysse 2.0S
3135000
Fiesta Che
1349000
Fiesta New
1539000
Fiesta SI 1
1669000
Fiesta SI1.
1779000
Fiesta XR2
2259000
Escort Valo
1769000
Escort Atla
2049000
Escort Ghia
2219000
Escort RS
2839000
Probe 2.0I
3709000
Mondeo CL
2469000
Mondeo Ghi 3239000
Scorpio Ser
3459000
Escort Cos
5429000
Civic DX 1
2100000
Civic Dre
2850000
CRX ESI 1
3200000
Concerto
2150000
Accord 2.0I
2550000
Accord Co
3380000
Legend 3.2
7550000
Accent 1.3
1595000
Accent 1.5
1880000
Lantra 1.8
2190000
Sonata 2.
2890000

4
4
4
4
4
4
4
6
8
12
2
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
6
4
4
4
4

1998
1905
1580
1761
1998
1998
1998
2963
3496
5474
704
1108
1108
1242
1581
1372
1995
1372
1581
1756
1372
1581
1756
1995
1998
1118
1297
1393
1597
1796
1299
1598
1796
1998
1991
1597
1988
1998
1993
1343
1590
1595
1493
1997
1977
3206
1341
1495
1836
1997

150
71
90
103
123
150
135
170
380
442
31
51
55
75
88
136
142
71
76
105
71
90
105
117
123
50
60
75
90
130
60
90
105
150
115
90
136
120
227
75
125
125
90
115
136
204
82
90
126
139

408
407
444
444
444
444
471
496
425
473
323
369
376
377
377
377
425
396
396
396
435
435
435
452
445
374
374
374
374
380
423
404
423
404
458
448
448
474
421
408
408
400
426
468
467
494
412
412
439
470

JAGUAR
JAGUAR
LADA
LADA
LANCIA
LANCIA
LANCIA
LANCIA
LANCIA
LANCIA
LANCIA
LANCIA
MASERATI
MASERATI
MASERATI
MAZDA
MAZDA
MAZDA
MAZDA
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MERCEDES
MITSUBISHI
MITSUBISHI
NISSAN
NISSAN
NISSAN
NISSAN
NISSAN
NISSAN
NISSAN
NISSAN
NISSAN
NISSAN
NISSAN
OPEL
OPEL
OPEL
OPEL
OPEL
OPEL

XJ6 3.2
XJ6 4.0 S
Samara 1.3
Samara 1.54
Y-10 Mia
Delta 1.4IE
Delta 1.8IE
Delta 2.0
Dedra 1.6LE
Dedra 2.0
Thema 2.0I
Thema 3.0V
Spyder E
Ghibli
Shamal
121 1.3 16V
MX-5 1.8 16
626 2.0 1
Xedos 6
C180
C200
C220
E200
E220
E280
S280
E320
S320
E420
S500
S600
Colt 1600GL
Galant 200
Micra 1.0L
Micra 1.3B
Sunny LX1.4
Sunny SLX
Sunny LX 2D
Primera 1.
Primera 2.
100NX 2.16V
Serena LX
Serena SLX
Serena LX 2
Corsa City1
Corsa Swin
Corsa Swin
Corsa GSI
Astra Base
Astra GL 1.

5950000
7500000
796160
899000
1227000
1820000
2174000
2673000
2231000
3760000
3905000
5612000
6995200
8499200
11975500
1688960
3687000
2852600
4212600
4307000
5252000
5667000
5297000
5792000
6512000
8832000
7401000
10497000
9334000
13337000
19632000
2325000
3044220
1245000
1455000
1860000
2170000
2000000
2115000
2635000
3395000
2207000
3010000
2308000
1317000
1498000
1560000
2057000
1718000
1985000

6
6
4
4
4
4
4
4
4
4
4
6
6
6
8
4
4
4
6
4
4
4
4
4
6
6
6
6
8
8
12
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4

3239
3980
1288
1499
1108
1372
1750
1995
1581
1995
1995
2959
2790
2790
3217
1324
1839
1991
1995
1799
1998
2199
1998
2199
2799
2799
3199
3199
4196
4973
5987
1597
1997
998
1275
1392
1597
1974
1597
1998
1998
1597
1998
2283
1195
1195
1389
1598
1389
1389

200
223
61
68
51
71
101
139
90
139
117
175
225
279
326
73
133
117
146
122
136
150
136
150
193
193
220
231
279
320
394
113
137
55
75
87
102
75
102
125
143
98
126
75
45
45
60
106
60
82

499
499
401
420
342
401
401
401
434
434
460
460
406
422
410
380
395
469
456
449
449
449
474
474
474
511
474
511
474
511
511
399
462
369
369
423
414
414
440
440
413
431
431
431
373
373
373
373
405
405

OPEL
OPEL
OPEL
OPEL
OPEL
OPEL
OPEL
OPEL
OPEL
OPEL
OPEL
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PEUGEOT
PORSCHE
PORSCHE
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
RENAULT
ROLLS ROYC
ROLLS ROYC
ROVER
ROVER
ROVER
ROVER
ROVER
ROVER
ROVER

Astra GLS
2356000
Astra Spor
2514000
Astra Cabri
3268000
Astra GL 1
2108000
Vectra Meri
2515000
Vectra Spor
3265000
Vectra CDX
3819000
Vectra GL
2749000
Calibra 2.0
3527000
Omega 2.0
3879000
Omega 3.0
5633000
106 Kid 3p
1205000
106 1.4 XT
1850000
106 Midnigh 1663000
205 Mito 1.
1343000
205 Mito D
1549000
306 XN 1.4
1756000
306 Style 1
2009000
306 XS 1.6
2160000
306 XT 1.6
2292000
306 XND 5p 2063000
405 Embass 2368000
405 Embass 2645000
605 SLI
3825000
605 SLDT
4268000
806 SR 2.0
3235000
968 CS
7651840
911 Turbo
19645440
Twingo
1210000
R-19 RL 1.2 1765000
R-19 Drive
1890000
R-19 S 1.8
2085000
R-19 Drive
2015000
R-19 S 1.9
2435000
R-21 Nev
2625000
R-21 GTD
2580000
Laguna RN
2350000
Laguna RXE 3075000
Safrane RN
3465000
Safrane RT
5540000
Safrane R
4655000
Corniche C 37760000
Touring Li
44652800
114 SLI 3p
1395000
214 I 3p
1631000
220 GSI 3p
2468000
218 SLD 5p
2442000
414 SLI
2195000
420 GSI
2591000
Montego 2.
1685000

4
4
4
4
4
4
6
4
4
4
6
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
6
4
4
4
4
4
4
4
4
4
4
4
6
4
8
8
4
4
4
4
4
4
4

1598
1799
1799
1700
1998
1998
2498
1686
1998
1998
2962
954
1360
1527
1124
1769
1360
1360
1587
1587
1905
1761
1905
1998
2088
1998
2990
3600
1239
1171
1390
1794
1870
1870
1721
2068
1794
1998
2165
2963
2499
6750
6750
1396
1396
1994
1769
1396
1994
1994

100
115
115
68
115
136
170
82
115
136
211
50
75
58
60
60
75
75
90
90
71
103
70
123
110
123
240
360
55
60
80
95
65
93
95
74
95
115
110
170
115
225
225
75
75
136
88
103
136
104

424
405
424
405
443
443
443
443
449
479
479
356
356
356
370
370
400
400
400
400
400
441
441
472
472
445
432
425
343
425
416
416
425
425
469
446
451
451
474
474
474
520
598
352
442
442
422
437
437
447

ROVER
620 I
ROVER
623 SI
ROVER
827 SI
ROVER
825 SD
SAAB
900 S 2.0 I
SAAB
900 S 2.3 I
SAAB
900 SE 2.5
SAAB
9000 CS 2.3
SAAB
CD 2.3 I
SEAT
Marbella
SEAT
Ibiza 1.05
SEAT
Ibiza 1.4 I
SEAT
Ibiza 1.4 I
SEAT
Ibiza 1.6 I
SEAT
Ibiza 1.6 I
SEAT
Ibiza 1.8
SEAT
Ibiza 2.0 G
SEAT
Ibiza 1.9 D
SEAT
Ibiza 1.9
SEAT
Cordoba 1.
SEAT
Cordoba 1.
SEAT
Cordoba 1.
SEAT
Cordoba 1
SEAT
Toledo 1.8
SEAT
Toledo 2.0
SEAT
Toledo 1.9
SUZUKI
Swift 1.0 GL
SUZUKI
Swift 1.3 GS
TOYOTA
Celica 2.0
TOYOTA
Carina E 1
TOYOTA
Carina E 2
TOYOTA
Camry 2.2
TOYOTA
Lexus GS 3
VOLKSWAGEN Polo 1.0 Fo
VOLKSWAGEN Polo 1.3 Fo
VOLKSWAGEN Polo 1.3 C
VOLKSWAGEN Polo 1.6 C
VOLKSWAGEN Golf 1.4 CL
VOLKSWAGEN Golf 1.6 CL
VOLKSWAGEN Golf 1.8 GL
VOLKSWAGEN Golf 2.0 GT
VOLKSWAGEN Golf 2.0 G
VOLKSWAGEN Golf 1.9 C
VOLKSWAGEN Vento 1.6 C
VOLKSWAGEN Vento 1.8 G
VOLKSWAGEN Vento 2.0 G
VOLKSWAGEN Passat 1.8
VOLKSWAGEN Passat 2.0
VOLKSWAGEN Passat VR6
VOLKSWAGEN Corrado 16V

2900000
3830000
4910000
4367000
3368320
3905920
4597120
4520320
4520320
775000
1289000
1407700
1474300
1628000
1743600
1907000
2293000
1702300
2038600
1650000
1807000
2066000
1932000
1980000
2678000
2182000
1244000
1545000
4339800
2491300
2999800
4178800
7769000
1289000
1397000
1626000
1595000
1770000
2005000
2195000
2793000
3248000
1995000
2010000
2395000
3000000
2600000
3185000
3910000
4065000

4
4
6
4
4
4
6
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
6
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
6
4

1997
2259
2677
2499
1985
2290
2498
2290
2290
903
1043
1391
1391
1598
1598
1781
1984
1896
1896
1397
1598
1781
1896
1781
1984
1896
993
1299
1998
1587
1998
2164
2997
1043
1296
1296
1598
1391
1598
1781
1984
1984
1896
1598
1781
1984
1781
1984
2792
1984

115
158
169
118
130
150
170
146
146
42
45
60
60
75
75
90
115
68
75
60
75
90
68
90
115
68
56
71
175
116
133
136
212
45
55
55
75
60
75
90
115
150
64
75
90
115
90
115
174
135

465
465
488
488
464
464
464
476
478
347
381
381
381
381
381
381
381
381
381
411
411
411
411
432
432
432
374
374
442
453
453
472
495
471
471
471
471
402
402
402
402
402
402
438
438
438
460
460
460
405

VOLVO
VOLVO
VOLVO
VOLVO
VOLVO
VOLVO
VOLVO
VOLVO
VOLVO
VOLVO

440 GLE 1.8

440 GLT
460 GLE 1.8
460 Turbo
480 S
850 GLE
850 GLT
940 GLE 2.3
940 GLT
960 2.5 24V

2695000
3190000
2695000
3370000
3395000
4195000
4730000
3620000
3950000
4890000

4
4
4
4
4
4
5
4
4
6

1794
1998
1794
1721
1998
2435
2435
2316
1986
2473

90
110
90
120
110
144
170
116
155
170

431
431
440
440
426
466
466
479
479
487

ARCHIVO REHEAT.MTW de Minitab

Son datos de productos congelados, se quiere determinar cuanto tiempo toma y la temperatura
de coccin de un plato congelado, de forma que el sabor obtenido sea el mejor.
Se hacen experimentos con los resultados evaluados en base a la calidad del plato de 0 a 10.
Operator
A
B
A
B
A
A
B
A
B
A
A
B
B
B
B
B
A
A
A
A
B
A
B
B
B
B
B
B
B
A
B

Temp

Time
350
350
350
350
350
350
350
350
375
375
375
375
375
375
375
375
400
400
400
400
400
400
400
400
425
425
425
425
425
425
425

Quality
24
26
28
30
32
34
36
38
24
26
28
30
32
34
36
38
24
26
28
30
32
34
36
38
24
26
28
30
32
34
36

0.1
0.2
1.1
1.5
3.8
5.4
6.9
6.6
0.2
0.2
0.7
2.9
5.2
6.9
7
6.9
0
0.7
1.4
3.8
6.8
8
7.4
7.2
0.2
0.2
1.8
4.8
6.5
8.5
8.4

A
A
A
B
A
A
B
A
B
A
B
A
B
A
B
A
A

425
450
450
450
450
450
450
450
450
475
475
475
475
475
475
475
475

38
24
26
28
30
32
34
36
38
24
26
28
30
32
34
36
38

7.3
0.4
1.9
5
7.2
7.8
7.2
5.7
3.9
0.3
4.4
6.7
6.9
5.8
4.1
0.4
0.2

ARCHIVO PULSE.MTW
Contiene el pulso de personas por sexo, si corren o no etc.
Pulse1

Pulse2
64
58
62
66
64
74
84
68
62
76
90
80
92
68
60
62
66
70
68
72
70
74
66
70
96
62
78
82
100
68
96
78
88
62
80
62
60

88
70
76
78
80
84
84
72
75
118
94
96
84
76
76
58
82
72
76
80
106
76
102
94
140
100
104
100
115
112
116
118
110
98
128
62
62

Ran

Smokes
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2

Sex
2
2
1
1
2
2
2
2
2
2
1
2
1
2
2
2
1
1
1
2
2
2
2
1
2
2
1
2
1
2
2
2
1
1
2
2
2

Height
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
1
1

66
72
73.5
73
69
73
72
74
72
71
74
72
70
67
71
72
69
73
74
66
71
70
70
75
61
66
68
68
63
70
68
69
69
62.75
68
74
71

Weight
140
145
160
190
155
165
150
190
195
138
160
155
153
145
170
175
175
170
180
135
170
157
130
185
140
120
130
138
121
125
116
145
150
112
125
190
155

72
62
76
68
54
74
74
68
72
68
82
64
58
54
70
62
48
76
88
70
90
78
70
90
92
60
72
68
84
74
68
84
61
64
94
60
72
58
88
66
84
62
66
80
78
68
72
82
76
87

74
66
76
66
56
70
74
68
74
64
84
62
58
50
62
68
54
76
84
70
88
76
66
90
94
70
70
68
84
76
66
84
70
60
92
66
70
56
74
72
80
66
76
74
78
68
68
80
76
84

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

1
2
2
1
1
2
2
2
1
2
1
2
2
2
1
1
1
2
2
2
1
2
1
2
1
1
2
2
2
2
2
2
2
2
1
2
2
2
1
2
2
2
2
2
2
2
2
2
1
2

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

69
70
72
67
69
73
73
71
68
69.5
73
75
66
69
66
73
68
74
73.5
70
67
72
75
68
69
71.5
71
72
69
67
68
66
65.5
66
62
62
63
67
65
66
65
65
65
64
67
69
68
63
62
63

170
155
215
150
145
155
155
150
155
150
180
160
135
160
130
155
150
148
155
150
140
180
190
145
150
164
140
142
136
123
155
130
120
130
131
120
118
125
135
125
118
122
115
102
115
150
110
116
108
95

90
78
68
86
76

92
80
68
84
76

2
2
2
2
2

1
2
2
2
2

2
2
2
2
2

64
68
62
67
61.75

125
133
110
150
108

Anch.

Altu.
171
171
170
170
176
169
169
178
172
172
169
169
178
172
170
170
170
171
170
171
171
175
175
175
175
186
186
185
155
155
155
155
160
170
170
170
170

Malete.
143
143
144
144
139
141
141
143
137
138
141
139
143
137
139
139
139
139
139
135
133
141
141
141
139
142
142
133
135
135
135
135
135
140
140
146
140

Peso
320
320
525
525
504
430
430
510
295
250
430
370
510
230
435
435
435
435
435
230
405
460
460
460
460
500
500
320
265
265
265
265
265
343
343
488
343

Consumo
1140
1160
1205
1290
1500
1270
1330
1440
1190
1370
1430
1560
1540
1400
1190
1205
1240
1315
1330
1450
1460
1360
1480
1565
1650
1725
1790
1865
690
690
690
705
772
935
960
1015
1030

6.3
6.1
6.4
7.3
7.5
6.4
6.7
7
6
6.7
7.9
7.7
8
7.9
5.6
5.7
6.4
6.8
6.6
6.8
6.5
6.6
6.8
8
9
8
8.5
8.5
4.6
4.5
4.5
4.6
5.1
5.4
5.4
5.5
5.6

Velo.max
Acele.
178
12.5
185
11
191
11.8
215
8.4
240
8
200
9.8
220
8
209
9.9
196
10.9
222
8
210
9.5
242
6.1
218
9.1
212
9.5
195
12.7
201
11.3
213
10.2
214
10
233
8
229
8.6
250
6
211
10.6
230
8.6
235
7.7
250
5.9
235
8.3
250
6.9
250
6
151
17.4
167
11.9
167
11.9
151
17.4
176
10
172
11.9
172
11.9
165
13.6
188
10.2

172
170
175
175
175
175
179
179
194
192
149
156
162
162
162
162
177
170
170
170
169
169
169
176
182
160
160
160
160
163
168
168
168
168
177
175
175
176
173
170
170
169
169
171
178
181
162
162
168
177

137
140
139
138
138
139
138
146
117
130 *
143
141
145
145
145
144
134
144
145
143
144
144
144
143
171
132
132
132
132
133
135
135
135
135
131
137
137
139
142
135
135
125
139
138
139
140
139
139
138
141

343
343
480
480
480
480
455
720
220
170
271
275
275
275
275
295
350
350
350
500
500
500
500
340
250
250
250
250
250
490
380
490
380
360
480
480
490
267
190
190
300
370 *
405
436
430
303
303
352
373

1150
1035
1170
1176
1238
1325
1310
1505
1350 *
1690
675
760
840
880
965
1000
1250
1030
1050
1150
1030
1035 *
1140
1220
1510
785
825
830
925
955
1065
1085
1120
1165
1215
1215
1287
1245
1275
925
985
1050
1240
1295
1550
905 *
905 *
1130
1280

5.9
4.4
5.8
6.1
6.2
6.4
6.5
8

220
167
175
187
198
213
205
217
295
302
127
152
150
170
178
200
208
161
170
183
163

11.6
4.3
4.8
4.7
5.3
6
5.5
7
5.4
6.1
6.9
5.4
*
6.7
6.4
7.2
5.1
4.4
5.6
6.2
6.3
5.4
5.5
6.3
6.1
6.1
5.5
6.3
6.2
7.9
5.4
5.9
6.4
6.3
6.5
7.1
8.3

7
6.5

8.5
13.7
13.4
11
10.1
9.6
9.8
10.1
4.7
5.2
28
16
16.5
12
11.5
8
9.2
15.5
12.4
12
14.4
*

188
190
177
143
153
167
177
200
153
177
187
208
204
180
204
192
232
170
195
190
172 *
197
200
223
174
176
189
192

12
10.5
13.1
18.1
14.8
12.8
11.2
8.5
17.7
12.3
10.6
8.7
10.6
13.5
9.6
11.2
6.1
11.3
8.7
9.3
10.8
10.2
8.1
12.8
11.7
10
10.2

179
179
162
162
151
170
170
176
170
170
175
175
171
177
185
165
167
175
170
172
172
172
174
174
174
189
174
189
174
189
189
169
173
158
158
167
167
167
170
170
168
169
171
169
161
161
161
161
169
169

138
138
133
140
143
140
140
140
143
143
143
143
131
130
130
147
123
140
136
142
142
142
143
143
143
149
143
150
143
150
150
136
140
143
143
139
139
139
139
139
131
183
182
183
142
142
142
142
141
141

430
430
330
440
195
320
320
320
480
480
550
550
400
420
420
290
135
452
450
430
430
430
520
520
520
525
520
525
520
525
525
240
450
206
206
440
431
431
480
480
328
750
750
750
260
280
280
260
360
360

1800
1825
920
920
800
1100 *
1200
1250
1140
1260
1250
1330
1335
1400 *
1415
835
990
4455
1230
1350
1365
1410
1360
1370
1490
1890
1490
1890
1620
2000
2180
945
1270
795
810
1075
1075
1105
1075
1160
1150
1405
1485
1480 *
835
870
885
905
930
1005

7.8
8
5.9
5.8
4.7

211
219
145
150
150
*

7.3
7.2
5.2
6.8
6.7
7.7
10.5

*
185
206
180
210
190
220
230
258
270
164
197
200
216
193
198
210
200
210
230
215
235
225
250
250
250
190
205
150
170
177
184
168
190
205
210
150
170

9.1
5.3
6
6.1
6.3
6.4
6.5
6.5
6.6
6.6
7.9
8.6
8.2
10.3
9.4
10
11.8
5.6
6.3
4.8
4.9
5.1
5.3
4.5
5.4
6.3
6.5
7.8
8.3
*
5.2
5.2
6
5.3
5.1
5.7

9
9
16
14
15.8
11.8
9.6
13.4
9.4
12.6
8.1
6.2
5.7
5.3
11.4
8.7
10.4
9.3
12.2
10.8
10.4
11.5
10.6
9.1
10.8
8.3
8.9
7.2
8.3
6.5
9.8
9.8
16.4
12
12.6
11.2
17
10.6
10
8.2
18
13
*

145
145
145
192
160
175

19.5
19.5
18
9.8
16
13

169
169
169
169
170
170
170
170
169
179
179
157
157
158
157
157
169
169
169
169
169
169
169
180
180
182
173
177
163
170
170
170
170
170
173
173
175
175
181
181
181
183
183
156
168
168
168
168
168
171

141
141
141
141
140
140
140
140
132
145
145
137
137
140
137
137
138
138
138
138
138
141
141
142
142
171
125
131
142
141
141
141
141
141
143
139
143
143
141
141
141
152
153
138
140
140
140
140
140
142

500
360
360
360
530
530
530
530
300
530
530
215
215
215
290
290
340
340
340
340
340
470
470
497
497
340
250
123
168
463
386
386
463
463
674
420
452
452
480
480
480
380
380
230
357
357
357
410
410
520

1090
1095
1150
1070
1150
1240
1290
1180
1220
1455
1605
760
820
860
765
880
1020
1020
1060
1060
1080
1100
1125
1325
1430
1510
1320
1470
790
965
945
1025
1030
1080
1065
1125
1240
1280
1380
1465
1565
2430
2640
835
1030 *
1170
1170
1020
1170
1075

5.3
6.1
6.1
4.5
5.8
6
6.7
4.8
6.1
6.6
7.2
5.1
5.3
3.7
5.2
3.9
5
5
5.4
5.4
4.6
5.5
4.9
6.8
4.9
7.2
7.2
8.3
5.1
5.3
5.1
6
4.6
4.4
5.9
4.5
6.3
6.1
7
8.2
5.5
11.5
12
5
6
4.3
5.5
5.8
6.8

190
200
200
164
198
210
233
176
205
210
240
150
172
155
164
156
165
165
180
180
162
185
165
199
192
177
252
280
150
155 *
173
181
161
183
185
170
180
200
189
220
195
210 *
200 *
166
163
202
175
180
202
180

11.5
9.5
9.5
16
10.5
9.5
7.8
14.5
10
11
8.8
19.2
13.1
16.9
13.9
15.1
14.9
14.9
12.9
12.9
16.9
11.9
16.4
12.1
11.6
13.1
6.5
4.8
14
12.2
10.7
15.7
11.3
10.7
12.5
13.9
10.6
11.9
9.6
12.9

10.7
13.6
8.8
13.6
11.4
8.8
10.5

172
172
173
173
171
171
171
176
176
150
164
164
164
164
164
164
164
164
164
164
164
164
164
166
166
166
157
157
175
169
169
177
179
165
165
165
165
169
169
169
169
170
169
169
169
169
172
172
172
169

138
138
139
139
144
144
144
142
142
144
142
142
142
142
142
142
142
142
142
141
141
141
141
142
142
142
135
135
130
141
141
140
142
142
142
142
142
140
140
140
140
140
140
142
142
142
143
143
143
131

430
430
530
530
451
451
451
485
560
262
270
270
270
270
270
270
270
270
270
455
455
455
455
550
550
550
363
365
283
470
470
515
404
245
245
245
245
400
400
400
400
400
400
550
550
550
495
495
495
370

1255
1320
1460
1460
1285
1285
1285
1355
1355
680
895
905
930
905
930
985
1030
1000
1030
1020
1030
1080
1100
1090
1105
1105
730
780
1250
1085
1150
1180
1680
955
955
970
990
1000
1045
1035
1140
1195
1085
1060
1075
1105
1220
1240
1365
1175

6.5
6.9
7.5
4.9
7
6.6
7
6.9
6.9
5.1
5.4
5.3
5.3
5.6
5.6
5.5
5.7
4.4
4.4
5.3
5.6
5.6
4.5
5.5
6.3
4.2
4.1
4.7
6.5
5.5
5.9
6.5
7.8
5.3
4.9
4.9
5.3
5.2
5.3
5.6
5.8
6.3
4.3
5.8
6
6
5.8
6
7.4
6

196
217
214
190
200
210
225
210
210
135
138
157
157
170
170
182
195
161
165
157
170
182
161
182
196
165
145 *
165 *
225
195
205
205
230
145
156
156
172
157
168
180
198
215
156
168
180
198
178
195
224
208

10.8
8.8
8.9
11.3
11
10
9.2
10
10
19.2
22.3
15.8
15.8
12.1
12.1
11.4
10.3
15.2
14.4
16.1
12.5
11.7
16.5
12
10.5
16.5

