Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Página 1
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
CONTENIDO
Página
MÓDULO 1. INTRODUCCIÓN 4
Página 2
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Anexos:
Archivos de datos para los Módulos 1 al 6
Bibliografía:
Texto: Estadística Práctica con Minitab
Webster, Estadística para administración y economía,McGraw Hill, México, 2002.
Montgomery, D. Control Estadístico de la Calidad, Ed. LIMUSA Wiley, 3th. ed., México. 2005.
Montgomery, Douglas C., Diseño y análisis de experimentos, Limusa Wiley,2a. edición México, 2002.
Grant, E. L., Leavenworth, R.S. Control Estadístico de Calidad, 2ª ed., CECSA, México.
Duncan, A.J. Quality Control and Industrial Statistics, 4ª ed., Irwin, Homewood, ILL. 1974.
Página 3
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
MÓDULO 1. INTRODUCCIÓN
Objetivo: Familiarse y realizar aplicaciones con el paquete estadístico Minitab
Todos las líneas de comando tendrán el formato siguiente (> separa menús):
Data > Change Data Type > Numeric to Text.
Captura de datos
File > New
Se puede importar
Para hojas de trabajo una hoja de cálculo
(worksheets) sólo la de Excel en forma
parte de hoja tipo Excel directa con
File > Open Worksheet
En carpeta DATA se encuentran
Página 5
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Columna donde
aparecerá el
Columnas resultado
que contienen
los datos Expresión a
calcular
Store result in C3 Usar las columnas de Peso_antes y Peso_despues del archivo de Datos Modulo 1
Expresion: C2-C1 o Peso_despues - Peso_antes
Cálculos
disponibles
1.5 Aplicaciones
Ejercicios con renglones y columnas con datos del Archivo Datos Módulo 1
Página 6
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Se utiliza el archivo de hoja de trabajo PULSE.MTW de la carpeta DATA de Minitab o arhivo anexo.
Se coleccionan datos de 92 estudiantes, su peso, estatura, peso, sexo, si fuma o no, nivel de
actividad física y pulso en reposo. Todos tiran una moneda y los que les salío sol corren durante
un minuto, después se vuelve a tomar su pulso.
50
40
Count
30
20
10
0
Activity 0 1 2 3
Una vez cambiados los valores la gráfica se actualiza en forma automática colocándose
Página 7
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
en la gráfica y con botón derecho del ratón seleccionar Update Graph Now
Para separar un sector: Click sobre la gráfica, click sobre el sector y doble click y
en Explode indicar Explode Slice
Diagrama de Pareto
Se utiliza el archivo CARCASA anexo con estadísticas de los defectos en un producto
Copiar los datos de este archivo de datos para el módulo 2 en Minitab
Página 8
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Por ejemplo de la primera opción colocando en Chart defects Data in Defectos se tiene:
Pareto Chart of Defectos
200
100 La segunda opción
consiste en seleccionar
80
150
Charts Defect Table
60 Labels in: Tipo de defectos
Percent
Count
0 0
Defectos Rayas Sopladura Forma Terminación Other
Count 124 42 19 6 4
Percent 63.6 21.5 9.7 3.1 2.1
Cum % 63.6 85.1 94.9 97.9 100.0
Miniatab coloca nombre en las barras hasta que se cumple el % acumulado, después
acumula todos los demás conceptos y los agrupa en la barra de otros.
0
Operario = C Operario = D
80
60
40
20
y as ra rm
a
ió n e r
Ra du ac th
pla Fo in O
So rm
Te
Defectos
Página 9
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Causas primarias:
AMBIENTE MATLS. PERSONAL MÉTODO MAQUINAS
Polvo Forma Salud Ajuste Mantto.
Vibraciones Dureza Habilidad Velocidad Deformación
Humedad Amacen Humor Abrasión
Temperatura Herramental
Causas secundarias:
FORMA ALMACEN HABILIDAD HUMOR
Diámetro Tiempo Selección Horas
Curvatura Ambiente Formación Moral
Experiencia Cansancio
S alud
ur
iá
los títulos y
v
m
at
et
E
ur
F o ció n
ro
xp ión
F orma
Se
a
rm
er
le
seleccionar otro
ie
c
ac
nc
ia
D ureza H abilidad
tamaño de letra
Ca
A
m
Tie
ns
H
bie
a
m
or
or
nc
nt
po
as
al
io
A macen H umor
e
Temperatura H erramental
V elocidad
H umedad A brasión
V ibraciones D eformación
A juste
P olv o M antto.
200
180
Weight
160
140
120
100
60 62 64 66 68 70 72 74 76
Height
Página 10
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Se puede agregar otra variable para estratificar haciendo doble click en cualquiera
de los puntos y seleccionando la pestaña Groups e indicando la variable
categórica Sex.
180
Weight
160
140
120
100
60 62 64 66 68 70 72 74 76
Height
Para cambiar el tipo se símbolo por categoría para impresión en blanco y negro:
Página 11
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
40000000
30000000
PVP
20000000
10000000
0
0 100 200 300 400 500
Pot.(CV)
Con el gráfico seleccionado con un click, seleccionar Editor > Brush, se pueden
seleccionar los puntos uno a uno o con un cuadro seleccionar varios a la vez,.
manteniendo presionado el botón izquierdo del ratón mientras se seleccionan.
Otra forma de activar Brush es con la barra de herramientas Graph Editing llamada
desde: Tools > Tool Bars > Graph Editing
Con Brush activado y con la ventana de gráfica activa, en el Menu Editor seleccionar
Set ID Variables indicar Marca y Modelo seleccionar Include (row numbers)
Página 12
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Para hacer un Zoom de una zona del diagrama hay que cambiar los valores mínimo y
máximo de los ejes, seleccionar cada uno y en Scale Range poner los adecuados.
OPEL FIA T
SEA T C ITROEN
1700000 MA ZDA
PEUGEOT FORD
SEA T
VO LKSW A GEN SEA T ROVER
VO LKSW A GEN HYUNDA I
1600000 OPEL
PEUGEOT C ITROEN
FORD SUZUKI
1500000
50 60 70 80 90 100
Pot.(CV)
Página 13
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
2
Quality
0
Temp = 425 Temp = 450 Temp = 475
8
0
25 30 35 25 30 35 25 30 35
Time
Gráfica de dispersión Simple con una variable categórica: Marginal Plot of PVP vs Pot.(CV)
50000000
40000000
30000000
PVP
20000000
10000000
0
0 100 200 300 400 500
Pot.(CV)
Marginal Plot of PVP vs Pot.(CV)
50000000
50000000
40000000
40000000
30000000
PVP
30000000
20000000
PVP
20000000
10000000
10000000
0
0 100 200 300 400 500 0
Pot.(CV) 0 100 200 300 400 500
Pot.(CV)
Página 14
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Permite seleccionar
toda la matriz o
solo la parte inferior
o superior de la
misma
40000000
20000000 PVP
0
12
8
Num.C il.
