Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEQ no es una asignatura difícil, si más o menos tiraste con estadística con poco que
practiques se saca facilona. Importante los videos de resolución de ejercicios de Atenea,
son bastante clave para aprender a estructurar el enunciado antes de ponerte a resolver.
Estos apuntes tienen guía de minitab para cada tema por lo que teniéndolo al lado deberías
ser capaz de entender cómo hacer cada análisis paso a paso a no ser que vayas
pasadísimo/a de guacamole.
Para aprobar sin mucho problema recomiendo unos 4 parciales y 4 finales mínimo, la
verdad se hacen rapidito, si te van costando pues haces más, ya vas viendo. En principio
todas las soluciones deberían estar en Atenea / OverSOS.
Histogramas
Útiles cuando se trata de analizar las dispersión que presentan unos datos.
1. Campana habitual, representa variabilidad → causas aleatorias.
2. Bimodal, están mezclados datos de distinto origen centrados en valores distintos.
3. Sesgado a la derecha.
4. Censurado (a la izquierda), se han elminado valores, ocurre si después de la
producción se realiza una inspección al 100% para separar unidades fuera de
tolerancias.
5. Aparecen datos que no siguen comportamiento habitual, variabilidad se atribuye a
una causa designada que deberá ser identificada y eliminada.
6. Aparecen datos que no siguen comportamiento habitual, variabilidad se atribuye a
una causa designada que deberá ser identificada y eliminada.
Diagramas de Pareto
Se utiliza para medir el peso de cada variable en la dispersión de valores obtenidos.
Siempre que sea posible, es recomendable utilizar unidades monetarias en el eje vertical.
Diagramas causa-efecto:
Para solucionar un problema deben estudiarse sus causas para poder así remediarlas.
En el diagrama las causas se presentan jerarquizadas y agrupadas en 4-6 grups llamados
causas primarias.
Causas anotadas seran causas potenciales. Será necesaria la recolecta de datos para
confirmar la existencia de la relación causa-efecto. Cuando una causa se deja de
considerar, deberá ser tachada para dejar constancia de que se ha estudiado.
Diagramas bivariantes
Se representan puntos donde se relacionan dos variables.
Estratificación
Metodología que conviene incorporar a las herramientas mencionadas anteriormente.
Consiste en colocar los datos divididos según su origen en grupos homogéneos para
facilitar una mejor comprensión del fenómeno estudiado. Deberá decidirse si se quiere
aplicar este método antes de la recogida de datos, para poder así actuar en consecuencia.
TEMA 3 - Programa de mejora Seis Sigma
Definir: Fijar indicadores y métricas ligadas al proyecto. Mapa de procesos. Voz del cliente.
Impacto en el negocio.
Focus group: grupo de clientes con los que se organiza una reunión para recoger
expectativas y deseos.
CCC: características críticas para el cliente.
Mejorar: Champion deberá autorizar y aportar los medios para que las mejoras se lleven a
cabo, conveniente que participe en la selecció nde mejoras y que se involucre en su
implantación.
Controlar: Asegurar que las mejoras se consolidan, hay que evitar que los resultados del
proyecto sean una mejora temporal. Hacer una valoración del proyecto comparando el
antes y el después.
TEMA 4 - Diseños factoriales
Diseños factoriales
Permiten experimentar con todas las combinaciones y niveles de variables. Dos variables
interaccionan cuando el efecto de una de ellas que afecta a la respuesta, depende de otra.
(*) La estimación del intervalo de confianza 95% → (-2·Sef ; +2·Sef); Los factores cuyo valor
Effect no esté dentro de este IC serán considerados significativos.
(*) NT es el número de experimentos (2k) multiplicado por el número de réplicas.
MINITAB
Concepto de resolución
Indica el grado de confusión de las interacciones:
V→3+2
IV → 2 + 2, 3 + 1
III → 2 + 1
(*) Las interacciones de 3 no se tienen en cuenta.
Medias fracciones
Se igualará la última variable a la interacción mayor, para obtener el generador:
D = ABC → I = ABCD
Fracción complementaria
El nuevo generador será el negativo del original, es la otra media necesaria para definir el
diseño completo.
Diseños saturados
Son los diseños más fraccionados posibles, se obtienen mediante la saturación de un
completo 2k asignando a cada interacción una nueva variable. Lo que permite estudiar 2k-1
variables, son diseños de resolución III. 2k-p tendrán un nº p de generadores.
Diseños intermedios
Permiten realizar menos experimentos que las medias fracciones y con confusiones más
favorables que los diseños saturados. No es evidente a qué interacciones hay que asignar
los factores restantes a las interacciones, para encontrar los generadores que dan una
máxima resolución → Minitab lo hace automáticamente.
