Desarrollo de ValidaciÃ N Del Sistema de Mediciã N y Recopilaciã N de Datos

Ingeniería Industrial
Presencial
Clave
LEAN SIGMA
CLM-2205 / TEM1806 / PLM-1806
Elaborada por: Ing. Guillermo Cortés

Validación del sistema de
medición y recopilación de datos
UNIDAD
Elaborada por: Ing. Guillermo Cortés

Competencia
Aplicar los conocimientos previos para realizar Gage R&R,

diferenciar entre los datos continuos y discretos y realiza
diferentes pruebas de estadística descriptiva a los datos.
Conocer y aplicar las diferentes herramientas y métodos para la

recolección de datos en la etapa de Medición dentro de la
metodología DMAIC.
Actividades de Aprendizaje
1. Diseñar una metodología para estudiar el proceso mediante la recolección

sistemática de datos
2. Realiza el Estudio tipo 1 (sobre los equipos de medición)
3. Recolecta datos para el proyecto
4. Realiza una práctica de R&R de variables y/o atributos con ayuda de un
software estadístico.
Subtemas de la UNIDAD 1
2.1 MSA
2.1.1 Estudio tipo 1
2.1.2 % Gage R&R cruzado
2.1.3 % Gage R&R atributos
2.2 Toma de datos

2.2.1 Identificación de datos continuos y datos discretos
2.2.2 Estadística Descriptiva
2.2.4 Pruebas de normalidad
Ponderaciones de la UNIDAD
Examen Actividades y Portafolio de Proyecto / Caso de estudio

Evidencias
50% 35% 15%

DEFINIR
MEDIR
ANALIZAR
IMPLEMENTAR
CONTROL
Metodología DMAIC
1ª FASE: 2ª FASE:
Define los requerimientos del Medir el desempeño actual del
cliente y entender los procesos
proceso que se busca mejorar.
importantes afectados
5ª FASE:
Controlar lo que es efectivo,
asegurar que el proceso se
mantendrá en su nuevo rumbo.
3ª FASE:
Analizar de la información
recolectada para determinar las
causas raíz de los defectos y
4ª FASE: oportunidades de mejora.
Se diseñan soluciones que ataquen
el problema raíz y lleve los
resultados. Implementar
Pasos Generales del Proceso DMAIC
• Identificar y seleccionar la característica critica de rendimiento

• Definir las variables de entrada y salida del proceso
Definir
• Definir los datos e información a recolectar

• Validar el sistema de medición
Medir • Aplicar herramientas para visualizar el estado actual del proceso
• Identificar fuentes de variación

• Análisis y reducción de causas potenciales
Analizar
• Ejecución de acciones establecidas

• Validar los parámetros después de las mejoras implementadas
Mejorar
• Implementar controles de proceso

• Redactar lecciones aprendidas y mejores practicas.
Controlar
Información y datos
• Información
Conjunto organizado de datos procesados.
• ¿Qué es un dato?
Es parte de la información que tiene característica que individualmente no sabe
si es relevante o no, pero tiene el poder de que al agruparlo podemos tener una
toma de decisiones.
Probabilidad & Estadística
• Probabilidad
Materia que normalmente considera temas de acciones al azar y
aplicación mediante experimentos aleatorios, donde tenemos un
panorama general de los resultados posibles.
• Estadística
Se define como el Conjunto de técnicas que se direccionan a
clasificar y analizar, mediante datos sean muéstrales o poblacionales
para obtener inferencias relativas de donde provienen.
Tipos de datos
• Discretos
Datos que pueden tomar un número finito dentro de un conjunto.
También llamados por ATRIBUTOS
• Continuos
Datos que pueden tomar cualquier valor dentro de un
intervalo infinito de valores. También llamados
VARIABLES
Datos discretos más sencillo de registrar, pero normalmente