400
200 P ot.( C V )
0
0 20000000 40000000 0 200 400
Matriz bivariante solo entre las variables seleccionadas: En este caso se seleccionan:
Página 15
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
40000000
En esta gráfica si en el
30000000
Editor se selecciona la
PVP
20000000
opción Brush y manualmente 10000000
seleccionamos una serie de 0
12
puntos en una ventana,
10
en forma automática se
Consumo
8
seleccionan en las otras
6
ventanas.
4
2.3 Aplicaciones
Realizar los ejercicios del Módulo 2 incluidos en el archivo CursoTallerMinitabEjercicios
Página 16
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
NOTA: Para que las columnas no se desplazen al copiar de Minitab a Excel cambiar a letra COURIER
Descriptive Statistics: Peso en gr
Variable Línea N N* Mean SE Mean StDev Minimum Q1 Median
Peso en gr 1 250 0 3999.6 3.14 49.6 3877.0 3967.8 3999.5
2 250 0 4085.6 3.32 52.5 3954.0 4048.8 4087.0
Variable Línea Q3 Maximum
Peso en gr 1 4040.0 4113.0
2 4121.5 4202.0
30 N 250
20
10
0
3900 3960 4020 4080 4140 4200
Peso en gr
Panel variable: Línea de llenado
4200
4150
4100
Peso en gr
4050
4000
3950
3900
1 2
Línea de llenado
Página 17
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
4200
4150
4100
Peso en gr
4050
4000
3950
3900
1 2
Línea de llenado
Histogram of Pulse1
25
20
15
Frequency
10
0
50 60 70 80 90 100
Pulse1
Se pueden hacer cambios en la escala de los ejes horizontal y vertical haciendo click
sobre estos, de la misma forma para el marco del histograma.
Para cambiar los intervalos del histograma, se da doble click sobre la escala horizontal
del histograma y se selecciona la pestaña Binning
Página 18
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Histogram of Pulse1
30
25
20
Frequency
15
10
0
48.00 56.66 65.33 74.00 82.66 91.33 100.00
Pulse1
Una vez creada esta gráfica, se puede hacer otra muy similar dejando el histograma
original como ventana activa, por ejemplo para Pulse2:
Histogram of Pulse2
30
25
20
Frequency
15
10
0
60 80 100 120 140
Pulse2
Página 19
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Histogram of Pulse1
50 60 70 80 90 100
1 2
16
14
12
Frequency
10
0
50 60 70 80 90 100
Pulse1
Panel variable: Ran
Da la ordenada de probabilidad
en un punto del eje horizontal
Da la probabilidad acumulada
o área desde menos infinito hasta
los valores indicado en Input
Column o el valor indicado en
Input Constant
Densidad de probabilidad
Calc > Probability distributions > Normal
Seleccionar Probability Density
En Input Constant poner 1.5
Probabilidad acumulada
Calc > Probability distributions > Normal
Seleccionar Cumulative Probability
En Input Constant poner 1.5
Primer valor
Último valor
Incremento
Página 21
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
En la gráfica quitar los puntos dejando solo la línea con doble click sobre la curva:
Attributes Symbols > seleccionar Custom y en Type None
Scatterplot of C2 vs C1
0.4
0.3
0.2
C2
0.1
0.0
-5 -4 -3 -2 -1 0 1 2 3 4
C1
Scatterplot of C2 vs C1
0.4
0.3
0.2
C2
0.1
0.0
-5 -4 -3 -2 -1 0 1 2 3 4
C1
Para las distribuciones de densidad de Weibull se tiene (entre 0 y 4 con incrementos de 0.01):
Página 22
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
1.0
Y-Data
0.8
0.6
0.4
0.2
0.0
0 1 2 3 4
C1
K1 Minitab Excel
K2 K1 Área Área
Área entre ± Z = 1 sigmas 0,933193 0,0668072 0,8663858 0,866385597
Página 23
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Ho: Los datos SI provienen de una población distribuida normalmente Pvalue de prueba >0.05
Ha: Los datos NO provienen de una población distribuida normalmente Pvalue de prueba <= 0.05
60
50
40 P Value indica la probabilidad
30
20 de equivocarnos al rechazar el
10
5 supuesto de normalidad cierto
1
0.1
3800 3900 4000 4100 4200 4300
Un valor P de menos de 0.05
Peso en gr indica que los datos no son
normales, en este caso si lo son.
95
AD 0.426 del intervalo de confianza y
P-Value 0.314
90 obtener un P value mayor a 0.05
80
70 para indicar que los datos siguen
Percent
60
50
40
30
una distribución normal
20
10
5
0.1
3800 3900 4000 4100 4200 4300
Peso en gr
3.5 Aplicaciones
Página 24
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Estadístico t (valor a partir del cual inicia el área bajo la curva alfa)
Media = 0
1- Alfa Estadístico t Estadístico t
Datos Alfa Minitab en Minitab Excel
10 0,05 0,95 1,83311 1,833112933
10 0,1 0,9 1,38303 1,383028738
Distribución F de Fisher (para probar hipótesis de comparación de varianzas entre dos muestras)
Estadístico F (valor a partir del cual inicia el área bajo la curva alfa)
S12
Fc S1 debe ser mayor a S2
0
S 22
Sólo valores positivos en eje horizontal
curva no simétrica
Página 25
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Estadístico Chi (valor a partir del cual inicia el área bajo la curva alfa)
c2
0
Sólo valores positivos en eje horizontal
curva no simétrica
Referirse a los materiales sobre Pruebas de hipótesis para la teoría de estas pruebas
MinitabPruebaHipótesisRes.doc InterConfPruHipo1P.xls Pruebas Hipotesis 2 pob1.xls
Caso 1. Prueba de una media poblacional cuando se conoce la varianza de la población (en base a datos históricos)
Ejemplo: Una línea de llenado de paquetes debe llenar 4 kg en cada uno. Se toman
20 muestras y se pesan en gramos:
Página 26
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Se introducen los valores en una sola columna C1 titulada Pesos del archivo Pesos.mtw anexo:
Nivel de confianza
_
X Si la Ho queda fuera de la línea
Ho
azul, entonces se rechaza la
hipótesis nula Ho y se acepta la
3920 3940 3960 3980 4000 4020 4040 hipótesis alterna Ha indicando
Pesos
que los pesos son menores a
los 4 Kgs.
Página 27
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
One-Sample Z: Pesos
Test of mu = 4000 vs not = 4000
The assumed standard deviation = 25
Caso 2. Prueba de una media poblacional cuando no se conoce la varianza y el número de datos es menor a 30
One-Sample T: Pesos
Test of mu = 4000 vs not = 4000
Variable N Mean StDev SE Mean 95% CI T P
Pesos 20 3985.70 28.18 6.30 (3972.51, 3998.89) -2.27 0.035
Ejemplo: Un producto tiene accesorios que se piensa nadie usa, se hace una encuesta
a 200 usuarios y 17 si usan los accesorios.
Página 28
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Es válido decir que sólo el 10% de los usuarios utilizan los accesorios
Método A Método B
24,3 24,4
25,6 21,5
26,7 25,1
22,7 22,8
24,8 25,2
23,8 23,5
25,9 22,2
26,4 23,5
25,8 23,3
25,4 24,7
¿Se puede decir que los dos métodos producen resistencias a la tracción diferentes?
Usar un nivel de confianza del 95%.
