Fase Análisis

Fase Análisis:
(Producción General) 175 datos
Estadística descriptiva para la variable (Longitud de tejido)
Diagrama de caja
Gráfica de caja de Longitud de tejido
16.4
16.3
16.2
16.1
Longitud de tejido
16.0
15.9
15.8
15.7
15.6
15.5
La interpretación del diagrama de caja para esta variable cuantitativa es la siguiente:
Se tienen dos bigotes en el diagrama uno inferior de 15.8 cm lo que nos indica que el 25% de las
longitudes de tejido de las pulseras miden entre 15.8 cm y 16.0 cm. EL cuartil dos que es toda la
parte azul nos indica la mediana que es de 16.0 cm y nos indica que el 50% de las longitudes de
tejido de las pulseras miden entre 15.8 cm y 16cm. El cuartil 3 representa el 75% de los datos y
nos indica que de 175 pulseras 58 pulseras tienen una longitud de tejido de entre 15.8 cm, y 16.2
cm. Existe también un bigote superior que indica un valor de 16.4 cm y os dice que al menos
aproximadamente 44 pulseras aproximadamente tienen una longitud de tejido de entre 16.2 y
16.4. El cuatro cuartil representa el 100% de los datos y básicamente esto significa que las todas
las pulseras tienen una medida de longitud de tejido de entre 15.8 y 16.4 cm, sin contar los datos
atípicos que son los asteriscos que aparecen en el diagrama. Como se puede apreciar en este
diagrama hay un valor atípico que significa que hay una pulsera fura de especificación que no
cumple con la medida de longitud de tejido que es tolerada por el cliente y tiene una medida de
15.5 cm
Diagrama de valores individuales
La grafica de valores para esta variable nos indica: la agrupación de datos individuales respecto a
la medida que cada pulsera tiene respecto a la longitud de tejido. Por ejemplo una pulsera de las
175 producidas tiene una medida de 15.5 cm lo cual indica que esta fuera de especificación
inferior y por lo tanto no cumple con la tolerancia permitida por el cliente. Por otra parte tenemos
una pulsera con una medida de 15.8 cm respecto a la longitud de tejido y a su vez también una
pulsera con medida de 15.9 cm. La mayor concentración de medidas respecto a las pulseras es de
16 cm con un total de 93 pulseras. Hay 29 pulseras con medida de 16. 1 cm y 34 pulseras con
longitud de tejido de 16.2 cm. Por ultimo hay 13 pulseras con una medida de longitud de tejido de
16.3 cm y 3 pulseras que miden 16.4 cm.
Histograma (con curva normal) de Longitud de tejido
Media 16.08
El 90 Desv.Est. 0.1196
N 175
80 histograma con
70 curva normal nos
representa lo
60
siguiente:
Frecuencia
50
La mayor cantidad de
40 los datos se están
30
acumulado en la
medida de 16 cm
lo 20 cual indica que la
10 mayor parte de la
producción de las
0
15.6 15.8 16.0 16.2 16.4 pulseras tiene
una Longitud de tejido longitud de tejido de
16 cm. Por otra parte observamos que tenemos fuera de la
campana de Gauss respecto al límite inferior los datos que salen arriba de la campana no significan
que no cumplan con las especificaciones si no que en esta parte esta la mayor acumulación de
datos y por ende los datos no se acoplan a una distribución normal. Esto se debe a causas
especiales en el proceso como lo puede ser la falta de precisión para dar una medida exacta de la
longitud del tejido de las pulseras o que aunque hay variación dentro del proceso la variación en
su mayoría está contenida dentro de los límites de especificación y por ende el cliente puede
aceptar esta producción. Otra cosa que podemos interpretar es que dichos datos no son
susceptibles para hacer una prueba de normalidad y determinar los indica de capacidad para
nuestro proceso de producción por las causas ya mencionadas que aunque existe poca variación
en el proceso está contenida dentro de los límites de especificación.
Longitud de correas
Gráfica de caja de Longitud de correas
9.4
9.3
9.2
Longitud de correas
9.1
9.0
8.9
8.8
8.7
8.6
8.5
Para una producción de 175 pulseras en el diagrama de caja y bigotes de abajo hacia arriba
podemos observar que tenemos un dato atípico. Dicho dato atípico nos indica que la longitud de
las correas de una pulsera esta fuera del límite de especificación inferior y tienen una medida de
8.5. Luego de esto el primer cuartil que representa el 25% de las pulseras tienen una medida de
entre 8.8 y 9 cm de longitud. Para el cuartil dos que es la mediana tiene un valor de 9 cm por ende
el cuartil dos nos dice que el 50% de la pulseras tienen una medida de entre 8,8 y 9 cm de longitud
respecto a las correas de las pulseras. El tercer cuartil representa el 75% de los datos o las medidas
de las pulseras y indica que el 75% de las pulseras tienen una longitud de tejido de entre 8.8 cm y
9.3 cm. Por último el cuatro cuartil que representa la mediad de las correas de las 175 pulseras y
las, medidas van desde 8.8 hasta 9.4 cm sin contemplar el dato atípico
Gráfica de valores individuales de Longitud de correas
8.5 8.6 8.7 8.8 8.9 9.0 9.1 9.2 9.3 9.4
Longitud de correas
Para el grafico de individuales dicha grafica nos indica que tenemos una pulsera que tiene una
longitud de correas debajo del límite inferior con una medida de 8.5 cm. Posterior a ese dato hay 3
pulseras con medida de 8.9 cm respecto a la longitud de sus correas. Hay 92 pulseras con una
longitud de correas de 9 cm y 31 pulseras con medida de 9.1 cm. También tenemos 43 pulseras
con una longitud de correas igual a 9.2 cm. Finalmente hay 3 pulseras con medida de 9.3 cm y por
ultimo 1 sola pulsera con una medida de 9.4 cm
Histograma (con curva normal) de Longitud de correas
Media 9.071
90 Desv.Est. 0.1055
N 175
80
70
60
Frecuencia
50
40
30
20
10
0
8.6 8.8 9.0 9.2 9.4
Longitud de correas
El histograma nos indica que los datos se están concentrando en el valor de 9 porque la mayor
parte de los productos tienen una medida de 9 cm respecto a las correas con las cuales se
amarran. Existe variación dentro de los limites pero es poca esto se debe a que al momento de
medir esta variable físicamente con un instrumento el operador o el instrumento de medición
están fallando. Debido a esto los datos no pueden seguir una distribución normal y no quiere
decir que la producción este mal si no que existen puntos de mejora de precisión de instrumentos
de medición ya que la producción como tal está contenida en los límites de especificación.
Acordados con el cliente. Tenemos una media de 9.07 cm y una desviación estándar de 0.10
Ancho de tejido
Gráfica de caja de Ancho de tejido
8.0
7.5
Ancho de tejido
7.0
6.5
6.0
Para el ancho de tejido de las 175 pulseras, en esta ocasión ninguna de las pulseras quedo fuera de
especificación. En este diagrama de caja tiene un bigote inferior con un valor de 6.0 que
representa el 25% de los datos así como el cuartil 1 y nos indica que 25% de los datos se
encuentran en un rango de medida de 6mm. La mediana es de 7 mm por ende el 50% de los datos
tienen una medida de entre 6 y 7 mm aproximadamente. El tercer cuartil (75% de los datos) se
encuentran en un rango de medida de entre 6 y 7 mm también que en el cuartil número 2. Para el
cuarto cuartil la medida del 100% de los datos se encuentran entre 6 y 8 mm. Cabe destacar que
hay otro bigote superior en el diagrama de caja que indica que del 75% de los datos en adelante
los datos tienen una medida de entre 7 y 8 mm entonces aproximadamente 44 pulseras miden
entre y 8 mm respecto a el ancho de tejido
Gráfica de valores individuales de Ancho de tejido
6.0 6.5 7.0 7.5 8.0

