UNIVERSIDAD AUTONOMA DEL NORESTE

COMO
COMO
OBTENER:
OBTENER:
Manual de uso de Minitab MEDIA
MEDIA
DESVIACIÓN
DESVIACIÓN
ESTÁNDAR
ESTÁNDAR
CALCULO
CALCULO DE
DE
CPK
CPK
REGRESIÓN
REGRESIÓN
GRAFICA
GRAFICA PP

[2020]
MAESTRIA EN GESTION DE NEGOCIOS DE MANUFACTURA
MATERIA: ESTADISTICA APLICADA AL CONTROL DE LA CALIDAD Y SEIS SIGMA
EQUIPO # 3 INTEGRADO POR: ABRAHAM ISAAC CASTRO CASTAÑOS
ALBERTO JAHAZIEL GUAJARDO CASTRO
FELIPE DE JESÚS PÉREZ OROZCO
ROGELIO GUADALUPE VALDEZ URQUIETA

UNIVERSIDAD AUTONOMA DEL NORESTE

 INDICE

Que es la Media 2

Interpretación de la Media 2

Ejemplo para practicar sacar Media y Desv. Estandar 3

Partes de la interface de usuario de minitab 3

Muestra de procedimiento para sacar la Media y Desv. Estándar 4

Interpretación de resultados del ejemplo Media y Desv. Estándar 7

Que es desviación estándar y su interpretación 8

Regresión lineal simple 9

EL Cpk 12

Cpk de la torsión de la tapa del champú 13

Pasos para obtener el Cpk 14

Interpretación del Cpk y Cp 15

El grafico P 16

Pasos para obtener el grafico P 17

Interpretación del grafico P 21

Referencias 22

Media
1
La media es el promedio de los datos, que es la suma de todas las observaciones dividida
entre el número de observaciones.

Por ejemplo, los tiempos de espera (en minutos) de cinco clientes en un banco son: 3, 2, 4, 1 y
2. El tiempo medio de espera se calcula de la siguiente manera:

3+2+4+1+2 = 12 = 2.4 mins.

5 5

En promedio, un cliente espera 2.4 minutos para ser atendido en el banco.

Interpretación

Utilice la media para describir la muestra con un solo valor que representa el centro de los
datos. Muchos análisis estadísticos utilizan la media como una medida estándar del centro de
la distribución de los datos.

Tanto la mediana como la media miden la tendencia central. Sin embargo, valores poco
comunes, llamados valores atípicos, pueden afectar a la mediana menos de lo que afectan a la
media. Si los datos son simétricos, la media y la mediana son similares.

Simétrica No simétrica

En la distribución simétrica, la media (línea azul) y la mediana (línea naranja) son tan similares
que no es fácil distinguir las dos líneas. En cambio, la distribución no simétrica es asimétrica
hacia la derecha.

Ejemplo para practicar con Minitab

Un ingeniero especializado en control de calidad debe garantizar que las tapas de las botellas
de champú queden ajustadas correctamente. Si las tapas quedan flojas, podrían caerse
durante el envío. Si se aprietan demasiado, será difícil retirarlas. El valor objetivo del par de
torsión para ajustar las tapas es 18.

El ingeniero recolecta una muestra aleatoria de 68 botellas y prueba la cantidad de par de

torsión que se necesita para quitar las tapas.

2
Como parte de la investigación inicial, el ingeniero analiza los estadísticos descriptivos de las
mediciones del par de torsión para evaluar la distribución de los datos de cada máquina.
Torsión Máquina Torsión Máquina Torsión Máquina
1 24 2 24 21 1 47 15 2
2 14 1 25 16 1 48 19 1
3 18 1 26 17 1 49 19 1
4 27 2 27 22 1 50 30 2
5 17 2 28 34 2 51 24 2
6 32 2 29 20 2 52 10 1
7 31 2 30 19 2 53 15 2
8 27 2 31 16 1 54 17 2
9 21 2 32 16 1 55 17 2
10 27 1 33 18 1 56 21 2
11 24 1 34 30 1 57 34 2
12 21 2 35 21 2 58 22 1
13 24 1 36 16 1 59 17 1
14 26 2 37 14 1 60 15 1
15 31 2 38 15 1 61 17 1
16 34 2 39 14 2 62 20 1
17 28 1 40 14 2 63 17 1
18 32 2 41 25 1 64 20 1
19 24 2 42 15 1 65 15 1
20 16 2 43 16 1 66 17 1
21 22 1 44 15 1 67 24 2
22 37 2 45 19 2 68 20 1
23 36 2 46 15 1