Página 29
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
26
25
Data
24
23
22
21
Método A Método B
Página 30
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Caso 2. Muestras pareadas - Prueba si las diferencias entre sujetos son iguales.
_
X
Ho
Como el valor de Ho no se
encuentra en el intervalo de
confianza de la diferencia de las
-1.2 -1.0 -0.8 -0.6 -0.4 -0.2 0.0
Differences dos medias, se rechaza Ho
y se acepta Ha indicando que el
deterioro es diferentes en los dos
métodos.
Página 31
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Página 32
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Potencia: Es la capacidad de una prueba para detectar una diferencia cuando realmente existe.
Hipótesis Nula
Desición Verdadera Falsa
No rechazar Desición correcta Error tipo II
p=1-a p=b
Rechazar Error tipo I Desición correcta
p=a p=1- b
Potencia
La potencia de la prueba es la probabilidad de de rechazar correctamente
la hipótesis nula siendo que en realidad es falsa.
* Tamaños de muestra
* Diferencias - un corrimiento significativo de la media que se desea detectar
* Valores de potencia - La probabilidad deseada de rechazar Ho cuando es falsa
Ejemplo: Se tiene una población normal con media de 365 y límites de especificación
de 360 y 370. Si la media se desplaza 2.5 gramos por arriba de la media, el número de
defectos sería inaceptable, la desviación estándar histórica es de 2.403:
0.12
0.10
Y-Data
0.08
0.06
0.04
0.02
0.00
Página 33
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
1-Sample t Test
Sample Target
Difference Size Power Actual Power
2.5 10 0.80 0.832695
2.5 11 0.85 0.873928
2.5 12 0.90 0.905836
2.5 15 0.95 0.962487
Página 34
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Sample Target
Difference Size Power Actual Power
1 17 0.8 0.807037
1 23 0.9 0.912498
* Tamaños de muestra
* La proporción - una proporción que se desea detectar con alta probabilidad
* Valores de potencia - La probabilidad deseada de rechazar Ho cuando es falsa
Suponiendo que se desea detectar una proporción de 0.04 con el 0.8 y 0.9 de niveles
de Potencia:
Página 35
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Por tanto con un tamaño de muestra de 500, la potencia de la prueba para detectar
un corrimiento de 2% a 4% es del 86.6%
H 0
1 2 3 .... k
A B C
1,9 1,6 1,3
1,8 1,1 1,6
2,1 1,3 1,8
1,8 1,4 1,1
1,1 1,5
1,1
A un 95% de nivel de confianza, ¿hay alguna variedad que produzca más fenoles que otra?
50 0.0
10 -0.2
1 -0.4
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Residual
Percent
50 0.0
10 -0.2
1 -0.4
-0.50 -0.25 0.00 0.25 0.50 1.4 1.6 1.8
Residual Fitted Value
Frequency
2
0
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4
Residual
One-way ANOVA: A, B, C
Como el valor P value es menor
Source DF SS MS F P a 0.05 existe una diferencia
Factor 2 0.9000 0.4500 8.44 0.005 significativa entre algunas medias
Error 12 0.6400 0.0533
Total 14 1.5400
B subtracted from:
Lower Center Upper -----+---------+---------+---------+----
C -0.2728 0.1000 0.4728 (---------*--------)
-----+---------+---------+---------+----
-0.80 -0.40 -0.00 0.40
Página 37
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
ANOVA de una vía con datos de tratamientos en una sola columna Respuesta Factor
1,9 A
Los datos del ejemplo anterior arreglados en una 1,8 A
sola columna se muestran a continuación: 2,1 A
1,8 A
1,6 B
1,1 B
1,3 B
1,4 B
1,1 B
1,3 C
1,6 C
1,8 C
1,1 C
1,5 C
1,1 C
Stat > ANOVA > One Way
Los resultados son similares a los anteriores excepto que se obtiene una grafica de
4 en uno en vez de 3 en uno.
50 0.0
10 -0.2
1 -0.4
-0.50 -0.25 0.00 0.25 0.50 1.4 1.6 1.8
Residual Fitted Value
0.2
Frequency
2
Residual
0.0
1
-0.2
0 -0.4
-0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Residual Observation Order
Página 38
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Coeficiente de Correlación
La correlación es una prueba fácil y rápida para eliminar factores que no influyen
en la predicción, para una respuesta dada.
15 15
10
Y
Y
10
5
5
0
0 5 10 15 20 25
Sin Correlación 0
0 5 10 15 20 25
X 25 X
20
15
Correlación
Y
10
5
Correlación
25
Positiva 0 Negativa
0 5 10 15 20 25 25
20
X 20
15
15
Y
10
Y
10
5
5
0
0 5 10 15 20 25 0
0 5 10 15 20 25
X
X
Ejemplo:
Se utiliza el archivo PULSE.MTW campos Peso (Weight) y Altura (Height)
File > Open Worksheet > Pulse.Mtw o copiar los datos del archivo anexo
200
180
Weight
160
140
120
100
60 62 64 66 68 70 72 74 76
Height
Página 39
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Ahora se calcula el coeficiente de Correlación que mide el grado de relación que existe
entre dos variables, como sigue:
Ecuación de
Fitted Line Plot Regresión
Weight = - 204.7 + 5.092 Height
220
S Desv. Estandar de
200
los residuos
180 (valor real-estimado
por la regresión)
Weight
160 S 14.7920
R-Sq 61.6%
140 R-Sq(adj) 61.2% R-Sq Coeficiente
de Determinación
120
en porcentaje de
100 variación explicada
por la ecuación de
60 62 64 66 68 70 72 74 76
Height regresión
Página 40
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Regresión simple:
Efectúa un análisis de regresión simple:
Source DF SS MS F P
Regression 1 31592 31592 144.38 0.000 Regresión significativa
Residual Error 90 19692 219
Total 91 51284
Unusual Observations
En algunos casos hay puntos que están muy alejados de la mayoría de los puntos
se marcan con X y pueden sesgar los resultados, se sugiere investigarlos.
40
Y
30
20
10
0 2 4 6 8 10 12
X
Página 41
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Unusual Observations
Por ejemplo usando los datos del archivo CEREBRO.MTW anexo que tiene los pesos
del cerebro y los pesos del cuerpo en 62 especies de mamíferos se tiene:
5000
4000
Peso cerebro (g)
3000
2000
1000
En este caso los pesos de los elefantes pueden sesgar la ecuación de la recta
no se pueden eliminar como anómalos y se intentará transformarlos en forma
logarítmica:
Página 42
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
S 0.301528
en base a una X
1000.00
Peso cerebro (g)
R-Sq 92.1%
R-Sq(adj) 91.9%
100.00
Intervalo de
10.00 predicción de Y para
1.00 valores individuales
0.10
en base a una X
0.01
1 0 0 0 00 0 00 00
Coeficiente de
00 01 10 00 .0 00 .0 .0
0. 0. 0. 1. 10 0. 00 00 determinación
10 10 0
10
Peso total (kg)
muy cercano a uno
Usar el archivo RESIDUOS.MTW anexo o copiar los datos de las columnas X, Y a Minitab
Stat > Regression > Fitted line Plot
Seleccionar en Response (Y) Y, Predictor (X) X
Seleccionar modelo Linear
En Options seleccionar Display Confidence Interval y Prediction Interval:
En Graphs seleccionar Residuals vs Fits
0.5
Residual
0.0
-0.5
-1.0
15 20 25 30 35
Fitted Value
Regression
35 95% C I
95% PI
S 0.228822
30 R-Sq 99.9%
R-Sq(adj) 99.9%
25
Y
20
15
0 1 2 3 4 5
X
Página 43
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
0.25
Residual
0.00
-0.25
-0.50
15 20 25 30 35
Fitted Value
4.7 Aplicaciones
Página 44
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Carta X - R Carta de Medias Rangos, funciona mejor para subgrupos menores a 10.
