LEAN SIX SIGMA

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

• INTRODUCCIÓN AL ENTORNO • ETAPA MEDIR

MINITAB • MSA
• Aplicaciones Minitab® • Normalidad y Estandarización
• Quality Companion® • Análisis de capacidad
• Qeystone® • ETAPA ANALIZAR
• Devize® • Análisis de la variación
• Informes • Pruebas de Hipótesis Básicas
• Editor de gráficos • Análisis de regresión simple
• Importar archivos • ETAPA MEJORAR
• Conceptos básicos de • Simulación
estadística • ETAPA CONTROLAR
• ETAPA DEFINIR • Monitoreo – Gráficos de
control
• Selección de proyectos
• Informes resultados
• Análisis de Pareto • Comparación antes/después
 AGENDA ONLINE - PRESENCIAL
• SESION 1 (2.5 HORAS) ONLINE
• Introducción a Minitab® y al entorno Minitab®
• SESION 2 (2.5 HORAS) ONLINE
• Minitab® para Definición y Medición
• Pareto, Muestreo, Estudios R&R, Estandarización de datos,
Transformaciones de potencia
• SESION 3 (2 HORAS) ONLINE
• Análisis de capacidad Método1 y Método 2
• SESION PRESENCIAL
• ETAPA ANALIZAR
• Análisis de la variación
• Pruebas de Hipótesis Básicas
• Análisis de regresión simple
• ETAPA MEJORAR
• Simulación
• ETAPA CONTROLAR
• Monitoreo – Gráficos de control
• Informes resultados
• Comparación antes/después
ENTORNO MINITAB®
INTRODUCCIÓN A MINITAB®
 ENTORNO MINITAB PANTALLAS DE
MINITAB

• Cuando usted inicia Minitab, se abre un proyecto nuevo y

vacío. Verá tres ventanas:
• Ventana Datos
• Ventana Sesión
• Project Manager (minimizada al iniciar)
• Control de las ventanas
• Usted puede abrir y minimizar ventanas de Minitab del
mismo modo que abriría y minimizaría otras ventanas en
su sistema operativo. También puede controlar ventanas
de Minitab con comandos en el menú Ventana.
 ENTORNO DE MINITAB

• Toda la información sobre su trabajo está contenida en un

archivo de Proyecto de Minitab. El archivo de proyecto
contiene:
• Hojas de trabajo que contienen sus datos. Usted puede
tener múltiples hojas de trabajo en un proyecto.
• Una o más ventanas Datos que muestran cualquier
archivo de hoja de trabajo. Sus datos se mostrarán como
columnas. Hay una ventana Datos por cada hoja de
trabajo en el proyecto. Usted puede ingresar y editar
datos directamente en la ventana Datos.
• Una ventana Sesión que muestra sus resultados.
• Gráficas que usted puede crear con comandos de
gráficas de Minitab.
 HERRAMIENTAS DE ENTORNO

• 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

• Un Project Manager, el cual contiene:

• Una carpeta Sesión para administrar la salida de la ventana sesión.
• Una carpeta Historial que indica los comandos que usted ha utilizado en
su sesión. Para volver a ejecutar comandos, cópielos de la carpeta
Historial y péguelos en el Editor de línea de comandos.
• Una carpeta Gráficas para administrar, organizar y asignar nombre a sus
gráficas.
• Una carpeta ReportPad para crear, organizar y editar informes de su
trabajo.
• Una carpeta Documentos relacionados para acceder rápidamente a
archivos relacionados con el proyecto que no sean de Minitab para una
consulta fácil.
• Una carpeta Hojas de trabajo que contiene carpetas individuales para
cualquier hoja de trabajo abierta. Cada carpeta de hojas de trabajo
muestra un resumen de las columnas, constantes almacenadas, matrices
y los diseños utilizados en la hoja de trabajo.
• Múltiples Barras de herramientas para emitir comandos y una Barra de
estado.
 CONCEPTOS BASICOS - ESTADISTICA
METODO DCOVA
• Definir las variables de las cuales quiere obtener
conclusiones
• Colectar los datos de las fuentes apropiadas
• Organizar los datos de acuerdo a su naturaleza
• Visualizar los datos con las graficas correctas
• Analizar los datos utilizando las tablas y graficas
apropiadas y otros metodos estadisticos para
obtener las conclusiones
 TIPOS DE VARIABLES
DCOVA