8.1
11.3
9
9.7
8.8
21.4
16.3
16.3
12.5
16.7
14
12.1
10.9
8.7
17.6
14.4
12.5
10.4
14.4
11.8
8.7
9.3

169
169
169
169
171
176
176
175
175
175

139
139
139
139
133
140
140
141
141
141

330
330
400
400
160
514
514
500
500
491

1020
1035
1035
1060
1030
1300
1330
1370
1400
1600 *

5.1
5.8
5.1
6.4
5.9
6.4
6.6
7.1
7.1

175
185
175
200
185
203
215
190
200
210

11.5
10.5
11.5
9
10.5
10.3
8.9
11.2
9.6
9.7

ARCHIVO REHEAT.MTW de Minitab

Activity
2
2
3
1
2
1
3
2
2
2
1
2
3
2
3
3
2
3
2
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2

Son datos de productos congelados, se quiere determinar cuanto tiempo toma y la temperatura
de coccin de un plato congelado, de forma que el sabor obtenido sea el mejor.
Se hacen experimentos con los resultados evaluados en base a la calidad del plato de 0 a 10.
Operator
A
B
A
B
A
A
B
A
B
A
A
B
B
B
B
B
A
A
A
A
B
A
B
B
B
B
B
B
B
A
B
A
A
A

Temp
350
350
350
350
350
350
350
350
375
375
375
375
375
375
375
375
400
400
400
400
400
400
400
400
425
425
425
425
425
425
425
425
450
450

Time
24
26
28
30
32
34
36
38
24
26
28
30
32
34
36
38
24
26
28
30
32
34
36
38
24
26
28
30
32
34
36
38
24
26

Quality
0.1
0.2
1.1
1.5
3.8
5.4
6.9
6.6
0.2
0.2
0.7
2.9
5.2
6.9
7
6.9
0
0.7
1.4
3.8
6.8
8
7.4
7.2
0.2
0.2
1.8
4.8
6.5
8.5
8.4
7.3
0.4
1.9

2
2
2
2
2
3
2
3
3
3
2
3
3
2
2
2
0
3
2
2
2
3
2
1
2
2
2
3
2
2
2
2
2
3
2
2
2
2
2
2
1
3
2
2
2
2
2
1
3
3

B
A
A
B
A
B
A
B
A
B
A
B
A
A

450
450
450
450
450
450
475
475
475
475
475
475
475
475

28
30
32
34
36
38
24
26
28
30
32
34
36
38

5
7.2
7.8
7.2
5.7
3.9
0.3
4.4
6.7
6.9
5.8
4.1
0.4
0.2

1
1
2
3
2

Raiz cuadrada de Pot.(CV)

Pot2
9.4868
10.1489
10.7238
12.8841
14.4914
11.5326
13.1909
12.2474
10.7238
12.2474
12.2474
15.1658
13.1909
12.2474
10.0995
10.7238
11.8322
12.2474
13.8564
13.8564
16.9115
10.6301
13.8564
14.7648
18.4391
14.7648
16.9115
19.4936
7.0711
7.746
7.746
7.746
8.6603
8.6603
8.6603
8.6603
10.1489

12.2474
8.4261
9.4868
10.1489
11.0905
12.2474
11.619
13.0384
19.4936
21.0238
5.5678
7.1414
7.4162
8.6603
9.3808
11.6619
11.9164
8.4261
8.7178
10.247
8.4261
9.4868
10.247
10.8167
11.0905
7.0711
7.746
8.6603
9.4868
11.4018
7.746
9.4868
10.247
12.2474
10.7238
9.4868
11.6619
10.9545
15.0665
8.6603
11.1803
11.1803
9.4868
10.7238
11.6619
14.2829
9.0554
9.4868
11.225
11.7898

14.1421
14.9332
7.8102
8.2462
7.1414
8.4261
10.0499
11.7898
9.4868
11.7898
10.8167
13.2288
15
16.7033
18.0555
8.544
11.5326
10.8167
12.083
11.0454
11.6619
12.2474
11.6619
12.2474
13.8924
13.8924
14.8324
15.1987
16.7033
17.8885
19.8494
10.6301
11.7047
7.4162
8.6603
9.3274
10.0995
8.6603
10.0995
11.1803
11.9583
9.8995
11.225
8.6603
6.7082
6.7082
7.746
10.2956
7.746
9.0554

10
10.7238
10.7238
8.2462
10.7238
11.6619
13.0384
9.0554
10.7238
11.6619
14.5258
7.0711
8.6603
7.6158
7.746
7.746
8.6603
8.6603
9.4868
9.4868
8.4261
10.1489
8.3666
11.0905
10.4881
11.0905
15.4919
18.9737
7.4162
7.746
8.9443
9.7468
8.0623
9.6437
9.7468
8.6023
9.7468
10.7238
10.4881
13.0384
10.7238
15
15
8.6603
8.6603
11.6619
9.3808
10.1489
11.6619
10.198

10.7238
12.5698
13
10.8628
11.4018
12.2474
13.0384
12.083
12.083
6.4807
6.7082
7.746
7.746
8.6603
8.6603
9.4868
10.7238
8.2462
8.6603
7.746
8.6603
9.4868
8.2462
9.4868
10.7238
8.2462
7.4833
8.4261
13.2288
10.7703
11.5326
11.6619
14.5602
6.7082
7.4162
7.4162
8.6603
7.746
8.6603
9.4868
10.7238
12.2474
8
8.6603
9.4868
10.7238
9.4868
10.7238
13.1909
11.619

9.4868
10.4881
9.4868
10.9545
10.4881
12
13.0384
10.7703
12.4499
13.0384

po toma y la temperatura

idad del plato de 0 a 10.

ARCHIVOS DE DATOS PARA EL MDULO 3

Mapa de archivos
DETERGENTE PULSE

ARCHIVO DETERGENTE.MTW
Contiene datos de peso en gramos de 500 paquetes de detergente con peso nominal de 4 grs.
indicando en cul de las 2 lneas se ha llenado:
Peso en gr Lnea de llenado
3996
2
3935
1
4093
2
3993
1
4041
1
4034
2
4047
1
4085
2
4096
2
3971
1
4036
1
3951
1
4068
2
4051
2
4079
2
4042
2
4082
2
4128
2
4082
1
3895
1
3954
1
4022
1
4091
2
4113
1
4082
2
3995
1
3986
1
4065
1
4057
2
4179
2
4022
2
4057
2
4099
2
3980
1
4054
1
4162
2
4113
2

4048
4061
4142
4008
4100
3892
3965
4105
4034
4173
4109
4104
4143
3959
3975
4009
3968
4008
4014
4121
3903
4096
4160
3954
4176
4039
3952
4170
3988
4064
3948
3992
4106
3956
4146
3971
4040
3980
4060
4090
4003
4038
3925
4048
4145
3982
3899
4128
3927
4174

2
2
2
2
2
1
1
2
1
2
2
2
2
1
1
1
1
1
1
2
1
2
2
1
2
2
1
2
1
2
1
1
2
1
2
1
1
1
2
2
1
1
1
1
2
1
1
2
1
2

4023
3938
3986
4046
4115
4096
3965
3926
3988
3946
4154
3976
4009
3943
4107
4070
4119
4016
3995
4021
4027
3957
4094
4031
4008
4062
3978
3928
4057
4052
3969
4065
4062
4090
4063
4131
3973
4059
3980
4090
4015
4005
4017
4028
4043
4078
4069
4058
4032
4005

1
1
1
2
2
2
1
1
1
1
2
1
2
1
2
1
2
2
1
2
2
1
2
2
2
1
1
1
1
1
1
2
1
2
2
2
2
2
1
2
1
2
1
2
1
2
2
1
2
2

4098
4047
4097
4021
3925
3960
4157
4026
3930
3969
4070
3935
4022
4040
4126
4120
4065
4034
4076
4025
4090
4052
4117
4086
4142
4118
4183
4112
4055
4012
3976
3973
4148
4121
3958
4020
4036
4000
4067
4075
3981
3997
4008
4036
4079
3986
4123
3994
4158
4002

2
1
2
1
1
1
2
1
1
1
1
1
2
1
2
2
2
2
1
2
2
1
2
2
2
2
2
2
1
2
1
1
2
2
1
1
1
1
1
2
1
1
1
1
2
1
2
2
2
1

4042
4023
4111
4187
3970
4046
4086
4040
4039
3934
3984
3993
4042
3927
3928
4041
3987
3982
4095
4073
4196
4078
4068
4078
4143
3977
4069
4088
3956
4033
4088
4046
4044
4085
4029
4011
4173
4052
4105
4132
4094
4036
4009
4008
4063
4092
4030
4042
4008
4087

2
2
2
2
1
1
2
2
1
1
2
1
1
1
1
1
1
1
2
2
2
2
1
1
2
1
2
1
2
1
2
1
2
2
1
2
2
1
1
2
2
2
2
1
1
2
1
1
1
2

4002
4074
4050
4106
4092
4056
4064
4068
3969
4061
4138
4125
3997
3944
4047
4020
3896
4119
4005
3903
4143
4085
4041
3971
4087
4097
3945
4077
4044
4098
4069
4056
4015
3982
4181
4046
4061
3958
4018
4173
4020
4097
4029
4107
3957
4158
4098
3975
4042
4024

1
2
2
1
2
2
1
2
1
1
2
2
2
1
2
1
1
2
1
1
2
1
1
1
2
1
1
2
2
2
2
2
1
2
2
1
2
1
1
2
1
2
1
2
1
2
2
2
1
1

4111
4048
4015
4050
4076
4134
4047
4041
4055
4080
4008
4082
3958
3965
4038
4070
3967
4094
4006
4130
4047
4069
4172
3979
3997
4123
4188
4118
4033
4043
3966
4162
4035
4057
3889
3987
4050
3973
4067
4159
4022
4134
3978
4002
3991
4069
4059
3953
4156
4077

2
2
1
1
2
2
2
2
2
2
1
2
1
2
1
1
1
2
2
2
1
1
2
1
1
2
2
2
2
1
1
2
2
2
1
1
1
1
2
2
1
2
1
1
1
1
2
1
2
2

4030
3975
4133
4030
4070
3983
4025
4115
4135
4085
3980
4015
4091
4110
3957
3962
3983
4069
4073
4054
4016
4143
4032
3998
3968
4004
4083
4019
4185
3988
3952
4120
4025
4053
3998
3982
4160
4153
4120
3962
4093
4155
4086
4006
4035
4056
4088
4060
3877
4060

2
1
2
2
2
1
1
2
2
2
1
1
2
2
1
1
1
1
2
2
1
2
2
1
1
2
2
1
2
2
1
2
2
2
1
1
2
2
2
1
2
2
2
1
2
2
2
2
1
1

4027
3954
3968
4083
3999
4125
4036
3914
3964
3976
4031
4015
4141
4101
4043
3946
3989
3956
3977
4053
3977
4082
4119
3971
4009
4098
3948
3983
4064
4022
4102
3894
3985
3961
4195
4066
4018
4126
3988
4103
4070
4158
4083
4049
3999
4094
4070
4000
4151
4013

1
2
1
2
1
2
1
1
2
1
1
1
2
2
1
1
1
1
1
1
1
2
2
1
1
2
1
1
1
2
1
1
1
1
2
1
1
2
1
2
1
2
2
2
2
2
2
2
2
1

4013
4067
3978
3982
4080
4096
4202
3975
4021
4004
4080
4136
4063
4139
4016
4047
4068
4067
4114
3993
4018
3890
3927
4059
4004
4048
3989
4027
4024
3923
4081
4103
4013
4094
3933
4101
4134
3892
4175
3927
3984
3898
4109
4100
4073
4101
4005
4125
4036
4146

1
1
1
1
2
2
2
1
1
1
2
2
2
2
1
1
1
2
2
1
1
1
1
1
2
1
1
1
1
1
2
2
2
1
1
2
2
1
2
1
1
1
2
2
1
2
1
2
1
2

4029
4102
4019
4074
3962
3925
4039
3929
4008
4064
4001
3992
4029

1
2
2
2
1
1
2
1
1
2
1
1
2

ARCHIVO PULSE.MTW
Contiene el pulso de personas por sexo, si corren o no etc.
Pulse1
64
58
62
66
64
74
84
68
62
76
90
80
92
68
60
62
66
70
68
72
70
74
66
70
96
62
78
82
100
68
96
78
88
62
80
62
60
72
62

Pulse2
88
70
76
78
80
84
84
72
75
118
94
96
84
76
76
58
82
72
76
80
106
76
102
94
140
100
104
100
115
112
116
118
110
98
128
62
62
74
66

Ran

Smokes
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2

Sex
2
2
1
1
2
2
2
2
2
2
1
2
1
2
2
2
1
1
1
2
2
2
2
1
2
2
1
2
1
2
2
2
1
1
2
2
2
1
2

Height
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1

66
72
73.5
73
69
73
72
74
72
71
74
72
70
67
71
72
69
73
74
66
71
70
70
75
61
66
68
68
63
70
68
69
69
62.75
68
74
71
69
70

Weight
140
145
160
190
155
165
150
190
195
138
160
155
153
145
170
175
175
170
180
135
170
157
130
185
140
120
130
138
121
125
116
145
150
112
125
190
155
170
155

Activity
2
2
3
1
2
1
3
2
2
2
1
2
3
2
3
3
2
3
2
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
2
2
2

76
68
54
74
74
68
72
68
82
64
58
54
70
62
48
76
88
70
90
78
70
90
92
60
72
68
84
74
68
84
61
64
94
60
72
58
88
66
84
62
66
80
78
68
72
82
76
87
90
78

76
66
56
70
74
68
74
64
84
62
58
50
62
68
54
76
84
70
88
76
66
90
94
70
70
68
84
76
66
84
70
60
92
66
70
56
74
72
80
66
76
74
78
68
68
80
76
84
92
80

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

2
1
1
2
2
2
1
2
1
2
2
2
1
1
1
2
2
2
1
2
1
2
1
1
2
2
2
2
2
2
2
2
1
2
2
2
1
2
2
2
2
2
2
2
2
2
1
2
1
2

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

72
67
69
73
73
71
68
69.5
73
75
66
69
66
73
68
74
73.5
70
67
72
75
68
69
71.5
71
72
69
67
68
66
65.5
66
62
62
63
67
65
66
65
65
65
64
67
69
68
63
62
63
64
68

215
150
145
155
155
150
155
150
180
160
135
160
130
155
150
148
155
150
140
180
190
145
150
164
140
142
136
123
155
130
120
130
131
120
118
125
135
125
118
122
115
102
115
150
110
116
108
95
125
133

2
2
2
3
2
3
3
3
2
3
3
2
2
2
0
3
2
2
2
3
2
1
2
2
2
3
2
2
2
2
2
3
2
2
2
2
2
2
1
3
2
2
2
2
2
1
3
3
1
1

68
86
76

68
84
76

2
2
2

2
2
2

2
2
2

62
67
61.75

110
150
108

2
3
2

ARCHIVOS DE DATOS PARA EL MDULO 4

Mapa de archivos
PESOS
PULSE
PUNTOS_RX
CEREBRO
RESIDUOS
Ejemplo: Una lnea de llenado de paquetes debe llenar 4 kg en cada uno. Se toman
20 muestras y se pesan en gramos:

Pesos
4035
3928
3974
4024
3949
4017
4009
3983
3969
3979
3970
3997
3955
3984
4034
3964
3969
3995
3991
3988

ARCHIVO PUNTOS_RX.MTW
X

Y
1.0419
0.2313
3.9113
3.913
4.1251
0.6399
4.9837
2.9609
0.1064
3.2944
1.7959
4.4906
1.3232
0.406

13.023
16.4953
28.8893
32.8623
35.7745
17.0317
34.0061
27.0021
10.2112
21.7729
22.7822
29.0109
18.524
17.7324

ARCHIVO CEREBRO.MTW
Nombre
Peso total (kgPeso cerebro (g)
Zorro blanco
3.38
44.5
Bho
0.48
15.5
Castor
1.35
8.1
Vaca
465
423
Lobo gris
36.33
119.5
Cabra
27.66
115
Corzo
14.83
98.2
Cobaya
1.04
5.5
Vervet
4.19
58
Chinchilla
0.43
6.4
Ardilla
0.1
4
Ardilla rtica
0.92
5.7
Rata africana
1
6.6
Musaraa
0
0.14

0.7498
3.7309
1.3626
0.3194
4.9198
4.9699
1.2351
4.3841
3.0166
2.0734
4.174
1.7504
3.7985
4.8115
1.439
4.879
4.8717
3.9591
4.8814
0.1703
1.2865
0.8069
0.8631
2.8896
1.2012
0.1498
3.7274
0.9256
0.6973
2.1619
0.2435
0.4348
4.3498
3.7273
0.911
3.8812
2.5
12

ARCHIVO RESIDUOS.MTW

14.1805
31.8958
21.8475
19.0498
34.9526
38.4555
16.9255
30.4883
25.0134
22.4536
29.1249
21.9985
26.2615
35.2962
20.4422
38.1152
34.8812
30.6333
32.5794
8.9585
19.5526
18.3349
17.1237
27.2717
22.8602
15.2259
29.776
13.7623
12.6159
23.1912
18.0998
15.423
27.8229
28.1968
18.2094
30.1827
40
60

Topo
Armadillo
Tree Hyrax
Zarigeya
Elefante asiti
Gran murcilag
Burro
Caballo
Erizo
Patas monkey
Gato
Galago
Jineta
Jirafa
Gorila
Foca gris
Rock hyrax
Persona humana
Elefante africa
Zarigella de
Rhesus monkey
Canguro
Marmota
Hamster
Ratn
Pequeo murci
Slow loris
Okapi
Conejo
Oveja
Jaguar
Chimpance
Mandril
Erizo del desie
Armadillo gigan
Rock hyrax
Mapache
Rata americana
Topo del este
Topo rata
Almizcle
Cerdo
Echidna
Tapir
Tenrec
Phalanger
Tree shrew
Zorro rojo

0.06
3.5
2
1.7
2547
0.02
187.1
521
0.79
10
3.3
0.2
1.41
529
207
85
0.75
62
6654
3.5
6.8
35
4.05
0.12
0.02
0.01
1.4
250
2.5
55.5
100
52.16
10.55
0.55
60
3.6
4.29
0.28
0.08
0.12
0.05
192
3
160
0.9
1.62
0.1
4.24

1
10.8
12.3
6.3
4603
0.3
419
655
3.5
115
25.6
5
17.5
680
406
325
12.3
1320
5712
3.9
179
56
17
1
0.4
0.25
12.5
490
12.1
175
157
440
179.5
2.4
81
21
39.2
1.9
1.2
3
0.33
180
25
169
2.6
11.4
2.5
50.4

X
1.04185
0.23129
3.9113
3.913
4.12512
0.63987
4.98369
2.96085
0.10635
3.29437
1.79592
4.49059
1.32325
0.406
0.74985
3.7309
1.36255
0.31936
4.91976
4.96988
1.23507
4.38413
3.01659
2.07339
4.174
1.75039
3.79849
4.81151
1.43903
4.87897
4.87167
3.95905
4.88136
0.17029
1.28646
0.8069
0.86312
2.88961
1.2012
0.14982
3.7274
0.92558
0.6973
2.16195
0.24348
0.4348
4.34982
3.72729

Y
18.0899
16.0308
29.6501
29.7359
30.7384
17.3818
35.21
25.6314
15.4889
27.1189
21.2583
32.6554
19.1882
16.2046
17.4462
29.2728
19.2741
15.793
34.8713
34.7539
19.2883
32.2554
25.5766
21.586
31.4337
20.5674
29.2888
33.8393
19.3294
34.5135
34.0387
30.0292
34.7271
15.4243
18.8098
17.4371
17.7384
25.1772
18.8126
15.3833
29.1058
17.8978
17.6353
22.4571
15.8191
16.8297
31.6999
29.137

0.91105
3.88122

17.9504
29.7899

Peso cerebro (g)

ARCHIVO PULSE.MTW
Contiene el pulso de personas por sexo, si corren o no etc.
Pulse1

Pulse2

Ran

Smokes

Sex

Height

64
58
62
66
64
74
84
68
62
76
90
80
92
68
60
62
66
70
68

88
70
76
78
80
84
84
72
75
118
94
96
84
76
76
58
82
72
76

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

2
2
1
1
2
2
2
2
2
2
1
2
1
2
2
2
1
1
1

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

66
72
73.5
73
69
73
72
74
72
71
74
72
70
67
71
72
69
73
74

72
70
74
66
70
96
62
78
82
100
68
96
78
88
62
80
62

80
106
76
102
94
140
100
104
100
115
112
116
118
110
98
128
62

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2

2
2
2
2
1
2
2
1
2
1
2
2
2
1
1
2
2

1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
1

66
71
70
70
75
61
66
68
68
63
70
68
69
69
62.75
68
74

60
72
62
76
68
54
74
74
68
72
68
82
64
58
54
70
62
48
76
88
70
90
78
70
90
92
60
72
68
84
74
68
84
61
64
94
60
72
58
88
66
84
62
66
80
78
68
72
82

62
74
66
76
66
56
70
74
68
74
64
84
62
58
50
62
68
54
76
84
70
88
76
66
90
94
70
70
68
84
76
66
84
70
60
92
66
70
56
74
72
80
66
76
74
78
68
68
80

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

2
1
2
2
1
1
2
2
2
1
2
1
2
2
2
1
1
1
2
2
2
1
2
1
2
1
1
2
2
2
2
2
2
2
2
1
2
2
2
1
2
2
2
2
2
2
2
2
2

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

71
69
70
72
67
69
73
73
71
68
69.5
73
75
66
69
66
73
68
74
73.5
70
67
72
75
68
69
71.5
71
72
69
67
68
66
65.5
66
62
62
63
67
65
66
65
65
65
64
67
69
68
63

76

76

62

87
90
78
68
86
76

84
92
80
68
84
76

2
2
2
2
2
2

2
1
2
2
2
2

2
2
2
2
2
2

63
64
68
62
67
61.75

Weight
140
145
160
190
155
165
150
190
195
138
160
155
153
145
170
175
175
170
180
135
170
157
130
185
140
120
130
138
121
125
116
145
150
112
125
190

Activity
2
2
3
1
2
1
3
2
2
2
1
2
3
2
3
3
2
3
2
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1

155
170
155
215
150
145
155
155
150
155
150
180
160
135
160
130
155
150
148
155
150
140
180
190
145
150
164
140
142
136
123
155
130
120
130
131
120
118
125
135
125
118
122
115
102
115
150
110
116

2
2
2
2
2
2
3
2
3
3
3
2
3
3
2
2
2
0
3
2
2
2
3
2
1
2
2
2
3
2
2
2
2
2
3
2
2
2
2
2
2
1
3
2
2
2
2
2
1

108

95
125
133
110
150
108

3
1
1
2
3
2

ARCHIVOS DE DATOS DEL MDULO 5. PRUEBAS NO PARAMTR

Mapa de Archivos
RADON
EXH_STAT
CARTOON
EXH_TABL

ARCHIVO RADON.MTW
Se hace experimentos en una camara experimental usando
4 dispositivos diferentes y se mide la radiacin por el dispositivo
Filter
26
21
16
28
27
19
21
26
25
16
20
25
25
21
23
26
21
23
17
25

Membrane Open Cup

45
36
33
34
26
33
46
29
25
30
32
36
33
28
22
34
30
34
26
33
37
33
34
29
44
28
43
27
35
27
38
30
38
29
45
28
39
31
39
27

Badge
21
23
27
29
24
26
27
26
24
25
31
28
30
30
31
29
29
29
30
28

ARCHIVO EXH_STAT.MTW
Values

Mat-A
4.9
5.1
4.6
5
5.1
4.7

Mat-B
13.2
8.2
10.9
14.3
10.7
6.6

PriceIndex
14
8.8
11.2
14.2
11.8
6.4

0
50
56
72
80
80

Achievement DBP1
77
88
85
74
75
62

90
72
61
66
81
69

4.4
4.7
4.6

9.5
10.8
8.8
13.3

ARCHIVO CARTOON:MTW

9.8
11.3
9.3
13.6

80
99
101
110
110
110
120
140
144
145
150
180
201
210
220
240
290
309
320
325
400
500
507

80
70
83

59
70

Pruebas OTIS

ID

Color
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

ED
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

Location
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

Otis
1
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

Cartoon1
107
106
94
121
86
99
114
100
85
115
101
84
94
87
104
104
97
91
83
93
92
91

4
9
4
8
5
7
8
2
3
8
7
7
4
1
9
5
6
1
4
0
2
5

23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72

0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

3
3
3
3
3
1
1
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2

88
90
103
93
106
98
103
109
107
108
107
87
113
80
91
102
83
108
86
96
101
97
88
104
87
86
90
102
105
115
88
111
95
104
79
82
123
106
125
98
95
129
90
111
99
116
106
107
100
124

2
5
6
9
2
3
6
5
8
8
3
6
5
0
5
8
4
9
4
6
5
6
3
4
7
1
6
6
2
7
4
8
5
5
7
3
8
9
9
7
7
9
7
6
4
9
8
8
7
8

73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122

0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2

3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4

98
124
84
91
118
102
95
90
86
104
111
105
110
80
78
120
110
107
125
117
126
98
111
110
120
114
117
105
97
86
111
93
115
102
111
82
117
132
113
130
122
133
103
118
119
97
123
113
110
119

6
9
1
8
6
6
7
4
1
6
9
1
1
0
4
9
9
8
7
9
8
4
8
8
9
8
6
7
6
1
7
1
8
2
7
1
8
9
7
9
9
9
7
9
9
8
9
8
8
8

