Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GREEN BELT
MODULO: APLICACIONES DE MINITAB® PARA
SEIS SIGMA
2019
FACILITADOR: ING ENRIQUE ROMERO M, MSC
Facilitador
ENRIQUE ROMERO M
gerenciainnovacion@processinnova.com
Linkedin:
www.linkedin.com/in/enriqueromeromotta
ENRIQUE ROMERO MOTTA
• FORMACION
Ingeniero Industrial Escuela
Colombiana de Ingeniería
1999
Maestría en Gerencia en
Logistica – Florida Institute of
Technology 2011
Maestría en Gestión de
Innovación Empresarial –
Universidad de Barcelona
2014
Especialización en
lanzamiento de negocios
innovadores – Universidad de
Maryland 2015
Supply Chain Analytics – MIT
– 2017- actual
Imágenes de experiencias..
EXPERIENCIA LABORAL
CAMBIANDO MENTES
TRANSFORMANDO ORGANIZACIONES
www.processinnova.com
AGENDA
• Usted dispone de varias herramientas para trabajar con estas partes del
proyecto:
• Menús para emitir comandos para análisis estadísticos, manipulación y
transformación de datos. Los elementos de menú pueden ejecutar un
comando directamente o abrir un cuadro de diálogo.
• Los comandos de sesión son alternativas a los comandos de menú que
usted puede escribir en la ventana Sesión o en el Editor de línea de
comandos. Puede intercalar comandos de menú y comandos de sesión a lo
largo de su sesión si lo desea.
• Un Editor de línea de comandos emergente que permite editar y volver a
ejecutar rápidamente comandos de sesión.
• Una Ayuda sensible al contexto para cuadros de diálogo, comandos de la
ventana Sesión e información sobre las revisiones generales.
• Un lenguaje de macro completo que permite automatizar tareas repetitivas,
extender la funcionalidad de Minitab o incluso diseñar sus propios
comandos de sesión. Las capacidades de macro de Minitab se describen en
su totalidad en la Ayuda sobre Macros.
• Teclas de acceso rápido para acceder rápidamente a comandos utilizados
frecuentemente.
ENTORNO DE MINITAB
Variables
Categóricas Numéricas
Ejemplos:
Estatus marital
Partido politico Discretas Continuas
Color ojos
(Categorias definidas)
Ejemplos Ejemplos
Número de niños Peso
Defectos por hora Voltaje
(Items que se pueden (caracteristicas medibles)
contar)
DCOVA
Datos
categóricos
Visualizacion de datos
DCOVA
Datos
numéricos
Diagramas de frecuencias y
Arreglo ordinal frecuencias acumuladas
Grafica de hojas y
tallos Histogramas Graficos Grafico
Graficas de puntos dispersion s de
caja
Estadistica
s
descriptiva
s
VISUALIZACIÓN DE DATOS DCOVA
Taller visualización de datos e informes
Minitab®
• 1. Abra el archivo ventas auto.mtw.
• Realice una grafica que compare las ventas hechas por cada representante
• Realice una grafica que señale las unidades vendidas por tipo de vehículo
• Realice una grafica que compare las ganancias por cada representante
• Realice una gráfica que compare las ganancias por modelo de carro
• Realice una gráfica que compare las ventas actuales con el año anterior
• Resume los resultados en un informe. Que conclusiones puede generar?
• 2. Abra el archivo Describirdatosgraficos.mtw
• Con la columna President Ages realice un diagrama de hojas y tallos
• Con la columna Broken Eggs per carton realice un histograma y un diagrama
de puntos
• Analice , que información puede obtener en ambos escenarios? Agréguela al
informe
Taller Estadisticas descriptivas
Mediana
Percent
Count
600 60
Desv. Peso 91 3 500
Desv. Peso 88 4 400 40
Deformación 18 1 300
Deformación 29 2 200 20
Deformación 31 3 100
Deformación 42 4 0 0
Color 24 1 tD
ev
.
