STATGRAPHICS – Rev.

4/d/yyyy

Análisis de Capacidad Multivariada

Resumen
El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los
puntos caracterizados por dos o más variables se encuentren establecidos dentro de los límites de
especificación. Cuando las variables están correlacionadas, es importante considerar el
comportamiento conjunto, ya que al observar cada variable separadamente puede dar un
panorama erróneo de la capacidad de proceso general.

StatFolio Muestra: mvcapability.sgp

Datos Muestra:
El archivo grit.sf3 contiene mediciones realizadas de n = 56 montones de “gravilla”, de Holmes
y Mergen (1993). Los datos representan los porcentajes de partículas grandes, medianas y
pequeñas en la gravilla. La siguiente tabla muestra una lista parcial de los datos en este archivo:

Large Médium Small LSL Nominal USL

(Grande) (Mediana) (Pequeña)
5.4 93.6 1.0 5 10
3.2 92.6 4.2 5 10
5.2 91.7 3.1
3.5 86.9 9.6
2.9 90.4 6.7
4.6 92.1 3.3
4.4 91.5 4.1
5,0 90.3 4.7
8.4 85.1 6.5
4.2 89.7 6.1
3.8 92.5 3.7
4.3 91.8 3.9
3.7 91.7 4.6
3.8 90.3 5.9
2.6 94.5 2.9

Además de la muestra, el archivo también contiene límites de especificación para los porcentajes
relativos de partículas grandes y pequeñas, los cuales son:

Grande ≤ 10% (1)

Pequeña ≤ 10% (2)

Note que la columna que contiene los límites inferiores está en blanco, ya que no hay cotas
inferiores. Se desea estimar el porcentaje de montones que se encuentran dentro de los límites de
especificación.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 1

 STATGRAPHICS – Rev. 4/d/yyyy
Entrada de Datos
Los datos que serán analizados consisten en columnas numéricas las cuales contienen las
variables de interés y los limites de especificación.

• Datos: columnas numéricas que contienen las n muestras, una por renglón.

• Límites Superiores de Especificación: columna numérica que contiene los límites de

especificación superiores. Si una variable no tiene un límite superior, deje la celda
correspondiente en blanco.

• Valores Nominales: columna numérica que contiene los valores nominales u objetivos para
cada variable. Si una variable no tiene un valor objetivo, deje la celda correspondiente en
blanco.

• Limites Inferiores de Especificación: columna numérica que contiene los límites de

especificación inferior. Si una variable no tiene un límite inferior, deje la celda
correspondiente en blanco.

• Selección: Subconjunto a seleccionar.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 2

 STATGRAPHICS – Rev. 4/d/yyyy
Resumen del Análisis
El Resumen del Análisis muestra los estadísticos resumidos para cada columna y la probabilidad
estimada de estar fuera de los límites de especificación.

Análisis de Capacidad Multivariada

Datos / Variables:
Small
Large
Número de casos completos: 56

Media Desv. Estd.

Variable Muestral Muestral LIE Nominal LSE
Small 6.09821 2.51154 5.0 10.0
Large 5.68214 1.94171 5.0 10.0

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 3

 STATGRAPHICS – Rev. 4/d/yyyy
Fuera Especs. Fuera Especs. DPM
Variable Observados Estimados Estimados
Small 5.35714% 6.01462% 60146.2
Large 1.78571% 1.30827% 13082.7
Conjunto 7.14286% 7.18235% 71823.5

Se incluye en la tabla:

• Número de Casos Completos: el número de renglones n en el archivo de datos con

información en las p variables. Cualquier renglón con datos faltantes para alguna variable
es excluido del análisis.
• Media Muestral y Desviación Estándar: la media muestral y la desviación estándar
para cada variable.
• Observado Fuera de la Especificación: el porcentaje de muestras en las cuales cada
variable estuvo fuera de sus límites de especificación individual, con el porcentaje de
veces en las cuales las muestras estuvieron conjuntamente fuera de los límites. El
porcentaje conjunto incluye casos en los cuales una o más variables estuvieron fuera de
sus límites individuales.
• Estimado Fuera de la Especificación: el porcentaje de muestras similares en la
población que se estiman están fuera de los límites de especificación. La estimación está
basada en una distribución normal multivariada de los datos y en la estimación del área
de esa distribución que no está dentro de los límites de especificación de la distribución
conjunta.
• Estimado DPM: los “defectos por millón” estimados, definidos como el número de
muestras fuera, de cada millón que se estima que caerán fuera de los límites de
especificación. Esto se calcula a partir del Estimado Fuera de la Especificación.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 4

 STATGRAPHICS – Rev. 4/d/yyyy
En el ejemplo, las muestras de arena violaron uno o más límites de especificación 7.14% de las
veces. Basados en la distribución normal multivariada, se estima que el 7.91% de todas las
muestras tomadas de la población estarían conjuntamente fuera de la especificación. Debería
notarse que la probabilidad conjunta no es la suma de las probabilidades individuales.