Ancho de tejido
Para el grafico de individuales observamos que los datos solo se distribuyen en tres medidas
cerradas que son 6, 7 y 8 mm. Existen 62 pulseras que tienen una medida de 6 mm de las 175
producidas a mano por cada uno de los Green Belt. También hay 78 pulseras con una medida de
acho de tejido de 7 m y por ultimo 35 pulseras con medida de 8 mm. No hay tanta variación por
causas especiales que afectaron la medición exacta del ancho de tejido de las pulseras. Debido a
esto hay puntos de mejora para esta variable cuantitativa como el cambio de instrumento de
precisión para que este sea más preciso. Aun así según las especificaciones del cliente para esta
variable la producción cumple en un 100% y podemos asumir que esta variable no es susceptible
para realizar un análisis de capacidad y determinar adecuadamente los índices de capacidad de
producción.
Histograma (con curva normal) de Ancho de tejido
100 Media 6.846
Desv.Est. 0.7304
N 175
80
60
Frecuencia
40
20
0
6 7 8
Ancho de tejido
Para el histograma no hay alores por debajo de los limites respecto a la campana de Gauss la
mayoría de los datos están dentro de especificación y la mayor cantidad de datos se concentran en
la medida de 7mm. Esta variable no presenta tanta variación y se redice a tres valores donde los
datos se distribuyen según la medida del ancho de tejido que tienen cada pulsera individualmente.
Existe poca variación por la falta de calibración y precisión de los instrumentos así como la
habilidad de los operadores y la visión de los mismos para tomar una medida adecuada mas sin
embargo con las medidas tomadas aunque sean erronas o poco precisas no afectan demasiado al
cliente ya que respecto a este producto la variación de decimas o milésimas de milímetros no es
algo que busque específicamente el cliente a la hora de adquirir un producto porque busca otra
cosa del producto que es le presentación , color , diseño del producto que la variación de una
pulsera a otra en cuestión de pequeños milímetros no le toma tanta importancia.
Cantidad de dijes
Gráfica de caja de Cantidad de dijes
3.0
2.5
Cantidad de dijes
2.0
1.5
1.0
Para el grafico de caja de la variable (cantidad de dijes) tenemos un bigote inferior representando
un rango de 25% de las pulseras lo cual nos indica que a este porcentaje de productos se les
coloco un dije por lo mejor en el diseño elaborado. Luego de esto la mediana de los datos o la
mediana de la cantidad de dijes es dos lo cual indica que el 50% de las pulseras se les colocaron
entre uno y dos dijes. El tercer cuartil no dice que el 75% de las pulseras tienen entre 1,2 y 3 dijes
cada una. Por último se tiene también un bigote superior que indica que del 75% de las pulseras
en adelante cuentan con 3 dijes colocados en su diseño.
Gráfica de valores individuales de Cantidad de dijes
1.0 1.5 2.0 2.5 3.0

Cantidad de dijes
Para el grafico de individuales nos indica básicamente la concentración de la cantidad de dijes en

cierto número de pulseras que tienen igual cantidad de dijes colocados. Por ejemplo según este
grafico hay 68 pulseras a las cuales se les coloco únicamente 1 dije en su diseño. Por otra parte hay
56 pulseras de las 275 que se les colocaron 2 dijes y por ultimo tenemos 49 pulseras restantes que
tienen 3 dijes colocados. Por ende con esta variable cuantitativa si estamos cumpliendo con los
requerimientos del cliente pero aun así no es susceptible para hacer un análisis de capacidad,
debido a que los datos reales no siguen una distribución normal debido a que no existe variación
entre cada dato.
Histograma (con curva normal) de Cantidad de dijes
90 Media 1.903
Desv.Est. 0.8212
80 N 175
70
60
Frecuencia
50
40
30
20
10
0
0 1 2 3
Cantidad de dijes
El histograma con curva normal para esta variable nos, muestra que la mayor cantidad de datos se
agrupan en 1 como ya lo habíamos mencionado en el gráfico de individuales. Lo que significaba
que había 68 pulseras que tenían únicamente un dije colocado y representaban la mayor cantidad
de datos iguales en la producción. Tenemos una media de 1.9 lo cual no nos interesa mucho ya
que los dijes son números enteros y la media seria redondear a 2 la desviación estándar es de 0.82
Gráfica de caja de Longitud de hilos para tejido
100.5
100.0
Longitud de hilos para tejido
99.5
99.0
98.5
98.0
La grafica de caja para esta variable es totalmente diferente a las demás variables. Esto debido a
que tienen más valores atípicos de lo normal. La explicación de estos datos atípicos es que son
valores que no se repiten o están alejados de los datos que se concentran y se repiten
continuamente en un grupo de datos ordenados. La interpretación de los datos es la siguiente
observando el diagrama de abajo hacia arriba los asteriscos indican valores atípicos y tenemos 6
datos atípicos con una medida de 98 cm pero esta vez los datos si entran dentro de los límites de
especificación inferior por lo tanto no hay problema alguno hasta ahí. Luego el diagrama arroja
más valores atípicos con un valor de 99 cm que son pulseras con hilos para tejido de 99 cm de
longitud, y que también están dentro de los límites de especificación. Luego de la barra azul de la
parte inferior el diagrama presenta un bigote que indica que un rango de 35% de los datos reales
tiene una medida de 100 cm (1m) el cuartil dos (mediana) indica que 50% de los datos sin incluir
los datos atípicos tienen una medida de 100cm. El cuartil 3 indica que el 75% de los datos tienen
una medida de entre 1m (100cm) y 1m con 3mm o 103 cm. Y hay dos datos atípicos que muestra
el diagrama que tienen un valor de 100,3 cm que aunque no tengan repetitividad están dentro del
límite superior en esa variable también se le esta cumpliendo al cliente respecto a la tolerancia
que nos dio para la longitud de hilos para tejido de pulseras
Gráfica de valores individuales de Longitud de hilos para tejido
98.0 98.5 99.0 99.5 100.0 100.5

