UNIVERSIDAD AUTONOMA

GRABRIEL RENE MORENO (FINOR)

INGENIERIA INDUSTRIAL

INVESTIGACION 1

MATERIA: Tecnología Mecánica

DOCENTE: Ing. Aldo Justiniano
ESTUDIANTE: Cinthia Quiñones Quiroga
REGISTRO: 217188494
 PRACTICO 1
1. a) Porque es importante la metrología o la tecnología mecánica en
la posición en las industrias.
De acuerdo bien a su investigación argumente técnicamente su respuesta y su concepto.

En las industrias, la metrología se convierte en el proceso clave para dar una

prueba objetiva de la calidad de un proceso o un producto, que dependen de
mediciones confiables mediante equipos de medición.
b.- Porque es importante la naturaleza de las medidas de precisión.
Explique técnicamente con concepto de investigación y cuantos elementos tienen.

Las mediciones acertadas y en el momento oportuno evitan costes

innecesarios y conducen hacia direcciones más correctas en el desarrollo de
las tareas facilitando la toma de decisiones tanto en el proyecto como durante
los procesos involucrados. Los elementos de precisión son:
- Placa porta-punzones para punzones de corte y punzones de corte de cambio
rápido
-Varillas cilíndricas según DIN con rosca de retroceso en tolerancia
especialmente estrechas para la construcción de útiles
-Calibres DIN 2269
-Elemento rascador dinámico (DAE)
-ACCU-LOCK inserto de sujeción para punzones de corte de cambio rápido
-Punzones de corte con cabeza en forma de trombón
2.- Desde el punto matemático cuantos errores puede haber, defina cada
uno de ellos.
En forma técnico y científicamente de acuerdo a su investigación

TECNICO
Error absoluto.- es la diferencia entre el valor de la medida y el valor tomado como
exacto. Puede ser positivo o negativo, según si la medida es superior al valor real o
inferior, tiene unidades las mismas que las de la medida.
Error relativo.- es el cometido en la estimación del valor de un número, es el valor
absoluto del cociente entre su error absoluto y el valor exacto, se suele manejar en
forma de porcentaje.
Error porcentual.-el error porcentual es fácil de definir, es el resultado de multiplicar el
error relativo por 100.
Error de redondeo.-a continuación se analizaran brevemente algunas consecuencias

3.- Que es un método estadístico elemental y mediante su estudio como

está conformado defina cada uno de ellos en forma técnica.
Análisis Descriptivo
Es el más sencillo. Tiene como fin describir un conjunto de datos, obteniendo
así los parámetros que distinguen las características de un conjunto de datos.

Por ejemplo, se puede saber el número de ventas realizadas, el número nuevo

de clientes, número de productos que se tiene en stock.

Los motivos para realizar este análisis son que permite conocer al detalle la
información que se posee y conocer la forma en la que se estructura la
información. Se limita a realizar deducciones directamente a partir de los datos
y parámetros obtenidos. 

Análisis Exploratorio
Consiste en un conjunto de técnicas estadísticas cuya finalidad es conseguir un
entendimiento básico de los datos, permitiendo detectar características
sobresalientes, como inesperadas y valores atípicos.

Por ejemplo, en que sucursal se vende más, de que producto hay más stock,
qué diferencias hay entre el producto más vendido y el menos vendido, saber si
hay diferencias económicas significativas por barrios.

Este análisis debe ser la primera etapa de todo análisis de datos, para evitar
que datos erróneos o inesperados sean procesados de modo inapropiado. Se
apoya en un planteamiento descriptivo y se realiza sin aceptar ideas
preconcebidas sobre el contenido de la información de los datos.

La aplicación de este análisis permite estudiar la tendencia, distribución y forma

de cada uno de los indicadores, estudiar la normalidad sobre un conjunto de
indicadores y si este criterio no se cumpliera, este análisis orienta sobre el tipo
de transformación que se debe someter a los datos.

El análisis exploratorio permite definir hipótesis que deberán ser demostradas

con un análisis inferencial.

Análisis Inferencial
Pretende demostrar hipótesis planteadas proporcionando conclusiones con una
cierta probabilidad o nivel de confianza, es decir no existe una certeza
absoluta.
Por ejemplo, se puede plantear la hipótesis que los clientes que compran un
determinado producto son familia numerosa (y por consiguiente candidatos a
comprar otros productos complementarios). O el día que se vende el producto
estrella el cliente consume menos de otros productos.

Es importante destacar, que para realizar el análisis inferencial, no se debe

utilizar el mismo conjunto de datos (dataset) que se usó para generar la
hipótesis (utilizado en el análisis exploratorio) puesto que habría sesgo y las
conclusiones podrían no ser válidas. 

Análisis Predictivo
Se fundamenta en la identificación de relaciones entre variables en eventos
pasados, para luego explotar dichas relaciones y predecir posibles resultados
en futuras situaciones.

Por ejemplo, qué cantidad stock que se debe tener en el almacén para cada
producto, o a partir de los datos del padrón que tipo de ayudas/servicios se
solicitarán a un ayuntamiento el año que viene.

Cabe destacar que, mientras el análisis inferencial se preocupa de entender y

demostrar la relación, el análisis predictivo sólo se preocupa del valor, y no
busca en ningún caso entender el sistema o la relación entre elementos.

Este factor lo hace especialmente interesante para problemas complejos con

gran cantidad de variables influyentes o de difícil comprensión para la mente
humana que abarcan desde el genoma humano, a sistemas de
recomendaciones en función de preferencias de usuarios pasando por la
detección de texto, el modelado de redes sociales o incluso la conducción
autónoma.

En este proceso se hace uso de los datos junto con técnicas analíticas,
estadísticas y de aprendizaje automático a fin de crear un modelo predictivo.
Se desarrolla el modelo mediante un conjunto de datos de entrenamiento y
después se prueba (con un conjunto de datos diferente) y se válida para
determinar su precisión.

Análisis Causal
Permite relacionar las causas con los efectos y el grado en el que se afectan
mutuamente.  En este nivel se puede predecir y además se puede identificar el
por qué se actúa de esa manera.

Es decir, con el análisis inferencial podemos afirmar que el día en que más se
vende el producto estrella se vende menos del resto de productos, pero no nos
dice si vendiendo menos de ese producto subirán las ventas del resto, en otras
palabras, el análisis inferencial nos dice que ha relación, pero para saber la
causa hemos de hacer un análisis causal.
El uso de técnicas de modelado e inferencia causal es clave para investigar y
resolver eficazmente problemas que resultan ser la causa de incidencias que
están afectando a uno o varios servicios.

Análisis Mecanicista
Es el más complejo. En este análisis se puede predecir y comprender como
varias variables afectan entre ellas, cómo el cambio de los valores de una de
las variables afectan, no ya al resultado sino al resto de variables. Debido a su
complejidad se utiliza muy poco ya que se debe tener un gran conocimiento de
los procesos a modelar.

Permitirían saber por ejemplo, si el incremento en la inversión en publicidad y

un aumento de plantilla en el departamento de marketing influye en el
incremento de ventas y como ésta influye en las dos anteriores.

4.- Que es un método estadístico intermedio avanzado, diagrama de

Pareto, aplique esquemas.