NOTA: el cálculo del porcentaje estimado conjunto fuera de la especificación requiere integrar
una distribución normal multivariada y esto puede consumir mucho tiempo. Por favor tenga
paciencia. También, note que para derivar el porcentaje se usan métodos Monte Carlo, así que la
respuesta podría variar un poco de la que se mostró anteriormente si el proceso se realiza
nuevamente.

Gráfica de Capacidad
La Gráfica de Capacidad muestra la distribución normal multivariada para cualesquiera 2 de las
variables.

Greáfica de Capabilidad Multivariada

DPM = 71823.5

8 1012
4 6
0 3 6 9 12 02 Large
15
Small

El área sombreada en azul corresponde a la ubicación donde todas las variables están dentro de
los límites de especificación. El área sombreada en rojo corresponde a la ubicación de una o más
variables que se encuentran fuera de la especificación.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 5

 STATGRAPHICS – Rev. 4/d/yyyy
Panel de Opciones

• Seleccione 2 Variables: seleccione dos de las p variables. Se mostrará la distribución

marginal de las 2 variables seleccionadas.

• Invertir Variables: seleccione esta opción para mostrar la segunda variable a lo largo del eje
X en el frente de la gráfica. En otro caso, la primera variable será graficada a lo largo del eje
X.

Índices de Capacidad
Esta tabla muestra los índices de capacidad calculados de los datos.

Índices de Capacidad

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 6

 STATGRAPHICS – Rev. 4/d/yyyy
Índice Estimado
MCP 0.49
MCR 205.15
DPM 71823.5
Z 1.46235
SQL 2.96235

Basados en límites 6.0 sigma. El

Nivel de Calidad Sigma incluye un drif en la media de 1.5 sigmas.

Los índices calculados son:

• DPM – defectos estimados por millón. Éste es el número estimado de las muestras
tomadas de la población que estarían fuera de la especificación en una o más de las
variables.

• MCP – un índice de capacidad multivariada. El índice es calculado por

Z
MCP = (3)
k /2

donde Z es el valor de la variable aleatoria normal estándar correspondiente a los DPM

calculados, y k es el múltiplo de sigma especificado en la tabla Capacidad del cuadro de
diálogo Preferencias, accesible desde el menú Editar. Normalmente, k = 6. Este índice
está diseñado para tener una interpretación similar a Cpk en el caso univariado.
Usualmente, esto es deseable para MCP ≥ 1.33.

• MCR – el radio de capacidad multivariado. El índice es calculado por

k/2
MCR = 100 % (4)
Z

Esto es básicamente el inverso de MCP y expresa el porcentaje de la variación permisible

que está siendo consumida por la variabilidad en los datos.

• Z – el valor de la variable aleatoria normal estándar correspondiente al valor calculado

DPM.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 7

 STATGRAPHICS – Rev. 4/d/yyyy
• SQL – el Nivel de Calidad Sigma estimado. Este es un índice del nivel de calidad para el
proceso desarrollado como parte del proceso Six Sigma. Dependiendo de la elección 1.5
Sigma Shift en la tabla Capacidad del cuadro de diálogo Preferencias, el SQL es igual a
Z o (Z+1.5).

Los datos muestra tienen un índice de capacidad de MCP = 0.49, correspondiente a un nivel de
calidad sigma de aproximadamente 3. Mientras que estos niveles obtenidos son comunes, lograr
una calidad de clase mundial requeriría mejorar la consistencia de los procesos.

Elipse de Capacidad
La Elipse de Capacidad muestra un diagrama bidimensional de las estimaciones realizadas de los
procesos con respecto a 2 variables elegidas.

99.73% Elipse de Capabilidad

MCP =0.49
14

11

8
Large

-1
-3 0 3 6 9 12 15
Small

La elipse es dibujada de tal forma que incluye el 99.73% de la probabilidad normal multivariada
estimada para las variables elegidas, similar a los límites sigma ± 3 en una gráfica de capacidad
univariada. La región rectangular es la ubicación en la cual ambas variables están dentro de sus
límites de especificación. Un proceso “capaz” contendría completamente la elipse dentro de la
región rectangular.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 8

 STATGRAPHICS – Rev. 4/d/yyyy
Panel de Opciones

• Seleccione 2 Variables: seleccione dos de las p variables.

• Invertir Variables: seleccione esta opción para mostrar la segunda variable a lo largo del eje
X. En otro caso, la primera variable será graficada a lo largo del eje X.