Bu
bb
le
l or rm
at i
on
Defect We
i gh
Ai
r Co ef o
Color 42 2 D
24
EJERCICIO
Total: 88
La última columna muestra el número de heladeras que presentaban cada tipo
de defecto, es decir, la frecuencia con que se presenta cada defecto. En lugar
de la frecuencia numérica podemos utilizar la frecuencia porcentual, es decir, el
porcentaje de heladeras en cada tipo de defecto:
Total: 88 100
MEDIR
• Definiciones operacionales
• Muestreo
• Discreto
• Continuo
• Medición de calidad de la
información
• Estudios R&R
• Graficas de corridas
• Medición normalidad
• Transformaciones de potencia
• Medición de capacidad
• Método 1
• Método 2
• Datos normales
TAMAÑO DE LA MUESTRA
Propósito de la Fórmula
muestra
Promedio estimado 2
2s
(p.ej., determinar el tiempo n
d
de ciclo básico)
Proporción estimada 2
2
(p.ej., determinar el % n p1 p
actual de defectos)
d
(Donde d = precisión: ± __ unidades)
ESTADOS DE UN PROCESO
Espec Superior
LSC LSC
(En control)
Espec Inferior
LIC LIC
Espec Inferior
Espec Superior
LSC LSC
Inestable
(Fuera de control) Espec Superior
Espec Inferior
LIC LIC
Espec Inferior
Variación Observada del Proceso
Variación de Largo Variación de Corto Variación dentro de la Variación del Variación del
Plazo Plazo muestra medidor operario
Workbook – Pag. 34
% Tolerancia Efecto Negativo en Cp Impacto Financiero Comentarios
Consumida
< 10 % Insignificante Cero Estándar de la Industria
Recomendado
es mandatorio
Cp = Índice de Capacidad de Proceso Potencial. Cp DEBE exceder de 1.67 para lograr 5 sigma !
Taller R&R y muestreo
99.73%
Un Diagrama de Probabilidad es
una muestra grafica de un Normal Probability Plot for stress
estimado o predicción. ML Estimates - 95% CI
99
Por ejemplo; el mano facturador
ML Estimates
Mean 675
Percent
60
probados a 8 diferentes 30
20
velocidades . 10
La grafica va a predecir el 5
nivel de presión. 300 400 500 600 700 800 900 1000 1100
Data
37
Taller normalidad
• 1. Vaya a http://members.iinet.net.au/~pontipak/redsquare.html
• Este es un simulador de vuelo (usted es el cuadro rojo) y debe moverse
sin que sea tocado por los bloques azules y sin tocar los bordes. Registre
el tiempo que “sobrevive” sin perder. Se sabe que los tiempos siguen una
distribución normal con media 15 y desviación 3.75. Tome 10 rondas y
registre el mayor tiempo.
• Que proporción de , dada la distribución anterior es mayor que su mayor
tiempo?
• Que proporción es menor que su mayor tiempo?
• Quiero contratar aquellos aplicantes cuyos tiempos de sobrevivencia
estén el 1% más alto . Cual debe ser el tiempo minimo para cumplir esta
condición?
• 2. Abra el archivo Capacidadcapa.MPJ.
• Pruebe la normalidad para la columna grosor. Que concluye?
TRANSFORMACIONES UTILIZADAS FRECUENTEMENTE,
CONT.
1
YT
Y
Y 1
Inversa-Normal
Y
1
YT
Y
Y 1
Y
TRANSFORMACIONES DE POTENCIA
• Una
transformación (Potencia) Y Nombres Comunes
de potencia eleva
1
Y a la potencia de -2
Y2
Recíproca (inversa) cuadrada
-1 1 Recíproca (inversa)
• Las Y
transformaciones -0.5 1 Raíz cuadrada recíproca (inversa)
de potencia Y
incluyen las que 0 Log(Y) * Log
ya hemos visto
(página 0.5 Y Raíz cuadrada
anterior):
1 Sin
transformación
---
2 Y2 Cuadrado
Taller Transformación de potencias
• 1. Abra el archivo decision2.mtw
• Pruebe la normalidad
• Ejecute el análisis de Box Cox
• Transforme los datos y analice nuevamente la
normalidad
• Analice como interpretar los datos transformados
ANALISIS DE CAPACIDAD Método 1 DCOVA
Indicadores Método 1
EJEMPLO
Su compañía de impresión imprime órdenes estacionarias personalizadas. Cada orden es
considerada como una unidad. Se seleccionan e inspeccionan de manera aleatoria 50 órdenes
y se encuentran los defectos siguientes.
Dos órdenes están incompletas
Una orden está dañada y es incorrecta (2 defectos)
Tres órdenes tienen errores tipográficos
Cada orden estacionaria personalizada puede tener cuatro defectos: información incorrecta,
error tipográfico, daño o información incompleta.
