Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de Capacidad Multivariada
Análisis de Capacidad Multivariada
4/d/yyyy
Resumen
El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los
puntos caracterizados por dos o más variables se encuentren establecidos dentro de los límites de
especificación. Cuando las variables están correlacionadas, es importante considerar el
comportamiento conjunto, ya que al observar cada variable separadamente puede dar un
panorama erróneo de la capacidad de proceso general.
Datos Muestra:
El archivo grit.sf3 contiene mediciones realizadas de n = 56 montones de “gravilla”, de Holmes
y Mergen (1993). Los datos representan los porcentajes de partículas grandes, medianas y
pequeñas en la gravilla. La siguiente tabla muestra una lista parcial de los datos en este archivo:
Además de la muestra, el archivo también contiene límites de especificación para los porcentajes
relativos de partículas grandes y pequeñas, los cuales son:
Note que la columna que contiene los límites inferiores está en blanco, ya que no hay cotas
inferiores. Se desea estimar el porcentaje de montones que se encuentran dentro de los límites de
especificación.
• Datos: columnas numéricas que contienen las n muestras, una por renglón.
• Valores Nominales: columna numérica que contiene los valores nominales u objetivos para
cada variable. Si una variable no tiene un valor objetivo, deje la celda correspondiente en
blanco.
Se incluye en la tabla:
NOTA: el cálculo del porcentaje estimado conjunto fuera de la especificación requiere integrar
una distribución normal multivariada y esto puede consumir mucho tiempo. Por favor tenga
paciencia. También, note que para derivar el porcentaje se usan métodos Monte Carlo, así que la
respuesta podría variar un poco de la que se mostró anteriormente si el proceso se realiza
nuevamente.
Gráfica de Capacidad
La Gráfica de Capacidad muestra la distribución normal multivariada para cualesquiera 2 de las
variables.
8 1012
4 6
0 3 6 9 12 02 Large
15
Small
El área sombreada en azul corresponde a la ubicación donde todas las variables están dentro de
los límites de especificación. El área sombreada en rojo corresponde a la ubicación de una o más
variables que se encuentran fuera de la especificación.
• Invertir Variables: seleccione esta opción para mostrar la segunda variable a lo largo del eje
X en el frente de la gráfica. En otro caso, la primera variable será graficada a lo largo del eje
X.
Índices de Capacidad
Esta tabla muestra los índices de capacidad calculados de los datos.
Índices de Capacidad
• DPM – defectos estimados por millón. Éste es el número estimado de las muestras
tomadas de la población que estarían fuera de la especificación en una o más de las
variables.
Z
MCP = (3)
k /2
k/2
MCR = 100 % (4)
Z
Los datos muestra tienen un índice de capacidad de MCP = 0.49, correspondiente a un nivel de
calidad sigma de aproximadamente 3. Mientras que estos niveles obtenidos son comunes, lograr
una calidad de clase mundial requeriría mejorar la consistencia de los procesos.
Elipse de Capacidad
La Elipse de Capacidad muestra un diagrama bidimensional de las estimaciones realizadas de los
procesos con respecto a 2 variables elegidas.
11
8
Large
-1
-3 0 3 6 9 12 15
Small
La elipse es dibujada de tal forma que incluye el 99.73% de la probabilidad normal multivariada
estimada para las variables elegidas, similar a los límites sigma ± 3 en una gráfica de capacidad
univariada. La región rectangular es la ubicación en la cual ambas variables están dentro de sus
límites de especificación. Un proceso “capaz” contendría completamente la elipse dentro de la
región rectangular.
• Invertir Variables: seleccione esta opción para mostrar la segunda variable a lo largo del eje
X. En otro caso, la primera variable será graficada a lo largo del eje X.
Matriz de Correlación
Esta tabla muestra los coeficientes de correlación estimados para cada par de variables:
Matriz de Correlación
Los coeficientes de correlación miden la fuerza de la relación lineal entre un par de variables, en
una escala de –1 para una correlación negativa perfecta a +1 para una correlación positiva
perfecta. Entre más altas sean las correlaciones es más importante analizar las variables
conjuntamente en lugar de hacer un análisis de capacidad univariado para cada variable.
• Hipótesis Nula: los datos son muestras independientes de una distribución normal
• Hipótesis Alternativa: los datos no son muestras independientes de una distribución
normal
Prubas de Normalidad
Valores-P
Shapiro-Wilk Sesgo Curtosis
Small 0.755982 0.382035 0.504427
Large 0.314548 0.470987 0.721277
Panel de Opciones
Incluir – seleccione la prueba que se incluirá en la salida . Las pruebas por defecto son definidas
en la tabla Dist. Fit del cuadro de diálogo Preferencias al cual se tiene acceso desde el menú
Editar.
Gráfica de Probabilidad
3.9 Small
Large
2.9
datos empíricos
1.9
0.9
-0.1
-1.1
-2.1
-2.1 -1.1 -0.1 0.9 1.9 2.9 3.9
distribución normal
La gráfica muestra los valores de los datos para cada variable, ordenados de mayor a menor,
graficados contra los percentiles equivalentes de la distribución normal seleccionada. Si la
distribución normal es un modelo razonable para los datos, los puntos estarán aproximadamente
a lo largo de una línea recta. En general, la gráfica anterior confirma que la distribución normal
es un modelo razonable.
Diagrama T-Cuadrada
Como en todos los análisis de capacidad, es importante que el proceso se encuentre en un estado
de control estadístico cuando la capacidad es estimada. En el caso de datos multivariados, un
Diagrama T-Cuadrada es útil para examinar si los datos fueron mostrados de un proceso de
control.
12
LSC = 10.81
10
8
T-Cuadrada
0
0 10 20 30 40 50 60
Observación
En un diagrama T-Cuadrada, cada muestra es representada por un solo estadístico definido por
Ti 2 = ( xi − x )′ S −1 ( xi − x ) (5)
Panel de Opciones
• Alfa: la probabilidad de falsa alarma del diagrama de control. Para un diagrama de control
estándar 3-sigma, α = 0.27%.
• Cifras Decimales para Límites: el número de lugares decimales para mostrar los límites de
control.
• Colorear Zonas: seleccione esta opción para mostrar zonas verdes y rojas.
© 2006 por StatPoint, Inc. Análisis de Capabilidad Multivariada - 14
STATGRAPHICS – Rev. 4/d/yyyy
Cálculos
1 n
x j = ∑ xij (6)
n i =1
∑ (xij − x j )(xik − xk )
1 n
s jk = (7)
n − 1 i =1
(n − 1) 2
UCL = Betaα , p / 2,( n − p −1) / 2 (8)
n