no dan información suficiente
Medidas de tendencia CENTRAL
• Media • Mediana
Dato que se encuentra en el
Es el dato que nos indica la tendencia
centro de un acomodo
central de nuestra información, esto
ascendente-descendente o
debido a que se tiene una sumatoria
viceversa.
de todos nuestros datos dividido entre
la cantidad neta de ellos. MEDIDA DE
LOCACIÓN
• Moda
Dato con mayor frecuencia en un
conjunto de información.
Medidas de DISPERSIÓN
•Es laRango • Desviación estándar
diferencia que existe entre el Es la desviación respecto a la
valor mayor y el menos de un media, esto es, la diferencia
conjunto de datos. entre cada valor de la
variable estadística y la
media. Esta medida de
dispersión es utilizada para
ejemplificar la cantidad de
• Varianza sigmas que se tienen en un
proceso
Medida de dispersión que
nos muestra la amplitud que
tiene un conjunto de datos.
MIDE AMPLITUD
APLICACIÓN
Locación
• Locación  Promedio
• Esparcimiento /
AMPLITUD  Varianza
• Proporción
 No existe Sesgo
Esparcimiento & Proporción

ESTADISTICA DESCRIPTIVA
Es una de las clasificaciones en la estadística que pretende resumir

las características relevantes de un conjunto de datos, para
señalarnos el comportamiento de estos.
Describe el proceso, su comportamiento. Nos da la información

preliminar para su análisis.
ACTIVIDAD # 1
Herramientas Estadísticas
Requisitos de la entrega:
Básicas
• Individual
• Clase
• 5%
• 20 Minutos MAX
ACTIVIDAD # 2
Herramientas Administrativas Básicas
Investigar el concepto de cada una de

las herramientas administrativas básicas,
y explicar a que se refiere cada una de
• Individual
ellas con tus propias palabras. Debe
• Moodle tener una imagen haciendo referencia
• 5% a la herramienta explicada.
• 03 Marzo 2023 – 22:00 hrs
• MIN 2 cuartillas – MAX 3 cuartillas
7 Herramientas
Básicas Estadísticas
Histograma
Herramienta estadística donde se tiene una

representación gráfica en forma de barras y
es una ayuda visual para identificar el
comportamiento de la información.
Diagrama de Ishikawa (Causa-Efecto)
Su principal función es agrupar causas y sub-causas para facilitar el análisis de algún problema
(efecto), esto mediante un esquema que normalmente lo clasifica en las 6 M´s.
Llamado diagrama de Ishikawa (por su creador) o de pescado (esto por su estructura).

Diagrama de Pareto (80-20)
Conocido también como diagrama 80-20 o C-B-A, esto debido a que esta
herramienta estadística identifica los pocos defectos “vitales” y deja fuera otros
muchos defectos “triviales”. Señalándolo de otra manera, nos interpreta que
pocas causas (20%) nos generan la mayor cantidad de problemas (80%).
Diagrama de Dispersión (correlación)
Esta herramienta nos muestra
gráficamente la relación que existe
entre dos variables cuantitativas.
En un diagrama de dispersión podemos

describir el comportamiento de los
datos mediante la dirección, forma y
correlación (fuerza de la relación entre
las variables analizadas)
Grafico de Control
Esta herramienta representa el comportamiento que tiene un proceso, esto
mediante el registro de sus datos en el tiempo.
Su principal objetivo, es la detección inmediata de cambios en el proceso que
puedan generar unidades defectuosas. En tiempo Real
Hoja de Verificación
Es generada al concentrar la información necesaria y concisa, para su
entendimiento, análisis y seguimiento.
Muestreo Estratificado
Nos permite la agrupación de elementos que componen una muestra en
estratos diferenciados y nos permite tener menos variación en los resultados. Estos
se encuentran conformados por elementos con un fin o análisis homogéneo.
Herramientas Administrativas
Diagrama de afinidad
Diagrama de Relación
Diagrama de árbol
Diagrama de matriz
Diagrama de flujo
Estadística Inferencial
y sus Herramientas
ESTADISTICA INFERENCIAL
Es conocida esta rama de la estadística también como “deductiva”,
intenta tomar decisiones basadas en la aceptación o el rechazo de
ciertas relaciones que se toman como hipótesis.
En base al análisis realizado durante la estadística descriptiva, busca las

posibles causas y soluciones. Un herramienta utilizada es el
planteamiento de Hipótesis
PRUEBA DE NORMALIDAD
Normal, se refiere a todo aquello que se encuentra en su estado Natural.
Para estadística, lo interpreta en situaciones que son estadísticamente similares, donde