El grafico de individuales indica que se cuanta con 6 parejas de hilos para tejer una pulsera con
una medida de 98 cm, hay 7 parejas de hilos con una longitud de 99 cm para tejer 7 pulseras. Por
otra parte se cuentan con 119 parejas de hilos para tejer que tienen una medida de 1m, 13 pares
de hilos con medida de 100,1 cm y 29 parejas de hilos con medida de 100.2 cm, Por último se
tienen únicamente 2 parejas de hilos para tejer 2 pulseras con una medida de 100.3 cm. Como ya
veníamos mencionando hay variación mínima dentro de los límites de especificación que el cliente
tolera pero los datos no siguen una distribución normal debido a la falta de precisión del
instrumento o de la persona que manipula el instrumento.
Histograma (con curva normal) de Longitud de hilos para tejido
120 Media 99.94
Desv.Est. 0.4273
N 175
100
80
Frecuencia
60
40
20
0
98.0 98.4 98.8 99.2 99.6 100.0 100.4 100.8
El histograma con curva normal de esta variable muestra ampliamente que la mayor cantidad de
datos se encuentran en 100 o sea que la mayor parte de los hilos para el tejido de las 175 pulseras
tuvieron al momento de cortarse una medida de un metro. Tenemos una media de 99.94 u una
desviación estándar de 0.42. Al no haber tanta variación o variaciones pequeñas como lo fiera si se
hiciera este histogramas con números aleatorios. Los datos reales de esta variable no son
susceptibles para hacer análisis de capacidad. Se recomienda mejorar al proceso respecto a los
instrumentos de medición para ver si los datos presentan, mayor variabilidad y pueden ser
tomados nuevamente en cuenta para realizar pruebas de normalidad y análisis de capacidad de
proceso
PREBAS DE NORMALIDAD PARA VARIABLES CUANTITATIVAS
Gráfica de probabilidad de Longitud de tejido

Normal
99.9
Media 16.08
Desv.Est. 0.1196
99 N 175
AD 14.151
95 Valor p <0.005
90
80
Porcentaje
70
60
50
40
30
20
10
5
0.1
15.50 15.75 16.00 16.25 16.50
Longitud de tejido
Para la prueba de normalidad de la variable (Longitud de tejido), podemos apreciar que los datos
reales(puntos azules), no se distribuyen a lo largo de la línea roja de la gráfica. Por ende se asume
que lo datos no siguen una distribución normal y necesitan una transformación mediante
herramientas que ofrece el programa minitab, para que esto puedan ser trabajados en otro tipó
de análisis. Tenemos una media de 16.08 el promedio de longitud de tejido de las 175 pulseras, y
decimos que los datos no son normales, porque el valor p es menor a 0.05 y estadísticamente se
dic e que si el valor p es menor a 0.05 los datos no son normales.
TRANSFORMACION BOX-COX Y JHONSON TRANFORMATION PARA (Longitud de tejido)

Transformación de Johnson para Longitud de tejido
Gráfica de prob. para datos originales Seleccione una transformación
99.9
N 175 0.10 P Ref
AD 14.151
99 Valor p <0.005
0.08
Valor p para prueba AD

95
80 0.06
Porcentaje
50
0.04
20
0.02
5
1 0.00
0.4 0.6 0.8 1.0 1.2
0.1 Valor Z
15.50 15.75 16.00 16.25 16.50
(Valor p = 0.005 significa ≤ 0.005)
No se seleccionó una transformación con valor p > 0.1. No se hizo la transformación.
Para esta esta variable la transformación de Johnson no es recomendable ya que el valor p es

menor a 0.005, los datos siguen siendo anormales debido a casusas especiales que se están
presentando en el proceso.
Gráfica de Box-Cox de Longitud de tejido
λ
0.0994
(utilizando 95.0% confianza)
Estimar -5.00
0.0992 LC inferior *
LC superior *
Valor redondo -5.00
0.0990
Desv.Est.
0.0988
0.0986
0.0984
0.0982
-5.0 -2.5 0.0 2.5 5.0

λ
Para la gráfica de Box-cox tampoco nos transforma los datos reales para poder ser procesados en
un análisis de capacidad y no aunque puedan existir causas especiales que afecten a esta variable
con en el apartado de estadísticas descriptivas nos damos cuenta que cumplimos con las
especificaciones del cliente por ende podemos decir que esta variable tampoco es susceptible para
realzar un análisis de capacidad.
Para esta variable cuantitativa después de ver que las transformaciones que realizamos no nos
trasforma los datos debemos observar que tipo de distribución sigue.
Gráfica de probabilidad para Longitud de tejido
Prueba de bondad del ajuste
Logística - 95% de IC Loglogística - 95% de IC
99.9 99.9
Logística
99 99 AD = 14.645
Valor p < 0.005
90 90
Porcentaje
Porcentaje
Loglogística
50 50
AD = 14.632
10 10 Valor p < 0.005
1 1 Loglogística de 3 parámetros
AD = 14.418
0.1 0.1
15.5 16.0 16.5 15.5 16 16.5 Valor p = *
Longitud de tejido Longitud de tejido
Loglogística de 3 parámetros - 95% de IC

99.9
99
90
Porcentaje
50
10
0.1
0.5 1 1.5 2
Longitud de tejido - Valor umbral

Valor extremo más pequeño - 95% de IC Valor extremo por máximos - 95% de IC
99.9 99.9
Valor extremo más pequeño
90 AD = 14.915
50 99 Valor p < 0.010
Porcentaje
Porcentaje
10 Valor extremo por máximos

90 AD = 16.679
Valor p < 0.010
1 50
10 Gamma
AD = 14.152
0.1 0.1
15.0 15.5 16.0 16.5 15.5 16.0 16.5 17.0 Valor p < 0.005
Longitud de tejido Longitud de tejido
Gamma de 3 parámetros
AD = 13.893
Gamma - 95% de IC Gamma de 3 parámetros - 95% de IC
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
15.5 16 16.5 2 2.4 2.8
Longitud de tejido Longitud de tejido - Valor umbral
Exponencial - 95% de IC Exponencial de 2 parámetros - 95% de IC
99.9 99.9
Exponencial
90 90 AD = 79.241
50 50 Valor p < 0.003
Porcentaje
Porcentaje
10 10 Exponencial de 2 parámetros
AD = 55.191
Valor p < 0.010
1 1
Weibull
AD = 14.872
0.1 0.1
0.01 0.1 1 10 100 0.001 0.01 0.1 1 10 Valor p < 0.010
Weibull de 3 parámetros
AD = 14.086
Weibull - 95% de IC Weibull de 3 parámetros - 95% de IC
Valor p < 0.005
99.9 99.9
90 90
50 50
Porcentaje
Porcentaje
10 10
1 1
0.1 0.1
15.5 16 16.5 0.2 0.5 1