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)

Copyright ©2011 Pearson Education, Inc. publishing as Prentice Hall

 ORGANIZACIÓN DATOS
DCOVA

• Organización Datos Categóricos

• Una sola variable > Tablas de resumen
• Dos variables > Tablas de contingencia
• Organización Datos continuos
• Diagramas de frecuencia
• Arreglos de datos
• Diagramas de probabilidad
 VISUALIZACION DE DATOS CATEGORICOS

DCOVA
Datos
categóricos
Visualizacion de datos

Tabla resumen Tabla de

una sola contigencia
variable dos variables

Grafica Diagram Grafica de

de a de Barras lado a
Barras pareto lado
Grafica
circular

Copyright ©2011 Pearson Education, Inc. publishing as

2-18
Prentice Hall
 VISUALIZACION DE DATOS
CONTINUOS

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

• 1. Vaya a la pagina http://www.freeonlinegames.com/game/sheep-

reaction
• Allí encontrará un juego para medir que tan rápido reacciona a un evento. El
juego consiste en tranquilizar las ovejas con el dardo justo en el momento en
que estas se mueven. Familiarícese con el juego. Corra dos rondas y escriba
los datos en Minitab.(son 10 datos en total)
• Utilice el “resumen de los 5” para describir los datos
• Realice un análisis gráfico utilizando la opción Resumen Gráfico de Minitab
• Lleve el análisis a un informe
• 2. Abra el archivo datosenvío.mtw.
• Realice el análisis descriptivo sobre la variable días.
• Estratifique el análisis por estatus
• Que conclusiones genera?
 DEFINIR
• Método de análisis estadístico
• Resumen Grafico
• Análisis de estadísticas
descriptivas

Resumen para Resistencia

P rueba de normalidad de A nderson-Darling
A -cuadrado 0,45
V alor P 0,275
M edia 10,132
Desv .E st. 0,962
V arianza 0,926
A simetría 0,486388
Kurtosis 0,404906
N 75
M ínimo 8,150
1er cuartil 9,480
M ediana 10,100
3er cuartil 10,630
8 9 10 11 12 M áximo 12,640
Interv alo de confianza de 95% para la media
9,910 10,353
Interv alo de confianza de 95% para la mediana
9,837 10,319
Interv alo de confianza de 95% para la desv iación estándar
Intervalos de confianza de 95%
0,829 1,147
Media

Mediana

9,9 10,0 10,1 10,2 10,3

DIAGRAMA DE PARETO

Es una herramienta esencial que nos ayuda a priorizar objetivos de

mejoramiento. Un Pareto generalmente nos permite enfocarnos en el
20% de los problemas que causan el 80% del mal desempeño.

Defectos Frecuencia Semana Pareto Chart for : Defects

Burbuja Aire 93 1
Burbuja Aire 81 2 1000 100
Burbuja Aire 62 3 900
Burbuja Aire 57 4 800 80
Desv. Peso 120 1 700
Desv. Peso 132 2

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

Count 431 293 132 120

Color 39 3 Percent 44.2 30.0 13.5 12.3
Color 27 4 Cum % 44.2 74.2 87.7 100.0

24
 EJERCICIO

En sus equipos, complete un diagrama de pareto usando el

siguiente ejemplo:
Un fabricante de heladeras desea analizar cuales son los
defectos más frecuentes que aparecen en las unidades al salir
de la línea de producción. Para esto, empezó por clasificar todos
los defectos posibles en sus diversos tipos:
Posteriormente, un inspector revisa cada heladera a medida que sale
de producción registrando sus defectos de acuerdo con dichos tipos.
Después de inspeccionar 88 heladeras, se obtuvo una tabla como
esta:
Tipo de Defecto Detalle del Problema Frec.
Burlete Def. Burlete roto o deforme que no ajusta 9

Pintura Def. Defectos de pintura en superficies externas 5

Gavetas Def. Gavetas interiores con rajaduras 1

Mala Nivelación La heladera se balancea y no se puede nivelar 1

Motor no arranca El motor no arranca después de ciclo de parada 1

Motor no detiene No para el motor cuando alcanza Temperatura 36

No enfría El motor arranca pero la heladera no enfría 27

No funciona Al enchufar no arranca el motor 2

Otros Otros Defectos no incluídos en los anteriores 0

Puerta Def. Puerta de refrigerador no cierra herméticamente 0

Puerta no cierra La puerta no cierra correctamente 2

Rayas Rayas en las superficies externas 4

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:

Tipo de Defecto Detalle del Problema Frec. Frec. %

Burlete Def. Burlete roto o deforme que no ajusta 9 10.2

Pintura Def. Defectos de pintura en superficies externas 5 5.7

Gavetas Def. Gavetas interiores con rajaduras 1 1.1

Mala Nivelación La heladera se balancea y no se puede nivelar 1 1.1

Motor no arranca El motor no arranca después de ciclo de parada 1 1.1

Motor no detiene No para el motor cuando alcanza Temperatura 36 40.9

No enfría El motor arranca pero la heladera no enfría 27 30.7

No funciona Al enchufar no arranca el motor 2 2.3

Otros Otros Defectos no incluídos en los anteriores 0 0.0

Puerta Def. Puerta de refrigerador no cierra herméticamente 0 0.0

Puerta no cierra La puerta no cierra correctamente 2 2.3

Rayas Rayas en las superficies externas 4 4.5

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)

(Donde d = precisión: ± __ unidades)

Proporción estimada 2
2
(p.ej., determinar el % n    p1 p
actual de defectos)
 d
(Donde d = precisión: ± __ unidades)
 ESTADOS DE UN PROCESO

Dentro de límites de espec Fuera de límites de espec

Espec Superior

LSC LSC

Estable Espec Superior

(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 Actual Variación de los Medidores

Variación de Largo Variación de Corto Variación dentro de la Variación del Variación del
Plazo Plazo muestra medidor operario

Repetitividad Reproducibilidad Calibración Estabilidad Linealidad

Buscaremos la “respetabilidad” y la “reproducibilidad” ya que son

los principales contribuyentes de los errores en la medición
ESTUDIOS R&R
% R&R Resultados
<5% No hay discrepancia
<= 10% El medidor es aceptable
Puede ser aceptable basado en la
10 - 30% importancia de su aplicación y factores de
costo.
El Sistema de Medición necesita
> 30%
mejoramiento/acción correctiva

Workbook – Pag. 34
% Tolerancia Efecto Negativo en Cp Impacto Financiero Comentarios
Consumida
< 10 % Insignificante Cero Estándar de la Industria
Recomendado

< 20 % Mínimo Generalmente Mínimo Arriba del Límite Superior

del rango Aceptable

< 30 % .1 - .2 5-10% incremento en el Considerar invertir en

(5-15%) Costo de manufactura mejores medidores...

> 30% .2 - .5 10-30% incremento en Los medidores definitivamente

(10-40%) Costo de manufactura deben ser mejorados...

> 50 % .5 - 1.0 30-70% incremento en El programa entero está

(30-100%) Costo de manufactura en riesgo... El mejoramiento

es mandatorio

> 70 % 1.0 - 3.0 70-150% incremento en Inútil !

(70-300%) Costo de manufactura

Cp = Índice de Capacidad de Proceso Potencial. Cp DEBE exceder de 1.67 para lograr 5 sigma !
 Taller R&R y muestreo

• 1. Calcule las muestras en las siguientes situaciones

• Una empresa de dispositivos electrónicos desea estimar el voltaje de una nueva línea de
resistencias utilizada en tarjetas de circuitos. Quieren saber de qué tamaño deben ser las
muestras que necesitan para obtener un margen de error de 5. De acuerdo con estudios
anteriores, la desviación estándar es 22.5.
• Si la muestra tiene tamaño 70 cual es el margen de error?
• Se quiere determinar la muestra necesaria para un experimento de inspección de unidades
del tipo pasa/no pasa. Si la probabilidad con la que se espera aprobar las inspecciones es
del 30% y se espera un error del 5% cual es el tamaño de muestra?
• 2. Abra el archivo GR&R crossed.mtw.
• Realice el análisis R&R sin tolerancias
• Realice el análisis R&R con tolerancias
• 3 Abra el archivo Colormed.mpj
 Curva Normal y Áreas de Probabilidad
µ = Media 68%
  Desviación Estándar
95%