tenemos una relación con la medida de tendencia central y la información que
tenemos, además de tener una variación equivalente y donde el sesgo de la
información no se encuentra desproporcional. A esto se le es conocido como
NORMALIDAD.
DISEÑO DE EXPERIMENTOS (DOE)
El diseño de experimentos (DoE) es un enfoque estadístico para la

optimización de las reacciones y los procesos que permite la variación de
distintos factores simultáneamente con el objetivo de cribar el espacio de
reacción para obtener los valores óptimos.
La ventaja de la implementación del diseño de experimentos (DoE) radica en la

posibilidad de evaluar simultáneamente varios parámetros de entrada, o
“factores”, como la temperatura, la material, método, etc., para determinar las
condiciones en las que los atributos del producto, o “respuestas”, como el
rendimiento, la selectividad, alcanzan un resultado óptimo.
2 grupos
a) Grupos
Aleatorios
Multigrupos
Una sola variable

Unifactorial dependiente e
independiente Al azar
b) Bloques Cuadrado latino
Pareados
Grupos Aleatorios
Una sola variable
Multifactorial dependiente y mas de 1
independiente
Bloques
Análisis de Varianza (ANOVA)
Un análisis de varianza (ANOVA) prueba la hipótesis de que las medias de dos o

más poblaciones son iguales. Los ANOVA evalúan la importancia de uno o más
factores al comparar las medias de la variable de respuesta en los diferentes
niveles de los factores.
La hipótesis nula establece que todas las medias de la población (medias de los
niveles de los factores) son iguales mientras que la hipótesis alternativa establece
que al menos una es diferente.
El nombre "análisis de varianza" se basa en el enfoque en el cual el procedimiento

utiliza las varianzas para determinar si las medias son diferentes.
El procedimiento funciona comparando la varianza entre las medias de los

grupos y la varianza dentro de los grupos como una manera de determinar si los
grupos son todos parte de una población más grande o poblaciones separadas
con características diferentes.
Análisis de la Varianza ( ANOVA ) es una

fórmula estadística que se utiliza para
comparar las varianzas entre las medias (o el
promedio) de diferentes grupos.
Una variedad de contextos lo utilizan para

determinar si existe alguna diferencia entre las
medias de los diferentes grupos.
Por ejemplo, para estudiar la efectividad de diferentes medicamentos para la

diabetes, los científicos diseñan y experimentan para explorar la relación entre el
tipo de medicamento y el nivel de azúcar sanguínea resultante. La población de la
muestra es un conjunto de personas. Dividimos la población de la muestra en varios
grupos y cada grupo recibe un medicamento en particular durante un período de
prueba. Al final del período de prueba, se miden los niveles de azúcar sanguínea
para cada uno de los participantes individuales. Luego, para cada grupo, se
calcula el nivel medio de azúcar sanguínea. ANOVA ayuda a comparar las medias
de estos grupos para averiguar si son estadísticamente diferentes o si son similares.
Regresión Lineal
Hay situaciones en las que tenemos resultados o estamos en

búsqueda de estos, pero no solo tenemos una sola variable que
podría tener impacto sobre este resultado, ya intervienen mas
de las cuales será necesario realizar un análisis de Regresión
lineal para ver el comportamiento y nivel de significancia sobre
el modelo que obtenemos, y además de ver si todas las
variables involucradas son significativas hacia la resultante.
Principio de Linealidad
¿Cuáles son los elementos del modelo matemático de una

línea RECTA?
Regresión Lineal Simple
Tenemos que un modelo de regresión de lineal SIMPLE es un

polinomio de primer orden y que esta compuesto por una variable
dependiente “y” y una independiente “x”. Además de un factor
constante de linealidad y sesgo.
Se complementa con un valor residual, el cual podemos obtener

una vez desarrollando el modelo de regresión lineal simple
Modelo de regresión lineal simple (MRLS)
Ý = bo + b1X1 + e
Ý = variable dependiente
bo = Linealidad
b1 = sesgo/pendiente
e = error o residual
Series de Tiempos
¿Qué son las Series de tiempo?
Son conjuntos de valores numéricos obtenidos en

periodos iguales en el tiempo (frecuencia)
Esto implican la proyección de los valores futuros de

una variable basada por completo en las
observaciones pasadas y presentes de esa variable.
Series de Tiempos
¿Para que son utilizados?
En estadística, se interpreta como el conjunto de