Normal - 95% de IC Normal - 95% de IC
99.9 99.9
Normal
99 99
AD = 14.151
90 90 Valor p < 0.005
Porcentaje
Porcentaje
50 50 Transformación Box-Cox
AD = 14.087
10 10 Valor p < 0.005
1 1
Lognormal
0.1 0.1
15.5 16.0 16.5 0.452 0.456 0.460 AD = 14.101
Longitud de tejido Longitud de tejido Valor p < 0.005
Después de la transformación de Box-Cox (λ = -0.28)

Lognormal de 3 parámetros
AD = 14.173
Lognormal - 95% de IC Lognormal de 3 parámetros - 95% de IC
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
15.5 16 16.5 58.8 59.1 59.4 59.7
Podemos apreciar que en las gráficas de distribución individual el valor p no nos da por encima del
valor 0.005 y con esto asumimos dos cosas. Numero uno que los datos no sin normales debido a
causas especiales que ocurren en el proceso y que aunque exista variación en esta variable al estar
dentro de los límites de especificación tolerados por el cliente y la variación que afecta a este
proceso se presenta en otra variable.
Pruebas de normalidad para las cuatro variables restantes, respectivas transformaciones y

distribuciones individuales.
Longitud de correas
Gráfica de probabilidad de Longitud de correas

Normal
99.9
Media 9.071
Desv.Est. 0.1055
99 N 175
AD 15.052
95 Valor p <0.005
90
80
Porcentaje
70
60
50
40
30
20
10
5
0.1
8.5 8.6 8.7 8.8 8.9 9.0 9.1 9.2 9.3 9.4
Longitud de correas
Gráfica de Box-Cox de Longitud de correas
0.10150 λ
Estimar -5.00
LC inferior *
0.10125 LC superior *
Valor redondo -5.00
Desv.Est.
0.10100
0.10075
0.10050
-5.0 -2.5 0.0 2.5 5.0

λ
Transformación de Johnson para Longitud de correas

99.9
N 175 0.10 P Ref
AD 15.052
99 Valor p <0.005
0.08
95
80 0.06
Porcentaje
50
0.04
20
0.02
5
1 0.00
0.8 0.9 1.0 1.1 1.2
0.1 Valor Z
8.50 8.75 9.00 9.25 9.50

Gráfica de probabilidad para Longitud de correas
99.9 99.9
Logística
99 99 AD = 15.875
Valor p < 0.005
90 90
Porcentaje
Porcentaje
Loglogística
50 50
AD = 15.845
10 10 Valor p < 0.005
AD = 15.676
0.1 0.1
8.5 9.0 9.5 8.5 9 9.5 Valor p = *
Longitud de correas Longitud de correas

99.9
99
90
Porcentaje
50
10
0.1
1 1.5 2
Longitud de correas - Valor umbral

99.9 99.9
90 AD = 15.260
50 99 Valor p < 0.010
Porcentaje
Porcentaje
10
Valor extremo por máximos
90 AD = 18.706
Valor p < 0.010
1 50
10 Gamma
AD = 15.027
0.1 0.1
8.5 9.0 9.5 8.5 9.0 9.5 10.0 Valor p < 0.005
Longitud de correas Longitud de correas
AD = 14.708
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
8.5 8.75 9 9.25 2 2.25 2.5 2.75
Longitud de correas Longitud de correas - Valor umbral
99.9 99.9
Exponencial
90 90 AD = 78.677
50 50 Valor p < 0.003
Porcentaje
Porcentaje
AD = 57.559
Valor p < 0.010
1 1
Weibull
AD = 15.240
0.1 0.1
0.01 0.1 1 10 100 0.001 0.01 0.1 1 10 Valor p < 0.010
AD = 14.987
Valor p < 0.005
99.9 99.9
90 90
50 50
Porcentaje
Porcentaje
10 10
1 1
0.1 0.1
8.5 8.75 9 9.25 0.2 0.5 1

99.9 99.9
Normal
99 99
AD = 15.052
90 90 Valor p < 0.005
Porcentaje
Porcentaje
AD = 15.425
10 10 Valor p < 0.005
1 1
Lognormal
0.1 0.1
8.50 8.75 9.00 9.25 40000 50000 60000 70000 AD = 14.953
Longitud de correas Longitud de correas Valor p < 0.005
Después de la transformación de Box-Cox (λ = 5)

AD = 15.094
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
8.5 9 9.5 4355.5 4356 4356.5
Ancho de tejido
Gráfica de probabilidad de Ancho de tejido

Normal
99.9
Media 6.846
Desv.Est. 0.7304
99 N 175
AD 14.423
95 Valor p <0.005
90
80
Porcentaje
70
60
50
40
30
20
10
5
0.1
4 5 6 7 8 9
Ancho de tejido
Gráfica de Box-Cox de Longitud de correas

0.10150 λ
Estimar -5.00
LC inferior *
0.10125 LC superior *
Valor redondo -5.00
Desv.Est.
0.10100
0.10075
0.10050
-5.0 -2.5 0.0 2.5 5.0

λ
Gráfica de probabilidad para Ancho de tejido
99.9 99.9
Logística
99 99 AD = 13.822
Valor p < 0.005
90 90
Porcentaje
Porcentaje
Loglogística
50 50
AD = 14.108
10 10 Valor p < 0.005
AD = 15.473
0.1 0.1
4 6 8 10 4 6 8 10 Valor p = *
Ancho de tejido Ancho de tejido

99.9
99
90
Porcentaje
50
10
0.1
1 10
Ancho de tejido - Valor umbral
99.9 99.9
Logística
99 99 AD = 13.822
Valor p < 0.005
90 90
Porcentaje
Porcentaje
Loglogística
50 50
AD = 14.108
10 10 Valor p < 0.005
AD = 15.473
0.1 0.1
4 6 8 10 4 6 8 10 Valor p = *
Ancho de tejido Ancho de tejido