99.73%

(µ - 4 (µ - 3 (µ - 2 (µ - 1 µ (µ + 1 (µ + 2 (µ + 3 (µ + 4

Mediciones del área bajo la Curva normal

 DIAGRAMA DE PROBABILIDAD

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

de vidrios para aviones quiere 95

90
StDev 114.564

predecir el impacto en sus 80

Goodness of Fit

vidrios a cierto rango de 70 AD* 1.416

Percent
60

velocidad. 90 vidrios fueron 50

40

probados a 8 diferentes 30
20
velocidades . 10

La grafica va a predecir el 5

porcentaje de fallas en cada 1

nivel de presión. 300 400 500 600 700 800 900 1000 1100
Data

La línea del medio estima el

La línea superior e inferior nos dan un
porcentaje de unidades / medidas intervalo de confidencia del 95% de
que fallaran a un nivel dado de unidades / medidas que fallaran a un
presión (e.g. 50%) nivel dado de presión.

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.

Distribución de datos Transformación Distribución Transformada

Raíz cuadrada inversa-Normal

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

• DPO= Defectos/Total unidades*oportunidades

• DPMO=DPO*1000000
• DPU= Total defectos/Total de unidades
• FTY (RYT)= e-dpu *100%

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

1. Abra el archivo AsientAuto.mpj

• Un fabricante de productos de cuero utiliza inspección visual para tomar
una decisión pasa/nopasa sobre la calidad de una pieza de cuero
utilizada para confeccionar asientos de automoviles. Para mantener bajo
los costos se acepta una tasa de defectos del 1%. Determine cual es el
DPMO, DPO, etc y si cumple o no con el requerimiento.
2. Abra el archivo Televisores.mpj
• Un fabricante de televisores de 50 pulgadas rastrea el número de no
conformidades en la inspección final. El máximo deseado es 3 defectos
por unidad. Determine si el proceso tiene capacidad o no. Calcule el
DPMO, RYT, DPU, etc.
• Nota: Pruebe con los asistentes para resolver estos problemas
Análisis de capacidad – Método 2
www.synergytechpartners.com
 Capacidad de Proceso
2.0 6
Costo de mala
BUENO
Capacidad (Cpk)

calidad
Cliente

Mal
Paso de No-
Desempeño
Conformancias
0

0 Capacidad (Cp) 2.0

Interno
 EJERCICIOS

1. Abrir el archivo capacidadcapa.mpj

• Un fabricante de cables eléctricos aplica revestimiento exterior a los cables para preservar su resistencia
y durabilidad. El Limite superior es 43 milésimas y el limite inferior es 39 milésimas. El valor objetivo es
41, se quiere evaluar si se tiene capacidad.
• Se hace una ajuste el caso anterior. Analice la situación. Hoja de Trabajo2
• Se hace un segundo ajuste en la reducción de la temperatura del estabilizador. Analice la situación. Hoja
de Trabajo 2
2. Abra el archivo capability repair times.mpj
• Un proyecto esta enfocado en el tiempo que le toma a un equipo el reparar fallas en aires acondicionados
en los lugares de los clientes. Se han tomado 5 tareas repetitivas durante 20 días. Se conoce que los
tiempos deben estar entre 3 y 6. Determine si el proceso tiene capacidad.
3. Abra el archivo Capability CD.mpj
• Un fabricante de CD’s tiene problemas en mantener la especificación de un máximo de grosor de 1.5
mm. Se quiere saber si el proceso tiene capacidad.
4. Abra el archivo Molecular.mpj
 ANALIZAR

• 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

¿Qué procesos y variables de entrada (X) fundamentales afectan

al rendimiento de un proceso crítico para la
calidad o para las medidas de los resultados (Y)?
 DIAGRAMA CAUSA-EFECTO

• Duplicar un Diagrama de Causa y Efecto en Minitab usando los siguientes datos:

Método Tóner Papel

Periodo
almacenamiento
Ajuste Nivel
Degradación
Desalineación Calidad papel
Tiempo de uso
Método de
almacenamiento