Desconfundir
Si luego de hacer un DOE fraccionar tenemos factores confusos, se pueden desconfundir
puntualmente añadiendo algunos experimentos adicionales que diferencien las columnas de
signos.
En el caso de este ejercicio la última fila sirve para diferenciar la interacción AB y la CD.
Para ver cual de las dos es significativa → haremos una regresión con las dos columnas de
interacción: Estadísticas > Regresión > Regresión > Ajustar modelo de regresión.
Como respuesta damos la columna respuesta // como predictores daremos las dos
columnas de interacción → nos fijamos en el p-value menor → Significativa.
TEMA 6 - Diseños robustos
Un producto robusto es el que mantiene sus características de calidad con un mínimo nivel
de variabilidad.
Variabilidad funcional
Casuas que provocan variabilidad en el proceso incluyen, variaciones en la mteria
prima, métodos de trabajo, mantenimiento.
Causas en el entorno: variaciones humanas en el uso del producto, condiciones
ambientales.
Causas relacionadas con las características internas del producto: envejecimiento,
deterioro de partes.
El efecto de estas causas sobre la característica de interés → Factores de ruido.
Para combatir el ruido se aplicarán contramedidas en cada una de las causas de
variabilidad a lo largo de las etapas de desarrollo del producto → Diseño de producto, del
proceso y etapa de producción.
(*) Solo en la fase de diseño de producto se pueden tomar medidas contra cada una de las
diferentes causas de variabilidad.
Metodología de diseño
Diseño primario: Diseño conceptual o funcional del producto para responder a una
necesidad del mercado.
Diseño secundario: Obtención de los valores nominales óptimos de los factores para
minimizar la variabilidad de las características de calidad del producto.
Diseño terciario: Diseño de tolerancias para garantizar la mínima variabilidad requerida
cuando la variabilidad del diseño secundario es todavóa excesiva.
Diseño de parámetros
Se determinan los niveles de los factores bajo los cuales se obtienen productos que
cumplen el doble objetivo de presentar la característica de calidad lo más cercana al valor
nominal deseado y con la mínima variabilidad posible. Dos tipos de factores:
- De control: Puedo alterar su valor a voluntad. (Temperatura horno)
- De ruido: No puedo alterar su valor a voluntad. (Humedad relativa).
Ruido externo: Existen interacciones entre factores de control y factores de ruido. El factor
de ruido en la respuesta depende del nivel en que se encuentre el factor de control.
Ruido interno: La relación entre los factores de control y la respuesta no es lineal.
(*) El objetivo para tratar los factores de ruido que interaccionan con los de control será el
de buscar los niveles del valor de control en cuestión a los que el valor de ruido tiene la
mínima variabilidad posible, es decir, que no afecte al resultado.
Matriz de diseño
Existen dos métodos de análisis respecto a la matriz de diseño:
- Diseñar por separado las matrices para los factores de control y ruido.
Posteriormente cruzar las dos para dar lugar a una matriz producto.
- Juntar los factores de control y ruido en una única matriz ampliada para
posteriormente estimar los parámetros del modelo.
Ventajas e inconvenientes de los dos enfoques de análisis
Con la matriz producto esclarecemos que factores afectan a la media y que factores
afectan a la variabilidad. Nos proporciona diseños en los que las interacciones entre
factores de control y factores de ruido no están confundidos con ningún otro efecto.
(*) Generalmente será más útil trabajar con la matriz producto ya que da información más
detallada sobre el modelo analizado en cuestión. Aun así, de ser posible se utilizarán ambas
matrices ya que las informaciones que dan pueden llegar a complementarse.
MINITAB
MINITAB
Herramienta gráfica que puede ayudar a identificar las fuentes de variabilidad más
importantes de un proceso. Sus objetivos son:
- Identificar cuáles son las fuentes de variabilidad de un proceso.
- Priorizar las fuentes de variabilidad.
- Detectar patrones de comportamiento no aleatorios.
MINITAB
Se inspecciona una muestra del material que se quiere verificar y se toman decisiones en
base a los resultados obtenidos.
Plan de muestreo
Si el nº de unidades defectuosas encontradas en una muestra de n piezas es igual o menor
que c → aceptaremos el lote. En el caso contrario no aceptaremos el lote o haremos lo que
hayamos pactado con el proveedor.
Riesgos
Dentro de los controles de recepción hay dos riesgos principales que habrá que conocer:
- Riesgo del vendedor: probabilidad de rechazar un lote que en rigor debería ser
aceptado (error tipo I)
- Riesgo del comprador: probabilidad de que un lote sea aceptado siendo incorrecto
(error tipo II).
Cálculo de riesgos
Si n < 0,1·N → distribución Binomial.
Si n > 50 y p < 0,05 → distribución Poisson.