Calcule el DPO y el DPU
Taller análisis de capacidad – Método 1
calidad
Cliente
Mal
Paso de No-
Desempeño
Conformancias
0
Interno
EJERCICIOS
• Entendiendo la
variación – Creando
las hipótesis
• Validando las
hipótesis
• Cuantificando la
relación
El centro del análisis
Y = f (X1, X2, X3, ..., Xn)
Identificación
Verificación
Cuantificación
X1, X3, X5
Fotocopiado de
mala calidad
Transparencia
Nitidez Suciedad lámpara
Suciedad de la
Calidad papel
mesa Brillo de la
Resistencia lámpara
Polvo oficina
Horas de
Enrollado operación
• Entendiendo la variación
DIAGRAMAS DE PUNTOS, HISTOGRAMAS
Histograma de Resistencia
Normal
Operador
0,5 Kevin
Michelle
Rob
0,4 Media Desv.Est. N
9,729 0,7864 25
10,23 0,8935 25
Densidad
0,3 10,44 1,078 25
0,2
0,1
0,0
8 9 10 11 12 13
Resistencia
Operador
Kevin
Michelle
Rob
8,4 9,0 9,6 10,2 10,8 11,4 12,0 12,6
Resistencia
DIAGRAMAS DE SERIES DE TIEMPO
• Observe:
• Tendencia
• Estacionalidad
• Ciclicidad
• Aleatoriedad
DIAGRAMAS MARGINALES
22,5
20,0
THICKNESS
17,5
15,0
12,5
10,0
1 2 3 4 5
MUESTRA
Taller entendiendo la variación
PRUEBAS DE HIPOTESIS
•Determina si dos conjuntos de datos son diferentes.
•Nos dice si o no un parámetro estadístico (media,
desviación estándar, etc.) es diferente de un valor de
interés.
•Nos permite manejar adecuadamente la incertidumbre., es
más objetiva para resultados estadísticos y gráficos, nos
ayuda a confirmar o desaprobar asunciones.
•Las pruebas de hipótesis controlan el riesgo de tomar
malas decisiones o conclusiones.
¿está seguro de que sus datos y el análisis son correctos?
57
ANALIZAR –PRUEBAS DE HIPOTESIS
• Para una prueba a una clase de perdida de peso para ver si todos perdieron
los 10 kilos anunciados en la campana publicitaria de la compañía.
• Analizar mpg de un nuevo modelo de carro contra el mpg anunciado.
60
T-TESTS & Z-TESTS EN MINITAB
61
Taller pruebas de hipótesis 1 y dos variables
67
ANALIZAR
• Entendiendo las
relaciones
EJERCICIOS CORRELACION
3. La entidad bancaria City Bank está estudiando el número de veces por día
que se usa el cajero automático localizado en un barrio de una determina
ciudad española del sur. Los siguientes datos son las veces por día que fue
usado el cajero en los últimos 30 días:
69
ANALISIS REGRESIVOS
Prueba 5
2 de cada 3 puntos
consecutivos más 3.0 Desv.Est. = LSC
allá de 2
2.0 Desv.Est.
desviaciones
1.0 Desv.Est..
estándar (en el
0.0 = Media
-1.0 Desv.Est.
mismo lado) -2.0 Desv.Est.
Señala un -3.0 Desv.Est.= LIC
desplazamiento en 1 3 5 7 9 11 13 15 17 19 21 23
el proceso
CUATRO SEÑALES ADICIONALES SUMINISTRADAS
POR LAS ZONAS DE DESVIACIÓN ESTÁNDAR, CONT.
4 de cada 5
2.0 sDesv.Est.
1.0 Desv.Est.
puntos 0.0 = Media
estándar (en el 1 3 5 7 9 11 13 15 17 19 21 23
mismo lado)
Señala un
desplazamiento Interpretación
en el proceso
Las pruebas 5 y 6 ofrecen señales más
rápido de un desplazamiento en el proceso
que la prueba de “8 puntos consecutivos”.
CUATRO SEÑALES ADICIONALES SUMINISTRADAS POR
LAS ZONAS DE DESVIACIÓN ESTÁNDAR, CONT.
• Prueba 7
• 15 puntos consecutivos dentro de 1 desviación estándar (por
encima o debajo del promedio) Indican variación de causa
común reducida, cambio en una definición operacional o
datos “acomodados”
2.0 st.dev.
1.0 st.dev.
0.0 = Mean
-1.0 st.dev.
-2.0 st.dev.
1 3 5 7 9 11 13 15 17 19 21 23
CUATRO SEÑALES ADICIONALES SUMINISTRADAS POR
LAS ZONAS DE DESVIACIÓN ESTÁNDAR, CONT.
2.0 Desv.Est.
0.0 = Media
desviación 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
estándar (a cada
lado) Indican Interpretación
sobrecompensació ◦ Las pruebas 5, 6 y 8 son similares a
n, múltiples
la prueba de “muy pocos” o
fuentes de
variación o datos “demasiados” conglomerados
“acomodados” ◦ Minitab puede probar fácilmente
todas estas causas especiales
EJERCICIOS
} Mejora
existente.
Antes Después