1.- Vamos a abrir el software de Minitab dando doble click al icono del programa

2.- Se abrirá la interface de usuario que esta formada por las siguientes vistas. ----- ver imagen.

3
2

4
2

Interface de usuario, enseguida describiremos su contenido:

1— El Navegador donde se mostraran los nombres de los proyectos y se verán desde el más

3
 el más antiguo al más reciente

2– La sección de salida, ahí se mostraran los resultados de los análisis de datos que se
proporcionan para la operación de los cálculos.

3.--- La sección de datos, en esta sección se admiten datos numéricos, texto y fechas.

4.--- La barra de estado en ella podemos seleccionar la vista que deseamos ver, ya

sea la sección de datos o la sección de salida.

5.----Barra de menú de trabajo

Regresando al inicio del Ejemplo a realizar, buscamos en la barra de menú de trabajo el de

estadísdicos (stat).

1. Abra los datos de muestra (los datos que se recolectaron)

2. Elija Estadísticas > Estadísticas básicas > Mostrar estadísticos descriptivos. (fig.2)

3. En Variables, ingrese Torsión. (fig.3)

4. En Por variables (opcional), ingrese Máquina. (fig.3)

5. Haga clic en el botón Gráficas y luego seleccione Histograma de datos, Gráfica de

valores individuales y Gráfica de caja de datos. (fig.4)

6. Haga clic en Aceptar en cada cuadro de diálogo. (figs. 5)

Menu estadísticos

Datos recolectados

Fig.2

4
 Fig. 3

Seleccionamos la variable y damos Dar click a el botón estadísticas,

click en el botón select para seleccionar los valores que
o podemos dar doble click a la deseamos observar , en este caso
variable para colocarla en el espacio es la Media y la desviación estándar
de variables

Fig. 5

5
 Aparece el cuadro descriptivo de
estadísticos y aquí podemos
seleccionar los valores que deseamos
obtener, en este caso seleccionaremos
la Media y Desv. Estandar, cuando
terminemos damos click en botón ok

Fig. 4

Para obtener los gráficos de salida que deseamos

para analizar los datos, damos click en el botón
Graphics y aparecerá la ventana de los gráficos y
Una vez que ya hemos
seleccionamos el de histograma, grafico de valores
llenado los campos que
individuales y el grafico de caja
deseamos para
Obtener la información a
analizar como resultado,
damos click en el botón ok
de la ventana de
estadísticos descriptivos
para obtener un resultado
en la sección de salida.

Interpretación de los resultados

6
La media del valor de torsión de la Máquina 1 está más cerca del objetivo de 18 que la media del valor
de torsión de la Máquina 2. La torsión media requerida para retirar las tapas de la Máquina 1 es 18,667 y
la torsión media requerida para retirar las tapas de la Máquina 2 es 24,19. La distribución de los datos
de la Máquina 1 también es menos variable. La desviación estándar es 4.395 para la Máquina 1 y 7.12
para la Máquina 2.

También podemos observar los datos resultantes en las gráficas de valores individuales y en la gráfica de
caja, como se ve en la imagen de abajo.

Podemos decir que en estas dos siguientes graficas se observa mucho mejor el grado de la desviación
estándar de los valores individuales por las muestras.

Más adelante también definimos el concepto de la desviación estándar y como es que la usamos.