Ejemplo: En una planta automotríz una flecha debe tener 600 mm ± 2 mm de longitud
sin embargo ha habido dificultades con dar esta dimensión con problemas de ensamble
que resultan en un alto porcentaje de retrabajo y desperdicio. Se dese monitorear esta
característica con una carta X media - R durante un mes se colectan 100 mediciones
(20 muestras de 5 flechas cada una) de todas las flechas utilizadas en la planta de los dos
proveedores que las surten SUPP1 y SUPP2, primero se analiza al SUPP2.
Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
Seleccionar All observations for a chart are in one column, seleccionar Supp2.
Existe otra alternativa Observations for a subgroup are in a row of columns
Estimate Para omitir subrupos con los que el proceso sale de control
Omit the following subroup when est. parameters (2 14)
Method for estimating standar deviation seleccionar R bar
Página 45
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
En este caso:
_
_
X=600.23
600
598 LC L=597.986
2 4 6 8 10 12 14 16 18 20
Sample
8 U C L=8.225
Sample Range
_
4 R=3.890
0 LC L=0
2 4 6 8 10 12 14 16 18 20
Sample
TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 2, 14
Stat > Control Charts > Variables Charts for Subgroups > Xbar-R.
Seleccionar All observations for a chart are in one column, seleccionar Supp2.
En Subgroup sizes, poner 5 .
En X bar R Options seleccionar Estimate Omit the following subgroups 2 14 sel. R bar (Recalcula limites)
En Data Options seleccionar Specify which rows to exclude row numbers 6:10 66:70 (quita puntos)
Click OK OK.
_
_
600 X=599.938 físicamente los datos
599 de los puntos que
598
salen de control con
LC L=597.629
2 4 6 8 10 12 14 16 18 20
Delete Cells en Minitab
Sample iniciando por los últimos
U C L=8.465
y al final los primeros
8
Sample Range
_
4 R=4.003
0 LC L=0
2 4 6 8 10 12 14 16 18 20
Sample
Carta de Control X-R usando el archivo VITA_C. MTW que contiene pesos de comprimidos
tomando 5 muestras cada 15 minutos durante un periodo de 10 horas (200 datos).
Página 46
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Crearemos dos columnas adicionales: Una para la hora de toma de muestra y otra para el
número que identifique al operario de la máquina.
Calc > Make Patterned Data > Simple Set of Date / Time Values
Hora de la primera y
última muestra
Incremento de 15 minutos
Respecto al operario se asume que las primeras 25 muestras (125 datos) las toma el operario A y las
otras 15 (75 datos) el operario B
Stat > Control Charts > Variables Charts for Subgroups > Xbar
Seleccionar All observations for a chart are in one column, seleccionar Peso
En Subgroup sizes, poner 5 .
3.28
_
_
X=3.2671
Sample Mean
3.26
6
3.24 LCL=3.2402
3.22
3.20
1
1
8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00
Hora
Página 47
3.24
Sa
Dagoberto Salgado Horta
3.22
TALLER DE APLICACIÓN DE MINITAB
3.20
1
1
8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00
Hora
TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 22, 23
TEST 5. 2 out of 3 points more than 2 standard deviations from center line (on
one side of CL).
Test Failed at points: 23
TEST 6. 4 out of 5 points more than 1 standard deviation from center line (on
one side of CL).
Test Failed at points: 5
Stat > Control Charts > Variables Charts for Subgroups > R
Seleccionar All observations for a chart are in one column, seleccionar Peso
En Subgroup sizes, poner 5 .
OK R Chart of Peso
0.10 UCL=0.1020
0.08
Sample Range
0.06
_
R=0.0483
0.04
0.02
0.00 LCL=0
4 8 12 16 20 24 28 32 36 40
Sample
Stat > Control Charts > Variables Charts for Subgroups > S
Seleccionar All observations for a chart are in one column, seleccionar Peso
En Subgroup sizes, poner 5 .
S Chart of Peso
OK
0.04 UCL=0.04073
0.03
Sample StDev
_
0.02 S=0.01950
0.01
0.00 LCL=0
4 8 12 16 20 24 28 32 36 40
Sample
Página 48
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
600
_
X=599.548
599
598 LC L=597.920
1
1 10 20 30 40 50 60 70 80 90 100
O bser vation
2.4
1
U C L=2.000
Moving Range
1.8
1.2
__
0.6 M R=0.612
0.0 LC L=0
1 10 20 30 40 50 60 70 80 90 100
O bser vation
Excluyendo los puntos PARA LOS CÁLCULOS que salen de control se tiene:
Stat > Control Charts > Variables Charts for Individuals > I-MR.
En Variables seleccionar SUPP1
En Data Options seleccionar Specify which rows to exclude
Seleccionar Row Numbers 34 39 55 56 82
Click OK OK. I-MR Chart of Supp1
601 U C L=600.943
Individual Value
600
_
X=599.531
599
LC L=598.118
598
1
1 10 20 30 40 50 60 70 80 90 100
O bser v ation
2.0
1 1 1
U C L=1.735
1.5
Moving Range
1.0
__
0.5 M R=0.531
0.0 LC L=0
1 10 20 30 40 50 60 70 80 90 100
O bser v ation
Página 49
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
600.0
_
control con la opción
599.5 X=599.536
Delete Cells de Minitab
599.0
598.5
LC L=598.251
1 1
1 10 20 30 40 50 60 70 80 90 100
O bser vation
1.6 U C L=1.579
1.2
Moving Range
0.8
__
M R=0.483
0.4
0.0 LC L=0
1 10 20 30 40 50 60 70 80 90 100
O bser vation
Ejemplo: En una industria química se toma una muestra cada 15 minutos y se mide
el pH y la concentración de cloro de la solución, los datos se muestran en el archivo
CLORO.MTW anexo de este módulo.