123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4

116
113
128
113
110
114
132
110
122
123
131
131
121
125
101
120
99
128
129
125
107
102
125
129
122
124
115
117
132
109
107
116
118
124
102
110
119
99
102
115
105
104
112
117
108
135
133
105
124
112

5
8
9
8
5
7
9
7
7
9
9
9
9
9
6
8
9
8
8
8
8
8
9
8
3
7
8
8
7
8
9
8
8
9
9
9
7
3
7
7
8
7
7
9
9
8
8
6
7
9

173
174
175
176
177
178
179

ARCHIVO EXH_TABL.MTW

1
1
1
1
1
1
1

2
2
2
2
2
2
2

4
4
4
4
4
4
4

128
96
110
108
125
111
103

(Una parte)

Democrat
28
22

Republican Other
18
27

Outcomes
4
1

Observed
0
1
2
3
4
5

39
166
298
305
144
48

9
8
8
8
7
4
4

S NO PARAMTRICAS

DBP2

Growth
62
85
78
66
80
91

Treatment
15.1
13
16.2
14.9
13.2
13.8

1
1
3
1
1
3

EnzymeActivity
0.15
0.26
0.23
0.99
0.55
0.26

69
77
84

Real1

13.1
13
12.9
11.9
17
12.8
14.7
12
15

2
2
2
1
3
2
3
2
3

16.5

Cartoon2
4 *
9
2
8
5 *
8
9
1 *
2 *
7
6 *
5 *
3 *
3
9
6 *
5 *
0 *
4 *
1 *
2 *
2

Real2
*
6
3
6

5
0
8
*

7
5

5
4
*
*

5
*
*
*

2
5

0
6
*
*
*
*
*
*

-0.22
0.99
0.55
0.66
0.77
0.99

1
4
2
9
0
3
5
4
8
8
2
4
4
3
6
9
1
9
4
3
3
3
1
2
3
1
5
2
2
8
3
8
4
5
4
2
8
7
9
6
7
9
6
2
5
7
7
5
6
9

*
4

3
*

8
6
*

4
3
*

2
1
*

2
2
*

7
*

6
*

2
4
1
*

2
4
1
*

5
2
*
*
*
*

5
1
*
*
*
*

4
2
2
*
*

4
0
0
*
*

4
*
*
*
*
*
*
*

1
*
*
*
*
*
*
*

6
*

4
*

7
8
4
*

5
6
3
*

4
7
3
3
3
7
6
*

4
7
5
1
1
7
4
*

2
3

1
5

7
6
4
3
6
4
4
3
0
4
9
0
0
0
1
9
6
6
8
9
8
5
6
7
7
7
7
6
6
1
5
0
7
3
3
1
5
9
8
7
9
9
5
9
9
8
9
7
7
7

1
6
*
*

1
5
*
*

3
*
*
*
*
*

4
*
*
*
*
*

6
*

3
*

0
0
1
*

0
0
1
*

6
*
*
*

5
*
*
*

5
*
*
*
*

5
*
*
*
*

6
*
*
*
*
*
*
*

4
*
*
*
*
*
*
*

5
4
*

2
4
*

4
*
*

3
*
*

1
6
*

4
4
*

3
*

0
*

7
6
7
6
3
6

8
4
4
6
5
6

7
6
9
5
7
6
8
8
7
9
9
9
8
8
6
9
6
9
6
6
8
7
8
8
0
6
8
6
6
5
5
7
5
9
5
7
5
2
8
7
6
6
7
9
9
8
8
4
7
9

*
5

5
*

4
*

2
*

5
4
2
4
6
7
8
7
*

5
6
5
2
7
7
8
8
*

4
6
*

6
7
*

8
5
7
8
6
*
*

7
2
4
5
4
*
*

2
6
*

3
7
*

5
5
5
9
6
6
6
5
7
2
4
5
*

2
7
5
2
5
5
7
2
7
4
0
6
*

3
*
*

0
*
*

6
*

5
*

8
7
5
9
9

8
7
3
8
8

9
8
8
8
6
3
3

9
7
4
6
8
4
2

9
6
5
8
8
1
1

MAPA DE ARCHIVOS
CAMSHAFT RR_CRUZ GAGEAIAG RR_ANID
VITA_C
HUMEDAD TILES
MOTORES
CLORO
VISITAS
TEJIDO
BANCO

GAGELIN
PINTADO_HORNO

ARCHIVOS DE DATOS DEL MDULO 6. CEP

ARCHIVO CAMSHAFT
Length
601.4
601.6
598
601.4
599.4
600
600.2
601.2
598.4
599
601.2
601
600.8
597.6
601.6
599.4
601.2
598.4
599.2
598.8
601.4
599
601
601.6
601.4
601.4
598.8
601.4
598.4
601.6
598.8
601.2
599.6
601.2
598.2
598.8
597.8
598.2
598.2

ARCHIVO RR_CRUZ.MTW
Supp1
598
599.8
600
599.8
600
600
598.8
598.2
599.4
599.6
599.4
599.4
600
598.8
599.2
599.4
599.6
599
599.2
600.6
598.8
598.8
599.8
599.2
599.4
600
600.2
600.2
599.6
599
599
599.8
600.8
598.8
598.2
600
599.2
599.8
601.2

Supp2
601.6
600.4
598.4
600
596.8
602.8
600.8
603.6
604.2
602.4
598.4
599.6
603.4
600.6
598.4
598.2
602
599.4
599.4
600.8
600.8
598.6
600
600.4
600.8
600.8
597.2
600.4
599.8
596.4
600.4
598.2
598.6
599.6
599
598.2
599.4
599.4
600.2

Pieza

Operario
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
5
5
5

1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1

598.2
601.2
600
598.8
599.4
597.2
600.8
600.6
599.6
599.4
598
600.8
597.8
599.2
599.2
600.6
598
598
598.8
601
600.8
598.8
599.4
601
598.8
599.6
599
600.4
598.4
602.2
601
601.4
601
601.2
601.4
601.8
601.6
601
600.2
599
601.2
601.2
601.2
601.2
601
601
601.4
601.4
598.8
598.8

600.4
600.2
599.6
599.6
599.6
600.2
599.2
599
599.6
600.4
600
599
599.6
599.4
599.2
597.8
600.4
599.6
600
600.8
600.4
599.4
599
598.4
599
599.6
598.8
599.2
599.6
598.6
599.8
599.6
599.2
599.6
600.2
599.8
599.6
600
599.6
599.2
598.6
599.6
601.2
599.6
600.2
600
600
599.4
599.8
599.2

599
599.4
598
597.6
598
597.6
601.2
599
600.4
600.6
599
602.2
599.8
599.8
601
601.6
601.6
600.2
601.8
601.2
597.6
599.8
602.8
600
599.6
602.2
603.8
603.6
601.8
602
603.6
600.8
600.2
600.4
600.2
602.2
598
598.4
600.8
602.8
597.6
601.6
603.4
597
599.8
597.8
602.4
602.2
600.6
596.2

5
5
5
5
5
5
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
9
10
10
10
10
10
10
10
10

2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3

598.8
598.2
601.8
601
601.4
601.4
599
601.4
601.8
601.6
601.2

599.6
599.4
600
600
599.2
599.4
599.6
599.8
599
599.6
599.4

602.4
601.4
599.2
601.6
600.4
598
601.2
604.2
600.2
600
596.8

10

ARCHIVO VITA_C.MTW
Contiene datos de muestras de 5 comprimidos tomados cada 15 minutos durante un periodo de 10 horas
estos datos se muestran en la columna de Pesos
Peso
3.254
3.224
3.272
3.227
3.249
3.226
3.208
3.201
3.254
3.231
3.25
3.236
3.244
3.275
3.194
3.225
3.253
3.203
3.261
3.261
3.252
3.245
3.23
3.263
3.221
3.228
3.206
3.236
3.241
3.257
3.221

ARCHIVO CRANKSH.MTW
Representa los movimientos hacia arriba y hacia abajo
de una lnea de referencia por una flecha

AtoBDist
Month
-0.44025
5.90038
2.08965
0.09998
2.01594
4.83012
3.78732
4.99821
6.91169
1.93847
-3.09907
-3.18827
5.28978
0.56182
-3.1896
7.93177
3.72692
3.83152
-2.17454
2.81598
4.52023
3.95372

Day
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
10
10
10
10
10
10
10

28
28
28
28
28
29
29
29
29
29
30
30
30
30
30
4
4
4
4
4
5
5

3.223
3.199
3.253
3.226
3.186
3.213
3.246
3.216
3.221
3.243
3.218
3.235
3.234
3.236
3.187
3.198
3.209
3.232
3.213
3.253
3.282
3.228
3.211
3.234
3.238
3.237
3.258
3.223
3.22
3.196
3.207
3.235
3.233
3.254
3.23
3.262
3.194
3.193
3.186
3.217
3.263
3.217
3.228
3.214
3.236
3.218
3.22
3.229
3.23
3.208

7.99326
4.98677
-2.03427
3.89134
1.99825
0.01028
-0.24542
2.08175
-4.86937
-2.69206
-3.02947
2.99932
3.50123
-1.99506
-1.62939
2.14395
-1.90688
8.02322
4.75466
1.1424
0.9379
-7.30286
-5.22516
-4.06527
-1.91314
2.0459
4.93029
0.03095
-2.80363
-3.12681
-4.57793
-3.17924
-2.44537
1.36225
0.92825
-0.24151
-0.83762
-1.99674
4.90024
1.28079
2.87917
1.83867
-0.75614
3.72977
3.77141
-4.04994
3.89824
1.76868
2.2731
-3.82297

10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10

5
5
5
6
6
6
6
6
7
7
7
7
7
8
8
8
8
8
11
11
11
11
11
12
12
12
12
12
13
13
13
13
13
14
14
14
14
14
15
15
15
15
15
18
18
18
18
18
18
18

3.232
3.253
3.243
3.271
3.216
3.214
3.237
3.215
3.229
3.238
3.234
3.246
3.251
3.262
3.225
3.236
3.207
3.231
3.249
3.223
3.229
3.22
3.224
3.218
3.188
3.232
3.23
3.194
3.135
3.224
3.205
3.154
3.224
3.19
3.242
3.245
3.209
3.25
3.232
3.244
3.25
3.224
3.268
3.26
3.268
3.242
3.269
3.251
3.291
3.282

-2.26821
-2.07973
0.01739
3.71309
1.72573
3.07264
0.15676
-0.05666
3.81341
-3.78952
-3.81635
-4.8882
-3.24534
-0.27272
-4.33095
-1.83547
-3.98876
-4.97431
-5.1405
-0.10379
2.21033
5.13041
-1.89455
0.95119
-5.15414
4.82794
0.13001
-0.09911
-1.15453
2.29868
5.15847
0.08558
-3.09574
5.16744
0.29748
-4.66858
-2.13787
-0.0045
0.18096
4.30247
-2.21708
7.17603
5.86525
0.95699
-4.03441
-2.05086
-3.10319
-1.83001
5.03945
1.96583

10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10

18
18
18
19
19
19
19
19
19
19
19
19
19
20
20
20
20
20
20
20
20
20
20
21
21
21
21
21
21
21
21
21
21
22
22
22
22
22
22
22
22
22
22
25
25
25
25
25
25
25

3.263
3.243
3.258
3.233
3.28
3.272
3.214
3.275
3.264
3.271
3.277
3.284
3.273
3.298
3.273
3.272
3.3
3.242
3.268
3.283
3.268
3.255
3.274
3.293
3.257
3.254
3.249
3.248
3.223
3.276
3.277
3.249
3.268
3.276
3.25
3.26
3.281
3.301
3.262
3.239
3.256
3.275
3.249
3.302
3.283
3.296
3.253
3.251
3.26
3.295

-0.21026
0.27517
-5.32797

10
10
10

25
25
25

3.261
3.258
3.252
3.262
3.288
3.311
3.293
3.297
3.254
3.286
3.267
3.262
3.216
3.255
3.241
3.279
3.304
3.268
3.2501

ARCHIVO CLORO.MTW
En una industria qumica se toma una muestra cada 15 minutos y se mide
el pH y la concentracin de cloro de la solucin, los datos se muestran a continuacin:
Fecha
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002

Hora
6:15
6:30
6:45
7:00
7:15
7:30
7:45
8:00
8:15
8:30
8:45
9:00
9:15
9:30
9:45
10:00
10:15
10:30
10:45
11:00
11:15
11:30
11:45

pH

Cl
9.4
9.5
10.7
8
9.5
8.5
9.2
7.2
8.4
8.2
8.3
9.1
10.8
8.9
8.4
10
8.2
9
8.3
8.6
9.1
8.7
7.7

22
21
21
20
18
20
21
22
21
19
20
20
19
21
20
20
19
19
20
21
21
21
19

11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002

12:00
12:15
12:30
12:45
13:00
13:15
13:30
13:45
14:00
6:15
6:30
6:45
7:00
7:15
7:30
7:45
8:00
8:15
8:30
8:45
9:00
9:15
9:30
9:45
10:00
10:15
10:30
10:45
11:00
11:15
11:30
11:45
12:00
12:15
12:30
12:45
13:00
13:15
13:30
13:45
14:00
6:15
6:30
6:45
7:00
7:15
7:30
7:45
8:00
8:15

8.5
10.4
8.9
8.8
8.4
7.1
8.3
9.3
7.7
10.2
8.9
8.6
9.9
9.8
8.1
9.4
8.9
8.4
8.6
8.8
7.7
8.6
9.9
9.2
8.2
9.6
10.4
8.6
11
8.8
9.7
7.1
9
9.5
10
10
9.5
10
7.4
10.3
8.8
9.8
8
10.9
8.3
9.4
9.4
9.2
9.9
8.6

19
19
20
21
18
20
20
20
19
21
20
19
21
19
20
19
21
19
18
20
20
20
20
21
19
18
20
20
20
18
21
20
19
18
19
19
21
21
19
19
19
21
19
20
21
19
20
22
20
19

11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002

8:30
8:45
9:00
9:15
9:30
9:45
10:00
10:15
10:30
10:45
11:00
11:15
11:30
11:45
12:00
12:15
12:30
12:45
13:00
13:15
13:30
13:45
14:00
6:15
6:30
6:45
7:00
7:15
7:30
7:45
8:00
8:15
8:30
8:45
9:00
9:15
9:30
9:45
10:00
10:15
10:30
10:45
11:00
11:15
11:30
11:45
12:00
12:15
12:30
12:45

6.8
10
8.4
9.5
9.3
8
8.5
9.4
9.3
7.7
10.7
8.9
9.2
9.3
9
9.3
9.6
7.4
9.5
8.6
10
7.2
8.3
8.2
9
9.6
7.9
8.9
10.8
9
8.5
8.8
9.3
9.7
7.4
7.6
8.2
9.4
9.7
8.1
9.6
11.5
9.8
9
10.6
9.1
9.6
10
8.1
9.4

19
20
20
19
21
20
18
21
20
19
19
21
21
21
20
20
20
18
18
20
20
20
20
20
21
21
21
20
20
21
20
20
22
21
19
19
20
21
20
19
20
20
20
19
20
20
21
21
20
20

11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002

13:00
13:15
13:30
13:45
14:00
6:15
6:30
6:45
7:00
7:15
7:30
7:45
8:00
8:15
8:30
8:45
9:00
9:15
9:30
9:45
10:00
10:15
10:30
10:45
11:00
11:15
11:30
11:45
12:00
12:15
12:30
12:45
13:00
13:15
13:30
13:45
14:00

8.7
9.1
8.8
10.7
9.2
10.2
8.9
9.7
10.3
6.6
9.9
6.1
8.7
8.9
8.2
8.9
9.4
8.1
9.1
8.4
10
9.5
9.7
9.4
8.8
9.6
9.8
7.7
9.8
13.1
9.8
9.9
8.4
9.2
9.8
7.3
8.9

20
20
21
22
19
19
21
21
22
19
21
21
20
20
20
20
19
21
19
20
21
20
18
22
20
19
20
21
18
25
19
20
22
22
20
19
20

R_CRUZ.MTW
Medicion
Orden
11.27
10.48
11.12
8.68
12.12
8.47
10.34
9.93
11.76
14.87
14.31
14.5
13.27
13.5
10
16.65
13.96
14.67
13.2
15.12
14.86
15.26
13.88
11.44
15.45
14.94
15.22
11.05
12.46
13.29
7.51
10.93
10.65
11.65
12.69
12.63
10.02
11.09
12.03

ARCHIVO GAGEAIAG.MTW
Part
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

Operator
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Response
0.65
0.6
1
1
0.85
0.8
0.85
0.95
0.55
0.45
1
1
0.95
0.95
0.85
0.8
1
1
0.6
0.7
0.55
0.55
1.05
0.95
0.8
0.75
0.8
0.75
0.4
0.4
1
1.05
0.95
0.9
0.75
0.7
1
0.95
0.55

9.75
7.93
11.06
10.51
11.46
9.66
11.33
11.02
12.04
10.4
8.94
7.51
11.92
10.18
11.88
12.2
12.39
11.3
11.8
9.32
11.51
11.46
12.73
11.41
7.75
8.14
8.53
6.77
8.09
10.44
7.77
9.61
7.61
12.18
12.52
12.38
10.38
10.32
13.22
11.72
13.91
14.13
11.22
10.8
9.31
8.96
6.77
9.74
9.64
9.34

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2

10
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10

2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

0.5
0.5
0.55
1.05
1
0.8
0.8
0.8
0.8
0.45
0.5
1
1.05
0.95
0.95
0.8
0.8
1.05
1.05
0.85
0.8

10.18

2.21877897
13.3126738

n periodo de 10 horas

ARCHIVO HUMEDAD.MTW

ARCHIVO TILES.MTW

%Humedad
10.7
9.4
9.4
10.1
10.3

Warping
1.60103
0.84326
3.00679
1.29923
2.24237

9.8
11
10.3
8.5
7.3
10.5
9.2
11.9
11.7
10.9
10.3
11
10.6
10.4
11.5
13.5
12.5
12.2
11.8
9.4
12
10.4
12
13.5
10.4
13.6
11.4

2.63579
0.34093
6.96534
3.46645
1.41079
2.31426
2.55635
4.72347
1.75362
1.62502
5.63857
4.64351
3.95409
4.38904
3.24065
0.52829
1.01497
1.12573
2.56891
4.23217
1.34943
2.84684
0.76492
2.78092
0.63771
2.8953
2.86853
2.18607
1.05339

1.2556
1.97268
0.84401
3.32894
4.15431
2.57873
0.44426
2.48648
3.91413
2.28159
0.96705
4.98517
5.79428
2.52868
3.08283
3.82585
5.3123
1.92282
1.22586
0.76149
2.3993
4.96089
1.96775
1.35006
4.79076
2.20538
1.22095
6.32858
3.80076
4.22622
4.33233
0.42845
1.2041
3.44007
2.51274
8.09064
4.24464
3.21267
3.48115
6.66919
2.44223
3.51246
8.03245
1.13819
4.27913
2.05914
1.12465
0.78193
4.14333
5.30071

3.79701
3.2477
5.04867
3.068
2.45252
4.69474
0.28186
0.57069
0.70532
2.84843
6.25825
3.37523
3.23538
6.08121
1.66735
2.12262

ARCHIVO VISITAS_WEB.MTW
Describe el nmero de visitas recibidas en una
pgina Web durante octubre y noviembre de 2002
indicando tambin la fecha y da de la semana
Fecha
Dia semana
Visitas
10/1/2002 M
73
10/2/2002 Mi
69
10/3/2002 J
60
10/4/2002 V
68
10/5/2002 S
27
10/6/2002 D
38
10/7/2002 L
69
10/8/2002 M
75
10/9/2002 Mi
66
10/10/2002 J
146
10/11/2002 V
117
10/12/2002 S
79
10/13/2002 D
64
10/14/2002 L
70
10/15/2002 M
66
10/16/2002 Mi
67
10/17/2002 J
63
10/18/2002 V
68
10/19/2002 S
44
10/20/2002 D
41
10/21/2002 L
78
10/22/2002 M
91
10/23/2002 Mi
59

ARCHIVO TEJIDO
Contiene el nmero de manchas de cada tela
y su superficie correspondiente en metros cuadrados
Numero manchas Superficie
11
1.1
9
0.99
8
0.93
8
1.26
15
1.34
6
0.69
7
1
6
0.68
9
0.67
4
0.83
12
1.33
14
0.84
14
1.11
14
1.12
9
1.2
9
0.89
12
1.14
13
0.9
14
1.08
13
0.92
13
1.2
8
1.01
8
1.01

10/24/2002
10/25/2002
10/26/2002
10/27/2002
10/28/2002
10/29/2002
10/30/2002
10/31/2002
11/1/2002
11/2/2002
11/3/2002
11/4/2002
11/5/2002
11/6/2002
11/7/2002
11/8/2002
11/9/2002
11/10/2002
11/11/2002
11/12/2002
11/13/2002
11/14/2002
11/15/2002
11/16/2002
11/17/2002
11/18/2002
11/19/2002
11/20/2002
11/21/2002
11/22/2002
11/23/2002
11/24/2002
11/25/2002
11/26/2002
11/27/2002
11/28/2002
11/29/2002
11/30/2002

J
V
S
D
L
M
Mi
J
V
S
D
L
M
Mi
J
V
S
D
L
M
Mi
J
V
S
D
L
M
Mi
J
V
S
D
L
M
Mi
J
V
S

66
73
39
40
64
78
75
69
75
26
43
59
67
89
50
63
32
32
70
78
66
78
64
40
42
70
81
65
66
76
34
32
60
63
68
74
59
44

9
7
12
6
9
8
11
10
15

1
0.64
1.36
0.89
1.19
1.02
1.23
1.19
0.97

ARCHIVO RR_ANID.MTW

ARCHIVO GAGELIN.MTW

Pieza

Part

1
1
1
2
2
2
3
3
3
4
4
4
5
5
5
6
6
6
7
7
7
8
8
8
9
9
9
10
10
10
11
11
11
12
12
12

Operario
A
A
A
A
A
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
B
B
B
C
C
C
C
C
C
C
C
C
C
C
C

Medicion
20.5
19.2
19.5
20.6
22.8
21.3
22.6
21.1
22
21.6
22.5
21.5
23
22.1
23.7
22.6
23
24.4
23.8
22.3
23.3
22
23.5
21.9
20.9
23.4
23.2
21.2
23.7
19.3
23.8
22.4
21.9
22.7
20.5
23.3

Master
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4

2
2
2
2
2
2
2
2
2
2
2
2
4
4
4
4
4
4
4
4
4
4
4
4
6
6
6
6
6
6
6
6
6
6
6
6
8
8
8

Response
2.7
2.5
2.4
2.5
2.7
2.3
2.5
2.5
2.4
2.4
2.6
2.4
5.1
3.9
4.2
5
3.8
3.9
3.9
3.9
3.9
4
4.1
3.8
5.8
5.7
5.9
5.9
6
6.1
6
6.1
6.4
6.3
6
6.1
7.6
7.7
7.8

4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5

8
8
8
8
8
8
8
8
8
10
10
10
10
10
10
10
10
10
10
10
10

7.7
7.8
7.8
7.8
7.7
7.8
7.5
7.6
7.7
9.1
9.3
9.5
9.3
9.4
9.5
9.5
9.5
9.6
9.2
9.3
9.4

ILES.MTW

Ejemplo: El archivo MOTORES.MTW contiene datos de motores pequeos producidos

y los que al final del proceso han resultado defectuosos, correspondientes a 6 semanas.

ARCHIVO MOTORES.MTW

ARCHIVO CATETERS.MTW

Fecha
Produccion Defectuosos
5/6/2002
1431
45
5/7/2002
1451
58
5/8/2002
1203
66
5/9/2002
1285
49
5/10/2002
1474
55

Fecha
Hora
3/8/2004
3/8/2004
3/8/2004
3/8/2004
3/8/2004

5/13/2003
5/14/2003
5/15/2003
5/16/2003
5/17/2003
5/20/2002
5/21/2002
5/22/2002
5/23/2002
5/24/2002
5/27/2002
5/28/2002
5/29/2002
5/30/2002
5/31/2002
6/3/2002
6/4/2002
6/5/2002
6/6/2002
6/7/2002
6/10/2002
6/11/2002
6/12/2002
6/13/2002
6/14/2002

1490
1354
1394
1406
1477
1487
1358
1376
1348
1338
1406
1296
1321
1320
1264
1355
1400
1285
1354
1482
1243
1320
1444
1260
1459
1369.36667

56
55
41
51
53
55
59
51
58
52
48
51
56
48
44
59
37
44
62
43
68
53
53
44
52

3/8/2004
3/8/2004
3/8/2004
3/8/2004
3/8/2004
3/8/2004
3/8/2004
3/8/2004
3/8/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/9/2004
3/10/2004
3/10/2004
3/10/2004
3/10/2004
3/10/2004
3/10/2004

9:00
10:00
11:00
12:00
13:00

Defectuosos
4
7
7
7
9

14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
9:00
10:00
11:00
12:00
13:00
14:00

2
6
4
7
1
5
6
5
11
4
3
7
13
3
5
7
11
2
5
6
7
7
7
6
4
3
2
5
8

3/10/2004
3/10/2004
3/10/2004
3/10/2004
3/10/2004
3/10/2004
3/10/2004
3/10/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/11/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004
3/12/2004

15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
19:00
20:00
21:00
22:00

6
2
5
3
6
3
3
4
5
6
5
5
7
5
7
5
4
5
6
4
5
5
5
7
6
4
3
4
5
8
5
7
5
8
5
3

metros cuadrados

ARCHIVO BANCO

ARCHIVO PINTADO_HORNO.MTW

En cada agencia se hizo una entrevista a

50 clientes, registrando los descontentos.
Agencia Descontentos
12
10
25
12
58
9
64
14
80
13
112
34
119
9
127
7
134
12
151
11
192
6
209
16
212
29
216
9
247
8
263
8
281
18
342
10
383
13
408
8
426
8
451
7
506
6

Defectos encontrados en 40 piezas

consecutivas procesadas en un horno
Pieza Num. defectos
1
1
2
3
3
3
4
1
5
5
6
2
7
3
8
1
9
2
10
3
11
4
12
5
13
2
14
2
15
4
16
6
17
2
18
3
19
3
20
5
21
6
22
3
23
3

584
592
616
623
635
644
671

11
6
10
10
1
10
8

24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

3
4
5
4
4
3
3
2
3
4
3
0
3
4
3
4
2

Ejemplo: El archivo CATETER.MTW contiene datos de cateters defectuosos encontrados

al inspeccionar muestras de 100 piezas cada hora observando la calidad de la soldadura.