7
Desv.Est.

La desviación estándar es la medida de dispersión más común, que indica qué tan dispersos están los
datos alrededor de la media. El símbolo σ (sigma) se utiliza frecuentemente para representar la
desviación estándar de una población, mientras que s se utiliza para representar la desviación estándar
de una muestra. La variación que es aleatoria o natural de un proceso se conoce comúnmente como
ruido.

Debido a que la desviación estándar utiliza las mismas unidades que los datos, generalmente es más
fácil de interpretar que la varianza.

Interpretación

Utilice la desviación estándar para determinar qué tan dispersos están los datos con respecto a la
media. Un valor de desviación estándar más alto indica una mayor dispersión de los datos. Una buena
regla empírica para una distribución normal es que aproximadamente 68% de los valores se ubican a no
más de una desviación estándar de la media, 95% de los valores se ubican a no más de dos desviaciones
estándar y 99.7% de los valores se ubican a no más de tres desviaciones estándar.

La desviación estándar también se puede utilizar para establecer un valor de referencia para estimar la
variación general de un proceso.

8
 Regresión lineal simple

¿Qué es la regresión lineal simple?

La regresión lineal simple examina la relación lineal entre dos variables continuas: una respuesta (y) y un
predictor (x). Cuando las dos variables están relacionadas, es posible predecir un valor de respuesta de
un valor predictor con una precisión mejor que la de la casualidad.

La regresión proporciona la línea que "mejor" se ajusta a los datos. Esta línea se puede utilizar para:
Examinar cómo cambia la variable de respuesta a medida que cambia la variable predictora. Predecir el
valor de una variable de respuesta (y) para cualquier variable predictora (x).

Ejemplo:

Dados los siguientes valores tabla 1.1, donde (y) será nuestra variable de respuesta y (x) nuestro
predictor, vamos encontrar la relación entre las 2 variables continuas y generaremos la ecuación de
regresion.
Tabla 1.1
X Y
5 4
12 10
14 13
17 15
23 15
30 25
40 27
47 46
55 38
67 46
72 53
81 70
96 82
112 99
127 100
1.- Llevamos a estos valores a Minitab haciendo Ctrl + C para copiarlos y Ctrl + V para pegarlos (toda la
tabla) a su hoja de cálculo. Es importante que el nombre de las variables en este caso (x)(y) no quede en
una fila con número.

Hoja de
calculo

Valores de
tabla 1.1

9
 2.- Hacemos clic en la opción Stat>Regression>Fitted line plot como se muestra en la imagen 1.2

Imagen 1.2
3.- Nos aparecerá la imagen 1.3 donde podremos seleccionar nuestra variable de respuesta y nuestra
variable predictor
Imagen 1.3
4 hacemos doble
clic en nuestra 1 hacemos clic el cuadro de
variable predictor texto que corresponde a
nuestra variable de respuesta
una vez

3 hacemos clic el cuadro de

2 hacemos doble
texto que corresponde a
clic en nuestra
nuestra variable predictor
variable de
una vez
respuesta

4.- elegimos de tipo linear

5.- Hacemos clic en y nos aparecerá Display Options, aquí podemos seleccionar si

queremos ver los intervalos de confianza y damos clic en y

después nuevamente en .

10
6.- Primeramente, obtendremos nuestra ecuación de regresión para poder hacer una predicción muy
confiable, en este caso es muy confiable porque nuestro P value es 0 entre mas cercano sea este valor a
cero tenemos la certeza de que nuestra ecuación nos dará aproximaciones confiables.