Stat > Control Charts > Variable charts for individuals > I-MR
Variable pH V I Chart of pH V
Scale > Time: Stamp 'Hora V' 'Cl V' 14
1
OK 13 UCL=12.843
12
11
Individual Value
10
_
9 X=9.128
7
Uso de la función Stamp
6
LCL=5.413
5
Hora V 6:45 7:30 8:15 9:00 9:45 10:30 11:15 12:00 12:45 13:30
Cl V 21 21 20 19 20 18 19 18 20 20
Como hay un punto que se sale de control se puede omitir como sigue:
Página 50
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Stat > Control Charts > Variable charts for individuals > I-MR
Variable pH V
Scale > Time: Stamp 'Hora V' 'Cl V'
Data Options seleccionar Specify wich rows to exclude Row numbers 25
I Chart Options en S limits seleccionar These multiples of the standar deviation poner 1 2 3
OK
I Chart of pH V
13
+3SL=12.366
12
+2SL=11.244
11
Excluye el punto fuera de
Individual Value
10 +1SL=10.122
_
control y muestra los
9 X=9 límites de control a
8 -1SL=7.878
una, dos y tres sigmas
7
-2SL=6.756
6
-3SL=5.634
5
Hora V 6:45 7:30 8:15 9:00 9:45 10:30 11:15 12:00 12:45 13:30
Cl V 21 21 20 19 20 18 19 18 20 20
Para mostrar el comportamiento por día, se usa Stages por Fecha en dos cartas para
mejor claridad (quitar todas las selecciones anteriores)
Stat > Control Charts > Variable charts for individual > I-MR
Variable pH Original
I Chart Options:
Define stages (historical group) within this variable Fecha
When to start a new value seleccionar With each new value
Display seleccionar Each Segment Contains 80 Subgroups
OK
I Chart of pH by Fecha
04/11/2002 05/11/2002 06/11/2002
14
12 UCL=12.370
10 _
X=8.981
8
Individual Value
6 LCL=5.592
Hora V 6:15 8:00 10:00 12:00 14:00
Cl V 19 20 21 18 20
07/11/2002 08/11/2002
14 1
UCL=12.843
12
10 _
X=9.128
8
6
LCL=5.413
Hora V
Cl V
Stat > Control charts > Variable chart for individuals > Moving range
Variable ' pH V'
Página 51
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
4
Moving Range
2
__
MR=1.397
1
0 LCL=0
3 6 9 12 15 18 21 24 27 30
Observation
Stat > Control charts > Variable chart for individuals > I-MR
Variable ' pH V' OK
I-MR Chart of pH V
14
1
U C L=12.843
12
Individual Value
10 _
X=9.128
8
6
LC L=5.413
3 6 9 12 15 18 21 24 27 30
O bse r v ation
U C L=4.564
4
Moving Range
2
__
M R=1.397
1
0 LC L=0
3 6 9 12 15 18 21 24 27 30
O bse r v ation
Stat > Control Charts > Variables Charts for Subgroups > Xbar-S.
Seleccionar All observations for a chart are in one column, seleccionar Supp2.
Existe otra alternativa Observations for a subgroup are in a row of columns
Página 52
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
601
Sample Mean
_
_
X=600.23
600
599
LC L=598.552
1 2 3 4 5 6 7 8 9 10
Sample
3 U C L=2.952
Sample StDev
2 _
S =1.720
LC L=0.488
1 2 3 4 5 6 7 8 9 10
Sample
601
Sample Mean
_
_
600 X=600.042
599
LC L=598.349
598
1 2 3 4 5 6 7 8 9 10
Sample
3 U C L=2.979
Sample StDev
2 _
S =1.736
LC L=0.492
1 2 3 4 5 6 7 8 9 10
Sample
Error de reproducibilidad
Causado por diferencias entre operadores al revisar las mediciones
1. Gage Run Chart: Análisis gráfico de los resultados como primeras conclusiones
Página 53
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
2. Gage Linearity and Bias Study: ¿es igual el error en todo el rango de magnitudes a medir?
Diseños Cruzados (Crossed): Los operadores miden todas las piezas dos o tres veces
normalmente características dimensionales
Diseños anidados (Nested): Cada pieza es medida por un solo operador para el caso de
pruebas destructivas, debe medir varias piezas muy parecidas entre si
(normalmente piezas producidas en forma consecutiva) casi sin variabilidad.
Para los ejemplos se usa el archivo RR_Cruz.MTW anexo, contiene datos para la realización
de un estudio R&R en el que 3 operadores han medido 10 piezas distintas, 3 veces cada
una de manera aleatoria y sin saber cual estaban midiendo en cierto tiempo.
Stat > Quality Tools > Gage Study > Gage Run Chart
Part Numbers - Pieza; Operators - Operario; Measurement data - Medición
Trial Numbers - Orden (indica el orden en que se hicieron las mediciones).
Options - Permite poner título al estudio
Gage Info: Para información adicional del estudio
1 2 3 4 5 O perario
16 1
2
3
Las piezas son diferentes
Mean
12 ver pieza 2 y 3 versus la
8y9
Medicion
6 7 8 9 10
16
El operario 2 tiene más
12
variabilidad en sus
Mean
mediciones y además
8
tiende a tener valores por
Operario
debajo de los otros 2
Panel variable: Pieza
Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)
Part Numbers - Pieza; Operators - Operario; Measurement data - Medición
Seleccionar Method of Análisis - ANOVA
Options - Study variation 5.15 (99% nivel de conf.) Tolerance - 15 Tolerancia de las piezas
Gage Info: Para información adicional de identificación del estudio
Página 54
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Varianza %Contribution
Source VarComp (of VarComp)
Total Gage R&R 2.08017 38.10
Repeatability 1.36510 25.00 Varianza relevante debida al equipo
Reproducibility 0.71507 13.10 Menor varianza debida al operador
Operario 0.71507 13.10
Part-To-Part 3.37959 61.90
Total Variation 5.45976 100.00
Usada cuando el equipo es para control del proceso
Tabla de análisis de la Variación
Usada cuando el equipo es para liberar producto
raiz (Varianza) Study Var %Study Var %Tolerance
Source StdDev (SD) (5.15 * SD) (%SV) (SV/Toler)
Total Gage R&R 1.44228 7.4277 61.73 49.52
Repeatability 1.16838 6.0171 50.00 40.11
Reproducibility 0.84562 4.3549 36.19 29.03
Operario 0.84562 4.3549 36.19 29.03
Part-To-Part 1.83837 9.4676 78.68 63.12
Total Variation 2.33661 12.0336 100.00 80.22
REPETIBILIDAD
Se tiene las siguientes variaciones:
Operador-B
Operador-C
Reproducibilidad: Variación introducida por los operarios
Operador-A
Reproducibilidad
Página 55
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
<30% no crítica
Gage R&R (ANOVA) for Medicion
Reported by :
Gage name: Tolerance:
Date of study : M isc:
% Tolerance
40 12
0 6
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Pieza
R Chart by Operario
Medicion by Operario
1 2 3
UCL=5.257 18
Sample Range
4
12
Operario 2 tiene una
_
2 R=2.042
Media más baja
0 LCL=0 6
1 2 3
Operario
Xbar Chart by Operario
1 2 3 Operario * Pieza Interaction
15.0 15.0 Operario
Si no hay interacción
Sample Mean
1
UCL=13.383
Average
2
12.5 _ 12.5
_ 3
10.0
X=11.293
10.0 significativa, estas
LCL=9.204
1 2 3 4 5 6 7 8 9 10 líneas son paralelas
Pieza
Carta de rangos: Muestra al operario 2 con mayor variabilidad que los demás
pero aun así estan dentro de control, de otra forma debería repetir las mediciones
Cartas de Medias: Debe tener al menos el 50% de sus puntos fuera de control para
indicar que el sistema de medición discrimina las diferentes partes adecuadamente
Stat > Quality Tools > Gage Study > Gage R&R Study (crossed)
Seleccionar columnas de parts, operators y measurement data
Seleccionar Method of Analysis ANOVA
En gage info introducir la información general del equipo y del estudio
En options introducir lo siguiente:
Study variation 5.15 (estándar industrial, corresp. al 99% de NC)
Process Tolerance 2
a) si hay dos especs. inferior y superior, introducir el rango
b) si solo hay una espec. superior introducirla en Upper spec
c) si solo hay una espec. inferior introducirla en Lower spec.