ARCHIVOS DE DATOS DEL MDULO 7

ARCHIVO ROTOR
Contiene datos de dimetros de ejes tomados durante
un peridio de tiempo.
Hora
8:00
8:00
8:00
8:00
8:00
8:00
8:00
8:00
8:00
8:00
8:00
8:00
9:00
9:00
9:00
9:00
9:00
9:00
9:00
9:00
9:00
9:00
9:00
9:00
10:00
10:00
10:00
10:00
10:00
10:00
10:00
10:00
10:00
10:00
10:00
10:00
11:00
11:00
11:00
11:00

Eje
1
1
1
1
2
2
2
2
3
3
3
3
1
1
1
1
2
2
2
2
3
3
3
3
1
1
1
1
2
2
2
2
3
3
3
3
1
1
1
1

Posicion
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der

Diametro
2.509
2.502
2.506
2.5
2.51
2.504
2.506
2.5
2.508
2.502
2.506
2.498
2.506
2.5
2.5
2.497
2.504
2.5
2.5
2.498
2.506
2.5
2.5
2.499
2.498
2.496
2.491
2.488
2.496
2.493
2.492
2.49
2.498
2.496
2.496
2.49
2.51
2.505
2.504
2.5

11:00
11:00
11:00
11:00
11:00
11:00
11:00
11:00
12:00
12:00
12:00
12:00
12:00
12:00
12:00
12:00
12:00
12:00
12:00
12:00

2
2
2
2
3
3
3
3
1
1
1
1
2
2
2
2
3
3
3
3

Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der
Max Izq
Min Izq
Max Der
Min Der

2.509
2.505
2.503
2.5
2.51
2.506
2.506
2.502
2.508
2.504
2.502
2.5
2.506
2.5
2.5
2.496
2.506
2.502
2.5
2.497

ARCHIVOS DE DATOS DEL MDULO 8

ARCHIVO EMPLOY.MTW

ARCHIVO IBEROAMERICA.MTW

Contiene datos de empleo de los ltimos 60 meses

Trade
322
317
319
323
327
328
325
326
330
334
337
341
322
318
320
326
332
334
335
336
335
338
342
348
330
326
329
337
345
350
351
354
355
357
362
368
348
345

Food
53.5
53
53.2
52.5
53.4
56.5
65.3
70.7
66.9
58.2
55.3
53.4
52.1
51.5
51.5
52.4
53.3
55.5
64.2
69.6
69.3
58.5
55.3
53.6
52.3
51.5
51.7
51.5
52.2
57.1
63.6
68.8
68.9
60.1
55.6
53.9
53.3
53.1

Metals
44.2
44.3
44.4
43.4
42.8
44.3
44.4
44.8
44.4
43.1
42.6
42.4
42.2
41.8
40.1
42
42.4
43.1
42.4
43.1
43.2
42.8
43
42.8
42.5
42.6
42.3
42.9
43.6
44.7
44.5
45
44.8
44.9
45.2
45.2
45
45.5

Pais
Mxico
Guatemala
Honduras
Nicaragua
El Salvador
Costa Rica
Panam
Cuba
Rep. Dominic
Puerto Rico
Colombia
Venezuela
Brasil
Ecuador
Per
Bolivia
Chile
Paraguay
Argentina
Uruguay
Espaa
Portugal

ARCHIVO NEWMARKET.MTW
Index
1
2
3
4
5
6
7
8
9
10

349
355
362
367
366
370
371
375
380
385
361
354
357
367
376
381
381
383
384
387
392
396

53.5
53.5
53.9
57.1
64.7
69.4
70.3
62.6
57.9
55.8
54.8
54.2
54.6
54.3
54.8
58.1
68.1
73.3
75.5
66.4
60.5
57.7

46.2
46.8
47.5
48.3
48.3
49.1
48.9
49.4
50
50
49.6
49.9
49.6
50.7
50.7
50.9
50.5
51.2
50.7
50.3
49.2
48.1

ROAMERICA.MTW

Poblacin
Superficie % menores
(miles)
(km2)
15 aos
95831
1958201
34
11621
108899
44
6147
112088
43
4464
130000
42
6059
21041
36
3650
51100
34
2767
75517
32
11115
110861
22
8232
48734
34
3806
8875
24
37685
1138914
33
23242
912050
35
165158
8547403
30
12175
283561
35
24797
1285216
34
7958
1098051
40
14824
756626
29
5223
406752
40
36123
2780400
28
3239
177414
24
39754
505992
16
9798
91982
17

Esperanza
Tasa de
Telfonos
Usuarios
vida al
mortalidad por 1.000 Internet por
nacer
infan
hab
1000 hab
72.4
30.9
96
3.7
64.2
45.9
27
0.8
69.8
34.9
29
0.9
68.2
43.9
23
1.6
69.4
38.8
53
0.3
76.8
12.1
164
12.1
74
21.4
114
1.4
76
9
32
0.1
71
33.5
73
0
75.3
10.8
332
0.3
70.9
24
100
1.8
72.8
20.9
111
2.1
67.9
42.1
75
4.2
69.9
45.4
65
0.9
68.3
44.9
47
2.6
61.4
65.5
47
0.7
75.2
12.7
132
13.1
69.7
39.1
34
0.5
73.1
21.8
160
5.3
72.8
16.5
196
3.2
77.9
5.5
385
31
75
6.9
361
18.3

WMARKET.MTW
Month
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre

Sales

Advertis
210
205
202
245
237
290
299
345
326
355

Capital
30
25
18
55
32
27
23
60
34
30

14
18
20
24
31
35
36
41
42
46

AdAgency
Omega
Omega
Alpha
Alpha
Alpha
Alpha
Omega
Omega
Alpha
Alpha

Quarter

Year
1
2
3
4
1
2
3
4
1
2
3
4

2000
2000
2000
2000
2001
2001
2001
2001
2002
2002
2002
2002

ARCHIVO INYECCION.MTW

% PIB
PIB $/hab Agricultura
3670
5.4
1470
24.1
660
21.7
380
34.2
1700
13.1
2640
15.5
3080
8.2
1983
6.9
1600
12.9
12213
0.9
2140
16.3
3020
4.1
4400
14
1500
11.9
2420
7.4
830
17
4860
8.4
1850
23.7
8380
6
5760
8.9
14350
5.9
10160
1.7

SalesB
100
120
180
183
143
151
199
211
165
193
205
235

Date
1Q00
2Q00
3Q00
4Q00
1Q01
2Q01
3Q01
4Q01
1Q02
2Q02
3Q02
4Q02

% PIB
Industria
26.3
19.6
30.9
21.9
26.8
24.1
18.4
46.3
31.6
46.8
19.9
46.5
35.9
36.7
36.9
28.5
35.9
22.1
30.7
26.4
37.8
53.2

% PIB
Servicios
68.3
56.3
47.4
43.9
60.1
60.4
73.4
46.8
55.5
52.3
63.8
49.4
50.1
51.4
55.7
54.5
62.3
54.2
63.3
64.7
56.3
45.1

Duracion
3607
148521
43403
22339
8089
51710
87564
96770
5768
71329
34585
204471
142312
272193
168021
10640
9411
94596
13030
7025
28698
12504
123815
77629
68135
102993
17656
36863
31749
5734
56084
242796
140341
96104
63311
49389
10681
4100
77223
101214

APLICACIONES DEL MDULO 2

ARCHIVO CORXET.MTW

Diagrama de Pareto

Codificado de Codificado de
localizacin defectos
Descripcin
Locali
Defecto
Collarn - des
1
1
valo - des/b
2
1
Etiqueta - de
3
1
Contra.- des/
4
1
Collarn - arr
1
2
valo - arrug
2
2
Etiqueta arru
3
2
Contra.- arru
4
2
Cierre Collar
1
3
valo - torcid
2
3
Etiqueta - tor
3
3
Contra.- torci
4
3
Cpsula - ali
5
4
Etiqueta 2-4 (
3
4
Etiqueta > 4 (
3
4
valo - alinea
2
4
Contra 2-5 (al
4
4
Contra > 5 (al
4
4
Etiqueta - alt
3
5
valo - altura
2
5
Collarn - altu
1
5
Tapn
6
6
Morrin
7
7
Collarn abier
1
8

ALBA
761
18
69
19
240
34
66
23
76
115
299
30
242
589
665
631
401
72
113
332
1
0
1
92

LINEAS INSPECCIONADAS
100 botellas de cada lnea
TRADI
BLAU
193
14
0
0
92
14
25
3
42
5
2
0
8
1
9
1
34
9
12
0
67
27
3
11
32
0
231
54
0
18
135
0
21
5
0
1
80
45
58
0
0
0
0
0
0
0
101
21

1492

FIESTA
66
19
53
19
44
24
9
7
22
79
116
54
85
82
283
237
158
69
177
209
2
0
0
147

0
0
48
26
0
0
13
15
0
0
12
49
65
0
0
0
18
4
4
0
0
0
0
0

Preguntas:
a) En que lnea se producen ms defectos?

Calc > Column statistics > Sum

b) Una vez identificada la suma de defectos por lnea Stat > Quality tools > Pareto Chart
identificar donde se producen ms defectos
c) Ahora identificar los defectos ms relevantes de
la lnea que ms problemas tiene

Stat > Quality tools > Pareto Chart

d) Cambiar la clave defectos a su nombre

correspondiente

Data > Code > Numeric to text

ARCHIVO COBRE.MTW

Diagrama de Causa Efecto y posibles causas

Se analiza el problema de que el 70% de los defectos se presentan al estirar el tubo de cobre
se trata de identificar las posibles causas.

Personal
Maquina
Turno
Velocidad
Entrenamient Pinzas
Operario
Rodillo
Buln

Material
Aleacin
Lubricante
Impurezas

Metodo
Presin
Suciedad

Ejercicios:
a) Realizar un diagrama de causa efecto agregando
una subrama en personal y Mquina

Stat > Quality Tools > Cause and effect

b) Obtener grficas bivariantes para ver si el P, Pb

o turno tienen influencia sobre las roturas.

Graph > Scatterplot: Simple > Y:C7, X:C8

Graph > Scatterplot: Simple > Y:C7, X:C9
Graph > Scatterplot: Simple > Y:C7, X:C10
c) Como las dos variables son discretas aparecen como
puntos, para ver la densidad alrededor de cada punto
seleccionar los puntos con doble click y
Seleccionar Jitter y la opcin Add Jitter to direction
d) Observar si el comportamiento ha sido estable

e) Ver el comportamiento por turno

Seleccionar los puntos de la grfica con doble click

ARCHIVO PAN.MTW

Graph > Time Series Plot: Simple

Series C7

seleccionar Groups, Categorical variables for groupin

Turno

Histogramas

Un panadero cree que existe una gran variabilidad en el peso de sus productos:
Hay dos operadores A y B que usan las mquinas 1 y 2 no en forma simultanea.
Durante 20 das se tomaron muestras de 4 piezas de pan de cada mquina con los siguientes resultados:
qu se puede concluir si se acepta como normal un peso de 210 +- 10 gramos?
Da

Operario
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

A
B
B
B
A
A
A
B
B
A
B
B
B
A
A
B

Mquina 1_piMquina 1_piMquina 1_piMquina 1_piMquina 2_piMquina 2_pi

209.2
209.5
210.2
212
214.3
221.8
208.5
208.7
206.2
207.8
215.3
216.7
204.2
210.2
210.5
205.9
215.7
213.8
204
203.3
198.2
199.9
212.5
210.2
209.6
203.7
213.2
209.6
208.4
214.9
208.1
207.9
211
206.2
212.3
216.2
205.2
204.8
198.7
205.8
208.1
211.9
199
197.7
202
213.1
207.5
209.9
197.2
210.6
199.5
215.3
206.9
207.1
199.1
207.2
200.8
201.2
209.6
209.5
204.6
207
200.8
204.6
212.2
209.8
214.7
207.5
205.8
200.9
211.4
211.2
204.1
196.6
204.6
199.4
209.6
209.2
200.2
205.5
208
202.7
203.5
206.9
201.1
209.2
205.5
200
209.1
206.3
201.3
203.1
196.3
205.5
208
207.9

17
18
19
20

B
A
A
A

202.2
194.1
204.8
200.6

204.4
211
201.3
202.3

202.1
208.4
208.4
204.3

206.6
202.6
212.3
201.4

210
215.6
214.5
209.1

209.4
211.8
207.5
205.8

Ejercicios:
a) Apilar todas las columnas

Data > Stack > Columns

Stack the following columns todas
Column of current worksheet seleccionar una vaca
nombrarla como

b) Hacer un histograma con la columna total

Graph > Histogram: Simple

c) Agregar las tolerancias en 200 y 220,

seleccionando la grfica y con:

Editor > Annotation > Graph annotation tools

Seleccionar el botn de lnea y colocarlas en la grfica
Con Attributes custom se puede cambiar a lnea punte

d) Agrupar las columnas de la mquina 1

Data > Stack > Columns C3-C6 Mquina1

e) Agrupar las columnas de la mquina 2

Data > Stack > Columns C7-C10 Mquina2

f) Hacer histogramas similares al realizado con

la columna de total

Seleccionar con un click el histograma de la variable

Editor > Make Similar Graph
Indicar la columna Mquina1 y en otro Mquina2

ARCHIVO HUMEDAD.MTW

Series de tiempo

Se representa la humedad de 20 paquetes de un producto tomado durante varios das a la semana:

Qu conclusiones se obtienen?
lunes
martes
mierc
jueves
viernes
8.2
8.61
9.43
8.97
8.46
8.36
9.14
8.85
9.02
8
8.37
8.52
8.66
9.61
8.32
8.52
9.2
8.89
9.15
8.91
8.05
9.3
9.28
9.21
8.17
8.76
9.58
9.14
9.53
8.6
8.51
8.81
9.41
9.28
8.48
8.18
8.68
9.34
9.28
8.65
8.52
8.59
9.59
8.86
8.97
8.64
8.66
9.15
8.75
8.2
8.83
8.7
9.75
9.64
8.33
8.35
9.08
9.18
9.05
8.26
8.48
8.32
8.86
8.76
8.64
8.34
8.33
9.28
9.21
8.81
8.51
8.41
8.5
8.76
8.73
8.08
9.07
9.19
9.4
8.73
8.15
9.08
9.19
9.55
8.4
8.15
9.13
9.12
9.5
8.6
8.68
8.69
9.2
9.48
8.47

8.79

8.46

8.8

9.58

8.1

Ejercicios:
a) Apilar todas las columnas agregando una columna Data > Stack > Columns
Stack the following columns lunes-viernes
de ndices
Column of current worksheet semana
Store subscripts in Dia
seleccionar Use variable names in subscript column
b) Hacer un diagrama de datos de la semana
ver si el proceso es estable

Graph > Time Series Plot: Simple

Series semana

c) Distinguir el da de la semana en que ocurrieron

los resultados con un color diferente
seleccionar los puntos de la grfica

Edit connected line

Categorical variables for grouping

d) Otra opcin

Graph > Time Series plot: With Groups

Series Semana
Categorical variables for grouping Dia

ROSADO
22
10
16
4
4
11
5
3
7
19
72
3
15
79
102
45
85
28
57
42
0
0
0
26

Mantenim
Desgaste

Medio am
Temperatura

se and effect

e > Y:C7, X:C8

e > Y:C7, X:C9
e > Y:C7, X:C10

n Add Jitter to direction

orical variables for grouping

siguientes resultados:

Mquina 2_piMquina 2_pi

214.6
214.4
212.3
212
215.2
202.7
211.3
210.4
212.8
214.8
208.4
210.8
212.9
209
210.6
212.3
213.6
212.2
206.8
214.2
207.6
212.6
214.4
212.6
206.1
207.1
210.6
212.3
209.8
211.4
205.3
203.6

Num. Rot
1
3
2
2
8
4
2
4
3
2
5
5
1
2
2
2
4
2
0
2
0
3
1
3
1

Pb (ppm)
19
18
27
24
15
19
23
26
20
20
15
19
22
23
21
21
21
24
22
22
20
22
21
26
21

P (ppm)
22
21
22
19
17
17
23
19
23
22
19
25
22
19
22
21
15
22
21
23
24
20
22
20
22

Turno

27

19

22

20

1
3
6
6
2
3
3
2
1
3
4
3
2
1
2
3
5
1
1
3
2

22
28
15
19
28
20
21
18
20
23
26
26
21
24
18
25
16
24
21
25
23

18
22
19
17
22
22
20
21
22
21
20
15
21
21
20
19
17
23
24
19
21

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1

209.1
205.4
212.9
212

eet seleccionar una vaca

nombrarla como Total
Total

h annotation tools
a y colocarlas en la grfica
puede cambiar a lnea punteada

3-C6 Mquina1

7-C10 Mquina2

istograma de la variable Total

1 y en otro Mquina2

as a la semana:

207
209
204.3
204.2

4
3
5
1
4
3
0
6
4
4
4
1

19
20
25
24
18
17
30
18
20
29
32
21

20
21
18
23
19
22
25
17
17
22
19
22

1
2
3
1
2
3
1
2
3
1
2
3

ns lunes-viernes

mes in subscript column

Dia

With Groups

rouping Dia

APLICACIONES MDULO 6. ESTADSTICA DESCRIPTIVA

HERRAMIENTAS PARA LA MEJORA DE CALIDAD (Minitab)
NOTA: Se asume que los datos se encuentran en una o ms columnas
1. CARTA DE TENDENCIAS
Opcional
En Minitab
> Stat > Quality Tools > Run chart
Seleccionar Single column = indicar la Columna de datos
Subgroup size = Indicar el tamao del subgrupo (1 comun)
Seleccionar Subgroup across rows of = Columnas de datos
Seleccionar Plot of Means o Plots of Medians
OK
2. DIAGRAMA DE PARETO
En Minitab
> stat > Quality Tools > Pareto chart
Seleccionar Chart Defect Table
Labels in = Columna de etiquetas de defectos
Frequencies in = Columna de frecuencia de defectos
Combine (en una columna de otros) after the first = 80% u otro
OK

Defectos
A
B
C
D
E
F

3. DIAGRAMA DE CAUSA EFECTO

En Minitab
> stat > Quality Tools > Cause and Effect
Branch 1-6 Seleccionar Causes = Columna de causas y Label = Etiqueta
correspondiente a cada concepto de causa
Seleccionar Effect = Problema o efecto buscado
Seleccionar Title = Ttulo del problema
OK
Personal
Maquinas
Material
Mtodo
Medicin Medio Amb.
Turnos
Enchufes
Aleaciones Angulo
Micrometro % Humedad
Supervisin Fracturas
Lubricantes Enganche
Microscopio Condensacin
Capacitacin Tornos
Proveedores Frenado
Inspectores
Operadores Velocidad

4. HISTOGRAMAS
En Minitab
> Graph > Histogram
Seleccionar en Graph 1 = Columna de datos (n = nmero de datos)
Seleccionar en Options = Number of intervals = 5 a 7 o aprox. Raiz (n)
OK OK

5. DIAGRAMA DE TALLO Y HOJAS

En Minitab
> Stat > EDA > Stem and Leaf
Seleccionar en Graph 1 = Columna de datos
Seleccionar en Increment = Valor del paso de cambio
OK
en este caso 20

6. DIAGRAMA DE CAJA
En Minitab
> Stat > EDA > Box Plot
Seleccionar en Graph 1 = Columna de datos
OK

RIPTIVA
Run Chart for 2.16

2.16
5.9
8.8
17.5
10.3
12.7
8.4
9.1
17.3
11.5
8.7
9.8

905

2.16

930
865

13

895
905
8

885
890
4

14

930

Observation
Number of runs about median:
Expected number of runs:
Longest run about median:
Approx P-Value for Clustering:
Approx P-Value for Mixtures:

8.00000
8.00000
3.00000
0.50000
0.50000

915

Number of runs up or down:

Expected number of runs:
Longest run up or down:
Approx P-Value for Trends:
Approx P-Value for Oscillation:

7.00000
9.00000
4.00000
0.08712
0.91288

910
920
915
925

Ejemplo de Diagrama de Pareto

860

100

300

905

200

60
40

100
20
0

Def ect
C ount
Percent
C um %

98
30.7
30.7

76
23.8
54.5

54
16.9
71.5

45
14.1
85.6

46
14.4
100.0

Percent

80

Count

Frec.
14
15
34
12
76
54

Weight

18

925
925
905
915
930
890

Ejemplo de Diagrama de Ishikawa

Mediciones

Materiales

Micrometro
Microscopio

Inspectores

985

Turnos

Lubricantes

970

Supervisin

Proveedores

940

Capacitacin

975

Operadores

Rechazos de calidad
Velocidad
Frenado
Condensacin

Condensacin

% Humedad

Medio ambiente

Tornos

Enganche

1035
985

Enchufes

Mtodos

1000
1020

Fracturas

Angulo

860
875

Personal

Aleaciones

940

960

Maquinas

945
965
940
900
920
980

40

950
955

Percent

30

970
970

20

1035

10

0
850

900

950

Weight

1000

1050

Percent

30

20

10

0
850

900

950

Weight

Stem-and-leaf of Weight
Leaf Unit = 10
4 8 6667
8 8 8999
17 9 000001111
(8) 9 22222333
20 9 444455
14 9 667777
8 9 888
5 10 0
4 10 233
1 10 4

1050

3er. Cuartil
Mediana
1er. Cuartil
Valor mximo

Weight

Valor mnimo

950

850

N = 45

1000

1050

APLICACIONES DEL MDULO 4

ARCHIVO SOLDADURA.MTW
Para Conocer a fondo el proceso de soldadura se ralizaron 100 soldaduras
anotando las condiciones en que se habann hecho y se midi la resistencia al corte.
Orden
1
2
3
4
5
6
7
8
9

Fuerza (kp)Int_Bosch (kA)Int_Miy. (kA))Carga rot. (kg)

611
14.9
15
3127
613.657
14.8
15
3045
609.928
14.5
14.4
3088
608
15.2
15.4
3071
586.944
15.2
15.3
2999
612.798
15.1
15
2995
637.583
15.1
15.1
3220
615.314
14.9
14.9
2994
620
14.7
14.8
2989

10
11
12
13
14
15
16
17
18
19

618.649
622.266
617.856
621.422
633.967
607.492
604
625.492
629.971
616.436

15
15.1
15.1
14.9
15.2
14.7
15.3
14.9
15.1
14.9

15
15.2
15.2
15
15.4
14.8
15.1
14.8
15.2
15

3097
3029
3086
3168
3134
2983
2942
3108
3177
3034

20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

629.889
613.33
630.762
631.183
620.596
643
625.396
625.785
622.166
623.541
632.909
623.271
630.627
658.978
631.324
629.664
633
635.331
634.658
640.98

15.3
14.7
14.7
14.8
15.1
14.9
15.2
15.1
14.8
14.8
15.1
14.8
14.9
14.8
14.8
15.3
14.7
14.7
15.2
14.9

15.5
14.8
14.8
15
15.3
15.1
15.2
15.4
14.9
14.9
15.3
14.8
15
14.9
14.9
15.2
14.9
14.8
15.4
15

3149
3147
3058
3164
3058
3243
3119
3147
3135
3066
3040
3108
3086
3297
3199
2982
3209
3154
3148
3198

40
41

612.298
631.612

15.3
15.4

15.4
15.5

3007
3160

42

619.923

14.8

15

3087

43
44
45
46
47
48
49
50
51
52
53
54
55

628.23
632.533
631.833
621.129
620.423
622.713
639
625.284
642.566
645.844
604.12
625.394
637.665

15
15.4
15.1
15.2
15.1
15.2
15.2
15.1
15.4
15.3
15
15.4
15.3

15.2
15.5
15.3
15.3
15
15.2
15.1
15.3
15.6
15.5
14.9
15.3
15.3

3155
3198
3275
3146
3187
3144
3200
3152
3242
3144
3043
3074
3259

56

625.933

14.7

14.9

3212

57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73

645.199
642.463
640.725
647.984
635.241
637.496
642.749
642
650.249
630.496
647.741
629.985
638.226
628.466
640.705
631.941
639.176

14.9
14.9
15.1
15
14.8
15.1
14.9
14.6
15.3
14.7
14.9
14.9
14.7
14.9
15.1
15.3
15.2

15.1
15
15.3
15
14.9
15.4
14.9
14.6
15.3
14.8
15
15
15
15
15.3
15.5
15.3

3272
3151
3302
3271
3174
3135
3325
3155
3364
3187
3158
3186
3283
3139
3226
3210
3149

74
75
76
77
78
79
80
81
82

646.409
650.641
632.871
634.1
646.327
655.553
634.777
641
656.222

15
15
15.1
14.8
15.1
15.1
15.2
14.8
15.1

15.2
15.2
15.1
14.9
15.1
15.2
15.3
15
15.4

3271
3241
3232
3215
3045
3316
3187
3352
3283

83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

622.442
632.661
650.878
629.094
654.31
645.523
644.736
639.947
643.158
655.367
648.575
652.781
627.987
666.192
657.395
631.598
638.799
649

14.9
14.7
15.1
15
15.3
15.1
15.3
15.1
15
14.9
15
14.9
14.6
15
15.1
14.7
15
15.2

15
14.6
15.1
15.1
15.3
15.3
15.5
15.5
15
15
15.1
15
14.6
15
15.4
14.6
15.1
15.3

3065
3076
3131
3167
3428
3258
3158
3071
3150
3277
3258
3212
3124
3256
3268
3057
3155
3287

Ejercicios:
a) Verificar si la fuerza ejercida por los electrodos
se ha mantenido estable

Stat > Time Series Plot: Simple

b) Verificar si existe correlacinn entre fuerza y

resistencia

Graph > Scatterplot: Simple

Y = C5 X = C2

c) Crear una columna adicional de 50 unos y 50 dos

Calc > Make Patterned Data > Simple Se

1 2 1 50 1

d) Probar si hay diferencia en las medias entre los

primeros 50 datos y los ltimos 50 de carga (kg)

Stat > Basic Statistics > 2 -Sample t

Samples in a column
Samples 'Carga rot. (kg)' Subscripts
Graphs seleccionar Individual value Plot

e) Puede decirse que los ampermetros Bosch y

Miyashi miden de manera diferente la corriente?