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

Ambiente Original Fotocopiadora

 ANALIZAR

• 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

Gráfica de puntos de 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

Gráfica marginal de THICKNESS vs. MUESTRA

22,5

20,0

THICKNESS
17,5

15,0

12,5

10,0

1 2 3 4 5
MUESTRA
 Taller entendiendo la variación

• 1. Abra el archivo Grafica Marginal.mpj

• Se utiliza moldeo por inyección para fabricar una especie de conector, cuatro piezas
cada ciclo, una pieza por ranura (Slot). Las mediciones del conector consisten en los
valores del espesor (Thick) con un exceso de 5.00 milímetros. El instrumento mide
centésimas de milímetro y la especificación es 11 ± 6 mm.
• Cuatro veces al día el supervisor debe ir a la prensa y recolectar las piezas (Sample) de
cinco ciclos consecutivos. Puesto que cada ciclo produjo cuatro piezas, él tendría 20
piezas por medir cada dos horas. El supervisor lleva registro del ciclo y la ranura de los
cuáles proviene cada pieza y registra los 20 datos.
• 2. Abra el archivo Series de tiempo.mpj
• Genere la grafica de series de tiempo para comparar las ventas por agencia. Que
concluye?
• Genere la grafica de series de tiempo para comparar las dos fuentes de energía en el
proceso 2
• 3. Abra el archivo Courier process.mpj
• Analice los datos usando histogramas
• Analice los datos usando graficos de puntos
• Analice los datos usando un diagrama de caja y bigotes
• Que interpretación genera?
 ANALIZAR – FILTRO DE VARIABLES X’S

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

• Aislando variables y cuantificando las relaciones

• Pruebas de hipótesis
• Regresión lineal simple
 PRUEBA T & PRUEBA Z

One sample t-test (cuando no conoces la Desviación Estándar)

One sample z-test (cuando conoces la Desviación Estándar)
Una Prueba T o Z es usada para probar si la media de una población variable es
diferente a un valor de referencia.

Debemos conocer la media contra la cual vamos a hacer pruebas.

• 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.

Two sample t-test

Una Prueba T de dos muestras es usado para comprobar si la media de una
población variable es diferente a la media de otra población.

Podemos comprobar medias iguales o comprobar las diferencias.

• Examinar los grados por promedio de la Universidad de Harvard con la clase

del 2001 vs. la clase del 2008.

60
 T-TESTS & Z-TESTS EN MINITAB

Estadisticas > Estadisticas basicas > ? test

One sample z-test

1 variable & sigma conocida

One sample t-test

1 variable, sigma desconocida

Two sample t-test

2 variables

61
 Taller pruebas de hipótesis 1 y dos variables

• 1. Abra el archivo Two sample-T-shipping.mpj

• Una compañía de envíos quiere evaluar una nueva ruta para saber si se
reducen los días de viaje en relación con la actual. Realice el análisis
respectivo
• 2. Abra el archivo One-simple-T.mpj
• En los últimos años el tiempo para procesar unas facturas siempre ha tenido
una media de 16.5 días. Se quiere saber si el tiempo actual es diferente de la
media histórica. Realice el análisis
• 3. un servicio de entrega de vinos desea tener una tasa del 2% en botellas rotas
en sus entregas. Sin embargo del último embarque de 100 unidades 4 botellas
llegaron rotas. Basado en esto se puede decir que la tasa de daño es mayor que
el deseado? Realice el análisis
• 4. Dos encuestas de satisfacción del cliente se han llevado a cabo en dos
departamentos A y B. Los resultados fueron: 72 de 80 estaban satisfechos en el
departamento A y 79 de 100 en el departamento B. Hay diferencias en los dos
departamentos?. Realice el análisis.
• Prepare un informe con las respuestas del taller.
ANOVA

MODELO LINEAL GENERAL

• GRAFICOS DE EFECTOS
PRINCIPALES
• GRAFICOS DE
INTERACCIONES
COMPARACION DE MEDIAS
(ANOVA DE UN SOLO
FACTOR)
 DIAGRAMAS MULTIVARI
• Establecer claramente el objetivo.
• 2. Enumerar X’s y Y’s a ser estudiadas.
• 3. Asegurar la capacidad del sistema de medición.
• 4. Describir plan de muestreo.
• 5. Describir procedimientos de recolección y
almacenaje de datos
• (quién, qué, cuándo, etc.).
• 6. Describir procedimientos y configuraciones usadas
para ejecutar el proceso.
• 7. Armar y entrenar al equipo. Definir
responsabilidades.
• 8. Recolectar datos.
• 9. Analizar datos.
• 10. Verificar resultados.
• 11. Obtener conclusiones. Reportar resultados. Hacer
Recomendaciones.
 Taller ANOVA y multivari