observaciones de una variable medida en
tiempos específicos o periódicos con el fin de
poder PRONOSTICAR.
Series de Tiempos
¿Qué estudia la serie de tiempos?
1. Conjunto de datos
2. Observaciones realizadas en un análisis/investigación
3. Información histórica para realizar predicciones
4. Sobre información influyente o confiable
Componentes de Serie de tiempo
Se Cuantitativos
Mínimos cuadrados
compone Suavización exponencial
en: Promedios móviles
Promedios Ponderados
DELPHI
Cualitativos
Opinión de los expertos
Formulación de
escenarios
ACTIVIDAD # 4
MSA
Investigar el concepto del MSA. Su objetivo,

características, elementos y herramientas que
son utilizadas dentro de la metodología.
• Individual
Nota. Debe ser una síntesis de lo investigado, a
• Moodle
manera de comprensión de la metodología.
• 5%
• 10 Marzo 2023
• MIN 2 cuartillas – MAX 3 cuartillas
Estudios de Capacidad
El objetivo principal de un estudio de capacidad, es el valuar la habilidad o

capacidad de un proceso consiste en conocer la amplitud de la variación
natural de éste para una característica de calidad dada, lo cual permitirá saber
en qué medida tal característica de calidad es satisfactoria (cumple
especificaciones).
INDICES DE CAPACIDAD DEL PROCESO
Los índices de capacidad son relaciones de la dispersión del

proceso y la dispersión de especificación. Son valores sin
unidades, por lo que se pueden utilizar para comparar la
capacidad de procesos diferentes. Algunos índices de
capacidad consideran la media del proceso o el objetivo.
Muchos profesionales consideran que 1.33 es el mínimo valor

aceptable para los índices de capacidad; por otra parte, la
mayoría de los profesionales creen que un valor menor que 1 no
es aceptable.
Índices de medición
Para la evaluación de la habilidad o capacidad de un proceso, se tienen diferentes

índices que son utilizados según sea requerido.
Cp- Índice de capacidad potencial del proceso a corto plazo

Cpk- Índice de capacidad Real del proceso a corto plazo
Pp- Índice de capacidad potencial del proceso a largo plazo
Cpk- Índice de capacidad Real del proceso a largo plazo
PPM´s- Partes por millón
DPMO´s- Defectos por millón de oportunidades
Formulas de los Índices
PPM= (Partes defectuosas / (partes producidas+ defectuosas) ) * 1000000
DPMO= (Defectos/ Cantidad de oportunidades ) * 1000000

INDICES DE CAPACIDAD DEL PROCESO
PROCESO SEIS SIGMA
SIGMAS= 6
Cp / Cpk = 2
PPM´s = 3.4
CONTROL ESTADISTICO DEL PROCESO (SPC)
Mejor conocido como Control Estadístico de Proceso, son gráficos

de control, que permiten usar criterios objetivos para distinguir
variaciones de fondo de eventos de importancia.
Es de vital importancia este tipo de herramienta para el control

de proceso, ya que el fenómeno de la variabilidad esta latente
en todo momento, y esta herramienta viva nos ayuda a visualizar
en tiempo real el desempeño de nuestro proceso.
Los beneficios de utilizar el control estadístico de procesos (SPC)

son las mejoras continuas, el aumento de la eficiencia del
proceso (Cpk / Ppk), la reducción de costos de calidad, incluido
el tiempo de inactividad, la interrupción del producto, las quejas
o reprocesos de los clientes, el desperdicio y la prevención de
problemas de calidad, como la reducción de inspección o
auditorías.
El SPC esta enfocado a los siguientes aspectos:
• Obtener y procesar datos que permitan establecer el

comportamiento de los procesos para su control
• La satisfacción del cliente como principal meta del negocio
• La organización debe cumplir con su compromiso de mejora
• Los métodos estadísticos básicos pueden ser usados para que
el esfuerzo de mejora sea efectivo
• Prevenir antes que corregir
• Mejorar el desempeño de los procesos
Los elementos clave dentro del SPC son:
1. Características del producto / proceso