Stat > Basic Statistics > Paired t

Samples in different columns
First Sample Int._Bosch
Second Sample Int._Miy

ARCHIVO PIEZA_U.MTW
Una pieza en U tiene una dimensin crtica X. Las piezas se someten
a un tratamiento trmico y se desea saber si se afectan sus dimensiones
antes y despus. El valor nominal de X es de 12 + - 0.1 mm.
Colocacin en horno
Pieza
Antes
Despues
Bandeja

Ejercicios

a) Hacer una columna de dife

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

12.01
12.02
12.01
11.99
11.99
12
11.99
12.01
11.99
11.99
12.01
12.02
12.03
12
11.97
12
11.96
12
11.99
12.05
12.03
11.98
11.96
11.98
12.05
12.02
11.99
12.03
12.01
12
12.06
12.01
12.01
12
11.97
12.01
12.03
11.96
11.97
11.96
11.96
11.98
12.03
12
11.94
11.96
11.99
12.03
11.98
12.04

12.02
12.06
12.02
11.98
12.02
12.05
12.01
12.01
12
12.05
12
12.05
12.02
12.05
11.96
12.01
11.98
12
12.03
12.11
12.04
12.04
11.97
11.98
12.12
12.01
12.04
12.01
12
12.04
12.09
12.01
12.03
12.02
11.96
12.05
12.06
12.05
11.96
11.98
11.96
12.03
12.1
12.06
11.97
11.97
12.05
12.04
11.97
12.07

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3

b) Hacer una comparacin d

c) Con un anlisis ANOVA pr

51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

12.01
11.99
11.97
12
12.02
12.01
12
12
12
11.99
11.97
11.98
12
11.95
12
12
11.99
12.03
11.99
12.03
12.03
12.01
12.03
11.99
11.98
11.95
12.05
11.99
12.01
12
12.03
11.97
11.98
11.97
11.99
12.02
11.98
12
12.02
12
11.94
11.97
12
12
11.95
11.98
11.99
12
11.99
11.97

12.07
12.03
11.97
12.03
12.05
11.98
12.07
11.98
12.09
12.07
11.97
12
12.07
12.02
11.98
11.98
11.99
12.08
12.01
12.06
12.1
12.06
12.01
12.04
12.04
12.02
12.09
12
12.05
12.04
12.1
12.05
12.04
12.02
12.04
12.03
12.06
12.06
12.08
12.08
12.02
12
12.08
12.08
12.04
12.03
12.07
12.07
12.02
12.05

3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5

DATOS REMACHES.MTW
Los remaches para construccin deben soportar esfuerzos cortantes.
Se pide una resitencia mnima de 2,500 psi con una desv. Estndar de 20 psi
Ejercicios
a) Cul debe ser la media si se tolera un 2.5% de defectivo?
b) Cierto montaje con 20 remaches exige que al menos 15 tengan
su resistencia por arriba del mnimo establecido. Si se fabrican con
una resistencia media de 2525 psi. Cul es la probabilidad de que el
montaje se comporte correctamente?

Calc > Probability distributions > Norma

Cummulative probability
Mean 2540 Std. Dev. 20 input constant 25
Calc > Probability Distributions > Binomial
Cummulative probability
Number of trials 20 Input constant 5

DATOS ALMENDRAS.MTW
Se decide lanzar al mercado una lnea de productos Light
A un 95% de nivel de confianza se puede decir que la nueva
Variedad tiene menos grasa:
Actual
Nueva
27
26.8
26.9
27
27.3
26.9
27.2
27.1
27.1

26.8

Stat > Basic statistics > 2-Sample t

Smaples in different columns
First Actual
Second Nueva
Options: Alternate Greater than

ARCHIVO FLECHA.MTW

Se fabrican piezas de plstico en forma de

inyectoras A y B con 4 cavidades cada una
Ejercicios
a) Distribucin de defectos en las mquinas
Stat > Quality Tools > Pareto chart
Seleccionar Chart defects data in Def Maq A o B

b) Comparar las mquinas y cavidades y sacar conclusiones

Una columna para las resitencias de ambas mquinas
Data > Stack > Columns
Stack the following columns 'Res Maq A' 'Res Maq B'
Sel. Column of current worksheet 'Res Maq A&B'
Store subscripts in Maquina
Una columna para las cavidades de ambas mquinas

Def Maq A Def Maq B

Deformacion Decoloracion
Deformacion Deformacion
Deformacion Mancha
Deformacion Raya
Fractura
Mancha
Decoloracion Raya
Deformacion Raya
Deformacion Fractura
Mancha
Decoloracion
Deformacion Raya
Fractura
Mancha
Mancha
Raya
Mancha
Raya
Deformacion Raya

Data > Stack > Columns

Stack the following columns 'Cavidad' 'Cavidad'

Deformacion Raya
Deformacion Deformacion

Sel. Column of current worksheet 'Cavidad A&B'

Mancha

Store subscripts in Maquina

Deformacion Mancha
Deformacion Mancha
Fractura
Rebaba
Fractura
Fractura
Decoloracion Raya
Mancha
Raya
Deformacion Raya
Mancha
Raya
Fractura
Raya
Fractura
Mancha
Mancha
Raya
Decoloracion Mancha
Decoloracion Raya

Comparar cavidades
Graph > Scatterplot: With groups
Y = 'Res A&B' X='Cavidad A&B'
Categorical variables Maquina
c) Hacer un Anlisis de varianza de dos vas
Stat > ANOVA > Two way
Response 'Res A&B'
Row factor Maquina
Column Factor 'Cavidad A&B'

Display Means
Display Means

Raya

Deformacion Otros
Deformacion Raya
Decoloracion Raya
Deformacion Mancha
Deformacion Raya
Decoloracion Raya
Decoloracion Raya
Deformacion Decoloracion
Mancha
Raya
Deformacion Deformacion
Mancha
Otros
Mancha
Raya
Rebaba
Rebaba
Deformacion Raya
Fractura
Raya
Mancha
Deformacion
Deformacion Raya
Mancha
Raya
Deformacion Rebaba
Otros
Raya
Mancha
Mancha
Fractura
Fractura
Deformacion Raya
Raya
Rebaba
Decoloracion Raya
Deformacion Raya
Deformacion Mancha

eries Plot: Simple

erplot: Simple

Patterned Data > Simple Set of Numbers

tatistics > 2 -Sample t

a rot. (kg)' Subscripts C6

onar Individual value Plot

tatistics > Paired t

erent columns

a) Hacer una columna de difeencias despus - antes y un diagrama de puntos

Graph > Dotplot: Simple

Deformacion Otros
Decoloracion Decoloracion
Mancha
Fractura
Mancha
Decoloracion
Deformacion Mancha
Decoloracion Decoloracion
Deformacion Raya
Otros
Mancha
Decoloracion Mancha
Decoloracion Raya
Mancha
Raya
Raya
Raya
Fractura
Raya
Decoloracion Raya
Mancha
Rebaba
Deformacion Raya
Mancha
Mancha
Deformacion Decoloracion
Deformacion Raya
Deformacion Raya
Deformacion Raya
Deformacion Raya
Mancha
Decoloracion
Deformacion Decoloracion
Deformacion Raya
Fractura
Raya
Raya
Raya
Deformacion Decoloracion
Deformacion Raya
Mancha
Mancha
Mancha
Raya
Mancha
Raya
Deformacion Fractura
Decoloracion Rebaba
Deformacion Fractura
Fractura
Decoloracion
Mancha
Raya
Decoloracion Raya
Decoloracion Decoloracion
Raya
Raya
Deformacion Raya
Deformacion Raya
Deformacion Decoloracion
Deformacion
Mancha
Deformacion
Mancha
Mancha
Deformacion
Deformacion

Raya
Raya
Raya
Raya
Raya
Raya
Raya

b) Hacer una comparacin de medias pareadas y concluir

Stat > Basic Statistics > Paired t

) Con un anlisis ANOVA probar si la bandeja tiene alguna influencia

Stat > ANOVA > One Way

Deformacion Fractura
Deformacion Mancha
Deformacion Raya
Decoloracion Raya
Deformacion Raya
Mancha
Raya
Raya
Raya
Mancha
Decoloracion
Deformacion Fractura
Mancha
Decoloracion
Mancha
Fractura
Fractura
Raya
Deformacion Fractura
Deformacion Raya
Mancha
Raya
Decoloracion Raya
Decoloracion Raya
Decoloracion Decoloracion
Deformacion Raya
Raya
Raya
Decoloracion Raya
Raya
Raya
Raya
Raya
Mancha
Raya
Deformacion Mancha
Mancha
Mancha
Deformacion Raya
Deformacion Raya
Deformacion Raya
Raya
Otros
Deformacion Raya
Deformacion Raya
Deformacion Raya
Mancha
Fractura
Raya
Decoloracion
Deformacion Rebaba
Mancha
Mancha
Deformacion Raya
Otros
Decoloracion
Raya
Decoloracion
Mancha
Raya
Fractura
Raya
Deformacion Raya
Mancha
Rebaba
Raya
Raya
Fractura
Raya
Deformacion Fractura
Deformacion Raya
Fractura
Mancha
Raya
Deformacion

Deformacion Raya
Mancha
Raya
Rebaba
Fractura
Deformacion Mancha
Fractura
Mancha
Deformacion Mancha
Deformacion Raya
Mancha
Raya
Deformacion Raya
Fractura
Raya
Deformacion Fractura
Deformacion Decoloracion
Rebaba
Mancha
Raya
Raya
Raya
Raya
Deformacion Mancha
Decoloracion Mancha
Fractura
Raya
Deformacion Raya
Mancha
Raya
Raya
Raya
Fractura
Mancha
Deformacion Raya
Mancha
Mancha
Mancha
Raya
Raya
Raya
Deformacion Raya
Otros
Raya
Deformacion Mancha
Deformacion Raya
Fractura
Otros
Decoloracion Mancha
Mancha
Raya
Mancha
Rebaba
Deformacion
Deformacion
Fractura
Raya
Deformacion
Mancha
Deformacion
Deformacion
Mancha
Fractura
Decoloracion
Deformacion
Deformacion
Deformacion
Deformacion

Deformacion
Mancha
Raya

REGRESIN LINEAL
PARA OBTENER LA ECUACIN Y ANLISIS
En Minitab
> Stat > Regression > Regression
Seleccionar Response = Columna de las Y's
Seleccionar Predictors = Columnas de las Xs
OK

bility distributions > Normal

d. Dev. 20 input constant 2500

GRAFICO DE REGRESION EN EXCEL

Seleccionar el rango X y Y
Seleccionar el asistente de Grficos
Seleccionar grfica X Y de dispersin
Al finalizar seleccionar con el ratn puntos de la grfica
Con botn derecho del ratn Indicar Agregar Lnea de Tendencia

lity Distributions > Binomial

s 20 Input constant 5

Seleccionar Lineal o Polinomial

En Opciones Seleccionar Mostrar Ecuacin en carta
y Mostrar valor de R2

tatistics > 2-Sample t

erent columns

ate Greater than

LECHA.MTW

ezas de plstico en forma de flecha en dos mquinas

B con 4 cavidades cada una (C5)
Resistencia a la traccin
Res Maq A Res Maq B
Cavidad
39
39
1
40
40
2
41
41
3
38
38
4
37
37
1
38
38
2
42
42
3
40
40
4
42
42
1
37
37
2
40
40
3
42
42
4
35
39
1
40
40
2

Ttulo: Ejemplo
3.5
3

f(x) = 0.2176704498x + 1.1177077293

R = 0.9572035263

2.5
2
1.5
1
0.5
0
1

PARA OBTENER EL MODELO GRFICO DE REGRESIN

En Minitab
> Stat > Regression > Fitted Line Plot
Seleccionar Response (Y) = Columna de las Y's
Seleccionar Predictor (X) = Columna de la X
Seleccionar Type of Regression model:
Linear; Quadratic; Cubic

>Stat >Regression > Regression

Response - Y Predictors - X
Options - Pred. Interval New Obs. 4.5 Conf. Level 95
/ Conf. Limits /Prediction Limits
Results - In addition, full table of fits and residuals

43
41

41
38

3
4

Ver valores p para el coeficiente de X si es menor de 0.05 si existe

40

37

la pendiente y la regresin

38
42
38
42
36
44
37
36
40
43
39
40
39

38
42
40
42
37
40
42
35
40
43
41
40
38

2
3
4
1
2
3
4
1
2
3
4
1
2

39

42

38
42
41
44
39
38
35
43
39
40
40
41
40
40
42
43
36

38
42
36
44
37
36
40
43
39
40
39
39
38
42
41
44
39

4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

41
37
44
35
38
36
40
38
44

38
35
43
39
40
40
41
40
40

1
2
3
4
1
2
3
4
1

Ver cuanto vale R (coeficiente de regresin) y R2 (coeficiente de deter

variacin explicada de la regresin.

Ver el intervalo de confianza e intervalo de prediccin para el valor X =

>Stat >Regression > Fitted line plot

Response (Y) - Consumo E. Predictor (X) - Ajustes
Model - Cuadratic
Options - Display Conf., Pred. Band

REGRESIN CUADRTICA
X
Y
Ajustes de Consumo
mquinas de Energa
11.15
21.6
15.7
4
18.9
1.8
19.4
1
21.4
1
21.7
0.8
25.3
3.8
26.4
7.4
26.7
4.3
29.1
36.2
Resultados:
Ver las bandas de confianza y de prediccin
para un cierto valor de Xo y un nivel de confianza.

Decoloracion

Decoloracion

Decoloracion

Decoloracion
Decoloracion

Decoloracion

Decoloracion

Decoloracion

Decoloracion

40
45
40

42
43
36

2
3
4

Decoloracion

Decoloracion

Decoloracion

Decoloracion

Decoloracion
Decoloracion

Decoloracion

Regression Analysis: Y versus X

X

4.1
2.2
2.7
6
8.5
4.1
9
8
7.5

2.1
1.5
1.7
2.5
3
2.1
3.2
2.8
2.5

The regression equation is

Y = 1.12 + 0.218 X
Predictor
Coef SE Coef
T
P
Constant
1.1177
0.1093
10.23 0.000
X
0.21767 0.01740
12.51 0.000
S = 0.1274

R-Sq = 95.7%

Analysis of Variance
Source
DF
SS
Regression
1
2.5419
Residual Error 7
0.1136
Total
8
2.6556

de la grfica
ar Lnea de Tendencia

mplo

Regression Plot
Y = 1.11771 + 0.217670 X
S = 0.127419

93

R-Sq = 95.7 %

R-Sq(adj) = 95.1 %

3.0

2.5

10

2.0

DE REGRESIN

onf. Level 95

MS
F
P
2.5419 156.56 0.000
0.0162

Unusual Observations
Obs
X
Y
Fit
SE Fit Residual St Resid
9 7.50 2.5000 2.7502 0.0519 -0.2502 -2.15R
R denotes an observation with a large standardized residual

ostrar Ecuacin en carta

R-Sq(adj) = 95.1%

1.5
2

Resultados:
Y = 1.12+0.18 X

REGRESIN MLTIPLE
menor de 0.05 si existe

n) y R2 (coeficiente de determinacin)

prediccin para el valor X = 8.2

tor (X) - Ajustes

splay Conf., Pred. Bands
al 95%

X1
Este
33.53
36.5
34.66
33.13
35.75
34.46
34.6
35.38
35.85
35.68
35.35
35.04
34.07
32.2
34.32
31.08
35.73
34.11
34.79
35.77
36.44
37.82
35.07
35.26
35.56
35.73
36.46
36.26
37.2

X2
Sur
40.55
36.19
37.31
32.52
33.71
34.14
34.85
35.89
33.53
33.79
34.72
35.22
36.5
37.6
37.89
37.71
37
36.76
34.62
35.4
35.96
36.26
36.34
35.9
31.84
33.16
33.83
34.89
36.27

X3
Y
Norte Temp. De Flux
16.66
271.8
16.46
264
17.66
238.8
17.5
230.7
16.4
251.6
16.28
257.9
16.06
263.9
15.93
266.5
16.6
229.1
16.41
239.3
16.17
258
15.92
257.6
16.04
267.3
16.19
267
16.62
259.6
17.37
240.4
18.12
227.2
18.53
196
15.54
278.7
15.7
272.3
16.45
267.4
17.62
254.5
18.12
224.7
19.05
181.5
16.51
227.5
16.02
253.6
15.89
263
15.83
265.8
16.71
263.8

Y = 389 -24.1 Norte + 5.32 Sur +2.12 Este

Ver la p para cada Predictor (debe ser menor a 0.05)
y el valor de R2 coeficiente de determinacin - variacin explicada

156.56

0.000

esidual

St Resid

ndardized residual

mp. De Flux

ARCHIVOS DE APLICACIN DEL MDULO 5. MTODOS NO PARA

Prueba de signos
1.

Muestra pequea n = <20

Preferencias de individuos
Marca
Dato
1
Trop
2
Trop
3
Citrus
+
4
Trop
5
Trop
6
Trop
7
Trop
8
Trop
9
Citrus
+
10
Trop
11
Trop
12
Trop
Muestra grande
Ho: p = 0.5

Ej.

Ho: p = 0.5 Ha: p<>20

Signos
Alfa /2

Alfa/2

Para n > 20 la distribucin bi

Media = Mu = 0.50n
Desv. Est. = sigma = Raiz(0.2

De 200 votantes 72 calificaron al PRI, 103 al PAN y 23 no opinaron, Hay diferencia entre los part
n = 200 - 25 = 175
Media = 0.50n = 87.5
Desv. Est. = raiz(0.25n) = 6.6
Z = (X - media )/ Sigma = (72 - 87.5) / 6.6 = - 2.35
Rechazar Ho si Zc < -1.96 o si Zc > 1.96

2.

La tabla de preferencias de 10 personas en pruebas de degustacin con dos marcas de un produ

Marca
Persona
A vs B
Probar si hay diferencia significativa para un alfa de 0,05 entre las pref
1
+
hacia las dos marcas.
2
+
Un signo positivo indica preferencia hacia la marca A y un signo negat
3
+
4
5
+
6
+
7
8
+
9
10
+

3.

Probar si la mediana es mayor a 150.

Una muestra de tamao 30 produce 22 casos con valor mayor a 150, 3 con valor de 150 y 5 con v
a 150. A un alfa de 0.01 probar la hiptesis.

Prueba de Wilconox equivalente a la prueba de datos pareados.

Ho: Las poblaciones son idnticas
Ej.

Ha: Las poblaciones no son idnticas.

11 trabajadores realizan su tarea utilizando dos mtodos diferentes.

Trab.
1
2
3
4
5
6
7
8
9
10
11

Met.1
10.2
9.6
9.2
10.6
9.9
10.2
10.6
10
11.2
10.7
10.6

Mt.2
9.5
9.8
8.8
10.1
10.3
9.3
10.5
10
10.6
10.2
9.8

Dif.
0.7
-0.2
0.4
0.5
-0.4
0.9
0.1
0
0.6
0.5
0.8

Valor abs
Dif. Sin ceros
0.7
0.2
0.4
0.5
0.4
0.9
0.1
0
0.6
0.5
0.8

Distribucin muestral T para poblaciones idnticas:

Media = 0
Desv. Estandar = raiz ( n ( n+1)(2n + 1) / 6)
Ditribucin de T aproximadamente normal para n >= 10
Zc = (T - Mut)/Sigma T

Zc =

Para alfa = 0.05 Tt = +-1.96

Como Zc es mayor a Zt se rechaza Ho y las dos poblaciones no son idnticas.
4.

Se llev a cabo una prueba con dos empresas de mensajera y paquetera. Dos paquetes identico
tomaron los siguientes tiempos de entrega en horas: Hay diferencia a un 5% de significancia?.
Paquete:
1
2
3
4
5
6
7
8
9
10
11

5.

Emp.1
24.5
26
28
21
18
36
25
21
24
26
31

Emp.2
28
25.5
32
20
19.5
28
29
22
23.5
29.5
30

Un estudio de mercado en 10 ciudades se hizo para evaluar la efectividad de una campaa public
Usar un alfa de 0.05 para obtener una conclusin acerca del programa de publicidad.

Ciudad
A
B
C
D
E
F
G
H
I
J

6.

Antes
130
100
120
95
140
80
65
90
140
125

Despus
160
105
140
90
130
82
55
105
152
140

Prueba de Mann Whitney Wilconox

Muestras pequeas para n <= 10
Ho: Las dos poblaciones son identicas en trminos de potencial acadmico
Ha: Las dos poblaciones no son identicas en trminos de potencial acadmico
Alumnos Prepa 1
A
8
B
52
C
112
D
21

Alumnos Prepa 2
E
F
G
H
I

70
203
144
175
146

TODOS NO PARAMTRICOS

Ho: p = 0.5 Ha: p<>20

Stat > Nonparametrics > 1-Sample Sign.

En Variables, seleccionar Marca

Prob.
Binomial
Seleccionar Test median y poner 5 en el cuadro
En Alternative, Seleccionar greater than. Click
1 0.00292969
2 0.01611328
Rechazar Ho si el nmero
3 0.05371094
de signos positivos es
4 0.12084961
menor a 3 o mayor a 9
5 0.19335938
6 0.22558594
7 0.19335938
8 0.12084961
9 0.05371094
10 0.01611328
11 0.00292969
12 0.00024414
Para n > 20 la distribucin binomial se aproxima a la normal
Media = Mu = 0.50n
Desv. Est. = sigma = Raiz(0.25n)
positivos

Hay diferencia entre los partidos?

on dos marcas de un producto son:

Stat > Nonparametrics > 1-Sample Sign.

un alfa de 0,05 entre las preferencias

la marca A y un signo negativo hacia marca B

3 con valor de 150 y 5 con valor menor

Stat > Nonparametrics > 1-Sample Wilconox

e datos pareados.

Stat > Nonparametrics > Mann-Whitney

Dif. Sin ceros

7
2
3
5
4
9
8
1
10
6

0.1
0.2
0.4
0.4
0.5
0.5
0.6
0.7
0.8
0.9
0

Suma T

1
-2
3.5
-3.5
5.5
5.5
7
8
9
10
-

3
4
5
6
7
8
9
10
44

19.6214169

=(44/19.62) =

2.24260958

tera. Dos paquetes identicos

a un 5% de significancia?.

Stat > Nonparametrics > Mann-Whitney

dad de una campaa publicitaria.

a de publicidad.

Stat > Nonparametrics > Kruskal-Wallis.

Stat > Nonparametrics > Mann-Whitney

> 1-Sample Sign.

oner 5 en el cuadro
greater than. Click OK.

> 1-Sample Sign.

> 1-Sample Wilconox

> Mann-Whitney

> Mann-Whitney

> Kruskal-Wallis.

> Mann-Whitney

APLICACIONES DEL MDULO 6

Un proceso produce 3000 muelles ininterrumpidamente por hora y trabaja de

7:00 a 22:00 h. Se decide implantar el Control estadstico de proceso y para ello
se toman cuatro muelles cada tres horas y se les mide su longitud al aplicar una
fuerza de 1 Kg, la longitud debera estar entre 13.5 y 14.5 cm.