99.9
99
90
Porcentaje
50
10
0.1
1 10

99.9 99.9
Exponencial
90 90 AD = 65.472
50 50 Valor p < 0.003
Porcentaje
Porcentaje
AD = 72.791
Valor p < 0.010
1 1
Weibull
AD = 14.159
0.1 0.1
0.01 0.1 1 10 100 0.001 0.01 0.1 1 10 Valor p < 0.010
Ancho de tejido Ancho de tejido - Valor umbral
AD = 37.421
Valor p < 0.005
99.9 99.9
90 90
50 50
Porcentaje
Porcentaje
10 10
1 1
0.1 0.1
4 6 8 16 15 14 13 12 11 10 09 01 01 01 01 01 01 01 .1 1 10100000000000000000000000 10
E- E- E- E- E- E- E- E- 00 00 00 00 00 . 0 0. 0 1 10 00 00 00 00 00 E+
Ancho de tejido 00 00 00 00 00 00 00 00 00 00. 00 0.0 0. 0 1 10 00 00 00 00
00 00 00 00 00 00 00 00 00 .0 0 1 10 00 . 00
1. 1. 1. 1. 1. 1. 1. 1. 0. 0 1 1

99.9 99.9
Normal
99 99
AD = 14.423
90 90 Valor p < 0.005
Porcentaje
Porcentaje
AD = 15.288
10 10 Valor p < 0.005
1 1
Lognormal
0.1 0.1
4 6 8 10 0.10 0.15 0.20 AD = 14.708
Ancho de tejido Ancho de tejido Valor p < 0.005
Después de la transformación de Box-Cox (λ = -1)

AD = 33.898
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
4 6 8 10 7 6 5 43 2 1 09 1 1 11 1 1 11 1 0 00 0 0 0 00 0 0 12 3 4 56 7 8 9
-1 -1 -1 -1-1 -1 -1 -1- 0000000000000 . 0 0. 110100000000000000000000+1+ 1+1+1+1+1+ 1+1+1+1
0E00E00E00E00E00E00E00E000E00000000.000. 0 0. 0 11000000000 0E0E0E0E0E0E0E0E0E0E
Ancho de tejido .
0
00.00. 00.00.00.00. 00. 00.00.000. 0 0. 0 1100000000000000000000000000000000000
1 11 1 1 1 11 10 1101. 1. 1. 1. 1. 1. 1. 1. 1. 1.
Cantidad de dijes
Gráfica de probabilidad de Cantidad de dijes

Normal
99.9
Media 1.903
Desv.Est. 0.8212
99 N 175
AD 14.805
95 Valor p <0.005
90
80
Porcentaje
70
60
50
40
30
20
10
5
0.1
0 1 2 3 4 5
Cantidad de dijes
Gráfica de Box-Cox de Cantidad de dijes
LC inferior LC superior
0.7 λ
Estimar -0.72
0.6
LC inferior -1.17
LC superior -0.27
Valor redondo -0.50
0.5
Desv.Est.
0.4
0.3
0.2
Límite
-5.0 -2.5 0.0 2.5 5.0

λ
Gráfica de probabilidad para Cantidad de dijes
99.9 99.9
Logística
99 99 AD = 13.563
Valor p < 0.005
90 90
Porcentaje
Porcentaje
Loglogística
50 50
AD = 15.054
10 10 Valor p < 0.005
AD = 29.297
0.1 0.1
0 3 6 0.1 1 10 Valor p = *
Cantidad de dijes Cantidad de dijes

99.9
99
Porcentaje
90
50
10
0.1
1817161514131211100901010101010101.1 110000000000000000010111213141516171819202122232425262728293031
E-E-E-E-E-E-E-E-E-E-0000000000.00. 0 110000000000000E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+E+
00000000000000000000000000.00. 0 110000000000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
.0.00.00.00.00.00.00.00.00.00.0000.00. 0 1100000000000000000000000000000000000000000000000000000000000000000000000
1101.1.1. 1. 1.1.1.1. 1. 1.1.1.1. 1. 1.1.1.1. 1. 1.1.1.
11111 111110
Cantidad de dijes - Valor umbral

99.9 99.9
90 AD = 15.147
50 99 Valor p < 0.010
Porcentaje
Porcentaje

90 AD = 16.013
Valor p < 0.010
1 50
10 Gamma
AD = 15.640
0.1 0.1
-2 0 2 4 0 2 4 6 Valor p < 0.005
Cantidad de dijes Cantidad de dijes
AD = 54.464
Valor p = *
99.9 99.9999
99.99
99
90
99 50
90
Porcentaje
Porcentaje
50 10
10
1
0.1
0.1 1 10 17 16 15 14 13 12 11 10 09 01 01 01 01 01 01 . 01 0.1 1 10 100 000
E- E- E- E- E- E- E- E- E- 00 00 00 00 00 .0 0 1
Cantidad de dijes 00 00 00 00 00 00 00 00 00 00 00 .00 0. 0 0. 0
00 00 00 00 00 00 00 00 00 0 . 0 0
1. 1. 1. 1. 1. 1. 1. 1. 1. 0.0 0

99.9 99.9
Exponencial
90 90 AD = 29.400
50 50 Valor p < 0.003
Porcentaje
Porcentaje
AD = 85.760
Valor p < 0.010
1 1
Weibull
AD = 14.885
0.1 0.1
0.001 0.01 0.1 1 10 0.001 0.01 0.1 1 10 Valor p < 0.010
Cantidad de dijes Cantidad de dijes - Valor umbral
AD = 35.068
Valor p < 0.005
99.9 99.9
90 90
50 50
Porcentaje
Porcentaje
10 10
1 1
0.1 0.1
0.1 1 10 17 16 15 14 13 12 11 10 09 01 01 01 01 01 01 01 . 1 1 10100000000000000000000000 10 11
E- E- E- E- E- E- E- E- E- 00 00 00 00 00 .0 0. 0 1 10 00 00 00 00 000E+0E+
Cantidad de dijes 00 00 00 00 00 00 00 00 0000 00 00 .0 0. 0 1 10 00 00 00 0 0
.00.00. 00. 00.00.00. 00 .00.00. 000. 0 0. 0 1 10 00 . 00. 00
1 1 1 1 1 1 1 1 1 0 1 1 1

99.9 99.9
Normal
99 99
AD = 14.805
90 90 Valor p < 0.005
Porcentaje
Porcentaje
AD = 18.273
10 10 Valor p < 0.005
1 1
Lognormal
0.1 0.1
0.0 1.5 3.0 4.5 0.0 0.5 1.0 1.5 AD = 16.441
Cantidad de dijes Cantidad de dijes Valor p < 0.005
Después de la transformación de Box-Cox (λ = -0.5)

AD = 32.437
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
1 10 1817161514131211100901010101010101 .1 11000000000000000001011121314151617181920
E- E-E- E-E- E-E- E-E- E-0000000000 .0 0. 0 110000000000000E+E+E+E+E+E+E+E+E+E+E+
Cantidad de dijes 00000000000000000000000000 . 0 0. 0 11000000000 0 0 0 0 0 0 0 0 0 0 0
0000000000000000000000 .0 0. 0 1100000000000000000000000000000000000000
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 0. 0 1101. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.