OK
Source DF SS MS F P
Part 9 2.05871 0.228745 39.7178 0.000
Operator 2 0.04800 0.024000 4.1672 0.033
Part * Operator 18 0.10367 0.005759 4.4588 La0.000
interacción si es
Repeatability 30 0.03875 0.001292 significativa, el operador
Página 56
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
% Tolerance
0.75
50
0.50
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Part
R Chart by Operator
Response by Operator
1 2 3
UCL=0.1252 1.00
Sample Range
0.10
0.75
0.05 _
R=0.0383
0.50
0.00 LCL=0
1 2 3
Operator
Xbar Chart by Operator
1 2 3 Operator * Part Interaction
1.00 1.00 Operator
Sample Mean
_
UCL=0.8796
_
1
Average
2
X=0.8075
0.75 LCL=0.7354 0.75 3
0.50
0.50 Si hay interacción entre
1 2 3 4 5
Part
6 7 8 9 10
operadores y partes,
debe revisarse el método
La carta R esta dentro de control de medición
La carta de medias tiene más del 50% de puntos fuera de control, lo que es adecuado
Se trata de un diseño anidado ya que cada operador solo mide una parte de las piezas.
Stat > Quality Tools > Gage Study > Gage R&R Study (Nested)
Seleccionar columnas de part or batch numbers, operators y measurement data
En gage info introducir la información general del equipo y del estudio
Página 57
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
% Tolerance
22
50
20
0
Gage R&R Repeat Reprod Part-to-Part Pieza 1 2 3 4 5 6 7 8 9 10 11 12
Operario A B C
R Chart by Operario
Medicion by Operario
A B C
UCL=5.170 24
Sample Range
4
22
_
2 R=2.008
20
0 LCL=0
A B C
Operario
Xbar Chart by Operario
A B C
24 UCL=24.196
Sample Mean
_
_
22 X=22.142
20 LCL=20.087
Estudios de linealidad
0.5
Dif
0.0
Amplitud de la
variabilidad del proceso
-0.5
-1.0
1 2 3 4 5 6 7 8 9 10
Master
Página 58
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
G age Linearity
P redictor C oef S E C oef P
Regression
C onstant 0.73667 0.07252 0.000
95% CI
1.0 Data
Avg Bias
S lope -0.13167 0.01093 0.000 Ecuación
S 0.23954 R-S q 71.4%
Linearity 1.86889 % Linearity 13.2
-0.5
Percent of Process Variation
10
Percent
-1.0 5
2 4 6 8 10
Reference Value 0
Linearity Bias
La capacidad del proceso es la capacidad que tiene para cumplir especificaciones una
vez que muestra estabilidad o esta dentro de control estadístico.
Seleccionar R bar
Especificaciones
Página 59
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
LSL USL
P rocess D ata W ithin
LS L 3.08750 Ov erall
Target *
USL 3.41250 P otential (Within) C apability
S ample M ean 3.24312 Cp 2.54
C PL 2.43
S ample N
S tD ev (Within)
200
0.02136 C PU 2.64 Cp y Cpk a partir de
C pk 2.43
S tD ev (O v erall) 0.02917
C C pk 2.54
Std. Dev. Within
O v erall C apability
Pp 1.86
PPL 1.78 Pp y Ppk a partir de
PPU 1.94
P pk 1.78 Std. Dev. Overall
C pm *
13 2 10
14 2
15 2
5
6 3
7 3
8 3 0
1.0 1.5 2.0 2.5 3.0
10 3 Subgrupo
C4 = 4(n - 1) / (4n - 3)
Var 1=2.92 Var 2=1.67 Var 3 = 2.92
Desv. Std. Overall = raiz (17.91) = 4.23
Se aplica una constante de corrección Var Within = Promedio de Var 1, Var 2 y Var 3 = 2.5
C4 que en este caso es 0.9776 Desv. Std. Within = raiz (2.5) = 1.58
Página 60
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
LSL USL
P rocess Data Within
LSL 6.00000 Overall
Target *
U SL 12.00000 P otential (Within) C apability
Cp 0.86
Sample M ean 10.85938
C PL 1.39
El Cpk es menor a 1
Sample N 32
StDev (Within) 1.16392 C P U 0.33 el proceso no es
StDev (O v erall) 1.43526 C pk 0.33
C C pk 0.86 capaz para cumplir
O v erall C apability
Pp 0.70
con especificaciones
PPL 1.13
PPU 0.26
P pk 0.26
C pm *
12 _
X=10.859
9
LCL=7.368
1
3 6 9 12 15 18 21 24 27 30 8.0 9.6 11.2 12.8
2 __
MR=1.313
0 LCL=0
3 6 9 12 15 18 21 24 27 30 8 10 12 14
Cp 0.86 Overall
Pp 0.70
10
C pk 0.33 P pk 0.26
8 C C pk 0.86 C pm *
Specs
10 15 20 25 30
Observation
A ccuracy Measures
OK 12 MA PE 8.53237
MA D 0.88705
%Humedad
MSD 1.31670
11
10
9
Se observa que el % 8
ha ido aumentando con 7
el tiempo por alguna 3 6 9 12 15 18
Index
21 24 27 30
Página 61
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Ejemplo: Se mide la torcedura que tienen los ladrillos en un horno, los datos se encuentran
en el archivo TILES.MTW anexo
LB* U S L*
P rocess D ata transformed data Within
LB 0.00000 O v erall
Target *
USL 8.00000 P otential (Within) C apability
S ample M ean 2.92307 Cp *
S ample N 100 C PL * Cpk = 0.78 el proceso
S tDev (Within) 1.68898 C P U 0.78
S tDev (O v erall) 1.79048 C pk 0.78 no es capaz de cumplir
C C pk 0.78
LB*
A fter Transformation
0.00000
O v erall C apability especificaciones.