Ecuación de regresión

P value

7.- En esta grafica mostrada podremos observar que nuestros valores están muy dentro de nuestros
intervalos de confianza y nuestros intervalos predictores. Mientras más se acerquen a 100% nuestra
ecuación tiene mayor oportunidad de predecir un valor. CI y PI >=90%

11
EL Cpk

El Cpk también se conoce como “índice de capacidad real del proceso, es considerado una versión
corregida del Cp que sí toma en cuenta el centrado del proceso. Existen varias formas equivalentes para
calcularlo, una de las más comunes es la siguiente:

”
(Gutiérrez Pulido Humberto; De la Vara Salazar Román, 2009, p. 105)

El Cpk se considera un indicador de capacidad de proceso real, el cual solo se puede conseguir si
obtienen los siguientes datos:

μ: Media
ES: Límite superior de especificación
EI: Límite inferior de especificación
Cp: Capacidad del proceso
Cpi: Indicador de la capacidad de un proceso para cumplir con la especificación inferior
Cps: Indicador de la capacidad de un proceso para cumplir con la especificación superior
3σ: Tres sigmas

El Cpk como se muestra en la imagen anterior, el Cpk nos dice que tan amplio esta nuestra gráfica de
campana y que tan retirada esta del centro, siendo el valor menor mínimo del Cpi y Cps.

En la siguiente imagen podemos identificar qué valor toma nuestro Cpk, el cual nos indicara si nuestro
proceso es estable o está fuera de especificaciones.

12
Cpk de la torsión de la tapa del champú

Para obtener el Cpk de la torsión de la tapa de champú, utilizaremos los datos de la siguiente tabla:

Torsión Máquina Torsión Máquina Torsión Máquina

1 24 2 24 21 1 47 15 2
2 14 1 25 16 1 48 19 1
3 18 1 26 17 1 49 19 1
4 27 2 27 22 1 50 30 2
5 17 2 28 34 2 51 24 2
6 32 2 29 20 2 52 10 1
7 31 2 30 19 2 53 15 2
8 27 2 31 16 1 54 17 2
9 21 2 32 16 1 55 17 2
10 27 1 33 18 1 56 21 2
11 24 1 34 30 1 57 34 2
12 21 2 35 21 2 58 22 1
13 24 1 36 16 1 59 17 1
14 26 2 37 14 1 60 15 1
15 31 2 38 15 1 61 17 1
16 34 2 39 14 2 62 20 1
17 28 1 40 14 2 63 17 1
18 32 2 41 25 1 64 20 1
19 24 2 42 15 1 65 15 1
20 16 2 43 16 1 66 17 1
21 22 1 44 15 1 67 24 2
22 37 2 45 19 2 68 20 1
23 36 2 46 15 1

Pasos para obtener el Cpk:

1. Abrir Minitab

2. Copiar los datos de la tabla y pegarlos en la hoja de trabajo de Minitab como se muestra en la
Fig.6

Fig. 6

13
3.- Elija Estadísticas > Herramientas de calidad > Análisis de capacidad > Entre/Dentro. (fig.6.1)

Fig. 6.1

4.- Nos aparecerá la imagen 6.2, en la cual seleccionaremos la Columna individual – Torsión

5.- el tamaño del subgrupo: es igual a cinco.

6.- Especificamos los límites, en este caso el límite inferior se colocará como 6 y el límite superior como
30.

7.- El resto de los datos son opcionales, después seleccionamos Aceptar.

Fig. 6.2

14
8.- Minitab nos arrojara la siguiente gráfica (fig. 6.3), en la cual nos dice que el Cpk es de 0.49

Fig. 6.3

Interpretación del Cpk y Cp

Basando el resultado en libro de CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA, nos dice que nuestro
Cpk es mucho más pequeño del Cp y por lo tanto la media del proceso está alejada del centro de las
especificaciones.

En cuanto al Cp, lo podremos observar en tabla (Fig. 6.4).

El Cp obtenido es de 0.68, por lo que nuestra categoría seria la numero 3, nos sugiere un análisis del
proceso y realizar modificaciones para alcanzar una tolerancia satisfactoria o adecuada.
Fig. 6.4

15
El Grafico P

Este tipo de grafico de control se encuentra en control por atributos, y por lo que en algunas
ocasiones se encuentran características que no son medidas como variables, en algunos casos
por que corresponden a aspectos cualitatvos y en otros por que supondría un coste elevado,
aquí es donde intervienen los controles por atributos, con el grafico P

Cada unidad de objeto debe registrarse solo una vez (conforme/ medimos la proporción de
unidades defectuosas en relación al tamaño de la muestra.