Matriz de Correlación
Esta tabla muestra los coeficientes de correlación estimados para cada par de variables:

Matriz de Correlación

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 9

 STATGRAPHICS – Rev. 4/d/yyyy
Small Large
Small 1.0000 0.3538
Large 0.3538 1.0000

Los coeficientes de correlación miden la fuerza de la relación lineal entre un par de variables, en
una escala de –1 para una correlación negativa perfecta a +1 para una correlación positiva
perfecta. Entre más altas sean las correlaciones es más importante analizar las variables
conjuntamente en lugar de hacer un análisis de capacidad univariado para cada variable.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 10

 STATGRAPHICS – Rev. 4/d/yyyy
Pruebas de Normalidad
El proceso de capacidad estimado que se mostró anteriormente depende en gran parte de suponer
que los datos siguen una distribución normal multivariada. El panel Pruebas de Normalidad
realiza una o más pruebas en cada variable para determinar cuando o no una distribución normal
es un modelo razonable para la variable. Para cada prueba, las hipótesis de interés son:

• Hipótesis Nula: los datos son muestras independientes de una distribución normal
• Hipótesis Alternativa: los datos no son muestras independientes de una distribución
normal

Prubas de Normalidad

Valores-P
Shapiro-Wilk Sesgo Curtosis
Small 0.755982 0.382035 0.504427
Large 0.314548 0.470987 0.721277

Las pruebas a realizarse se seleccionan utilizando el Panel de Opciones. Cada prueba es

desplegada con sus estadísticos de prueba asociados y su P-Valor. P-Valores pequeños (por
debajo de 0.05 si se trabaja con un nivel de significancia del 5% ) permiten un rechazo de la
hipótesis nula y entonces un rechazo de la distribución normal. En la tabla anterior, todos los P-
Valores están por encima de 0.05, así que estadísticamente no existe una anormalidad
significativa en los datos.

Panel de Opciones

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 11

 STATGRAPHICS – Rev. 4/d/yyyy

Incluir – seleccione la prueba que se incluirá en la salida . Las pruebas por defecto son definidas
en la tabla Dist. Fit del cuadro de diálogo Preferencias al cual se tiene acceso desde el menú
Editar.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 12

 STATGRAPHICS – Rev. 4/d/yyyy
Gráfica de Probabilidad
La Gráfica de Probabilidad es otro método por el cual se puede juzgar cuándo la distribución
seleccionada describe adecuadamente los datos o no.

Gráfica de Probabilidad

3.9 Small
Large
2.9
datos empíricos

1.9

0.9

-0.1

-1.1

-2.1
-2.1 -1.1 -0.1 0.9 1.9 2.9 3.9
distribución normal

La gráfica muestra los valores de los datos para cada variable, ordenados de mayor a menor,
graficados contra los percentiles equivalentes de la distribución normal seleccionada. Si la
distribución normal es un modelo razonable para los datos, los puntos estarán aproximadamente
a lo largo de una línea recta. En general, la gráfica anterior confirma que la distribución normal
es un modelo razonable.

Diagrama T-Cuadrada
Como en todos los análisis de capacidad, es importante que el proceso se encuentre en un estado
de control estadístico cuando la capacidad es estimada. En el caso de datos multivariados, un
Diagrama T-Cuadrada es útil para examinar si los datos fueron mostrados de un proceso de
control.

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 13

 STATGRAPHICS – Rev. 4/d/yyyy

Carta de Control T-Cuadrada

12
LSC = 10.81
10

8
T-Cuadrada

0
0 10 20 30 40 50 60
Observación

En un diagrama T-Cuadrada, cada muestra es representada por un solo estadístico definido por

Ti 2 = ( xi − x )′ S −1 ( xi − x ) (5)

donde xi es el vector de los valores observados correspondientes a la i-ésima muestra, x es el

vector de las medias muestrales, y S es la matriz de covarianzas de la muestra. Se incluye un
límite superior de control en el diagrama, colocado por defecto para cubrir el 99.73% de una
distribución normal multivariada con las medias y las covarianzas estimadas. Cualquier punto
fuera del limite de control sería una señal de una situación potencialmente fuera-de-control.

Panel de Opciones

• Alfa: la probabilidad de falsa alarma del diagrama de control. Para un diagrama de control
estándar 3-sigma, α = 0.27%.

• Cifras Decimales para Límites: el número de lugares decimales para mostrar los límites de
control.

• Colorear Zonas: seleccione esta opción para mostrar zonas verdes y rojas.
© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 14
 STATGRAPHICS – Rev. 4/d/yyyy

Cálculos

Vector de la Media de la Muestra

Vector p por 1 con elementos:

1 n
x j = ∑ xij (6)
n i =1

Matriz de Covarianza de la Muestra

Matriz p por p con elementos:

∑ (xij − x j )(xik − xk )
1 n
s jk = (7)
n − 1 i =1

Límites de Control en el Diagrama T-Cuadrada

(n − 1) 2
UCL = Betaα , p / 2,( n − p −1) / 2 (8)
n

© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 15