Target* * Pp *
U S L* 2.82843 PPL *
PPU 0.74
S ample M ean*
S tDev (Within)*
1.62374
0.51337 P pk 0.74 Ppk es igual a 0.74
S tDev (O v erall)* 0.53934 C pm *
LB USL
P rocess Data O v erall C apability
LB 0.00000 Pp *
Target * PPL *
USL 8.00000 PPU 0.73
S ample M ean 2.92307 P pk 0.73
S ample N 100
E xp. O v erall P erformance
S hape 1.69368
S cale 3.27812
P P M < LB * Ppk es igual a 0.73
P P M > U S L 10764.5
O bserv ed P erformance P P M Total 10764.5
P P M < LB 0
P P M > U S L 20000
P P M Total 20000
Página 62
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Se usan estas cartas para cuando las características se juzgan como pasa o no pasa
P Chart of Defectuosos
1 1
0.055
UCL=0.05316 Se tienen límites de
0.050 control variables por
0.045 ser el tamaño de muestra
variable
Proportion
0.040 _
P=0.03812
0.035
0.030
0.025
LCL=0.02308
0.020
3 6 9 12 15 18 21 24 27 30
Sample
Tests performed with unequal sample sizes
TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 3, 26
0.050
0.045
Proportion
0.040 _
P=0.03867
0.035
0.030
0.025
LCL=0.02292
0.020
3 6 9 12 15 18 21 24 27 30
Sample
Página 63
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
NP Chart of Defectuosos
14
1
12 UCL=12.16
10
Sample Count
6 __
NP=5.39
0 LCL=0
1 7 14 21 28 35 42 49 56 63 70
Sample
La causa aparente del punto fuera de control en la carta es un lote defectivo de materia prima
por lo que es razonable no considerarlo y recalcular los límites de control
NP Chart of Defectuosos
12 UCL=11.98
10
8
Sample Count
6 __
NP=5.28
0 LCL=0
1 7 14 21 28 35 42 49 56 63 70
Sample
Página 64
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
C Chart of Visitas
160
1
140
120 1
Sample Count
100
1 1
UCL=87.3
80
_
C=63.4
60
40 LCL=39.5
1 1
11 11
20 1 1
1 6 12 18 24 30 36 42 48 54 60
Sample
TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 5, 6, 10, 11, 22, 26, 33, 37, 40, 41, 54, 55
El punto del día 10 representa un pico debido a un anuncio especial anunciando la página
los otros puntos que salen de control se presentan los fines de semana.
Para eliminar los puntos correspondientes a sábados y domingos usar el botón Data Options
para recalcular los límites de control de nuevo:
Stat > Control Charts > Attributes chart > C
Variables Visitas
Data Options
C Chart OptionsData Options
Página 65
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
C Chart of Visitas
120 1
110
100
UCL=94.20
Sample Count
90
80
_
70 C=69.24
60
50
LCL=44.28
40
1 6 12 18 24 30 36 42 48 54 60
Sample
15
que el tamaño de muestra
_ es variable
10 U=9.87
0 LCL=0.30
3 6 9 12 15 18 21 24 27 30
Sample
Tests performed with unequal sample sizes
Estudio de capacidad para variables que siguen una distribución binomial (fracción defectiva)
Ejemplo: Se usa el archivo BANCO.MTW anexo que contiene por diferentes agencias
Página 66
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Expected Defectives
0.6 1 30
P r opor tion
0.4 U C L=0.3983 20
_
0.2 P =0.222 10
LC L=0.0457
Puntos fuera de control
0.0 1 0
3 6 9 12 15 18 21 24 27 30 0 15 30
Sample O bser ved Defectives
Meta 0 defectuosos
La gráfica acumulativa debe
acabar estabilizandose cerca Intervalos de confianza y ppm de defectuosos
del valor medio para indicar
que el tamaño de muestra La Z del proceso es 0.75 que es muy baja,
es representativo debe mejorarse
Seleccionando la carta de control P y con Editor > Brush y Editor > Set ID variables a Agencia
se identifican las agencias 112 y 212 como las que más influyen en las quejas.
Colocando asteriscos en los datos de estas agencias se tiene:
0.3 15
Proportion
_
0.2 P =0.1929 10
0.1 5
LC L=0.0255
0.0 1 0
3 6 9 12 15 18 21 24 27 30 0 10 20
Sa mple O bse r v e d De f e ctiv e s
Low er C I : 17.25
21.0 U pper C I : 21.45
5.0
T arget: 0.00
19.5
P P M D ef: 192857
Low er C I : 172495 2.5
18.0
U pper C I : 214517
P rocess Z: 0.8674 0.0
5 10 15 20 25 30 0 5 10 15 20 25 30 35
Low er C I : 0.7908
Sa mple
U pper C I : 0.9444
Página 67
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
TEST 1. One point more than 3.00 standard deviations from center line.
Test Failed at points: 28
Estudio de capacidad para variables que siguen una distribución de Poisson (número de defectos)
U C L=8.474
Expected Defects
7.5 6
5.0 4
_
U =3.15
2.5 2
0.0 LC L=0 0
4 8 12 16 20 24 28 32 36 40 0.0 2.5 5.0
Sample O bser ved Defects
C umulative DP U Dist of DP U
Tar
4 S ummary S tats 16
(using 95.0% confidence)
M ean D ef: 3.1500 12
3 Low er C I: 2.6240
U pper C I: 3.7505
DP U
8
M ean D P U : 3.1500
2
Low er C I: 2.6240
U pper C I: 3.7505 4
M in D P U : 0.0000
1
M ax D P U : 6.0000 0
10 20 30 40 0 1 2 3 4 5 6
Targ D P U : 0.0000
Sample
Página 68
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Para crear la carta Cusum se colectan m subgrupos de muestras, cada una de tamaño n y
se calcula la media de cada muestra Xi-media. Después se determina Sm o S’m como sigue:
m
Sm (X i
0 )... 0 m e d ia .e n .c o n tr o l .e s tim a d a
i 1
m
1
S m 0 )... d e s v .e s ta n d a r .d e .la s .m e d ia s
'
(X
i X
X i 1
Ejemplo: Variaciones de una flecha respecto a una línea de referencia, los datos se
encuentran en el archivo CRANKSH.MTW anexo.
Stat > Control Charts > Variables Charts for Subgroups > Xbar
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 .
OK
_
0.0
_
X=0.44 o esté fuera de control
-2.5
LC L=-3.82
-5.0
2 4 6 8 10 12 14 16 18 20 22 24
Sample
16 U C L=15.61
12
Sample Range
8 _
R=7.38
0 LC L=0
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Stat > Control Charts > Time Weighted Charts > Cusum
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 . Target 0.0
OK
10.0
Los puntos 4-10 estan
fuera de límite superior
7.5 de control, el proceso
5.0
UCL=5.68 está fuera de control
Cumulative Sum
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Página 69
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
La carta de control CuSum se obtiene graficando los valores de Sm o S’m como función de m.
Si el proceso se corre gradualmente hacia arriba o hacia abajo, será indicado en la carta.
Su sensibilidad está determinada por los parámetros k y h.
Una forma de identificar si el proceso sale de control es con una mascara en V cuyo origen
se coloca en el último punto de suma acumulada determinado y observando que ninguno de
los puntos anteriores se salga, de otra forma tomar acción
Stat > Control Charts > Time Weighted Charts > Cusum
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 . Target 0.0
en Cusum Options: Seleccionar two sided V mask Center on subgroup 6 o 8
OK Vmask Chart of AtoBDist
25
Vmask Chart of AtoBDist
25 20
Cumulative Sum
20 15
Cumulative Sum
10
15
5
10
0 Target=0
5 2 4 6 8 10 12 14 16 18 20 22 24
Sample
0 Target=0
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Indica situación fuera
de control en el punto
Vmask Chart of AtoBDist de medición actual
40
30
Cumulative Sum
20
10
0 Target=0
-10
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Monitorea un proceso promediando los datos de tal forma que les da cada vez menos
peso conforme son removidos en el tiempo. Tiene sensibilidad simlar a la de la Cusum
Página 70
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Es más sensible que la carta X al movimiento de separación gradual de la media del proceso.