Gráfica de probabilidad de Longitud de hilos para tejido

Normal
99.9
Media 99.94
Desv.Est. 0.4273
99 N 175
AD 40.379
95 Valor p <0.005
90
80
Porcentaje
70
60
50
40
30
20
10
5
0.1
98.0 98.5 99.0 99.5 100.0 100.5 101.0 101.5
Transformación de Johnson para Longitud de hilos para tejido

99.9
N 175 0.10 P Ref
AD 40.379
99 Valor p <0.005
0.08
95
80 0.06
Porcentaje
50
0.04
20
0.02
5
1 0.00
0.60 0.75 0.90 1.05 1.20
0.1 Valor Z
98 99 100 101

Gráfica de Box-Cox de Longitud de hilos para tejido
0.214 λ
Estimar 5.00
0.212
LC inferior *
LC superior *
Valor redondo 5.00
0.210
Desv.Est.
0.208
0.206
0.204
0.202
-5.0 -2.5 0.0 2.5 5.0

λ
Gráfica de probabilidad para Longitud de hilos para tejido

99.9 99.9
Logística
99 99 AD = 30.720
Valor p < 0.005
90 90
Porcentaje
Porcentaje
Loglogística
50 50
AD = 30.821
10 10 Valor p < 0.005
AD = 30.720
0.1 0.1
98 99 100 101 98 99 100 101 Valor p = *
Longitud de hilos para tejido Longitud de hilos para tejido

99.9
99
90
Porcentaje
50
10
0.1
50176 50177 50178 50179
Longitud de hilos para tejido - Valor umbral
99.9 99.9
90 AD = 27.939
50 99 Valor p < 0.010
Porcentaje
Porcentaje
90 AD = 44.904
Valor p < 0.010
1 50
10 Gamma
AD = 40.466
0.1 0.1
98 99 100 98 100 102 104 Valor p < 0.005
Longitud de hilos para tejido Longitud de hilos para tejido
AD = 464.325
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
98 99 100 101 83 84 85 86
Longitud de hilos para tejido Longitud de hilos para tejido - Valor umbral

99.9 99.9
Exponencial
90 90 AD = 79.890
50 50 Valor p < 0.003
Porcentaje
Porcentaje
10 10
Exponencial de 2 parámetros
AD = 62.385
Valor p < 0.010
1 1
Weibull
AD = 28.042
0.1 0.1
0.1 1 10 100 1000 0.001 0.01 0.1 1 10 Valor p < 0.010
AD = 27.939
Valor p < 0.005
99.9 99.9
90 90
50 50
Porcentaje
Porcentaje
10 10
1 1
0.1 0.1
98 99 100 50177 50178 50179
99.9 99.9
Normal
99 99
AD = 40.379
90 90 Valor p < 0.005
Porcentaje
Porcentaje
AD = 39.897
10 10 Valor p < 0.005
1 1
Lognormal
0.1 0.1
98 99 100 101 9000000000 9500000000 1.0000E+10 1.0500E+10 AD = 40.500
Longitud de hilos para tejido Longitud de hilos para tejido Valor p < 0.005
Después de la transformación de Box-Cox (λ = 5)

AD = 40.386
Valor p = *
99.9 99.9
99 99
90 90
Porcentaje
Porcentaje
50 50
10 10
1 1
0.1 0.1
98 99 100 101 50228 50229 50230 50231
INTERPRETACIONES DE LAS 4 VARIABLES
Si ponemos atención las pruebas de normalidad para las variables cuantitativas nos arrojan
resultados similares. Esto se debe a que los datos no siguen una distribución normal. Al realizar las
dos transformaciones de datos para las variables cuantitativas nos damos cuenta que el programa
minita no es capaz de realizar las trasformaciones y los valores p de dichas transformaciones nos
dan menor a 0.05 aunado a esto podemos rectificar que en las líneas rojas n de las gráficas los
datos no están simétricos a dichas líneas por ende los datos no se están distribuyendo con
normalidad debido a las causas explicadas en la variable cuantitativa uno. Para ver el tipo de
distribuciones que siguen los datos de las variables cuantitativas se realizan las pruebas de
distribuciones individuales las gráficas que arrojan todas nos muestran gráficamente que los datos
no siguen un tipo de distribución normal. Por ende ninguna de las variable cuantitativas es
adecuada para realizar un posible análisis de capacidad de proceso debido a que los datos no se
prestan y la variación que afecta al proceso se está presentando en alguna variable cualitativa y las
variables cuantitativas aunque presenta variación están dentro de os límites de especificación y la
producción es aceptable para para el cliente
CARTAS DE CONTROL PARA VARIABLES CUANTITATIVAS
Longitud de Tejido
Gráfica I-MR de longitud del tejido

16.50 1 1 1
LCS=16.378
16.25
Valor individual
_
X=16.081
16.00
15.75 LCI=15.785
15.50 1
1 18 35 52 69 86 103 120 137 154 171
Observación
11
0.48
1 1
0.36 LCS=0.3643
Rango móvil
0.24
__
0.12 MR=0.1115
0.00 LCI=0
1 18 35 52 69 86 103 120 137 154 171
Observación
El programa Minitab permite realizar las cartas de contro para determinar la posible existencia de
causas especiales que influyan sobre la variabilidad de las observaciones: Cada uno de los graficos
detecta un determinado comportamiento no aleatorio en los datos. Cuando alguno de los puntos
resulta positivo entonces hay indicios de que la variabilidad de las observaciones se debe a causas
especiales, las cuales deberán investigarse. Es importante notar que realizamos pruebas en
subgrupos del mismo tamaño en este grafico notamos que nos encontramos dentro del límite y
del promedio establecido.
Longitud de Correas
Gráfica I-MR de Longitud de correas

9.50 1
LCS=9.375
9.25
Valor individual
_
X=9.073
9.00
8.75 LCI=8.770
8.50 1
1 18 35 52 69 86 103 120 137 154 171
Observación
0.8
1
0.6
1
Rango móvil
1
0.4 LCS=0.3718
0.2 __
MR=0.1138
0.0 LCI=0
1 18 35 52 69 86 103 120 137 154 171
Observación
*En la longitud de correas aun cuando todos los puntos de una carta se encuentran dentro los
limites de control, si se comporta de manera sistemática o no aleatoria, entonces es un indicador
de que el proceso esta fuera de control.
Ancho de Tejido
Gráfica I-MR de Ancho de Tejido