Dentro de los gráficos de control por atributos se citaran:

-p: Proporción de unidades defectuosas.
-np: Número de unidades defectuosas.
-c: Numero de defectos.
-u: Numero de defectos por unidad de inspección.

no conforme) sin importar el número de defectos que presente, a continuación se muestra la

fórmula para el cálculo de valores y límites del grafico P.

(Pola Mesada Angel; Aplicación de la Estadistica al Control de Calidad, 1993, p. 87)

Para obtener la gráfica P utilizaremos la siguiente serie de datos

16
Para efectos prácticos tomaremos la serie de datos que se venía utilizando, donde
supondremos que son los resultados diarios en la estación de control de calidad. Actualmente
se hacen pruebas a 500 botellas diariamente.

Torsión Máquina Torsión Máquina Torsión Máquina

1 24 2 24 21 1 47 15 2
2 14 1 25 16 1 48 19 1
3 18 1 26 17 1 49 19 1
4 27 2 27 22 1 50 30 2
5 17 2 28 34 2 51 24 2
6 32 2 29 20 2 52 10 1
7 31 2 30 19 2 53 15 2
8 27 2 31 16 1 54 17 2
9 21 2 32 16 1 55 17 2
10 27 1 33 18 1 56 21 2
11 24 1 34 30 1 57 34 2
12 21 2 35 21 2 58 22 1
13 24 1 36 16 1 59 17 1
14 26 2 37 14 1 60 15 1
15 31 2 38 15 1 61 17 1
16 34 2 39 14 2 62 20 1
17 28 1 40 14 2 63 17 1
18 32 2 41 25 1 64 20 1
19 24 2 42 15 1 65 15 1
20 16 2 43 16 1 66 17 1
21 22 1 44 15 1 67 24 2
22 37 2 45 19 2 68 20 1
23 36 2 46 15 1

Pasos para obtener el Cpk:

1. Abrir Minitab

2. Copiar los datos de la tabla y pegarlos en la hoja de trabajo de Minitab como se muestra en la
Fig 7.

Serie de datos

3.- Elija Stat/Estadísticas > Control Charts/Herramientas de control> Atributes Charts/Control por
atributos> P Entre/Dentro. (fig.7.1)
17
4.- Nos aparecerá la imagen 7.2, en la cual seleccionaremos la Columna Variables– Numero AD.

5.- El tamaño del subgrupo: es igual a 500.

6.- Hacer click en Pchart Options para utilizar las 4 reglas.

Paso 4

Paso 5

Paso 6

7.- Posterior a dar click aparecerá una nueva ventana como en la figura 7.3. Y hacemos click en
Tests/Pruebas.

18
 Paso 7

8.-Subsecuente a esta acción aparecerá la nueva ventana como en la figura 7.4 Habilitaremos todas las
casillas para correr cada una de las reglas.

Paso 8

9.-Una vez habilitadas todas las reglas, se confirma la acción en el botón de OK.

19
 Paso 9

10.-Una vez habilitadas todas las reglas, se confirma la acción en el botón de OK.

Paso 10

11.-Minitap no arrojara el siguiente gráfico, figura 7.5.

20
 Datos 22 y 23

Resultado e interpretación del gráfico.

Minitab en este grafico nos muestra que nuestro proceso está fuera de control, ya que dos datos
incumplieron con la regla 1 y se encuentran por encima de la media por más de tres desviaciones
estándar. Siendo el dato 22 y 23.

Referencias

21
Gutiérrez, P. H.; De la Vara S. R.; (2009), CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA, Prolongación
Paseo de la Reforma 1015, Torre A, Piso 17, Colonia Desarrollo Santa Fe, Delegación Álvaro Obregón,
C.P. 01376, México, D. F., Segunda Edición.

Página Web: https://www.uv.mx/personal/ermeneses/files/2018/05/6-control-estadistico-de-la-calidad-

y-seis-sigma-gutierrez-2da.pdf

22