Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de Capabilidad-Defectos Por Unidad
Análisis de Capabilidad-Defectos Por Unidad
9/14/2006
Este procedimiento esta diseñado para estimar la media del número de defectos por unidad sobre
una población basándose en muestras de artículos de esa población. Para cada artículo, se cuenta
el número de defectos.
Los datos para este análisis consisten de m muestras de una población detallando:
sample n defects
(muestra) (defectos)
1 100 21
2 100 24
3 100 16
4 100 12
5 100 15
6 100 5
7 100 28
8 100 20
9 100 31
10 100 25
11 100 20
12 100 24
13 100 16
14 100 19
15 100 10
Entrada de Datos
La caja de dialogo requiere información acerca de cada muestra.
• Tamaño de Muestra: El tamaño de muestra ni. Ingrese cualquiera de las dos; el nombre de
una columna numérica o un solo número si todos los tamaños de muestra son iguales.
• Objetivo de Defectos por Unidad: El valor objetivo del proceso es dado por un porcentaje
medio de defectos por artículo. Si es ingresado, este valor se puede indicar sobre los gráficos.
Distribución: Poisson
número de muestras = 26
tamaño promedio de muestra = 100.0
defectos por unidad promedio = 0.198462
• Distribución: La distribución asumida para los datos. Por defecto es Poisson, la cual es
apropiada si la varianza es aproximadamente igual a la media. Si la varianza es mayor que la
© 2006 por StatPoint, Inc. Análisis de la Capacidad (Defectos Por Unidad) - 2
STATGRAPHICS – Rev. 9/14/2006
media, entonces la distribución binomial negativa puede seleccionarse usando Opciones del
Análisis.
m
n = ∑ ni / m (1)
i =1
• Media de Defectos por Unidad: El número promedio de defectos por artículos, calculados
de
m
∑d
i =1
i
u= m
(2)
∑n
i =1
i
Un intervalo de confianza para la población media de defectos por artículo también será
desplegado.
Para el ejemplo actual, la estimación de la media de defectos por unidad es u = 0.1985. Dado el
tamaño de muestra, el margen del error es tal que los intervalos de confianza al 95% para la
verdadera media de defectos por unidad están en un rango de 0.1817 a 0.2163.
El intervalo de tolerancia indica que al 95% de todas las muestras sobre 100 artículos tomados de
la población se puede esperar que estén contenidos entre 12 y 29 defectos.
• Nivel de Confianza: Especifica el porcentaje para los intervalos de confianza y los limites de
tolerancia, generalmente 90, 95, o 99.
Gráfico de Capacidad
El Gráfico de Capacidad muestra un histograma de los datos juntos con la distribución estimada
(mostrada por los puntos símbolos).
0
0 10 20 30 40 50
defects
La línea vertical larga corresponde al valor objetivo. Las líneas verticales cortas corresponden a
los límites de tolerancia mostrados en el Resumen del Análisis.
Al margen derecho del gráfico se despliega el número promedio de defectos en una muestra de
tamaño promedio.
Prueba de Bondad-del-Ajuste
El panel Prueba de Bondad-del-Ajuste desarrolla una prueba Chi-Cuadrada para determinar
cuando los datos muéstrales pueden tener razonablemente un comportamiento de la distribución
asumida.
El rango de los datos es dividido en intervalos, cada uno representando un rango de posibles
números de defectos en una muestra. Las clases son estructuradas de tal manera que el número
de valores esperados sobre los datos por cada clase sea menor que 2.
La prueba es exacta si los tamaños de muestra son iguales para todos. Será una aproximación si
los tamaños de muestra son diferentes.
Gráfico de Probabilidad
El Gráfico de Probabilidad es utilizado para determinar cualquier discrepancia entre los datos y
la distribución asumida.
Gráfica de Probabilidad
40
Media=19.8462
30
defects
20
10
0
0 10 20 30 40
Poisson Distribución
El eje vertical muestra los datos, ordenados de mayor a menor, mostrando el numero de defecto
en la muestra. Cada punto es graficado contra un perceptil equivalente a la distribución estimada.
Permitiéndose para los datos discretos, que los puntos pueden fallar aproximadamente a través de
la línea diagonal.
En el gráfico anterior, los datos muestran que parece tener una salida significativa para la
distribución Poisson, con los datos extendiéndose sobre ambas direcciones que pueden esperarse
para una distribución Poisson.
Gráfico de Corrida
Este Gráfico muestra los datos en orden secuencial con una línea horizontal que se dibuja sobre
el valor objetivo.
0.4
defectos por unidad
0.3
0.2 0.20
0.1
0
0 5 10 15 20 25 30
muestra
Gráfico de Control
Este panel muestra un gráfico u para los datos muéstrales.
0.4
0.33
defectos por unidad
0.3
0.2 0.20
0.1
0.06
0
0 5 10 15 20 25 30
muestra
Cada valor de los datos se grafica junto con la línea central y los límites de control. En este caso,
2 puntos que están fuera de los límites de control son señales de que el proceso no esta en un
estado de control estadístico, lo cual probablemente se debe a las aparentes colas prolongadas.
En la tabla anterior, las estadísticas más grandes son para la distribución binomial negativa,
sugiriendo que se cambie para ver si es posible encontrar un mejor ajuste. La distribución
binomial negativa estimada se muestra abajo:
Gráfica de Probabilidad
40
Prob. Evento=0.386598
Aciertos=12.5081
30
defects
20
10
0
0 10 20 30 40
Binomial Negativa Distribución
Los límites de control son más amplios que para la distribución Poisson, puesto que la varianza
de la distribución estimada es mayor:
0.5
0.3
0.2 0.20
0.1
0 0.00
0 5 10 15 20 25 30
muestra
⎡ ⎤
⎢Χ2 Χ 2 ⎥
⎢ 1−mα / 2, 2 x , α / m2, 2( x +1) ⎥ (3)
⎢ 2 n 2∑ ni ⎥⎥
⎢⎣ ∑
i =1
i
i =1 ⎦
donde
m
x = ∑ di (4)
i =1
Si los datos son asumidos con una distribución binomial negativa, entonces el intervalo de
confianza esta calculado usando una aproximación normal.
kˆ 1 − pˆ
u ± zα / a (5)
mn 2 pˆ 2
Si el campo de k sobre la caja de dialogo Opciones del Análisis es dejado en blanco, entonces
ambos parámetros serán estimados de los datos
un
pˆ = donde s d2 es el mismo ejemplo de varianzas de las di’s (6)
s d2
pˆ u n
kˆ = (7)
1 − pˆ
Un mensaje de error será presentado si p̂ es mayor que 1, lo cual ocurrirá si la variación de los
datos es menor que la media.
Si un valor para k es proporcionado sobre la caja de dialogo de Opciones del Análisis, entonces
solamente p será estimado de acuerdo a los datos por
k
pˆ = (8)
d +k
Línea Central:
∑d
i =1
i
u= m
(9)
∑n
i =1
i
Límites de Control:
u
u ±3 Si es Poisson (10)
n
kˆ(1 − pˆ )
u ±3 ) Si es binomial negativa (11)
n 2 p2