9 LCS=8.833
8
Valor individual
_
7
X=6.846
5 LCI=4.859
1 18 35 52 69 86 103 120 137 154 171
Observación
2.4 LCS=2.441
1.8
Rango móvil
1.2
__
MR=0.747
0.6
0.0 LCI=0
1 18 35 52 69 86 103 120 137 154 171
Observación
 En el ancho de tejido notamos que estamos dentro de los rangos permitidos y no

sobrepasamos los lineamientos. Si algunos puntos caen fuera de los limites, seguro que ha
tenido lugar una anomalía en el proceso, y el proceso esta fuera de control. También se
considera que en un grafico el proceso esta fuera de control si algunos puntos caen justo
en una línea de control, tal situación que se denomina estado “incontrolado” o “fuera de
control”.
Cantidad de Dijes
Gráfica I-MR de Cantida de dijes

111111111 111 1 1111 1 1 111111 1111111 11111 111 11 1111111 11
3.0
2.5 LCS=2.514
Valor individual
_
2.0
X=1.903
1.5
LCI=1.291
1.0 111111111111111111111111111111111 11111 1 1 1 1 1 1111111111111111111111111
1 18 35 52 69 86 103 120 137 154 171
Observación
1 1 1 1 11 11 11 11 11
2.0
1.5
Rango móvil
11 1 111 1111 1 1
1.0
LCS=0.751
0.5 __
MR=0.230
0.0 LCI=0
1 18 35 52 69 86 103 120 137 154 171
Observación
*En este punto como los promedios se muestran los datos en decimal y no en enteros nos
muestra que estamos fuera de los limites pero si se mostraran enteros nos daría una respuesta
favorable que nos encontramos dentro de un buen proceso.
Gráfica I-MR de Longitud de hilos para tejido

LCS=100.552
_
100 X=99.936
Valor individual
LCI=99.320
99 1 1 1 1 1 1 1
98 1 1 11 1 1
1 18 35 52 69 86 103 120 137 154 171
Observación
11 11 1 1 11
2.0
1.5
Rango móvil
1 1
1 1 11 11 11 11 11
1.0
LCS=0.757
0.5 __
MR=0.232
0.0 LCI=0
1 18 35 52 69 86 103 120 137 154 171
Observación
Notamos una pequeña inestabilidad en el proceso de n = 175 .Se puede deducir que mientras
mayor es el tamaño del subgrupo, más estrechos son los límites de control sobre la gráfica de
Medias y más fácil para detectar variaciones pequeñas, esto es solamente si las variaciones en el
promedio del proceso ocurren entre los subgrupos y no dentro de los subgrupos.
VARIABLES CUALITATIVAS
Para determinar los limites superior e inferior y la línea central de una carta de
control np se deben utilizar las siguientes formulas.
LCS=np+3 √ np (1− p)
Linea Central=np
LCI =np−3 √ np(1− p)
Variable de atributo No. 1 Color
Tabla de datos
Tamaño de
Subgrupos Defectuosos
Subgrupos
1 5 0
2 5 0
3 5 0
4 5 0
5 5 2
6 5 0
7 5 0
8 5 0
9 5 0
10 5 0
11 5 0
12 5 0
13 5 0
14 5 0
15 5 0
16 5 0
17 5 0
18 5 0
19 5 0
20 5 0
21 5 0
22 5 0
23 5 0
24 5 0
25 5 0
26 5 0
27 5 0
28 5 0
29 5 0
30 5 0
31 5 0
32 5 0
33 5 0
34 5 0
35 5 2
En esta tabla se muestran los datos obtenidos mediante los productos realizados,
ya que estos se dividieron en subgrupos con un tamaño de 5 productos, para
llevar a cabo estas cartas de control np, es necesario localizar los productos
defectuosos que se encuentran en cada uno de los subgrupos.
Al implementar las fórmulas para calcular los límites en esta variable obtenemos
los siguientes resultados.
LCS=5∗0.0228+3 √ 5∗0.0228 (1−0.0228 )=1.1103
Linea Central=5∗0.0228=0.114
LCI =5∗0.0228−3 √ 5∗0.0228 ( 1−0.0228 )=−0.8758
Por los resultados obtenidos nos podemos dar cuenta que los datos son
aproximados a los del grafico de la carta de control np.
A continuación se muestra un gráfico que nos representa la carta de control np

para la variable cualitativa de atributos color:
NP Chart of Color
1 1
2.0
1.5
Sample Count
UCL=1.117
1.0
0.5
__
NP=0.114
0.0 LCL=0
1 4 7 10 13 16 19 22 25 28 31 34
Sample
Como podemos observar en esta grafica de control np nos muestra el límite

inferior, la línea central y el límite superior, por los cuales nos indican qué tanto
varía la cantidad esperada de piezas defectuosas por cada 5 productos
inspeccionados, la línea de color azul nos representa los productos defectuosos
dentro del proceso.
Cuando el límite inferior cae en un número negativo debe ser considerado cero,
como en esta ocasión en los cálculos nos da un numero negativo -0.8758 por
ende es considerado 0.
En esta ocasión se espera que de cada subgrupo de 5 productos inspeccionados,

el número de rechazados varía entre 0 y 1.117, con un promedio o línea central de
0.114.
Como podemos visualizar en este grafico existen dos productos fuera del límite
superior en el subgrupo 6 y 35, por lo cual son considerados fuera de control, para
que este proceso se mucho mejor debe ser analizado nuevamente para llegar a
una mejora.
Variable de atributo No. 2 Empaquetado
Tabla de datos
Tamaño
Subgrupo de Defectuosos
subgrupo
1 5 0
2 5 0
3 5 0
4 5 0
5 5 0
6 5 0
7 5 0
8 5 0
9 5 0
10 5 0
11 5 0
12 5 0
13 5 0
14 5 0
15 5 1
16 5 1
17 5 1
18 5 2
19 5 1
20 5 0
21 5 0
22 5 0
23 5 0
24 5 0
25 5 0
26 5 0
27 5 0
28 5 0
29 5 0
30 5 0
31 5 0
32 5 0
33 5 0
34 5 0
35 5 0
En esta tabla se muestran los datos obtenidos sobre la variable de empaquetado,

ya que para cada uno de los integrantes que conforman este proceso, se
realizaron subgrupos con un tamaño de 5 productos, al igual que para cada uno
de los productos devén ser identificados los defectos que se encuentran en cada
uno de los subgrupos, es por ello que fue realizada la tabla anterior para así poder
mostrar lo que son cada uno de los datos obtenidos.
Al implementar las fórmulas para calcular los límites en esta variable obtenemos
LCS=5∗0.0342+3 √ 5∗0.0342 ( 1−0.0342 )=1.3691
LCI =5∗0.0342−3 √5∗0.0342 ( 1−0.0342 )=−1.0271
Por ello nos damos cuenta que son aproximados a los datos arrojados en la carta
de control.
A continuación se mostrara el grafico que nos muestra la carta de control np para

la variable de empaquetado:
NP Chart of Empaquetado
1
2.0
1.5
UCL=1.392
Sample Count
1.0
0.5
__
NP=0.171
0.0 LCL=0
1 4 7 10 13 16 19 22 25 28 31 34
Sample
Como podemos observar en esta carta de control np nos muestra el límite inferior,
la línea central y el límite superior, por los cuales nos indican qué tanto varía la
cantidad esperada de piezas defectuosas por cada 5 productos inspeccionados, la
línea de color azul nos representa los productos defectuosos dentro del proceso.
como en esta ocasión en los cálculos nos da un número negativo -1.0271 por
ende es considerado 0.