2. Métodos de medición
3. Análisis del sistema de medición (MSA)
4. Competencia de las personas involucradas en las actividades de
SPC
5. Frecuencia y tamaño de la muestra
6. Recopilación de datos
7. Gráficos SPC (variable / atributo)
8. Causa común / especial de variación
9. Planes de reacción
Xbar-S
Atributos Xbar-R
Tipo
de
X individuales
datos Proporción de defectuosos (p)
Variable Numero de defectuosos (np)
Numero de defectos (c)
Numero de defectos por unidad (u)

Shewart diferencio 2 tipos de causas: controladas y no
controladas. A la variación usual, histórica cuantificable en la
operación de los procesos y o servicios se le conoce como
“causa común”, mientras que las “causas especiales” se les
adjudica a las variaciones inusuales previamente no observadas
no cuantificables en la operación de los procesos y o servicios.
La expresión “variación controladas” fue reemplazada luego por

“causas comunes de variación” y “variación no controlada” se
convirtió en “causas especiales de variación” o “causas
asignables” (usaremos estas últimas expresiones de aquí en
adelante).
ANALISIS DEL SISTEMA DE MEDICIÓN (MSA)
El MSA es una evaluación detallada basada en estadísticas

sobre la confiabilidad de todo el sistema de medición que
conduce a la mejora de procesos y productos.
La calidad de los datos de medición es definida por las

propiedades estadísticas de las múltiples mediciones obtenidas
del sistema de medición operando bajo condiciones estables.
Detalla tres tareas cruciales:
1. Determina cuánta variación existe dentro del

proceso de medición. ¿Cuánto es el error de
medición?
2. Comprensión de los Requisitos del Cliente.
3. Valida la precisión y consistencia del Sistema
de Medición.
El MSA, es un Estudio Estadístico Formal para determinar si sus

Sistemas de Medición, conformado por los dispositivos de
medición y las personas, o en forma individual, son capaces de
proporcionar datos confiables para tomar las mejores decisiones
con base a datos.
El estudio estadístico utilizado para datos continuos se denomina

Estudio Gage R&R, y la herramienta utilizada para datos discretos
se denomina Análisis Conforme a Atributos.
El sistema de Medición consta de lo siguiente:
Equipo de
Método Resolución
Medición
MSA
Operador Entorno Producto

Beneficios del MSA:
1. Tomar mejores decisiones con base a datos

2. Percibir variaciones pequeñas dentro del proceso
3. Permite una medición de desempeño valido de manera
estadística.
Durante el MSA se evaluara la medición desde las siguientes

perspectivas:
• Repetibilidad
• Reproducibilidad
• Estabilidad
• Sesgo
• Linealidad
• Discriminación o resolución
Por ejemplo, suponer que un sistema de medición, operando

bajo condiciones estables, es usado para obtener varias
mediciones de una cierta característica. Si las mediciones están
todas “cerca” al valor master de la característica, entonces se
dice que la calidad de los datos es “alta”. Igualmente, si algunas
o todas de las mediciones están “lejos” del valor master,
entonces se dice que la calidad de los datos es “baja”.
Estudio R&R / Gage R&R
Uno de los estudios empleados habitualmente en el análisis de

los sistemas de medición es el de repetibilidad y reproducibilidad
de los equipos y sistemas de medida, conocidos como
estudios R&R o GRR (gage R&R). Esto nos permite conocer la
precisión de nuestras medidas y estimar la variación que se
puede atribuir al proceso y la asociada al sistema de medición.
De hecho, el GRR es una herramienta básica para la realización
de proyectos Seis Sigma
Además de la precisión de nuestras medidas es necesario

conocer en profundidad otras características metrológicas
asociadas al proceso de medición, como son los estudios del
sesgo. Empleando materiales de referencia adecuados y
participando en ejercicios de inter-comparación se puede
estudiar la diferencia entre el valor medio de nuestras medidas y
el valor tomado como referencia.
Un estudio combinado de la precisión y de la veracidad va a

permitirnos conocer la calidad de nuestras mediciones y, por lo
tanto, junto con otras herramientas como los gráficos de control,
realizar un seguimiento adecuado de nuestros procesos.
Pero también es necesario realizar otros estudios respecto a

nuestro sistema de medición, como por ejemplo la linealidad, en
el que se pretende conocer la relación entre lo que estamos
midiendo y el resultado obtenido, o la estabilidad de los equipos.
Datos Generales del estudio R&R:
Es un método estadístico utilizado en el control de procesos