Curva característica
Representación gráfica para visualizar los riesgos de un plan de muestreo. Relaciona la
probabilidad de aceptación con la proporción de defectos en el lote.
Metodología
Un estudio de capacidad correcto deberá seguir los siguientes pasos:
- La máquina deberá estar en estado de control.
- Se toman un mínimo de 50 unidades consecutivas.
- Se verifica la normalidad de los datos.
- Se estima la capacidad.
- Se dibuja un gráfico de control para comprobar la existencia de causas de
variabilidad asignables.
Ya que el modelo de análisis de capacidad está basado alrededor del modelo normal, si
nuestra variable no lo sigue tendremos que aplicar una transformación para tal de intentar
adaptarla a dicho modelo → 1/X; exp(x); ln(x); x2 → generalmente será el ln(x).
Si estamos haciendo un análisis a largo plazo una herramienta útil serían los análisis
sixpack:
Estadísticas > Herramientas de calidad > Capability Sixpack
TEMA 12 - Control estadístico de procesos
Objetivos de un CEP:
- Minimizar la producción defectuosa
- Mantener una actitud de mejor continua en el proceso
- Comparar producción respecto a las especificaciones
Un proceso en estado de control será aquel que solo esté afectado por causas aleatorias de
variabilidad.
Gráfico de control
Un gráfico de control es un gráfico de serie de tiempo al que se le aplican unos límites de
control para diferenciar causas asignables
Estrategia de implementación
FASE I
1. Seleccionar una característica de interés (CCC)
2. Establecer un comportamiento de referencia para esta característica
a. Identificar el modelo matemático de apoyo que representa mejor la
variabilidad debida a causas comunes.
b. Estimar los parámetros del modelo matemático en cuestión.
3. Construir gráficos de control.
4. Comprobar si tienen sentido estos gráficos de referencia
5. Implantar control estadístico a partir de los gráficos en 3: frecuencia de muestreo,
plan de recogida de datos, plan de acciones en caso de crisis y responsabilidades…
6. Extraer conclusiones para mejorar el proceso
FASE II
1. Analizar el proceso para encontrar la causa asignable
2. Corregir y tomar medidas para evitar que vuelva a aparecer
Gráfico Xbar - R
Monitoriza las medias y el rango.
Los gráficos de rango y media se calculan en tiempo real a medida que se toman las
muestras para poder actuar rápidamente → se recalculan media y rango cada vez que se
toma una medida y estos son los puntos que confeccionan el gráfico de serie de tiempo.
Gráfico I-MR
Similares a los Xbar - R pero cuando tenemos una única observación en cada instante. Se
usa cuando controlamos:
- Variables del proceso (temperatura de un horno)
- En procesos continuos, cuando no tiene sentido hablar de individuo.
Para poder hacer un gráfico I-MR → los datos deben seguir una distribución normal, si los
datos no siguen una normal → transformación (generalmente ln(x)
Gráfico P
Modelo de referencia → Binomial.
Tenemos un proceso discreto y se clasifican individuos en dos grupos (defectuoso, no
defectuoso).
Se conoce la proporción de individuos defectuosos.
El tamaño de la muestra puede no ser constante.
Gráfico NP
Modelo de referencia → Binomial.
Mismas condiciones de proceso que en el gráfico P.
Se conoce la cantidad de individuos defectuosos no la proporción.
El tamaño de la muestra es siempre constante.
Gráfico C
Modelo de referencia → Poisson.
Indicador → nº de veces que ocurre un fenómeno por unidad de medida.
El tamaño de la unidad es constante.
Gráfico U
Modelo de referencia → Poisson.
Se usa para lo mismo que el gráfico C, pero cuando no se puede tomar una unidad del
mismo tamaño cada vez para controlar el nº de defectos → controlamos número de
defectos por unidad pero puede no ser un número constante.
MINITAB
Tasa de fallos → fracción de unidades de un producto que fallan por unidad de tiempo.
Curva de bañera
Estimación no paramétrica de R(t) Kaplan-Meier
Estimar función de supervivencia sin suposiciones funcionales sobre el modelo.
Modelo exponencial
La tasa de fallos es constante → la probabilidad de que un producto en siempre la misma.
Ejemplos: Vida de fluidos aislantes, tiempo de fallo de un ventilador de un motor diesel.
Modelo Weibull
Engloba todas las situaciones posibles → tasa de fallos creciente, decreciente y constante.
Parámetros del modelo:
- α: parámetro de escala
- β: parámetro de forma
MINITAB
Como hacer un análisis con una censura diferente que por la derecha;
Estadísticas > Confiabilidad/supervivencia > Análisis de distribución (censura arbitraria)
Dentro de esta pestaña se pueden escoger las mismos análisis que en el caso de la
censura por la derecha.