• 1. Abra el archivo ANOVA-sales.mpj

• Se esta buscando si el numero de transacciones promedios en tres centros de
ventas son diferentes. Realice el análisis
• 2. Abra el archivo DistFreno.mpj
• En un proyecto de seis sigma se esta evaluando cual es la causa raíz de variación
para la distancia de frenado en un vehiculo. Se han determinado tres posibles
causas a validar: El tipo de neumático, la huella que la llanta deja al frenar y el
sistema de frenos antibloqueo (ABS). Realice el análisis para determinar cual es la
causa raíz haciendo primero un análisis multivari, una grafica de efectos principales
e interacciones. Realice un análisis ANOVA
• 3. Abra el archivo TapaBol.mpj
 ANALISIS DE CORRELACION

Abra el archivo Correlation.mpj

a) Calcular el coeficiente de correlación lineal
entre las variables ventas y gastos de
publicidad.

b) Mostrar el Grafico de Dispersión de ventas

vs. publicidad, junto con la recta de regresión
asociada. ¿Piensas que el modelo obtenido
sirve para explicar las ventas obtenidas por
esta empresa en los últimos treinta años en
función de lo que se ha gastado en
publicidad?

c) ¿Presenta la muestra suficiente evidencia,

a un nivel de significación de 0,05, como para
rechazar la hipótesis nula sobre la pendiente
(H0: pendiente de la recta es cero)?
EJERCICIOS CORRELACION

2. La información estadística obtenida de una muestra de tamaño 12 sobre la

relación existente entre la inversión hecha y el rendimiento obtenido en miles de
euros para explotaciones agropecuarias se muestra la tabla siguiente:

a) Calcula el coeficiente de correlación lineal, así como la recta de regresión. Calcula

además, la previsión de inversión que se obtendrá con un rendimiento de 8000 €

b) ¿Presenta la muestra suficiente evidencia, a un nivel de significación de 0,05, como

para rechazar la hipótesis nula sobre la pendiente (H0: pendiente de la recta es
cero).

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:

a) Realiza un dotplot de los valores anteriores y comenta los resultado.

b) Dibujar un diagrama de cajas (boxplot) asociado a los datos anteriores, así

como también los estadísticos descriptivos correspondientes.

69
 ANALISIS REGRESIVOS

• REGRESION LINEAL SIMPLE

• REGRESION CUADRATICA SIMPLE
• REGRESION POLINOMICA SIMPLE
PARA LOS EJERCICIOS ANTERIORES GENERA LA ECUACION
DE REGRESION QUE MAS SE AJUSTE
 Taller correlación y análisis regresivos

• 1. Abra el archivo Tapabotella.mpj 2. Abra el archivo pintura.mpj

 Taller regresión lineal simple

• 3. Abra el archivo erosion.mpj 4. Abra el archivo Diesel.mpj

 MEJORAR
• Mejorar
MEJORAR
• Matriz de calificación de ideas (QC)
• Evaluación de riesgo (AMFE)
 Taller simulación minitab®
• https://www.minitab.com/es-mx/products/devize/
 CONTROLAR

• Plan de control (QC)

• Control estadístico de procesos
• Gráficos de control datos discretos
• Gráficos de control datos continuos
• Análisis antes/después
• Gráficos de control
• capacidad
CONTROLAR
PRUEBAS PARA CAUSAS ESPECIALES

• 8 o más puntos en fila al

mismo lado de la mediana
indican un desplazamiento en el
proceso.
• (si los datos son simétricos, está
bien usar el promedio como la línea
central en lugar de la mediana.

• 6 o más puntos en una fila

aumentando o disminuyendo
continuamente indican una
tendencia. (Comenzar contando en
el punto en donde la dirección
cambia.)
PRUEBAS PARA CAUSAS ESPECIALES, CONT.
• Muy pocas filas indican un
desplazamiento en el promedio
del proceso, un ciclo o una
tendencia. Demasiadas filas
indican muestreo procedente de
dos fuentes, sobrecompensación
o una desviación.
• 14 o más puntos en una fila
alternativamente arriba y
abajo indican problemas de
desviación o de muestreo.
• Uno o más puntos por fuera
de los limites de control
indican que hay algo diferente
con respecto a esos puntos.
CUATRO SEÑALES ADICIONALES SUMINISTRADAS
POR LAS ZONAS DE DESVIACIÓN ESTÁNDAR

• Al trazar líneas en las desviaciones estándar 1 y 2, (lo

mismo que en los límites de control de la desviación
estándar 3) están disponibles otras señales de causas
especiales.