(SPC) para medir la precisión y variación presente en un sistema
de medición, medir la eficacia del sistema.
Repetibilidad: relacionada con la capacidad de que el mismo

elemento nos arroje resultados consistentes (precisión)
Reproducibilidad: capacidad de que varios elementos arrojen

resultados iguales independiente de quien realice la prueba
(variación entre elementos)
Clasificación de los Estudios R&R
1. Cruzado: aquí se evalúa la variación del sistema de medición

cuando los operadores miden todas las partes incluidas en el
estudio.
2. Anidado: se evalúa la variación del sistema de medición
cuando los operadores no pueden medir todas las partes.
(Normalmente realizado en pruebas destructivas)
3. Extendido: este estudio del sistema de medición se utiliza
cuando otro factor aparte de la parte y operador tienen
influencia, por ejemplo la ubicación o temperatura.
Tipos de Estudios R&R
Medias y Rangos: este método determina la repetibilidad y la

reproducibilidad para un sistema de medición, este método permite
descomponer la variabilidad del sistema en dos componentes independientes:
la repetibilidad y la reproducibilidad.
Tipos de Estudios R&R
ANOVA: es el método más exacto para calcular la variabilidad de un sistema

de medición porque posee la ventaja de cuantificar la variación debida a la
interacción entre los operadores y las partes. Este método está basado en la
misma técnica estadística utilizada para analizar los efectos de los diferentes
factores en el diseño de
experimentos.
Para un sistema de medición, el método Anova debe realizarse para estudiar
simultáneamente los efectos de dos fuentes de variación: Operadores y Partes.
Interpretación y Criterios dentro del Gage R&R
Variación del estudio R&R menor a 10% es Aceptable.

Variación del 10% al 30%, se considera marginal, lo cual
dependería de la importancia de aplicación, costos, recursos
necesarios, etc.
Variación mayor al 30%, es No Aceptable, por lo que se deben
buscar las causas dentro del sistema de medición y posibles
acciones correctivas.
Interpretación de los elementos en grafico R&R
%Contribución: es el porcentaje de la variación total que

corresponde a cada componente de la varianza. Se calcula
como el componente de la varianza para cada fuente dividido
entre la variación total y luego multiplicado por 100.
%Var. del estudio: es el porcentaje de la variación del estudio

correspondiente a cada fuente. Se calcula como la variación
del estudio para cada fuente dividida entre la variación total
del estudio y luego multiplicada por 100.
Interpretación de los elementos en grafico R&R
%Tolerancia: compara la variación del sistema de medición con las

especificaciones. Se calcula como la variación del estudio para
cada fuente dividida entre la tolerancia del proceso y luego
multiplicada por 100.
%Proceso: compara la variación del sistema de medición con la

variación total. Se calcula como la variación del estudio para
cada fuente dividida entre la variación histórica del proceso y
luego multiplicada por 100.
Diferenciación entre Reproducibilidad y Repetibilidad:
Si la repetibilidad es mayor que la reproducibilidad puede ser por:

1. Calibrador requiere mantenimiento
2. Ubicación del sistema de medición
3. Excesiva variación dentro la misma pieza/componente
Si la reproducibilidad es mayor que la repetibilidad puede ser por:

1. Capacitación sobre los operadores
2. Equipos de medición diferentes
PROYECTO INTEGRADOR
Objetivo del Proyecto:
Identificar una problemática en la cual pueda Requisitos
ser aplicada y sea aplicable la metodología
DMAIC, con el fin de poder seguir dicha 1. Equipos 4-6 Integrantes
metodología y poder desarrollar herramientas 2. Definir Líder de equipo
estadísticas, de manufactura esbelta y para 3. Valor 10%
solución de problemas. 4. Entrega vía Moodle
5. Fecha entrega 03 de Abril
Que el estudiante sea capaz de identificar los a. PDF
elementos de cada una de las fases, trabajando b. 22:00 hrs
en equipo y aportando las herramientas
ingenieriles que ha aprendido a estas instancias.
PROYECTO INTEGRADOR
Contenido Reporte del Proyecto (Segundo Avance)

