Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de Capabilidad-Porcentaje Defectuoso
Análisis de Capabilidad-Porcentaje Defectuoso
9/14/2006
Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una
población basándose en muestra de los artículos de esa población que se han clasificado como
defectuosos o no defectuosos. Nota: algunos practicantes prefieren el término “no conforme” en
lugar de “defectuoso”.
sample n defects
(muestra) (defectuosos)
1 50 12
2 50 15
3 50 8
4 50 10
5 50 4
6 50 7
7 50 16
8 50 9
9 50 14
10 50 10
11 50 5
12 50 6
13 50 17
14 50 12
15 50 22
Entrada de Datos
La caja de dialogo requiere información acerca de cada muestra.
• Tamaño de Muestra: El tamaño de muestra ni. Ingrese cualquiera de las dos; el nombre de
una columna numérica o un solo número si todos los tamaños de muestra son iguales.
• Objetivo del % Defectuoso: El valor objetivo del proceso dado por un porcentaje
defectuoso de los artículos. Si es ingresado, este valor será indicado sobre los gráficos.
Distribución: Binomial
número de muestras = 30
tamaño promedio de muestra = 50.0
porcentaje defectuosos medio = 23.1333
m
n = ∑ ni / m (1)
i =1
∑d
i =1
i
p = 100 m
% (2)
∑n
i =1
i
• Z del Proceso: El valor Z equivalente igual a la estimación de defectos por millón. La Z del
proceso es calculada encontrándole valor en una distribución normal estándar para la cual la
probabilidad de exceder |Z| es igual al DPM estimado. Los valores grandes de Z son
preferibles, puesto que corresponden a porcentajes pequeños de artículos defectuosos.
Típicamente el objetivo para Z es 4 o superior.
• Nivel de Calidad Sigma: El Nivel de Calidad Sigma esta definido por lo practicantes de Seis
Sigma. Esta opción solamente se presenta si el Nivel de Calidad Sigma es seleccionado sobre
la sección de Capacidad en la selección de Preferencias dentro del menú Edición. El Nivel
de Calidad Sigma es igual a la Z del Proceso o la (Z del Proceso + 1.5), dependiendo si la
sigma de cambio 1.5 esta seleccionada sobre la sección de Capacidad en la caja de dialogo
de Preferencias.
Para los datos del ejemplo, la estimación de la proporción media de artículos defectuosos p =
23.13%. Esto es igual a 231,333 artículos no conformes por cada millón producido. Dado el
tamaño de muestra, el margen del error es tal que un intervalo de confianza del 95% para la
verdadera proporción media defectuosa están en un rango de 21.02% a 25.35%. La puntuación
de la Z del proceso de 0.73 es algo triste.
• Nivel de Confianza: Especifica el porcentaje para los intervalos de confianza y los limites de
tolerancia, generalmente 90, 95, o 99.
Gráfico de Capacidad
El Gráfico de Capacidad muestra un histograma de los datos juntos con la distribución estimada
(mostrada por los puntos símbolos).
12
0
0 5 10 15 20 25 30
defects
La línea vertical larga corresponde al valor objetivo. Las líneas verticales cortas corresponden a
los límites de tolerancia mostrados en el Resumen del Análisis.
El NCS es presentado solamente si la caja de verificación asociada esta activada sobre la sección
de Capacidad en la caja de dialogo de Preferencias., accesible desde el menú Edición.
Prueba de Bondad-del-Ajuste
El panel Prueba de Bondad-del-Ajuste desarrolla una prueba Chi-Cuadrada para determinar
cuando los datos muéstrales pueden tener razonablemente un comportamiento de la distribución
asumida.
El rango de los datos es dividido en intervalos, cada uno representando un rango de posibles
números de defectuosos en una muestra. Las clases son estructuradas de tal manera que el
número de valores esperados sobre los datos por cada clase sea menor que 2.
Si la prueba indica una salida significativa, cualquier valor grande en la columna etiquetada Chi-
Cuadrada muestra la localización de la mayor discrepancia. Por ejemplo, la tabla anterior indica
que 7 muestras tenían menos o igual a 7 defectuosos, mientras que se esperaba solamente 2.43
que fueran más pequeñas dado una distribución binomial con una media del 23.1% defectuosa.
Una posible explicación para la falla de la distribución binomial al buen ajuste de los datos es
que el proceso puede que no este en un estado de control estadístico, lo cual puede examinarse
seleccionando Gráficos de Control de la lista de opciones gráficas.
La prueba es exacta si los tamaños de muestra son iguales para todos. Será una aproximación si
los tamaños de muestra son diferentes.
Gráfico de Probabilidad
El Gráfico de Probabilidad es utilizado para determinar cualquier discrepancia entre los datos y
la distribución asumida.
Gráfica de Probabilidad
24
Prob. Evento=0.231333
20 Ensayos=50.0
16
defects
12
0
0 4 8 12 16 20 24
Binomial Distribución
El eje vertical muestra los datos, ordenados de mayor a menor. Cada punto es graficado contra
un perceptil equivalente a la distribución estimada. Permitiéndose para los datos discretos, que
los puntos pueden fallar aproximadamente a través de la línea diagonal.
En el gráfico anterior, los datos muestran obvias curvaturas, que cuestionarían seriamente la
asunción de que provienen de una distribución binomial.
50
porcentaje defectuoso
40
30
20
10 10.0000
0
0 5 10 15 20 25 30
muestra
Idealmente, los puntos pueden variar aleatoriamente alrededor de la línea objetivo. En este caso,
los datos son consistentes alrededor del valor objetivo.
Gráfico de Control
Este panel muestra un gráfico p para los datos muéstrales.
0.5
0.4102
proporción defectuosa
0.4
0.3
0.2313
0.2
0.1
0.0524
0
0 5 10 15 20 25 30
muestra
Cada valor de los datos se grafica junto con la línea central y los límites de control. En este caso,
2 puntos que están fuera de los límites de control son señales de que el proceso no esta en un
estado de control estadístico.
El tamaño de lote asumido para la distribución hipergeométrica esta especificado sobre la caja de
dialogo de Opciones del Análisis.
En la tabla anterior, las estadísticas más grandes son para la distribución binomial, sugiriendo
que al cambiar a la distribución hipergeométrica no mejoraría el ajuste.
donde
n
v1 = 2 x , v2 = 2(n − x + 1) , v3 = 2( x + 1) , v 4 = 2(n − x) , n = ∑ ni (4)
i =1
np
x= (5)
100
Gráfico de Control
Línea Central:
∑d
i =1
i
p= m
(6)
∑n
i =1
i
p (1 − p )
p±3 (7)
n
p (1 − p ) ( N − n )
p±3 (8)
n ( N − 1)