Stat > Control Charts > Time Weighted Charts > EWMA
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 . Weight of EWMA 0.2
OK
1.5
1.0
_
EWMA
_
0.5 X=0.442
0.0
-0.5
-1.0 LCL=-0.978
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Stat > Control Charts > Time Weighted Charts > Moving average
Seleccionar All observations for a chart are in one column, seleccionar AtoBDist
En Subgroup sizes, poner 5 . Lenght of MA 3
OK
3 UCL=2.900
2
Moving Average
1 _
_
X=0.442
0
-1
-2 LCL=-2.017
-3
-4
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Página 71
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
p Pa = b
Curva OC con
0,005 0,98969 Pa
n = 89, c = 2
0,010 0,93969
0,020 0,73658
0,030 0,49848
0,040 0,30416
0,050 0,17208
0,060 0,09187
0,070 0,04682
0,080 0,02296
0,090 0,01089
0,100 0,00501
0,110 0,00225
0,120 0,00098 Fracción def. en lote - p
Página 72
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
p Pa AOQ = Pa . P
0,005 0,98969 0,00495
0,01 0,93969 0,00940
0,02 0,73658 0,01473
0,03 0,49848 0,01495
0,04 0,30416 0,01217
0,05 0,17208 0,00860
0,06 0,09187 0,00551
0,07 0,04682 0,00328
0,08 0,02296 0,00184
AOQ
AOQL = 1.55%
0.03 p
5.9 Aplicaciones
Página 73
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
2.500
2.495
2.490
1 2 3 1 2 3 1 2 3
Eje
Panel variable: Hora
Página 74
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
2.500
2.495
2.490
1 2 3 1 2 3 1 2 3
Eje
Panel variable: Hora
El aspecto de la carta Multivari depende del orden en que se ingresen los factores
El tercer factor va en el eje horizontal por tanto aquí es donde conviene introducir el tiempo
El último factor introducido es el que divide a la carta en dos partes.
Página 75
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
OK
2.495
Diametro
2.490
Izq, 08:00 Izq, 09:00 Izq, 10:00 Izq, 11:00 Izq, 12:00
2.510
2.505
2.500
2.495
2.490
Se estudia el rendimiento de un proceso químico (Y), donde se piensa que los factores
que mayor influencia tienen son la temperatura y la presión (X1, X2).
Se diseña un experimento factorial completo con dos réplicas y tomando tres niveles
en cada factor como se muestra en la tabla de rendimientos.
PRESION (psig)
200 215 230
TEMP. 90,4 90,7 90,2
150 90,2 90,6 90,4
90,1 90,5 89,9
160 90,3 90,6 90,1
90,5 90,8 90,4
170 90,7 90,9 90,1
1
Standardized Residual
Residuales vs Y estimada
deben ser aleatorios
0
-1
-2
90.0 90.1 90.2 90.3 90.4 90.5 90.6 90.7 90.8 90.9
Fitted Value
Página 77
Standar
Dagoberto Salgado Horta
-1
TALLER DE APLICACIÓN DE MINITAB
-2
90.0 90.1 90.2 90.3 90.4 90.5 90.6 90.7 90.8 90.9
Fitted Value
95
90
Gráfica Normal de residuales 80
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Standardized Residual
Página 78
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Temperatura = 3 o 170º
90.5 Presión = 2 o 215 psig.
90.4
90.3
90.2
90.5
Mean
90.4
90.3
90.2
90.1
90.0
OK OK
Los resultados se muestran a continuación. Como es una sola réplica no hay residuos
Term Coef
Pareto Chart of the Effects
Constant -893.750 (response is Y, Alpha = .05)
Caudal 102.625 5.646
Corriente 3.75000 F actor
A
Name
C audal
A
Velocidad 186.250 B
C
C orriente
V elocidad
AB
Caudal*Corriente -0.425000
Caudal*Velocidad -30.0000 C
Term
Corriente*Velocidad -0.750000 B
Caudal*Corriente*Velocidad 0.125000 BC
ABC
Y = -893.750 + 102.625 Caudal +
AC
- 0.425 Caudal*Corriente
0 1 2 3 4 5 6 7 8 9
Effect
Lenth's PSE = 1.5
Página 80
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
60
50
40
30
20
10 AB
5
1
-5.0 -2.5 0.0 2.5 5.0 7.5 10.0
Effect
Lenth's PSE = 1.5
Los efectos se pueden guardar en una columna y después graficarlos para que sean claros:
Stat > DOE > Factorial > Analize Factorial Design ..... Storage: Effects
Graph Dot Plot: Simple Effe1
EFFE1
9
-1
1,5
-6,5
-0,5
1
0,5
Paso 4. Obtener las gráficas factoriales para seleccionar los mejores niveles de operación
16
Mean of Y
14
8 12 230 240
Velocidad
22
20
18
16
14
0.6 1.0
Página 81
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
18 Caudal = 12
16
14
12
10
230 240
Corriente
Hold Values 25
235.5 Velocidad 0.6
20
Y
234.0
15
240
10
232.5 235
8 Intensidad
10 230
C audal 12
231.0
8 9 10 11 12
Caudal
Página 82
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
Hold Values
Velocidad 0.6
237.0
Intensidad
235.5
234.0
232.5
231.0
8 9 10 11 12
Caudal
Seleccionar y mover las líneas de cada factor hasta obtener el máximo rendimiento:
Página 83
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
5-2
Al principio se realizó un diseño fraccional de dos niveles y cinco factores (2 ), en cada
condición se midió la fuerza de adhesión en 100 botellas y se tomó como respuesta el promedio.
Tabla de confusiones (los efectos de los factores principales se confunden con interacciones)
I + ABD + ACE + BCDE
A + BD + CE + ABCDE
B + AD + CDE + ABCE
C + AE + BDE + ABCD
D + AB + BCE + ACDE
E + AC + BCD + ABDE
BC + DE + ABE + ACD
BE + CD + ABC + ADE
Página 84
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
B
Term
BE
BC
0 1 2 3 4 5
Effect
Lenth's PSE = 0.75
60 D Temp secado
E P resion
50
40
30
20
Son significativos los
10 A
factores A, B, D
5
1
-4 -3 -2 -1 0 1 2 3 4 5
Effect
Lenth's PSE = 0.75
Paso 4. Obtener las gráficas factoriales para seleccionar los mejores niveles de operación
Página 85
Dagoberto Salgado Horta
TALLER DE APLICACIÓN DE MINITAB
20
X Y 30 40
Temp secado
24
23
22
21
20
80 90
24.0
23.5
40
Después de este
experimento de filtración
se puede hacer otro más
Temp Cola 24.5 completo sólo con los
90
factores A, B, D
Temp secado
16.0
30 80
X Y
Cola
6.5 Aplicaciones:
Realizar los ejercicios del Módulo 6
Página 86