ARCHIVO COLCHONES.MTW
DATOS DE LA PRIMERA SEMANA
LONG1
HORA1
DIA1
14.74
7
14.32
7
14.58
7
14.96
7
13.76
10
14.18
10
14.08
10
13.85
10
13.77
13
13.79
13
13.78
13
14.32
13
13.77
16
13.64
16
14.22
16
13.81
16
14.11
19
14.06
19
13.87
19
13.8
19
14.01
22
14.42
22
14.16
22
13.84
22
14.99
7
14.45
14.55
14.65
14.45
13.84
13.12
13.98
13.95
14.56
13.93
13

7
7
7
10
10
10
10
13
13
13
13

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2

DATOS DE LA SEGUNDA SEMANA

LONG2
HORA2
DIA2
14.21
7
14.12
7
13.91
7
14.17
7
13.94
10
14.04
10
13.74
10
14.33
10
13.97
13
14.17
13
13.83
13
14.34
13
13.67
16
13.92
16
14.15
16
13.94
16
13.77
19
14.15
19
14.25
19
14.03
19
14.19
22
13.71
22
13.99
22
14.23
22
14.17
7
14
14.17
13.83
13.71
13.97
14.03
14.14
14.17
13.86
14.06
14.33

7
7
7
10
10
10
10
13
13
13
13

6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
7
7
7

13.95
14.11
14.08
14
13.93
13.93
14.22
13.96
13.75
14.19
14
14.06
13.98
14.76
14.87
14.58
14.3
13.92
13.86
14.05
13.86
13.92
14.26
14.01
14.06
13.94
14.01
13.92
14.05
13.73
13.91
13.97

16
16
16
16
19
19
19
19
22
22
22
22
7
7
7
7
10
10
10
10
13
13
13
13
16
16
16
16
19
19
19
19

2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

14.24
13.87
13.97
14.27
14.25
13.98
13.84
14.12
13.78
14.07
14.2
14.17
13.94
13.65
14.22
13.81
14.2
14.7
14.29
14.5
13.99
14.14
13.65
13.73
13.97
14.09
13.68
14.12
13.81
13.96
14.09
14

16
16
16
16
19
19
19
19
22
22
22
22
7
7
7
7
10
10
10
10
13
13
13
13
16
16
16
16
19
19
19
19

7
7
7
7
7
7
7
7
7
7
7
7
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8

14.01
13.71
13.89
13.52
14.89
14.57
14.61
14.57
14.08
14.12
14.13
14.38
13.95
13.28
13.49
14.1
14.16
13.99

22
22
22
22
7
7
7
7
10
10
10
10
13
13
13
13
16
16

3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4

14.05
13.49
13.92
13.92
13.93
14.13
14.08
13.87
13.93
13.74
13.98
13.87
14.58
13.69
14.14
14.2
13.97
14.3

22
22
22
22
7
7
7
7
10
10
10
10
13
13
13
13
16
16

8
8
8
8
9
9
9
9
9
9
9
9
9
9
9
9
9
9

14.15
13.99
14.05
14.05
13.82
13.93
14.06
14.01
14.04
14.52
14.9
14.96
15.65
13.81
14.76
14.88
14.34
14.76
13.24
14.2
14.81
14.67
13.62
14.39
14.37
14.81
14.36
13.99
14.51
14.27
14.92
14.87
15.34
13.53

16
16
19
19
19
19
22
22
22
22
7
7
7
7
10
10
10
10
13
13
13
13
16
16
16
16
19
19
19
19
22
22
22
22

4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5

14.53
13.95
13.75
14.37
13.74
13.57
14.21
14.13
14.13
14.28
13.74
14.12
13.98
14.04
14.2
13.88
14.37
14.02
13.84
13.97
14.02
14.29
13.81
13.77
13.95
14.03
14.21
13.88
14.29
14.05
13.89
14.21
14.01
14.25

CON DATOS DE LA PRIMERA SEMANA

a) Construir una carta X Media - R

16
16
19
19
19
19
22
22
22
22
7
7
7
7
10
10
10
10
13
13
13
13
16
16
16
16
19
19
19
19
22
22
22
22

9
9
9
9
9
9
9
9
9
9
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10

Stat > Control Charts > Variable Charts for subgroup

b) Dividir la carta en das para una mejor apreciacin

Stat > Control Charts > Variable Charts for subgroup

X bar - R Options: Stages: Define stages

c) Recalcular lmites de control eliminando los

puntos de las 7:00 AM que son los arranques
de la produccin donde hay problemas

Stat > Control Charts > Variable Charts for subgroup

X bar - R Options: Estimate: Omit the following subg

d) A pesar de que el proceso no est en control

Stat > Quality Tools > Capability Analysis > Normal
hacer una determinacin de la capacidad del proceso
preliminar y sacar conclusiones

UNA VEZ CORREGIDOS LOS PROBLEMAS PRESENTADOS SE TOMAN NUEVOS DATOS EN LA SEGUNDA
a) Construir una carta X Media - R

Stat > Control Charts > Variable Charts for subgroup

b) Recalcular lmites de control eliminando el

punto fuera de control 14

Stat > Control Charts > Variable Charts for subgroup

X bar - R Options: Estimate: Omit the following subg

c) Hacer una determinacin de la capacidad

del proceso y concluir

Stat > Quality Tools > Capability Sixpack > Normal

X bar - R Options: Display: Display last

d) Hace un anlisis ms detallado de capacidad

Stat > Quality Tools > Capability Analysis > Normal

ARCHIVO PLASTICO_1.MTW
Se producen piezas de plstico con especificaciones de 462 0.5 mm. Se decide controlar esta caracterstica
con una carta de control X-R. Cada hora se toma una muestra de 4 piezas consecutivas, se trabaja de
7:00 a 15:00 Hrs, la primera muestra se toma a las 8AM.
Hora
8:00
8:00
8:00
8:00
9:00
9:00
9:00
9:00
10:00
10:00
10:00
10:00
11:00
11:00
11:00
11:00
12:00
12:00
12:00
12:00
13:00
13:00
13:00
13:00
14:00
14:00
14:00
14:00
15:00
15:00

Longitud
452.04
451.97
451.94
452.02
451.91
451.98
452.22
451.9
452.22
452.04
451.97
452
451.94
452.01
451.99
452.08
452.16
452.12
451.99
451.77
452
452.04
452.06
452
452.12
452.18
452.02
452.03
451.97
451.94

a) Realizar una carta X - R y sacar conclusiones

Stat > Control Charts > Variable Charts for subgroups > X bar - R
All observations are in one column: Lomgitud, Subgroup sizes 4

a) Agregar la media y el rango de cada subgrupo

Calc > Make Patterned data > Simple Set of Numbers

Store patterned data in Dia
First value 1 To last value 5 In steps of 1 List each value 32 List whole
Stat > Basic statistics > Store descriptive statistics
Variables Longitud By Variables Dia Hora
Statistics Mean Range
Copiar las columnas C6 y C7 de PLASTICO_1 a PLASTICO_2
de Mean1 y Rango1
c) Analizar si existe relacin entre las variables del proceso y entre
la media y el rango
Graph > Matrix Plot: Each Y versus each X: Simple
Y variables Mean1 Range1
X variables Presin Viscocidad Temperatura
d) Analizar con ms detalle Mean1 vs temperatura
Range1 vs Presin

15:00
15:00
8:00
8:00
8:00
8:00
9:00
9:00
9:00
9:00
10:00
10:00
10:00
10:00
11:00
11:00
11:00
11:00
12:00
12:00
12:00
12:00
13:00
13:00
13:00
13:00
14:00
14:00
14:00
14:00
15:00
15:00
15:00
15:00
8:00
8:00
8:00
8:00
9:00
9:00
9:00
9:00
10:00
10:00
10:00
10:00
11:00
11:00
11:00
11:00

451.93
451.88
452.15
452.26
452.36
452.29
452.13
452.37
452.19
452.24
452.28
452.15
452.38
452.24
452.22
452.19
452.31
452.09
452.32
452.22
452.29
452.34
451.93
451.95
452.14
452.03
451.95
452.02
451.89
451.85
452.08
451.96
452
451.96
452.02
451.82
452.23
451.96
451.94
451.81
451.89
452.08
452.07
451.94
451.96
452.12
452.21
452.15
451.96
451.84

Graph > Scatterplot: Simple

e) Hacer una columna con datos que hacen el proceso estable
Temperatura entre 119 y 121
Presin mayor a los 818 Kg/cm2
Calc > Calculator
Store result in C8
Expression:
('Temperatura' < 121) and (Temperatura' > 119) and
('Presin' > 810)
Print C8
Copiar los valores mostrados en la pantalla de sesin
En la hoja PLASTICO_1.MTW usamos:
Calc > Make Patterned Data > Arbitrary Set of Numbers
Store patterned data in C8
Pegar los valores copiados anteriomente
Copiar los valores de la longitud que en esta nueva columna tienen 1
Copy > Columns to columns, Condicin C8 = 1
f) Hacer un estudio de capacidad en PLASTICO_1
Stat > Quality Tools > Capability Sixpack > Normal

12:00
12:00
12:00
12:00
13:00
13:00
13:00
13:00
14:00
14:00
14:00
14:00
15:00
15:00
15:00
15:00
8:00
8:00
8:00
8:00
9:00
9:00
9:00
9:00
10:00
10:00
10:00
10:00
11:00
11:00
11:00
11:00
12:00
12:00
12:00
12:00
13:00
13:00
13:00
13:00
14:00
14:00
14:00
14:00
15:00
15:00
15:00
15:00
8:00
8:00

452.01
452.04
451.99
452.1
451.98
452.18
451.94
451.97
452.18
452.02
451.86
451.9
451.87
452.05
451.87
451.97
451.88
451.95
451.9
451.84
451.86
451.84
451.82
451.91
451.87
451.78
451.85
451.98
451.9
451.87
451.71
451.7
452.15
452.14
451.9
451.96
451.92
451.92
451.99
451.91
451.98
451.85
452.03
452.19
451.91
451.79
452.01
451.9
451.97
452.07

8:00
8:00
9:00
9:00
9:00
9:00
10:00
10:00
10:00
10:00
11:00
11:00
11:00
11:00
12:00
12:00
12:00
12:00
13:00
13:00
13:00
13:00
14:00
14:00
14:00
14:00
15:00
15:00
15:00
15:00

452.24
452.44
452.29
452.36
451.95
451.82
452.01
452.07
452.14
452.02
452.08
451.91
451.96
452.01
451.85
451.85
451.99
451.79
451.98
451.71
451.82
451.84
451.91
451.99
452.05
451.88
451.85
451.83
451.84
451.85

Se hacen piezas con una dimensin crtica de 7.5 0.1 mm, para med

de milsimas de milimetro. Se deben cumplir la norma de la variabilida

20% del intervalo de tolerancias.
Se toma una muestra de 10 piezas y 3 operarios miden 3 veces cada

ARCHIVO DIAMETRO_MEDIDA.MTW
Pieza
1
2
3
4
5
6
7
8
9
10

Carlos1
Carlos2
Carlos3
7.464
7.449
7.454
7.443
7.436
7.469
7.468
7.453
7.476
7.468
7.469
7.464
7.451
7.457
7.453
7.474
7.455
7.463
7.443
7.467
7.454
7.436
7.436
7.454
7.455
7.463
7.467
7.435
7.446
7.461

a) Formar los datos para R&R, una sola columna para cada concepto:
Columna Mediciones
Columna Piezas
Columna Operario

b) Hacer un anlisis grfico preliminar

Sacar conclusiones
c) Hacer un estudio R&R cruzado
Sacar conclusiones

ARCHIVO DIAMETRO_CAPACIDAD_1.MTW
La pieza anterior se debe fabricar para un cliente que exige que el Cp
de donde se toman 5 piezas cada media hora (32 muestras en total).
Muestra
1
2
3
4
5

Valor 1
7.484
7.495
7.505
7.524
7.484

Valor 2
7.501
7.47
7.505
7.544
7.51

Valor 3
7.489
7.472
7.498
7.49
7.501

6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

7.506
7.474
7.49
7.459
7.507
7.504
7.511
7.524
7.488
7.527
7.499
7.51
7.532
7.538
7.552
7.532
7.494
7.54
7.498
7.509
7.51
7.546
7.542
7.575
7.512
7.515
7.535

7.505
7.487
7.54
7.521
7.493
7.479
7.52
7.525
7.548
7.486
7.484
7.501
7.533
7.543
7.484
7.522
7.529
7.517
7.517
7.518
7.534
7.52
7.495
7.483
7.53
7.518
7.538

a) Se cumple el Cp > 1.33?

7.506
7.506
7.515
7.494
7.534
7.517
7.501
7.475
7.509
7.483
7.509
7.499
7.546
7.463
7.526
7.512
7.543
7.517
7.531
7.534
7.548
7.535
7.517
7.533
7.546
7.549
7.544

Stat > Quality Tools > Capa

Opcin: Data are arranged a
Especificaciones 7.4 a 7.6

ARCHIVO DIAMETRO_CAPACIDAD_2.MTW

Cada dia se producen 50 piezas y se verifica la capacidad del proceso

se encuentran en este archivo.
50 valores
7.482
7.491
7.536
7.469
7.52
7.493
7.533
7.514
7.483
7.485
7.522
7.53

a) Est todo correcto?

Stat > Quality Tools > Capability Analysi

Opcin: Data are arranged as - Single colu
Especificaciones 7.4 a 7.6
b) Analizar el comportamiento en carta de

Stat > Charts > Variable Charts for Indiv

iable Charts for subgroups > X bar - R

iable Charts for subgroups > X bar - R

Define stages DIA1

iable Charts for subgroups > X bar - R

e: Omit the following subgroups 1 7 13 19 25 30

ability Analysis > Normal

7.49
7.521
7.535
7.499
7.484
7.503
7.498
7.49
7.464
7.54
7.494
7.558
7.516
7.512
7.469
7.505
7.487
7.496
7.458
7.506
7.478
7.479
7.486
7.503
7.516
7.493
7.509
7.53
7.484
7.513
7.533
7.494
7.508
7.503
7.476
7.506
7.502
7.515

S DATOS EN LA SEGUNDA SEMANA

iable Charts for subgroups > X bar - R

iable Charts for subgroups > X bar - R

e: Omit the following subgroups 14

ability Sixpack > Normal

Display last 25 subgroups

ability Analysis > Normal

ontrolar esta caracterstica

tivas, se trabaja de

for subgroups > X bar - R

ud, Subgroup sizes 4

t of Numbers

List each value 32 List whole seq. 1

ve statistics

O_1 a PLASTICO_2

bles del proceso y entre

ARCHIVO PLASTICO_1.MTW
Contiene valores adicionales presin, visocidad y temperatura
Fecha
Hora
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/4/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/5/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/6/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002
11/7/2002

8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00
8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00

Presion
Viscosidad Temperatura
830.8
41.8
118.4
814.1
41.8
120.7
818.3
43
120.2
820.4
42.1
120.3
808.3
42.7
120.6
827
42.8
121.9
821.9
41.3
123.1
823
42.2
119.8
819.9
42.1
123
827.6
43.8
120.6
823
43.3
123.5
823.5
41.5
122.5
822.1
41.7
121.8
822.7
41.4
120.7
818.1
41.5
120.7
820.4
43.2
121.4
805.8
42.4
119.6
818.2
42.8
118.9
824.8
42.5
120
807.6
41.5
120.3
823.9
40.8
119.8
821.1
41.2
120.5
814.8
42
119.6
828.7
41.8
119.2
825.9
42.4
117.9
820.5
40.6
118.6
821.6
40.8
118.8
825.3
42.8
119
824.5
40.8
120.4
824.1
41.5
120.9
812.1
41.4
120.7
819.8
42.5
117.5

n el proceso estable

Temperatura' > 119) and

s en la pantalla de sesin

Set of Numbers

ta nueva columna tienen 1

11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002
11/8/2002

8:00
9:00
10:00
11:00
12:00
13:00
14:00
15:00

804.6
800
823
823.2
826.2
820.9
823.2
821.9

42.4
43
42.4
40.9
42.2
42.8
42.6
42.6

123.9
120.5
121.7
121
119.2
118.1
119
117.3

a de 7.5 0.1 mm, para medir esta cota se usa un micrmetro de resolucin

plir la norma de la variabilidad del sistema de medida a 6 sigma inferior al

erarios miden 3 veces cada una en orden aleatorio sin ver sus datos anteriores.

Mikel1

Mikel2
7.473
7.487
7.474
7.484
7.473
7.487
7.487
7.463
7.472
7.471

Mikel3
7.472
7.477
7.472
7.467
7.474
7.454
7.458
7.456
7.464
7.472

Pablo1
7.463
7.476
7.462
7.471
7.469
7.462
7.472
7.468
7.47
7.447

Pablo2
7.471
7.479
7.463
7.471
7.479
7.479
7.471
7.455
7.472
7.456

Pablo3
7.468
7.473
7.468
7.475
7.466
7.472
7.472
7.453
7.463
7.462

olumna para cada concepto:

Data > Stack > Columns
Calc > Make Patterned Data > Text Values
Carlos Mikel Pablo
Stat > Quality Tools > Gage Study > Gage Run Chart

Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)
Tolerancia del proceso = 0.2 Study variation = 5.15

cliente que exige que el Cp sea de 1.33. Se fabrican 1920 piezas

ora (32 muestras en total).
Valor 4
7.503
7.483
7.503
7.515
7.518

Valor 5
7.493
7.547
7.526
7.484
7.47

7.464
7.473
7.48
7.483
7.468
7.473
7.475
7.462
7.475
7.467

ARCHIVO VISITAS_WEB.M
Describe el nmero de visita
pgina Web durante octubre
indicando tambin la fecha y
Fecha
10/1/2002
10/2/2002
10/3/2002
10/4/2002
10/5/2002
10/6/2002
10/7/2002
10/8/2002
10/9/2002
10/10/2002
10/11/2002
10/12/2002
10/13/2002
10/14/2002
10/15/2002
10/16/2002
10/17/2002
10/18/2002
10/19/2002
10/20/2002
10/21/2002
10/22/2002
10/23/2002
10/24/2002
10/25/2002
10/26/2002
10/27/2002
10/28/2002
10/29/2002
10/30/2002
10/31/2002
11/1/2002
11/2/2002
11/3/2002

7.515
7.526
7.536
7.544
7.539
7.501
7.483
7.517
7.489
7.533
7.499
7.505
7.517
7.558
7.496
7.5
7.474
7.531
7.56
7.545
7.487
7.541
7.557
7.53
7.535
7.528
7.538

7.483
7.502
7.487
7.53
7.542
7.512
7.521
7.504
7.535
7.546
7.515
7.509
7.528
7.516
7.517
7.512
7.512
7.489
7.533
7.515
7.518
7.513
7.539
7.551
7.553
7.541
7.547

Stat > Quality Tools > Capability Sixpack > Normal

Opcin: Data are arranged as - Subgroups across rows of
Especificaciones 7.4 a 7.6

ca la capacidad del proceso, los datos para un cierto da

Tools > Capability Analysis > Normal

are arranged as - Single column size 50

omportamiento en carta de control

> Variable Charts for Individuals > I-MR

11/4/2002
11/5/2002
11/6/2002
11/7/2002
11/8/2002
11/9/2002
11/10/2002
11/11/2002
11/12/2002
11/13/2002
11/14/2002
11/15/2002
11/16/2002
11/17/2002
11/18/2002
11/19/2002
11/20/2002
11/21/2002
11/22/2002
11/23/2002
11/24/2002
11/25/2002
11/26/2002
11/27/2002
11/28/2002
11/29/2002
11/30/2002

a) Hacer un anlisis explorat

b) Eliminar los puntos 10 y d

c) Hacer estudio de capacida

sacar conclusiones

ARCHIVO VISITAS_WEB.MTW
Describe el nmero de visitas recibidas en una
pgina Web durante octubre y noviembre de 2002
ndicando tambin la fecha y da de la semana
Dia semana
Visitas
M
73
Mi
69
J
60
V
68
S
27
D
38
L
69
M
75
Mi
66
J
146
V
117
S
79
D
64
L
70
M
66
Mi
67
J
63
V
68
S
44
D
41
L
78
M
91
Mi
59
J
V
S
D
L
M
Mi
J
V
S
D

66
73
39
40
64
78
75
69
75
26
43

L
M
Mi
J
V
S
D
L
M
Mi
J
V
S
D
L
M
Mi
J
V
S
D
L
M
Mi
J
V
S

59
67
89
50
63
32
32
70
78
66
78
64
40
42
70
81
65
66
76
34
32
60
63
68
74
59
44

a) Hacer un anlisis exploratorio de datos

Stat > Time Series > Time series plot

b) Eliminar los puntos 10 y de fines de semana

Data > Copy > Columns to columns

) Hacer estudio de capacidad por Poisson

acar conclusiones

Subset the data Rows that match "Dia semana" = "S" or "Dia semana"="D" or Fecha
Substituir valores fuera de control de anuncios por *
Stat > Quality Tools > Capability Analysis > Poisson

CARTAS DE CONTROL

CARTAS DE CONTROL POR VARIABLES DE MEDIAS RANGOS

En Minitab
> Stat > Control Charts > Xbar R

Seleccionar Single column = indicar la Columna de datos

Subgroup size = Indicar el tamao del subgrupo (5 comun)
Seleccionar Subgroup across rows of = indicar las Columnas de datos

598
599.8
600
599.8
600
600
598.8
598.2
599.4
599.6

599.4
599.4
600
598.8
599.2
599.4
599.6
599
599.2
600.6

Proveedor 1
598.8
598.8
599.8
599.2
599.4
600
600.2
600.2
599.6
599

599
599.8
600.8
598.8
598.2
600
599.2
599.8
601.2
600.4

CARTAS DE CONTROL POR VARIABLES DE LECTURAS INDIVIDUALES

En Minitab
> Stat > Control Charts > Xbar R
Seleccionar Variable = indicar la Columna de datos
OK

CARTAS DE CONTROL POR ATRIBUTOS PARA FRACCION DEFECTIVA

En Minitab
> Stat > Control Charts > P
Seleccionar Variable = indicar la Columna de Productos defectivos
Seleccionar Subgroup size = Tamao de muestra constante
Seleccionar Sugroups in = Columna de tamaos de muestra variables
OK
D
Defectivos

n
Muestras

20
18
14
16
13
20
21
14
6
6

98
104
97
99
97
102
104
101
55
48
Promedio = 72

CARTAS DE CONTROL POR ATRIBUTOS DE NMERO DE DEFECTIVOS

En Minitab
> Stat > Control Charts > NP
Seleccionar Variable = indicar la Columna de Productos defectivos
Seleccionar Subgroup size = Tamao de muestra constante
que corresponde aprox. al promedio de las muestras
OK
Usando un tamao de muestra constante de 72

CARTAS DE CONTROL PARA NMERO DE DEFECTOS

En Minitab
> Stat > Control Charts > u
Seleccionar Variable = indicar la Columna de Defectos
Seleccionar Subgroup size = Tamao de muestra constante
que corresponde aprox. al promedio de las muestras
OK

"Dia semana"="D" or Fecha = Date("10/01/2000")

Defectos
2
4
1
1
4
5
2
1
2
4

4
3
5
2
1
1
2
3
2
4

3
2
4
3
2
3
5
1
4
3

CARTAS DE CONTROL PARA DEFECTOS POR UNIDAD

En Minitab
> Stat > Control Charts > C

4
2
3
6
4
0
1
2
3
1

Seleccionar Variable = indicar la Columna de Defectos

Seleccionar Subgroup size = Tamao de muestra constante
Seleccionar Sugroups in = Columna de tamaos de muestra variables
OK

Xbar/R Chart for Proveedor 1

Sample Mean

600.5

Opcional

lumna de datos
grupo (5 comun)
dicar las Columnas de datos

600.2
599.6
599.6
599.6
600.2
599.2
599
599.6
600.4
600

UCL=600.3

Mean=599.5

599.5

LCL=598.8
598.5

Subgroup

10

20

Sample Range

599
599.6
599.4
599.2
597.8
600.4
599.6
600
600.8
600.4

599.4
599
598.4
599
599.6
598.8
599.2
599.6
598.6
599.8

UCL=2.876

2
R=1.36
1
0

LCL=0

599.6
599.2
599.6
600.2
599.8
599.6
600
599.6
599.2
598.6

599.6
601.2
599.6
600.2
600
600
599.4
599.8
599.2
599.6

599.4
600
600
599.2
599.4
599.6
599.8
599
599.6
599.4

I and MR Chart for Proveedor 1

Indiv idual Value

601.5

RAS INDIVIDUALES

UCL=601.2

600.5
599.5

Mean=599.5

598.5

50

Mov ing Range

LCL=597.9

597.5
S ubgroup

100

1
1

UCL=2.000

1
R=0.6121
0

LCL=0

CCION DEFECTIVA
P Chart for Defec tiv
UC L=0. 3235

0. 3

Proportion

de Productos defectivos
muestra constante
maos de muestra variables

0. 2
P=0. 1622
0. 1

0. 0

D
Defectivos

n
Muestras

LC L=8. 99E-04
0

10

Sample Number

20

7
7
9
5
8
9
9
10
9
10

50
53
56
49
56
53
52
51
52
47

NP Chart for Defectiv

1

de Productos defectivos
muestra constante
omedio de las muestras

Sample Count

O DE DEFECTIVOS

NP=11.55
10

LCL=2.208
0
0

10

20

Sample Number

tra constante de 72

C Chart for Defectos

8

UCL=7.677

Sample Count

6
5
4
3

C=2.725

2
1
0

LCL=0
0

10

20

30

40

Sample Number

Si se considera n = 2 se tiene:

U Chart for Defectos

4

UCL=3.839

Sample Count

de Defectos
muestra constante
omedio de las muestras

UCL=20.89

20

Promedio = 72

2
U=1.363
1

LCL=0
0

10

20

Sample Number

30

40

de Defectos
muestra constante
maos de muestra variables

Sample Count

2
U=1.363
1

LCL=0
0

10

20

Sample Number

30

40

APLICACIONES DEL MDULO 7. DISEO DE EXPERIMENTOS

CARTAS MULTIVARI
En Minitab

c)

> Stat > Quality Tools > Multivari Charts

Tiempo de

Seleccionar Response = Columna de la variable de respuesta (Y)

Templado

Tipo de
Metal

Resistencia

Seleccionar Factors 1 al 4 = Columnas de datos de los factores de inters (Xi's)

18

22

OK

1
1

21
21

20
19

21

22

15

18

15

18

a)

b)

Tiempo de Tipo de
Templado

Metal

Tiempo de Tipo de
Resistencia

Templado

Metal

Resistencia

0.5
0.5
0.5

15
15
15

23
20
21

0.5
0.5
1

21
21
15

18
21
22

2
2
2

15
18
18

16
21
23

0.5

18

22

15

20

18

20

0.5

18

19

15

19

21

20

0.5

18

20

18

24

21

22

0.5

21

19

18

25

21

24

CORRIDA EN MINITAB DE UN DISEO DE EXPERIMENTOS (5.1)

PRESION (psig)
200
215
230
90.4
90.7 90.2
90.2
90.6 90.4
90.1
90.5 89.9
90.3
90.6 90.1
90.5
90.8 90.4
90.7
90.9 90.1

TEMP.
150
160
170

PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL EXPERIMENTO

Stat > DOE > Factorial > Create Factorial Design
Type of Design: General Full Factorial
Designs: Number of levels
Number of Replicates 2

3, 3

Options Non randomize runs OK

Factors Introducir el nombre real de los factores
y en forma opcional los niveles reales

PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA

COMBINACION DE FACTORES DESPUS QUE MINITAB GENERO EL DISEO O ARREGLO
StdOrder
RunOrderBlocks
1
1
1
2
2
1
3
3
1
4
4
1
5
5
1
6
6
1
7
7
1
8
8
1
9
9
1
10
11
12
13
14
15

10
11
12
13
14
15

1
1
1
1
1
1

Temp
1
1
1
2
2
2
3
3
3

Presion
1
2
3
1
2
3
1
2
3

Resp
90.4
90.7
90.2
90.1
90.5
89.9
90.5
90.8
90.4

1
1
1
2
2
2

1
2
3
1
2
3

90.2
90.6
90.4
90.3
90.6
90.1

16

16

90.7

17

17

90.9

18

18

90.1

PASO 3 ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS FACTORIAL COMPLETO

Stat > DOE > Factorial > Analyze Factorial Design

Response Seleccionar la columna de las respuestas
Residuals Estandardized
Terms
Pasar todos los trminos a Selected con >> OK
Graphs
Seleccionar Effects Plots Normal y Pareto
Seleccionar Residual plots: Normal y vs fits OK
Results
Full table of fits and residuals
Seleccionar todos los trminos con >> OK
OK

CONCLUSIONES EN RESIDUALES
Residuals Versus the Fitted Values
(response is Resp)

Residual

0.1

Residuales vs Y estimada
deben ser aleatorios

0.0

-0.1

90.0

90.1

90.2

90.3

90.4

90.5

90.6

90.7

Fitted Value

Normal Probability Plot of the Residuals

(response is Resp)
2

Normal Score

Grfica Normal de residuales

deben aproximarse a la lnea recta

-1

-2
-0.1

0.0

Residual

0.1

90.8

90.9

-1

-2
-0.1

0.0

0.1

Residual

General Linear Model: Resp versus Temp, Presion

Factor Type Levels Values
Temp
fixed
3123
Presion fixed
3123
Analysis of Variance for Resp, using Adjusted SS for Tests
Source
DF
Temp
2
Presion
2
Temp*Presion 4
Error
9
Total
17

Seq SS
Adj SS
0.30111 0.30111
0.76778 0.76778
0.06889
0.06889
0.16000
0.16000
1.29778

Adj MS
F
P
0.15056 8.47 0.009
0.38389 21.59 0.000
0.01722 0.97 0.470
0.01778

Significativos a nivel de 0.05

No significativo a nivel 0.05

Y(i,j) estimada= Promedio de valores en cada celda (i,j)

Residuales o error e(i,j) = Y(i,j) real observada - Y (i,j) estimada
PASO 4. OBTENER LAS GRFICAS FACTORIALES PARA IDENTIFICAR LAS MEJORES
CONDICIONES DE OPERACIN
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects e Interaction Plots
Setup para ambas: Seleccionar columna Respuesta
y con >> seleccionar todos los factores OK
Seleccionar Data Means OK

De aqu se seleccionan los mejores niveles de acuerdo al resultado deseado.

si la interaccin es significativa, los mejores niveles se seleccionan de las grficas de interacciones, de otra
forma se seleccionan de las grficas de efectos de los factores principales.