1. Correcciones referenciadas en la Unidad anterior
2. Para representar la medición de información recolectada en referencia a cada
proyecto, seleccionar 4 herramientas estadísticas básicas o administrativas para
mostrar los datos críticos del proyecto, enfocados a:
a) Indicadores
b) Críticos de calidad
c) Característica especifica del proyecto
Nota. El power point debe ser actualizado, para presentar en Fase 3

Portafolio de Evidencia – UNIDAD 2
CONTENIDO
1. Portada
2. Índice
3. Contenido Unidad 1
4. Actividades Unidad 2
5. Evaluación Unidad 2 (por confirmar)

Desarrollo de ValidaciÃ N Del Sistema de Mediciã N y Recopilaciã N de Datos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Desarrollo de ValidaciÃ N Del Sistema de Mediciã N y Recopilaciã N de Datos

Cargado por

Copyright:

Formatos disponibles

Ingeniería Industrial

Elaborada por: Ing. Guillermo Cortés

Elaborada por: Ing. Guillermo Cortés

Aplicar los conocimientos previos para realizar Gage R&R,

Conocer y aplicar las diferentes herramientas y métodos para la

1. Diseñar una metodología para estudiar el proceso mediante la recolección

2.2 Toma de datos

Examen Actividades y Portafolio de Proyecto / Caso de estudio

50% 35% 15%

• Identificar y seleccionar la característica critica de rendimiento

• Definir los datos e información a recolectar

• Identificar fuentes de variación

• Ejecución de acciones establecidas

• Implementar controles de proceso

Datos discretos más sencillo de registrar, pero normalmente

Esparcimiento & Proporción

Es una de las clasificaciones en la estadística que pretende resumir

Describe el proceso, su comportamiento. Nos da la información

Investigar el concepto de cada una de

Herramienta estadística donde se tiene una

Llamado diagrama de Ishikawa (por su creador) o de pescado (esto por su estructura).

En un diagrama de dispersión podemos

En base al análisis realizado durante la estadística descriptiva, busca las

Normal, se refiere a todo aquello que se encuentra en su estado Natural.

Para estadística, lo interpreta en situaciones que son estadísticamente similares, donde

El diseño de experimentos (DoE) es un enfoque estadístico para la

La ventaja de la implementación del diseño de experimentos (DoE) radica en la

Una sola variable

b) Bloques Cuadrado latino

Un análisis de varianza (ANOVA) prueba la hipótesis de que las medias de dos o

El nombre "análisis de varianza" se basa en el enfoque en el cual el procedimiento

El procedimiento funciona comparando la varianza entre las medias de los

Análisis de la Varianza ( ANOVA ) es una

Una variedad de contextos lo utilizan para

Por ejemplo, para estudiar la efectividad de diferentes medicamentos para la

Hay situaciones en las que tenemos resultados o estamos en

¿Cuáles son los elementos del modelo matemático de una

Tenemos que un modelo de regresión de lineal SIMPLE es un

Se complementa con un valor residual, el cual podemos obtener

¿Qué son las Series de tiempo?

Son conjuntos de valores numéricos obtenidos en

Esto implican la proyección de los valores futuros de

¿Para que son utilizados?

En estadística, se interpreta como el conjunto de

¿Qué estudia la serie de tiempos?

compone Suavización exponencial

en: Promedios móviles

Investigar el concepto del MSA. Su objetivo,

El objetivo principal de un estudio de capacidad, es el valuar la habilidad o

Los índices de capacidad son relaciones de la dispersión del

Muchos profesionales consideran que 1.33 es el mínimo valor

Para la evaluación de la habilidad o capacidad de un proceso, se tienen diferentes

Cp- Índice de capacidad potencial del proceso a corto plazo

PPM= (Partes defectuosas / (partes producidas+ defectuosas) ) * 1000000

DPMO= (Defectos/ Cantidad de oportunidades ) * 1000000

Mejor conocido como Control Estadístico de Proceso, son gráficos

Es de vital importancia este tipo de herramienta para el control

Los beneficios de utilizar el control estadístico de procesos (SPC)

El SPC esta enfocado a los siguientes aspectos:

• Obtener y procesar datos que permitan establecer el

1. Características del producto / proceso

datos Proporción de defectuosos (p)

Variable Numero de defectuosos (np)