Documentos de Académico
Documentos de Profesional
Documentos de Cultura
VARIABLES.-
1) Histograma.-
• Representación gráfica de la distribución de un
conjunto de datos o de una variable, donde los datos
se clasifican por su magnitud en cierto número de
clases. Permite visualizar la tendencia central, la
dispersión y la forma de la distribución.
• Cada clase es representada por una barra, cuya
longitud es proporcional a la frecuencia de los valores
representados.
• Por lo general, el eje horizontal está formado por una
escala numérica para mostrar la magnitud de los
datos; mientras que en el eje vertical se representan
las frecuencias.
Tabla de frecuencias: Representación en forma de tabla de
la distribución de unos datos, a los que se clasifica por su
magnitud en cierto número de clases.
Para obtener ésta, primero se divide el rango de variación de
los datos en cierta cantidad de intervalos que cubren todo el
rango, y después se determina cuántos datos caen en cada
intervalo. Se recomienda que el número de intervalos o
clases sea de 5 a 15. Para decidir un valor entre este rango
existen varios criterios; por ejemplo, uno de ellos dice que el
número de clases debe ser aproximadamente igual a la raíz
cuadrada del número de datos y el método de Sturgess.
NÚMERO CLASES MÉTODO SQR(N) METODO
O INTERVALOS STURGESS:
1+3.5(Log(n))
2) Interpretación de un Histograma.-
B) Distribuciones discretas.-
Las Distribuciones Discretas pueden ser:
- Binomial.
- Geométrica.
- Hipergeométrica.
- Poisson.
1) Distribución Binomial.-
Este tipo de Distribución discreta, es característica o
frecuente en control de calidad, cuyas características
son del tipo “pasa, no pasa”. Por ejemplo, un artículo
cumple con especificaciones o no, una pieza resiste
cierta fuerza o no, una lámpara enciende o no.
Por lo tanto este tipo de distribución tiene mucha
aplicación en el control de características Discretas.
2) Distribución Geométrica.-
Proporciona la probabilidad de requerir X repeticiones
independientes de un experimento Bernoulli para
observar el primer éxito. Un experimento Bernoulli es
un de tipo aleatorio donde los posibles resultados de
cada ensayo son: “éxito” o “fracaso”.
Ejemplo: ¿Cuál es la probabilidad de que sea necesario
extraer de manera aleatoria a lo más 20 artículos para
encontrar el primer defectuoso?
• DISTRIBUCIÓN NORMAL.-
- Es una distribución continua cuya densidad tiene
forma de campana. Es muy importante tanto en la
estadística teórica como en la aplicada.
- Si X es una variable aleatoria normal, entonces su
función de densidad de probabilidades está dada
por:
La representación de la función indicada es:
Cálculo Probabilidad.-
UNIDAD 2
GRAFICAS DE CONTROL PARA
VARIABLES
2.2. Elaboración e interpretación de gráficas para
variables.-
Ejemplos:
- Perfil térmico.
- Tiempos de proceso.
- Pesos.
- Velocidades
- Presiones.
TUTORIZACIÓN:
1) Ventas mensuales.
2) Presiones de vacío.
3) Número de quejas de clientes.
4) Cantidad de Clientes de un segmento.
5) Volumen de botellas de refresco.
6) Temperatura de cocción.
7) Velocidad de camiones repartidores.
8) Tasa de devoluciones.
9) Evaluaciones históricas de auditorías.
Productividad.
UNIDAD 2
Tema: Tipos de Gráficas para variables
2.2. Gráfico por variables.-
LÍMITES DE CONTROL.-
Xs= ∑Xi/n
Ejemplo:
Subgrupo 1: Datos de Peso(g): 200; 205; 199; 201; 212
Promedio S1 = (200+205+199+201+212)/5
= 203,4 = 203
Rango = 212-199 = 13
5) Calcular el promedio de los “promedios” y el
promedio de los rangos:
Xp = ∑Xs/Número Subgrupos
Rp = ∑Rs/Número de Subgrupos
https://www.uv.mx/personal/ermeneses/files/2018/05/
6-control-estadistico-de-la-calidad-y-seis-sigma-
gutierrez-2da.pdf
2.2.2. CARTAS DE CONTROL POR VARIABLES TIPO X-
S.-
Xs= ∑Xi/n
Sp= ∑Si/n
Si = SQR((∑(Xi-Xm)´2)/(n-1))
LCI = D3 (Rm)
LC = Rm
LCS = D4 (Rm)
Donde:
Rm = Media del Rango móvil
D3 y D4= Factor obtenido de tablas en función del
orden del rango móvil.
3) Cálculo de Xp =
(225+228+226+221+220+221+219+218+221+220)/10 =
221.9 mm
4) Cálculo de Rango Móvil promedio, Rm.
Rm = (3+2+5+1+1+2+1+3+1)/9= 2.11
X INDIVIDUALES:
LCI= 0
LC= 2.11
LCS= 6.90
Resumen de la Clase.-
Cp = (LES-LEI)/6ơ
2.3.2. Análisis Indice Capacidad Proceso:
LES-LEI= Ancho tolerancias 6 sigma= Ancho campana
Cp = 1 Significa que el numerador (LES-LEI) es igual a 6
sigma, es decir este sería el valor mínimo del Indice de
Capacidad de Proceso.
• Reingeniería.
• Rediseño de procesos y/o productos.
• Cambios de actividades de inspección.
• Benchmarking para posibilidades de tercerizar o
maquilar.
• Cambiar los límites de las especificaciones de los
productos.
2.3.3. Indice de Capacidad Real, Cpk.
N= Especificación Nominal.
TUTORIZACIÓN.-
Ejemplo Excel.