Main Effects Plot - Data Means for Resp

Temp
90.68

Resp

90.56

90.44

90.32

90.20

Presion

R
90.32

90.20

Interaction Plot - Data Means for Resp

Temp
1
2
3

90.8

Mean

90.6

90.4

90.2

90.0
1

Presion

CORRIDA EN MINITAB TOMANDO DE UN DISEO DE EXPERIMENTOS 2K (6.5)

Se usa un Router para hacer los barrenos de loc. de una placa de circuito impreso. La vibracin es fuente principal de variacin.
La vibracin de la placa a ser cortada depende del tamao de los barrenos (A1 = 1/16" y A2 = 1/8") y de la velocidad de corte
(B1 = 40 RPMs y B2 = 90 RPMs). La variable de respuesta se mide en tres acelermetros A,Y,Z en cada uno de los circuitos impresos.
Los resultados se muestran a continuacin.

+
+

Not. Montgomery
Combinacin
B
Trat.
(1)
a
+
b
+
ab

Niveles
Codificados
A
-1
1
-1
1

Niveles
Reales
A
B
0.063
40
0.125
40
0.063
90
0.125
90

B
-1
-1
1
1

Respuesta Vibracin

I
18.2
27.2
15.9
41.0

Rplica
II
III
18.9 12.9
24.0 22.4
14.5 15.1
43.9 36.3

PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL EXPERIMENTO

Stat > DOE > Factorial > Create Factorial Design

Type of Design: Two Level Factorial
Number of Factors 2

Designs

Full Factorial

Number of Center points 0

Number of replicates:

Number of Blocks

OK

Factors
Factor Name
A
Diametro
B
Velocidad

Type
Numeric
Numeric

Low
0.063
40

High
0.125
90 OK

IV
14.4
22.5
14.2
39.9

Factors
Factor Name
A
Diametro
B
Velocidad

Type
Numeric
Numeric

Low
0.063
40

High
0.125
90 OK

Options
o Randomize Runs (quitar seleccin)

OK

PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA

COMBINACION DE FACTORES DESPUS QUE MINITAB GENERO EL DISEO O ARREGLO
StdOrderRunOrderCenterPt Blocks DiametroVelocidad Resp

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1

18.2
27.2
15.9
41.0
18.9
24.0
14.5
43.9
12.9
22.4
15.1
36.3
14.4
22.5
14.2
39.9

PASO 3 ANALIZAR EL MODELO DEL DISEO DE EXPERIMENTOS FACTORIAL COMPLETO

Stat > DOE > Factorial > Analyze Factorial Design
Response Seleccionar la columna de las respuestas Vibracin
Residuals Estandardized

Terms

Pasar todos los trminos a Selected terms con >> OK

Stat > DOE > Factorial > Analyze Factorial Design

Response Seleccionar la columna de las respuestas Vibracin
Residuals Estandardized

Terms

Pasar todos los trminos a Selected terms con >> OK

Graphs

Seleccionar Effects Plots Normal y Pareto

Seleccionar Alfa = 0.05

Seleccionar Residual for Plots Standardized o Regular

Seleccionar Residual plots: Normal y vs fits OK

Results Seleccionar ! Full table of fits and residuals in addition to the above
Seleccionar en Display of alias table ! Default interactions
Seleccionar todos los trminos a Selected terms con >> OK

OK

Normal Probability Plot of the Residuals

Los resultados se muestran a continuacin

(response is Vibracin)
99

CONCLUSIONES EN RESIDUALES

95
90

Percent

80
70
60
50
40
30
20

Residuales vs Y estimada
deben ser aleatorios
y apegarse a la linea de regresin
indicando que se distribuyen en forma
normal y el modelo es vlido

10
5

-3

-2

-1
0
1
Standardized Residual

Residuals Versus the Fitted Values

(response is Vibracin)
2

Los residuales vs Valores de Y estimados

(fits) deben distribuirse de manera aleatoria
1
por arriba y debajo de la linea central
indicando que son independientes de la respuesta
Standardized Residual

a)

-1

-2
15

20

25
30
Fitted Value

35

40

Los valores de los residuales se calculan comos sigue:

Y(i,j) estimada con la ecauacin de regresin para cada combiancin de niveles i, j.

Residuales o error e(i,j) = Y(i,j) real observada - Y (i,j) estimada
La tabla de residuales calculada se muestra a continuacin:
Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
b)

StdOrder
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Vibracin
18.2000
27.2000
15.9000
41.0000
18.9000
24.0000
14.5000
43.9000
12.9000
22.4000
15.1000
36.3000
14.4000
22.5000
14.2000
39.9000

Fit
16.1000
24.0250
14.9250
40.2750
16.1000
24.0250
14.9250
40.2750
16.1000
24.0250
14.9250
40.2750
16.1000
24.0250
14.9250
40.2750

SE Fit
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224
1.2224

Residual
2.1000
3.1750
0.9750
0.7250
2.8000
-0.0250
-0.4250
3.6250
-3.2000
-1.6250
0.1750
-3.9750
-1.7000
-1.5250
-0.7250
-0.3750

St Resid
0.99
1.50
0.46
0.34
1.32
-0.01
-0.20
1.71
-1.51
-0.77
0.08
-1.88
-0.80
-0.72
-0.34
-0.18

CONCLUSIONES EN LA TABLA DE ANOVA

Analysis of Variance for Vibracin (coded units)
Source
Main Effects
2-Way Interactions
Residual Error
Pure Error
Total

DF
2
1
12
12
15

Seq SS
1334.48
303.63
71.72
71.72
1709.83

Adj SS
1334.48
303.63
71.72
71.72

Adj MS
667.241
303.631
5.977
5.977

F
111.64
50.80

P
0.000
0.000

P <0.05 indica que los efectos principales

y la interaccin entre ellos (AB),
son significativos, o sea si tienen influencia
en la respuesta al cambiar sus niveles

C)

CONCLUSIONES EN LOS EFECTOS ESTIMADOS Y COEFICIENTES USANDO VALORES REALES DE

LOS NIVELES
Se obtienen los resultados siguientes:
Estimated Coefficients for Vibracin using data in uncoded units
Term
Constant

Coef
23.0550

Diametro
Velocidad
Diametro*Velocidad

-96.2400
-0.372000
5.57600

La ecuacin de Regresin del modelo se forma considerando unicamente los factores

e interacciones que tienen influencia en la respuesta o sea que son significativos
en este caso todos fueron significativos y la ecuacin de regresin es la siguiente:

Yest = 23.0550 - 96.24*Diametro - 0.372*Velocidad + 5.576*Diametro*velocidad

Esta ecuacin es vlida en valores no codificados de los niveles es decir para A entre 1/16 y 1/8
y B entre 40 y 90, cualquier valor entre estos rangos.
Las grficas de Efectos principales indican los factores significativos observando los que salen
de la recta normal e incluso se indican sus nombres como sigue (en este caso A, B y AB):

Normal Probability Plot of the Standardized Effects

(response is Vibracin, Alpha = .05)
99

Effect Type
Not Significant
Significant

95

F actor
A
B

90

Percent

80

Name
Diametro
V elocidad

70
60
50
40
30

AB

20
10
5

4
8
Standardized Effect

12

16

La grfica de Pareto de efectos principales muestra cuales son significativos

observando los que exceden la lnea roja de nivel alfa (en este caso A, B y AB).
Pareto Chart of the Standardized Effects
(response is Vibracin, Alpha = .05)
2.18
Factor
A
B

Term

AB

6
8
10
Standardized Effect

12

14

Name
Diametro
V elocidad

PASO 4. OBTENER LAS GRFICAS FACTORIALES PARA IDENTIFICAR LAS MEJORES

CONDICIONES DE OPERACIN
a)

PROMEDIOS DE LAS RESPUESTAS EN CADA NIVEL DE FACTORES E INTERACCIN

Los promedios de la vibracin considerando cada uno de los niveles de los factores obtenidos
en el anlisis del experimento son:

Para el caso de niveles reales no codificados en (A = 1/16, 1/8 y B = 40 y 90 rpm):

Least Squares Means for Vibracin
Mean SE Mean
Diametro
0.0625
15.51
0.8644
0.1250
32.15
0.8644
Velocidad
40
20.06
0.8644
90
27.60
0.8644
Diametro*Velocidad
0.0625 40
16.10
1.2224
0.1250 40
24.03
1.2224
0.0625 90
14.93
1.2224
0.1250 90
40.28
1.2224

b)

OBTENCIN DE LAS GRFICAS FACTORIALES

Las instrucciones son las siguientes:
Stat > DOE > Factorial > Factorial Plots
Seleccionar Main effects, Interaction Plots y Cube Plot
Realizar el Setup para cada una de estas:
Seleccionar columna Respuesta vibracin
y con >> seleccionar todos los factores a Selected OK
Seleccionar Data Means OK

La grficas se muestran a continuacin:

La grfica de Cubo slo muestra el arreglo experimental en forma grfica:

Cube Plot (data means) for Vibracin

14.925

40.275

Velocidad

16.100

24.025

-1
-1

Diametro

Se seleccionan los mejores niveles de acuerdo al resultado deseado.

Si la interaccin ES significativa, los mejores niveles se seleccionan de grficas de interacciones
Interaction Plot (data means) for Vibracin
Diametro
-1
1

40

En este caso como buscamos

una respuesta de menor es mejor
para el caso de la vibracin
seleccionamos de los cuatro
puntos que forman la
interaccin de A y B, el que
proporcione la menor
repuesta, en este caso:

Mean

35

30

25

20

15
-1

Velocidad Alta
Diametro Bajo

1
Velocidad

Si la interaccin NO es significativa, los mejores niveles se seleccionan de las grficas

de los factores principales (Main effects): - Lo cual en este caso no aplica.
Main Effects Plot (data means) for Vibracin
Diametro
32.5

Mean of Vibracin

30.0
27.5
25.0
22.5
20.0

Velocidad

Mean of Vibracin

30.0
27.5
25.0
22.5
20.0
17.5
15.0
-1

-1

PASO 5. OBTENCIN DE LAS GRFICAS DE CONTORNOS Y DE SUPERFICIE DE RESPUESTA

Las instrucciones son las siguientes:
Stat > DOE > Factorial > Contour / Surface Plots
Seleccionar Contour y Surface Plots
Realizar el Setup para cada una de estas:
Seleccionar columna Respuesta vibracin
Seleccionar Uncoded units (valores reales) o Codificados OK
OK

La grfica de contornos indica la combiancin de niveles para A y B manteniendo la Y resp. Cosntante.

Sirve para indicar hacia donde se debe seguir experimentando si se quiere mejorar la respuesta,
trazando una recta casi perpendicular a los contornos:
Contour Plot of Vibracin vs Velocidad, Diametro
1.0

Vibracin
< 15
15 - 20
20 - 25
25 - 30
30 - 35
35 - 40
> 40

Velocidad

0.5

0.0

-0.5

-1.0
-1.0

-0.5

0.0
Diametro

0.5

1.0

La grfica de Superficie de respuesta nos indica el comportamiento del proceso es decir

como varia la respuesta Y = vibracin en funcin de variaciones con Diametro y Velocidad

Surface Plot of Vibracin vs Velocidad, Diametro

40

Vibracin

30

20

1
-1

0
0
Diametro

-1

Velocidad

CORRIDA EN MINITAB DEL DISEO DE EXPERIMENTOS FRACCIONAL DE TAGUCHI

Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles,
los ms utilizados y difundidos segn el nmero de factores a analizar son:
N de condiciones

Si el nmero de factores que

se desean analizar es

Arreglo a utilizar

a probar

Entre 1 y 3

L4

Entre 4 y 7

L8

Entre 8 y 11

L12

12

Entre 12 y 15

L16

16

Entre 16 y 31

L32

32

Entre 32 y 63

L64

64

Taguchi sugiere utilizar un estadstico que proporcione informacin acerca de la media y de la variancia
denominado Relacin Seal a Ruido (SNR), como la variable de respuesta, se consideran tres tipos principales:
1. Menor es mejor (Smaller is better - s)
2. Mayor es mejor Larger is better - l)
3. Nominal es mejor - (Target is better - t)
Las frmulas para cada esquema son las siguientes

n 2
Yi

SNRs=10 log
i=1

1/
SNRl=10 log Yi
n
i=1

SNRt =10 log s

Donde la SNR se expresa en decibeles y debe ser maximizada

Ejemplo: Optimizacin de un proceso de soldadura de tarjetas de circuito impreso
Una vez insertados los componentes en una placa de circuito impreso, esta se pasa a una mquina de soldar
donde por medio de un transportador pasa por un bao de flux para eliminar oxido, se precalienta para reducir
la torcedura y se solda. Se disea un experimento para determinar las condiciones que dan el nmero mnimo de
defectos de soldadura por milln de uniones. Los factores de control y niveles se muestran a continuacin:
Factor
A
B
C
D
E

Descripcin
Temperatura de soldado F
Velocidad del transportador (ft/
Densidad del flux remover oxid
Temperatura de precalentado
Altura de ola de soldadura(pulg

(-1)
480
7.2
0.9
150
0.5

(+1)
510
10.
1.0
200
0.6

El arreglo de los factores de control

se denomina Arreglo interno fraccional 25-2

Adems se tienen otros factores denominados factores de ruido que no se pueden o no se quieren controlar
como el tipo de producto. Tambin se pueden considerar factores de ruido las tolerancias de algunos de los

factores crticos en este proceso, en este caso la temperatura de la soldadura varia entre 5F y la velocidad del
transportador entre 0.2 ft/min. Esta variabilidad tambin tiene influencia en la respuesta.
Factor
Descripcin
(-1)
F
Temperatura de soldadura (F) -5
G
H

Velocidad del transportador (ft/ -0.2

Tipo de producto en la placa
2

(+1)
5

El arreglo de los factores de ruido

+0.2
1

se denomina Arreglo externo fraccional 23-1

El arreglo cruzado de ambos y los valores de las respuestas se muestran a continuacin:

En este caso se busca la respuesta Menor es mejor para los defectos de soldadura.

F
G
H

Arreglo interno
A
-1
-1
-1
-1
1
1
1
1

B
-1
-1
1
1
-1
-1
1
1

C
-1
1
-1
1
-1
1
-1
1

D
-1
1
-1
1
1
-1
1
-1

E
-1
1
1
-1
-1
1
1
-1

-1
-1
-1

1
1
-1

1
-1
1

-1
1
1

186
328
234
295
47
185
136
194

187
326
159
216
125
261
136
197

105
247
231
204
127
264
132
193

104
322
157
293
42
264
136
275

SNR

=-10*LOG10(SUMA.CUADRADOS(J69:M69)/4)

-43.59
-49.76
-45.97
-48.15
-39.51
-47.81
-42.61
-46.75

PASO 1. GENERAR EL DISEO FACTORIAL DE ACUERDO AL EXPERIMENTO

Stat > DOE > Taguchi > Create Taguchi Design

2 Level Design
Number of factors 5

Designs

L8

OK

Factors (para cambiar nombre de factores y niveles)

o To columns of the array as specified below
o To allow estimation of selected interactions Seleccionar Selected terms AB
Factor Name
A
Temp sold
B
Vel. transp.
C
Densidad flux
D
Temp precal
E
Altura de ola

Level values Column Levels

-1
1
1
2
-1
1
2
2
-1
1
3
2
-1
1
4
2
-1
1
5
2

o To allow estimation of selected interactions Seleccionar Selected terms AB

Factor Name
A
Temp sold
B
Vel. transp.
C
Densidad flux
D
Temp precal
E
Altura de ola

OK

Level values Column Levels

-1
1
1
2
-1
1
2
2
-1
1
3
2
-1
1
4
2
-1
1
5
2

Options
o Store design in worksheet OK

PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA

COMBINACION DE FACTORES DESPUS QUE MINITAB GENERO EL DISEO O ARREGLO
A
-1
-1
-1
-1
1
1
1
1

B
-1
-1
1
1
-1
-1
1
1

C
-1
1
-1
1
-1
1
-1
1

D
-1
1
-1
1
1
-1
1
-1

E
-1
1
1
-1
-1
1
1
-1

-F-G-H
186
328
234
295
47
185
136
194

FG-H F-GH -FGH

187.0
105
104
326.0
247
322
159.0
231
157
216.0
204
293
125.0
127
42
261.0
264
264
136.0
132
136
197.0
193
275

PASO 3 ANALIZAR MODELO DE DISEO DE EXPERIMENTOS FRACCIONAL DE TAGUCHI

Stat > DOE > Taguchi > Analyze Taguchi Design
Response Data are in - Seleccionar las cuatro columnas de respuestas C6 - C9

Graphs Seleccionar Signal to noise ratios , means, interaction plots in Matrix

Analysis Seleccionar Signal to noise ratios y Means para Response tables y Fit Model
Terms

Seleccionar A, B, C, D , E y AB

Options Seleccionar Smaller is better

Analysis Graphs Seleccionar Standardized Residual for plots y Normal Plot

OK

Los resultados se muestran a continuacin

a) Grfica normal de residuos
Normal Probability Plot of the Residuals

Normal Probability Plot of the Residuals

(response is SN ratios)

(response is Means)

99

99

95

95

90

90

80

Percent

Percent

80
70
60
50
40
30

60
50
40
30
20

20

10

10

70

-3

-2

-1
0
1
Standardized Residual

-3

-2

-1
0
1
Standardized Residual

Indica que le modelo es adecuado

b) Coeficientes y ANOVA para Relaciones Seal a Ruido

Taguchi Analysis: -F-G-H, FG-H, F-GH, -FGH versus A, B, C, D, E

Linear Model Analysis: SN ratios versus A, B, C, D, E
Estimated Model Coefficients for SN ratios
Term
Constant
A -1
B -1
C -1
D -1
E -1
A*B -1 -1
S = 0.05974

Coef
-45.5183
-1.3480
0.3503
2.6000
-0.5119
1.0188
-0.1589

SE Coef
0.02112
0.02112
0.02112
0.02112
0.02112
0.02112
0.02112

R-Sq = 100.0%

T
-2154.926
-63.819
16.583
123.089
-24.233
48.230
-7.520

P
0.000
0.010
0.038
0.005Para SNR los cinco factores son significativos
0.026a una alfa del 5%
0.013
0.084

R-Sq(adj) = 100.0%

Analysis of Variance for SN ratios

Source
A
B

DF
1
1

Seq SS
14.5378
0.9815

Adj SS
14.5378
0.9815

Adj MS
14.5378
0.9815

F
4072.88
274.99

P
0.010
0.038

C
D
E
A*B
Residual Error
Total

1
1
1
1
1
7

54.0796
2.0961
8.3030
0.2019
0.0036
80.2035

54.0796
2.0961
8.3030
0.2019
0.0036

54.0796
2.0961
8.3030
0.2019
0.0036

15150.84
587.23
2326.15
56.56

0.005
0.026
0.013
0.084

c) Coeficientes y ANOVA para las medias de los factores

Linear Model Analysis: Means versus A, B, C, D, E
Estimated Model Coefficients for Means
Term
Constant
A -1
B -1
C -1
D -1
E -1
A*B -1 -1
S = 8.839

Coef
197.125
27.500
-2.125
-56.875
2.625
-22.750
3.125

SE Coef
3.125
3.125
3.125
3.125
3.125
3.125
3.125

R-Sq = 99.8%

T
63.080
8.800
-0.680
-18.200
0.840
-7.280
1.000

P
0.010
0.072
0.620
0.035
0.555
0.087
0.500

Solo son significativos a un nivel alfa del 5%

el factor C y al 10% A, C, E.

R-Sq(adj) = 98.5%

Analysis of Variance for Means

Source
A
B
C
D
E
A*B
Residual Error
Total

DF
1
1
1
1
1
1
1
7

Seq SS
6050.0
36.1
25878.1
55.1
4140.5
78.1
78.1
36316.1

Adj SS
6050.0
36.1
25878.1
55.1
4140.5
78.1
78.1

Adj MS
6050.0
36.1
25878.1
55.1
4140.5
78.1
78.1

F
77.44
0.46
331.24
0.71
53.00
1.00

d) Las respuestas promedio y grficas factoriales para relacin Seal a Ruido son:

Response Table for Signal to Noise Ratios

Smaller is better
Level
1
2
Delta
Rank

A
-46.87
-44.17
2.70
2

B
-45.17
-45.87
0.70
5

C
-42.92
-48.12
5.20
1

D
-46.03
-45.01
1.02
4

E
-44.50
-46.54
2.04
3

P
0.072
0.620
0.035
0.555
0.087
0.500

Main Effects Plot (data means) for SN ratios

A

Mean of SN ratios

-44

-46

Los factores ms significativos son A, C y E.

-48
-1

-1

-1

Seleccionamos para menor es mejor

los que den respuesta Mxima:

A= 1
B = -1
C = -1
D=1
E = -1

-44

-46

-48
-1

-1

Signal-to-noise: Smaller is better

I nteraction Plot (data means) for SN ratios

-1

1
A
-1
1

-44
-45
A

Se observan lneas casi paralelas

-46

por lo que no hay interaccin significativa entre

los factores A y B

-47

Si fuera
significativa de aqu seleccionamos
-1
1
los niveles para A y B

-44
-45
B
-46
-47
-1

Signal-to-noise: Smaller is better

d) Las respuestas promedio y grficas factoriales para los factores principales son:

Main Effects Plot (data means) for Means

A

250
225

Se observan como factores significativos

Mean of Means

200

A, C y E (considerados para alfa de 10%),

175

seleccionamos para una respuesta mnima:

150
-1

-1

1
E

250

-1

A= 1
C = -1
E = -1

225
200

Si no coincidieran los niveles en SN y medias

175

en los factores, se da prioridad a los niveles

que maximizen la SNR.