el número de rechazados varía entre 0 y 1.3691, con un promedio o línea central
de 0.171.
Como podemos visualizar en este grafico existe un producto fuera del límite
superior en el subgrupo 19, por lo cual es considerado fuera de control, para que
este proceso se mucho, debe ser analizado nuevamente para llegar a una mejora,
también se puede percatar que la mayoría de los productos se encuentra
constantes en el límite inferior.
Variable de atributo No. 3 Etiquetado
Tabla de datos
Tamaño
Subgrup de
o subgrup defectuoso
o s
1 5 0
2 5 3
3 5 0
4 5 0
5 5 0
6 5 0
7 5 1
8 5 1
9 5 0
10 5 1
11 5 0
12 5 0
13 5 1
14 5 0
15 5 0
16 5 1
17 5 1
18 5 1
19 5 2
20 5 0
21 5 0
22 5 0
23 5 0
24 5 0
25 5 3
26 5 1
27 5 1
28 5 1
29 5 1
30 5 0
31 5 0
32 5 3
33 5 0
34 5 0
35 5 0
La tabla anterior nos muestra los datos obtenidos para llevar a cabo la carta de
control, en el cual se muestran los subgrupos y los defectuosos que existen en
cada uno de los subgrupos.
Al implementar las fórmulas para calcular los limites en esta variable obtenemos
LCS=5∗0.1257+ 3 √5∗0.1257 ( 1−0.1257 )=2.70788
LCS=5∗0.1257−3 √5∗0.1257 ( 1−0.1257 )=−1.4508
Por ello nos damos cuenta que son aproximados a los datos arrojados en la carta
de control.
NP Chart of Etiquetado
1 1 1
3.0
UCL=2.853
2.5
2.0
Sample Count
1.5
1.0
__
NP=0.629
0.5
0.0 LCL=0
1 4 7 10 13 16 19 22 25 28 31 34
Sample
Este grafico que nos representa la carta de control np para la variable de
etiquetado, por lo cual podemos observar que existen 3 productos defectuosos
fuera del límite superior, por ende estos son considerados fuera de control, estos
productos se encuentran en los subgrupos 2, 25 y 32.
como en esta ocasión en los cálculos nos da un número negativo -1.4508 por lo
tanto es considerado 0.

el número de rechazados varía entre 0 y 2.7078, con un promedio o línea central
de 0.628.
En esta ocasión no fue necesario implementar las cartas de control p, debido a

que nuestro procesos tiene subgrupos constantes, es por ello solamente
obtuvimos las cartas de control np.

Fase Análisis

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fase Análisis

Cargado por

Copyright:

Formatos disponibles

Fase Análisis:

(Producción General) 175 datos

Estadística descriptiva para la variable (Longitud de tejido)

Gráfica de caja de Longitud de tejido

La interpretación del diagrama de caja para esta variable cuantitativa es la siguiente:

Diagrama de valores individuales

Gráfica de caja de Ancho de tejido

6.0 6.5 7.0 7.5 8.0

Gráfica de caja de Cantidad de dijes

1.0 1.5 2.0 2.5 3.0

Para el grafico de individuales nos indica básicamente la concentración de la cantidad de dijes en

98.0 98.5 99.0 99.5 100.0 100.5

Gráfica de probabilidad de Longitud de tejido

TRANSFORMACION BOX-COX Y JHONSON TRANFORMATION PARA (Longitud de tejido)

Valor p para prueba AD

No se seleccionó una transformación con valor p > 0.1. No se hizo la transformación.

Para esta esta variable la transformación de Johnson no es recomendable ya que el valor p es

-5.0 -2.5 0.0 2.5 5.0

Loglogística de 3 parámetros - 95% de IC

Gráfica de probabilidad para Longitud de tejido

10 Valor extremo por máximos

Gráfica de probabilidad para Longitud de tejido

Después de la transformación de Box-Cox (λ = -0.28)

Pruebas de normalidad para las cuatro variables restantes, respectivas transformaciones y

Gráfica de probabilidad de Longitud de correas

-5.0 -2.5 0.0 2.5 5.0

Transformación de Johnson para Longitud de correas

No se seleccionó una transformación con valor p > 0.1. No se hizo la transformación.

Loglogística de 3 parámetros - 95% de IC

Gráfica de probabilidad para Longitud de correas

Gráfica de probabilidad para Longitud de correas

Después de la transformación de Box-Cox (λ = 5)

Gráfica de probabilidad de Ancho de tejido

Gráfica de Box-Cox de Longitud de correas

-5.0 -2.5 0.0 2.5 5.0

Loglogística de 3 parámetros - 95% de IC

Loglogística de 3 parámetros - 95% de IC

Gráfica de probabilidad para Ancho de tejido

Ancho de tejido - Valor umbral

Después de la transformación de Box-Cox (λ = -1)

Ancho de tejido - Valor umbral

Gráfica de probabilidad de Cantidad de dijes

-5.0 -2.5 0.0 2.5 5.0

Loglogística de 3 parámetros - 95% de IC

Cantidad de dijes - Valor umbral

Gráfica de probabilidad para Cantidad de dijes

10 Valor extremo por máximos

Cantidad de dijes - Valor umbral

Cantidad de dijes - Valor umbral

Gráfica de probabilidad para Cantidad de dijes

Después de la transformación de Box-Cox (λ = -0.5)

Cantidad de dijes - Valor umbral

Gráfica de probabilidad de Longitud de hilos para tejido

Transformación de Johnson para Longitud de hilos para tejido

No se seleccionó una transformación con valor p > 0.1. No se hizo la transformación.

-5.0 -2.5 0.0 2.5 5.0

Gráfica de probabilidad para Longitud de hilos para tejido

Loglogística de 3 parámetros - 95% de IC

Gráfica de probabilidad para Longitud de hilos para tejido

Después de la transformación de Box-Cox (λ = 5)

INTERPRETACIONES DE LAS 4 VARIABLES

Gráfica I-MR de longitud del tejido

Gráfica I-MR de Longitud de correas