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.

Prueba 6 3.0 Desv.Est.. = LSC

4 de cada 5
2.0 sDesv.Est.

1.0 Desv.Est.
puntos 0.0 = Media

consecutivos más -1.0 Desv.Est.

allá de 1 -2.0 Desv.Est.

desviación -3.0 Desv.Est. = LIC

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”

3.0 st.dev. = LSC

2.0 st.dev.

1.0 st.dev.

0.0 = Mean

-1.0 st.dev.

-2.0 st.dev.

-3.0 st.dev. = LIC

1 3 5 7 9 11 13 15 17 19 21 23
CUATRO SEÑALES ADICIONALES SUMINISTRADAS POR
LAS ZONAS DE DESVIACIÓN ESTÁNDAR, CONT.

3.0 Desv.Est. = LSC

2.0 Desv.Est.

• Prueba 8 1.0 Desv.Est.

0.0 = Media

• 8 puntos -1.0 Desv.Est.

consecutivos más -2.0 Desv.Est.

allá de 1 -3.0 Desv.Est. = LIC

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

1.Un fabricante de aros de pistón rastrea el número de aros no conformes

producidos diariamente. El equipo de control de calidad desea disminuir la
proporción de aros defectuosos, ya que una tasa alta de defecto reduce el
rendimiento de calidad general. Pistón.mpj
2.Un fabricante de muebles está preocupado por las quejas de sus clientes
relacionadas con defectos de color, rayas, mellas,vetas y acabado en mesas de
esquina de madera. Muebles.mpj
3.Un fabricante de tarjetas de saludo implementó una inciativa de calidad para
disminuir el número de no conformidades en sus tarjetas extragrandes. Antes de
la iniciativa el proceso estaba bajo control. El fabricante quiere comparar el
rendimiento antes y después. Tarjetas.mpj
4.Una empresa utiliza perdigones de plástico para fabricar carcasas de
computadora. Se desea evaluar si el color se mantiene uniforme. Color1.mpj
5.Una empresa fabricante de películas utiliza un densímetro de transmisión para
medir la densidad de las películas fotográficas. Para evaluar el densímetro en
un rango amplio de densidades la empresa realiza un estudio de estabilidad del
sistema de medición utilizando tres segmentos de película con densidades de
referencia conocidas: 1.5, 3 y 4.5. Denspelic.mpj
 Mostrar datos de antes y después
Antes Después Bueno

} Mejora

Añada más datos a un gráfico } Diferencia restante

de evolución o de control ya Cambios del paso 4
realizados
Objetivo

existente.
Antes Después

Prepare nuevos gráficos de

Pareto para los que creó en el
paso 2. Mantenga la misma
} Mejora

escala y dimensiones, para

que pueda juzgar con más A1 A2 A3 A4 A2 A1 A3 A4
exactitud el grado de mejora.

Dibuje nuevos gráficos de Antes Después

frecuencia a la misma escala

que los originales.
Taller Antes/después
• 1. Abra el archivo Tarjetas.mpj 2. Abra el archivo mejora.mpj
Taller Antes/después – Análisis de capacidad
• Abra el archivo Capacidadcapa.mpj
• En un proyecto de seis sigma, que buscaba reducir la variación
en el grosor de unas laminas , se hicieron mejoras y se quiere
comparar, los resultados obtenidos frente a la situación actual.
• Realice el análisis antes/después para verificar los cambios
ocasionados por la mejora.
 Taller caso Lean Six Sigma

• 1. Abra el archivo Precision Delivery. Doc y el archivo datos

precisión delivery.xls
• Desarrolle el proyecto lean seis sigma, teniendo en cuenta:
• Enfoque de la mejora en sostenibilidad.
• Prepare un informe sobre el desarrollo de cada etapa,
utilizando Minitab® hasta hacer el análisis antes/después.
• Genere sus conclusiones