150
-1

-1

acciones

or es mejor

175
150
-1

-1

Interaction Plot (data means) for Means

-1

1
220

A
-1
1

200
A
180
160
220
200
B
180
160
-1

No se observa interaccin significativa

entre los factores A y B, las lneas
B
-1
1

estn casi paralelas

log s

DISEO CENTRAL COMPUESTO DE SUPERFICIE DE RESPUESTA

Un modelo de primer orden es el siguiente:

y=0 +1 x1 +2 x2+...k xk +
Su grfica de contornos son lneas rectas que nos permiten seguir
experimentando en la trayectoria de ascenso rpido, perpendicular a los contornos

Incremento

Niveles codificados

Niveles reales

Respuesta

Orig.
+8

3.36

75

173

70.4

Orig.
+9

3.78

80

175

77.6

Orig.
+10

10

4.20

85

177

80.3

Orig.
+11

11

4.62

90

179

76.2

Orig.
+12

12

5.04

95

181

75.1

+12

Trayectoria de ascenso rpido

En este punto ya no funciona el

modelo lineal anterior, se requiere uno cuadrtico

Respuesta

Pasos
Experimentales

Si en ANOVA se indica que un modelo cuadrtico es mejor que

uno lineal, el modelo a aplicar es:

k1 k

Y= 0+ i X i + ii X 2i + ij X i X j +
i=1

i=1

i=1 j=2

El modelo a utilizar en lugar de un rectngulo del diseo lineal, es el

diseo central compuesto con puntos axiales como se muestra abajo:

Puntos axiales en 1.414

Diseo lineal normal

Rplicas en (0,0)
para el error puro

Ejemplo de diseo central compuesto:

Variables reales
del

Proceso

Variables
codificadas

Rendimiento

Corrida

Tiempo (min.)

Temp.(F)

X1

X2

Y2

80

170

-1

-1

76.5

80

180

-1

77.0

90

170

-1

78.0

90

180

79.5

85

175

79.9

85

175

80.3

85

175

80.0

8
9

85
85

175
175

0
0

0
0

79.7
79.8

8
9

85
85

175
175

0
0

0
0

79.7
79.8

10
11
12
13

92.07
77.93
85
85

175
175
182.07
167.93

1.414
-1.414
0
0

0
0
1.414
-1.414

78.4
75.6
78.5
77.0

Corrida en Minitab:

Paso 1. Crear el diseo de exp. Central Compuesto (CCD)

Stat> DOE > Surface Response > Create Response Surface Design
En Type of Designs seleccionar Central Composite
Number of factors 2
En Designs seleccionar Full Runs 13 Center points 5 Axial 1.414
Number of center points seleccionar Default Value of Alfa Default
Replicates 1
En Factors seleccionar Nombre de los factores y niveles de los mismos
En Options seleccionar NO Randomize runs y Store Design in Worksheet
En Results seleccionar Summary table and Design Table
OK
Design Table
Central Composite Design
Factors:
Base runs:
Base blocks:

Run

Blk

-1.00000

-1.00000

Replicates:

1.00000

-1.00000

13

Total runs:

13

-1.00000

1.00000

1.00000

1.00000

-1.41421

0.00000

1.41421

0.00000

0.00000

-1.41421

0.00000

1.41421

Total blocks:

Two-level factorial: Full factorial

Cube points:

Center points in cube:

0.00000

0.00000

Axial points:

10

0.00000

0.00000

Center points in axial:

11

0.00000

0.00000

12

0.00000

0.00000

13

0.00000

0.00000

Alpha: 1.41421

Paso 2. Cargar los datos de respuesta de los experimentos

StdOrder RunOrder PtType
1
1
1
2
2
1
3
3
1
4
4
1
5
5
-1
6
6
-1
7
7
-1
8
8
-1

Blocks
A
B
Rendim. Viscocidad
1
-1
-1
76.5
62
1
1
-1
78.0
66
1
-1
1
77.0
57
1
1
1
79.5
59
1
-1.41421
0
75.6
71
1
1.41421
0
78.4
68
1
0
-1.41421
77.0
57
1
0
1.41421
78.5
58

9
10
11
12
13

9
10
11
12
13

0
0
0
0
0

1
1
1
1
1

0
0
0
0
0

0
0
0
0
0

79.9
80.3
80.0
79.7
79.8

72
69
68
70
71

Paso 3. Analizar el Diseo de superficie de respuesta CCD

Stat> DOE > Surface Response > Analyze Surface Response Design
En Response seleccionar Rendimiento y Coded Units
En Graphs seleccionar Residual Plots o Normal Plot
OK
Norm
al Probability
Plot of thees
Residuals
La grfica
normal
de residuos
la siguiente:
(response is Rendim)

El modelo es

99

adecuado

95
90

Percent

80
70
60
50
40
30
20
10
5

-0.50

-0.25

0.00
Residual

0.25

0.50

Los resultados del anlisis son:

Response Surface Regression: Rendim versus A, B
The analysis was done using coded units.
Estimated Regression Coefficients for Rendim
Term
Constant
A
B
A*A
B*B
A*B
S = 0.2660

Coef
79.9400
0.9950
0.5152
-1.3762
-1.0013
0.2500

SE Coef
0.11896
0.09405
0.09405
0.10085
0.10085
0.13300

R-Sq = 98.3%

T
671.997
10.580
5.478
-13.646
-9.928
1.880

P
0.000
0.000
0.001
0.000
0.000
0.102

SON SIGNIFICATIVOS

R-Sq(adj) = 97.0%

La ecuacin de regresin es:

Y = 79.94 + 0.995*A + 0.5152*B - 1.3762*A*B - 1.0013*B*B
Analysis of Variance for Rendim

Source

DF

Seq SS

Adj SS

Adj MS

Regression

28.2478

28.2478

5.64956

79.85

0.000

Linear

10.0430

10.0430

5.02148

70.97

0.000

Square

17.9548

17.9548

8.97741

126.88

0.000

Interaction

0.2500

0.2500

0.25000

3.53

0.102

Residual Error

0.4953

0.4953

0.07076

Lack-of-Fit

0.2833

0.2833

0.09443

1.78

0.290

Pure Error

0.2120

0.2120

0.05300

12

28.7431

Total

Con el error Lack of Fit se observa que el modelo lineal

no es adecuado, se reuqiere el modelo cuadrtico

Stat> DOE > Surface Response > Contour/Response Plots

Seleccionar Contour y Surface plots
En Setup de cada una simplemente entrar y salir
OK
Surface Plot of Rendim vs B, A

80
78
Rendim
76
74

1
0
-1
A

-1

Punto ptimo
A=0, B=0.5

Contour Plot of Rendim vs B, A

1.0

0.5

0.0

-0.5

-1.0

Rendim
< 74
74 - 75
75 - 76
76 - 77
77 - 78
78 - 79
79 - 80
> 80

0.5

78 - 79
79 - 80
> 80

0.0

-0.5

-1.0

-1.0

-0.5

0.0
A

0.5

1.0

Se puede ampliar esta respuesta con:

Stat> DOE > Surface Response > Overlaid Contour Plot
Seleccionar Variable de respuesta con >
En Contours establecer el Low 78 y High 84 de la respuesta
OK
Overlaid Contour Plot of Rendim
Rendim
78
84

1.0

0.5

0.0

-0.5

-1.0

-1.0

-0.5

0.0
A

0.5

1.0

Paso 5. Optimizacin de las respuestas

Stat> DOE > Surface Response > Response Optimizer
Seleccionar Variable de respuesta Rendim con >
En Setup poner los valores para la estimacin Lower 75 Target 80 Upper 90

En Options indicar los Starting Values de los niveles de los factores 0, 0

OK

Puntos ptimos
Optimal
Hi
D
Cur
1.0000 Lo

A
1.4142
[0.0]
-1.4142

B
1.4142
[0.1781]
-1.4142

Rendim
Targ: 80.0
y = 80.0000
d = 1.0000

El clculo manual se reaiza como sigue:

x1
x
x 2
...

xk
1

0.995

2
b

0.515
...

11 , 12 / 2,..., 1k / 2

/ 2, 22 ,....2 k / 2
B 12

matriz.simetrica,
kk

1.376, 0.1250

0.1250, 1.001

1 1
1 0.7345, 0.0917
B b
2
2 0.0917, 1.006
1
s 0
y
xs b
2

xs

0.995
0.389

0.306

0.515

Y = 79.94 + 0.995*A + 0.515B 1.376 A*A 1.001 B*B + 0.25AB

Con las ecuaciones de la pgina siguiente el punto mximo ptimo queda
en X1 = 0.389 y X2 = 0.306 Con una respuesta estimada Yest = 80.21

Contour Plot of Y

75
76
77
78
79
80

Contour Plot of Y
75
76
77
78
79
80

-1

-1

Surface Plot of Y

80.5
79.5
78.5
77.5

76.5
75.5
74.5
73.5
-1.5

-1.0

-0.5

0.0

0.5

1.0

0.0
-0.5
-1.0
-1.5
1.5

0.5

1.0

1.5

APLICACIONES DEL MDULO 8

Para determinar la cantidad de madera que puede extraerse de un rea de bosque se utilizan algunas tablas.
El archivo ARBOL.MTW contiene informacin de los 31 rboles de cierto tipo.
C1 Dimetro del rbol a cierta distancia del suelo
C2. Altura del rbol
C3. Volumen de madera en dm3
Se trata de encontrar la ecuacin que relaciones el volumen de madera vs dimetro y altura o ambas
ARCHIVO ARBOL.MTW
Diam(cm)
21
22
22
27
27
27
28
28
28
28
29
29
29
30
30
33
33
34
35
35
36
36
37
41
41
44
44
45
46
46
52

Altur(m)
Vol(dm3)
21.3
292
19.8
292
19.2
289
21.9
464
24.7
532
25.3
558
20.1
442
22.9
515
24.4
640
22.9
564
24.1
685
23.2
595
23.2
606
21
603
22.9
541
22.6
629
25.9
957
26.2
776
21.6
728
19.5
705
23.8
977
24.4
898
22.6
1028
21.9
1085
23.5
1206
24.7
1569
25
1577
24.4
1651
24.4
1458
24.4
1444
26.5
2180

a) Hacer graficas bivariantes

b) Hacer una regresin mltiple
con un anlisis de los residuos
c) Hacer una regresin del vol. Vs el
dimetro
d) Hacer una regresin del volumen con
dimetro al cuadrado por altura
Comaparar los coeficiente de
determinacin

ARCHIVO DESGASTE.MTW
Este archivo contiene el desgaste despus de 8 horas y la velocidad de giro y tipo de acero

Desgaste
Velocidad
5.5
1680
8.2
1790
6
1670
5.7
1720
5.6
1660
6
1780
6.2
1690
8.8
1830
5.8
1710
5.4
1670
7.2
1740
6.6
1680
6.4
1780
7.3
1840
7
1820
6.8
1700
7.4
1770
8.9
1830
6.1
1740
6.1
1660

Material
0
1
1
0
1
0
1
1
0
0
1
1
0
0
0
1
1
1
0
1

a) Visualizar la relacin entre variables

b) Visualizar desgaste vs Velocidad
agrupado por tipo de acero
c) Calcular la ecuacin de regresin
d) Mejorar el ajuste agregando una
variable regresora velocidad * Material

ARCHIVO FALLO.TV
Los 113 componentes instalados hace 3 aos se midieron y se pens que pudieran estar relacionados con
la falla prematura
X1
8.23
10.46
9.89
9.27
9.78
11.77
9.92
10.36
10.23
9.13
11.67
10.12
10.29
8.86
7.67
10.24
10.01
9.89
10.77
11.56

X2
0.633
0.312
0.444
0.184
0.528
0.051
0.008
0.514
0.156
0.363
0.003
0.238
0.057
1.206
0.648
0.085
0.294
0.323
0.027
0.964

X3

X4
4.87
4.07
4.66
4.78
5.25
4.92
6
5.92
4.87
4.27
5.37
4.39
4.51
5.83
4.85
5.15
4.6
4.15
5.05
4.71

0.53
0.7
0.84
0.01
0.73
0.24
0.45
0.78
0.76
0.77
0.81
0.23
0.31
0.17
0.03
0.22
0.49
0.63
0.1
0.47

X5
32.27
30.01
30.92
31.17
29.87
27.5
31.17
31.09
29.92
30.04
29.04
30.96
31.82
29.94
29.61
31.13
29.48
29.42
28.53
30.2

Fallo
0
1
0
0
0
1
0
0
0
0
1
0
0
0
0
0
0
1
1
1

11.37
9.35
9.22
10
10.36
9.44
10.14
10.81
11.05
9.22
7.88
10.74
8.46
10.72
9.22
10.55
11.81
9.78
10.15
12.17
9.89
10.07
9.83
9.49
9.71
9.89
7.64
10.53
11.33
10.25
10.87
9.3
11.18
9.93
10.95
10.02
8.86
10.89
8.25
9.12
10.9
11.22
10.09
10.63
10.29
9.17
9.84
11.07
8.54
12.65

0.052
0.361
0.004
0.298
0.363
0.275
1.057
0.215
0.217
0.166
0.282
1.291
0.402
0.544
0.619
0.593
0.312
0.08
0.259
1.064
0.147
0.039
0.052
0.108
0.274
0.329
1.607
0.587
0.708
0.641
0.233
0.162
0.334
0.721
0.538
0.407
0.553
0.94
0.127
0.638
0.16
0.859
0.104
0.415
0.994
0.087
0.392
0.367
0.286
0.217

5.4
4.09
5.63
4.79
4.43
5.01
5.73
5.12
5.2
4.17
4.91
4.68
5
4.49
4.51
4.04
4.04
4.37
4.66
4.11
5.17
4.66
5.06
4.29
4.82
5.7
5.89
5.03
4.58
5.77
5.27
4.6
5.31
4.66
5.91
4.74
5.32
4.63
4.5
4.31
4.87
4.89
5.28
5.63
4.02
5.08
4.69
5.5
4.86
4.82

0.38
0.17
0.42
0.48
0.41
0.94
0.11
0.74
0.25
0.54
0.06
0.34
0.03
0.68
0.92
0.01
0.25
0.89
0.84
0.85
0.3
0.3
0.92
0.68
0.94
0.96
0.02
0.25
0.36
0.14
0.96
0.56
0.72
0.98
0.13
0.58
0.02
0.12
0.8
0.04
0.26
0.96
0.1
0.48
0.78
0.15
0.33
0.4
0.25
0.52

30.7
29.95
29.5
31.56
30.67
30.61
30.52
29.02
29.6
30.55
27.64
30.79
29.43
28.75
31.46
31.41
29.79
31.53
30.39
30.48
29.41
32.11
29.44
28.97
28.86
30.39
30.78
30.96
30.65
31.12
29.1
28.98
28.18
30.02
29.67
28.06
29.64
27.45
30.17
30.53
29.15
29.47
28.09
31.36
30.58
29.61
28.53
30.12
31.76
28.71

0
0
0
0
0
0
0
0
0
0
0
1
0
1
0
0
1
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
1
0
1
0
0
1
0
1
0
0
0
1
0
0
1

10.5
10.25
9.83
10.34
10.21
10.38
10.45
8.35
9.66
10.56
11.35
8.8
9.52
9.26
10.71
9.83
10.28
9.29
11.99
11.49
10.14
10.36
10.22
10.84
11.6
8.74
11.48
11.67
9.03
9.88
11.98
9.09
9.73
10.16
9.87
7.9
12.09
10.72
9.42
8.78
9.82
10.36
11.79

0.335
0.156
0.791
0.492
0.236
0.185
0.229
0.674
0.266
0.504
0.525
0.496
0.306
0.241
0.141
0.429
0.039
0.198
0.196
0.801
0.474
0.658
0.028
0.862
0.95
0.431
0.635
0.231
0.234
0.582
0.804
0.233
0.058
0.818
0.399
0.563
0.626
0.582
0.995
0.564
0.171
0.815
0.441

5.11
5.07
4.94
5.66
4.61
5.82
4.43
5.38
5.07
5.92
4.24
4.11
5.25
4.8
5.98
5.43
4.49
5.32
4.9
4.66
4.32
5.06
5.83
5.77
4.48
4.08
4.08
5.39
5.96
5.44
4.32
4.41
4.9
5.65
5.08
4.64
4.88
5.51
4.42
4.3
4.23
5.73
4.23

a) Hacer un anlisis discriminante

b) Supongamos que se tienen 14 componentes

0.42
0
0.91
0.9
0.25
0.47
0.78
0.87
0.87
0.81
0.31
0.2
0.38
0.21
0.62
0.83
0.8
0.77
0.84
0.89
0.63
0.61
0.66
0.36
0.57
0.37
0.02
0.51
0.05
0.95
0.39
0.57
0.88
0.3
0.71
0.62
0.07
0.77
0.95
0.09
0.5
0.62
0.91

29.73
29.07
32.63
28.43
28.56
30.23
28.31
30.01
29.89
29.66
30.06
27.89
30.09
29.22
30.06
27.99
30.3
29
29.83
30.12
29.7
29.5
31.73
31.46
27.91
30.04
32.2
30.33
30.56
29.43
31.27
30.29
28.26
31.33
28.7
29.5
28.29
29.91
30.42
30.52
31.27
30.8
29.92

0
0
0
0
1
0
1
0
0
0
1
1
0
0
0
0
0
0
1
1
1
0
0
0
1
0
1
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1

Stat > Multivariate > Discriminant Analysis

Groups Fallo
Predictors X1-X5
Storage C7 C8 - dos funciones de discrimiancin para d

al los que se les ha medido las caractersticas

X1 - X5 y se desea prevver si fallarn o no en los
prximos 3 aos (fdatos de FALLOTVEjemplo.MTW)

ARCHIVO FOTOCOPIAS.MTW

El archivo contiene el nmero de copias por cartucho de toner de 35 copiadoras similares utilizadas en diferente
Fotocopias
13471
19053
17626
10748
7849
7271
648
22566
4211
63001
4078
8336
5199
1965
20812
2177
141
1527
65529
18247
50060
21935
27118
7889
12462
21554
4815
4944
9364
2169
47364
4580
794
6275
23710

a) Se desea saber cual es la probabilidad de

Stat > Relibility/survival > D
que el toner siga operando despus de 17500 copias Variables: Fotocopias
usando un modelo no paramtrico
Graphs: Surival Plot Hazard
b) Identificar el mejor modelo que se ajusta a
los datos

Stat > Reliability/survival >

Variables: Fotocopias
Seleccionar Use all distributio

c) Usando la distribucin de Weibull cul es la

probabilidad de que el toner siga operando
despus de 17500 copias usando un modelo
paramtrico

Stat > Reliability/survival >

Variables: Fotocopias
Assumed Distribution:
Graphs: Probability Plot All
Estimate: Estimate surviva

d) Determninar la dispersin de la duracin

de los cartuchos y concluir

Stat > Basic Statistics > Dis

ARCHIVO PAN.MTW
Contiene datos de peso de pan producido en diferentes mquinas

Da
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

A
B
B
B
A
A
A
B
B
A
B
B
B
A
A
B
B
A
A
A

OperarioMquina 1, pieza
Mquina
1
1, pieza
Mquina
2
1, pieza
Mquina
3
1, pieza
Mquina
4
2, pieza 1
209.2
209.5
210.2
212
214.3
208.5
208.7
206.2
207.8
215.3
204.2
210.2
210.5
205.9
215.7
204
203.3
198.2
199.9
212.5
209.6
203.7
213.2
209.6
208.4
208.1
207.9
211
206.2
212.3
205.2
204.8
198.7
205.8
208.1
199
197.7
202
213.1
207.5
197.2
210.6
199.5
215.3
206.9
199.1
207.2
200.8
201.2
209.6
204.6
207
200.8
204.6
212.2
214.7
207.5
205.8
200.9
211.4
204.1
196.6
204.6
199.4
209.6
200.2
205.5
208
202.7
203.5
201.1
209.2
205.5
200
209.1
201.3
203.1
196.3
205.5
208
202.2
204.4
202.1
206.6
210
194.1
211
208.4
202.6
215.6
204.8
201.3
208.4
212.3
214.5
200.6
202.3
204.3
201.4
209.1

ARCHIVO CLIENTE.MTW
Contiene la facturacin a los clientes de una empresa durante el primer trimestre del ao
CLIENTE

ENERO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

18
46
53
5
50
13
30
48
55
23
49
15
58
5
50
33
43
10
49
9
37
15
13
7

FEBRERO MARZO
60
45
24
49
15
33
31
52
3
39
32
41
10
49
59
3
23
0
15
36
44
34
31
52

46
12
11
51
9
32
2
36
24
58
28
35
14
11
21
34
38
34
17
25
16
30
28
22

25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74

45
54
41
3
21
46
38
46
34
56
0
54
21
8
49
53
27
11
57
14
13
10
6
31
2
52
10
11
26
41
45
33
19
0
27
2
52
57
32
56
57
7
23
56
56
14
45
37
58
24

33
28
28
10
54
12
21
3
34
37
15
48
18
23
48
56
7
18
10
30
31
14
56
33
32
48
6
49
26
30
30
5
49
48
20
20
6
27
15
48
13
30
3
18
5
53
40
2
15
17

55
54
6
55
15
34
27
16
31
47
11
57
10
41
48
17
3
43
37
35
21
0
42
30
33
31
51
43
7
10
36
7
42
46
28
43
48
40
19
36
39
13
23
54
12
6
22
28
5
3

75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

41
12
57
6
39
32
58
5
37
52
57
34
10
21
32
31
5
44
51
7
3
8
7
11
56
32

18
60
56
45
58
9
50
26
12
59
10
54
36
4
2
43
35
19
46
26
5
60
12
48
58
33

28
49
22
34
43
11
48
60
24
30
46
27
57
45
22
13
5
36
48
35
46
10
33
23
20
14

se utilizan algunas tablas.

y altura o ambas

Graph >C Scatterplot:Simple

Stat > Regression > Regression

Stat > Regression > Fitted line plot

Stat > Regression > Fitted line plot

Stat > Matrix Plot

Graph > Scatterplot: With groups

Stat > Regression > Regression

Stat > Regression > Regression

estar relacionados con

ARCHIVO FALLOTVEJEMPLO.MTW
Contiene 0tros 14 datos para determinar si habr falla o no en base a las mediciones

X1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Resultados del inciso a)

Summaryofclassification

8.88
10.98
8.09
8.73
9.16
8.87
6.9
11.09
9.72
8.42
7.78
8.82
9.36
10.79

X2
0.382
0.604
0.033
-0.142
0.618
0.199
0.363
0.426
0.382
0.795
0.364
-0.029
0.615
0.241

X3

X4
2.25
1.69
1.87
2.18
1.6
2.01
1.92
1.37
2.07
2.25
1.39
1.8
1.92
2.21

1.25
0.69
0.87
1.18
0.6
1.01
0.92
0.37
1.07
1.25
0.39
0.8
0.92
1.21

X5
31.43
33.27
32.29
30.26
33.33
30.7
31.5
30.29
31.91
32.42
32.52
33.27
32.8
31.92

TrueGroup
PutintoGroup01
0780
1530
TotalN8330
Ncorrect7830
Proportion0.9401.000
N=113NCorrect=108ProportionCorrect=0.956

SquaredDistanceBetweenGroups
01
00.000007.16712
17.167120.00000

LinearDiscriminantFunctionforGroups
01
Constant548.01508.97
X11.834.62
X219.5216.74
X328.5625.11
X413.0810.36
X530.9629.23

b)Instruccionesdeb)
Introducircolumnasde1'senC1
Copiarloscoeficientesdelasfuncionesdediscrimnacinenc7yc8
Ejecutarlassiguientesinstrucciones:Editor>Enablecomands
MTB > copy c1-c6 m1
MTB > copy c7 m2
Coeficientes discriminanates
MTB > copy c8 m3
MTB > multi m1 m2 m4
MTB > m1 m3 m5
MTB > copy m4 c9
MTB > copy m5 c10
Si el valor en C10 es mayor que en c9 hay previsin de falla
MTB > let c11=c10>c9

minant Analysis

nes de discrimiancin para dos grupos

milares utilizadas en diferentes oficinas.

Stat > Relibility/survival > Distribution Analysis (Right Censoring) > Nonparamtric Distribution Analysis
Variables: Fotocopias
Graphs: Surival Plot Hazard Plot

Stat > Reliability/survival > Distribution Analysis (Right censoring) > Distribution ID Plot
Variables: Fotocopias
Seleccionar Use all distributions

Stat > Reliability/survival > Distribution Analysis (Right censoring) > Parametric Distr. Analysis
Variables: Fotocopias
Assumed Distribution: Weibull
Graphs: Probability Plot All Points Display confidence intervals
Estimate: Estimate survival probabilities for these values 17500

Stat > Basic Statistics > Display descriptive Statistics

Mquina 2, pieza
Mquina
2
2, pieza
Mquina
3
2, pieza 4
221.8
214.6
214.4
216.7
212.3
212
213.8
215.2
202.7
210.2
211.3
210.4
214.9
212.8
214.8
216.2
208.4
210.8
211.9
212.9
209
209.9
210.6
212.3
207.1
213.6
212.2
209.5
206.8
214.2
209.8
207.6
212.6
211.2
214.4
212.6
209.2
206.1
207.1
206.9
210.6
212.3
206.3
209.8
211.4
207.9
205.3
203.6
209.4
209.1
207
211.8
205.4
209
207.5
212.9
204.3
205.8
212
204.2

las mediciones

FD1
-548.006
1.833
-19.518
28.564
13.083
30.956

FD2
Resul FD1 Resul FD2 Prev. de fallo
-508.972
514.15
513.563
0
4.623
547.711
553.824
1
-16.742
530.458
527.56
0
25.112
485.219
485.172
0
10.357
541.937
543.51
1
29.227
485.566
487.111
1
499.323
495.069
0
445.571
458.674
1
523.227
525.228
1
536.051
533.61
0
510.416
510.135
0
560.388
558.068
0
539.376
540.427
1
534.291
537.985
1