Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Agosto 2 2022
Introducción
Martín Melchor
Industry 24 years in Sensata
Experience Joined Sensata: 1998
Sensata Site Aguascalientes, MX
2 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
“Una persona
lista resuelve
un problema,
una persona
sabia lo
previene”
3 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Objetivos de Aprendizaje
Día 14: Conceptos básicos de gráficos de control.
• Aprenderá cómo los gráficos de control se pueden utilizar para ayudar a establecer una línea base de medición para un
proceso.
• Aprenda cómo los gráficos de control se pueden utilizar para identificar la variación de causa común y de causa especial
en un proceso
• Aprenderá que son los gráficos de control para su uso con diferentes tipos de datos.
• Aprender a utilizar subgrupos como un método para seleccionar los gráficos de control.
• Entenderá como los gráficos de control se utilizan en las etapas de tu proyecto DMAIC “Measure", “Analyze" , “Control” y
“Improve”
4 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Proceso DMAIC de Mejora (LSS)
Define Measure Analyze Improve Control
Definir Medir Analizar Mejorar Controlar
Actividades
• Revisión de Project Charter • Mapa de flujo de Valor para una • Identificar las posibles • Desarrollar soluciones potenciales • Aplicar Mistake Proofing /
• Validar Planteamiento y los mayor comprensión y enfoque causas de raíz • Evaluar, seleccionar y optimizar Pokayoke
Objetivos del problema • Identificar las métricas clave de • Reducir la lista de causas las mejores soluciones • Desarrollar Instrucciones de
• Validar la Voz del Cliente entrada, proceso y de salida raíz potenciales • Desarrollar “To-Be ” del mapa de trabajo, Plan de Entrenamiento
y la voz de los negocios • Desarrollar definiciones • Confirmar la causa raíz de flujo de valor y Controles en el proceso (CP)
• Validar beneficios financieros operacionales la relación de salida • Desarrollar e implementar la • Implementar soluciones y
• Validación de Alto Nivel del • Desarrollar un plan de recopilación • Estimar el impacto de las solución piloto mediciones en el transcurso
mapa de flujo de valor de datos causas de raíz en las • Confirman logro de los Objetivos del proceso
• Crear Plan de Comunicación • Validar Sistema de Medición salidas principales del proyecto • Identificar oportunidades de
• Selección Equipo de trabajo • Recolectar datos de referencia • Priorizar las Causas Raíz • Desarrollar plan completo de replicar el proyecto
• Desarrollar el Cronograma del • Determinar la capacidad de • Completar ANALYZE Gate implementación • Completar CONTROL Gate
Proyecto proceso • Completar IMPROVE Gate • Entrega del Proyecto al dueño
• Completar el DEFINE Gate • Completar MEASURE Gate del Proceso
Herramientas Identificar e implementar mejoras rápidas con Kaizen
• Value Stream Mapping • Identificación y análisis de Kaizen, 5S, Análisis NVA, • Dispositivos Pokayokes /Cero
• Project Charter
• Valor de la velocidad (la eficacia restricción Takt Time Cuatro Paso del Método SMED Defectos
• Voz del cliente y análisis Kano
• Mapa SIPOC
del proceso / Ley de Little) • Análisis de Causa y Efecto • Procedimientos Operativos
• Definiciones operacionales • AMEF (FMEA) Estándar (SOP)
• Valoración del Proyecto/ ROIC • Replenishment Pull/Kanban
• Plan de recopilación de datos • Pruebas de hipótesis / • Planes de Control de Procesos
• RACI y Gráficos Quad • Estrategia de Stocking
• Muestreo Estadístico Intervalos de confianza • Procesos Visuales de Control
• Análisis de los Stakeholder • Mejora de Flujo de Procesos
• Análisis Sistema de Medición MSA • Regresión simple y múltiple de Procesos
• Plan de comunicación • Balanceo de Procesos
• GR&R • ANOVA • Controles estadísticos de
• Herramientas de reuniones • Analítica de tamaños de lotes
• Estudios Kappa • Componentes de la variación procesos (SPC)
efectivas • TPM
• Líneas de tendencia y gráficos • Gráficos de Control • Conquista de la complejidad • Replicación de Soluciones
• Diseño de experimentos (DOE)
• Histogramas del proceso y producto • Modelo de Transición del
de Gantt • Matriz de selección de Soluciones
• Prueba de normalidad • La teoría de Queuing Proyecto
• Análisis
de Pareto • Experimentación y simulación
• Proceso de Análisis de Capacidad • Reunión de retroalimentación
• Análisis
Belbin
al equipo
5 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráficos de Control - breve historia
Estas herramientas fueron diseñadas por W. A. Shewhart, por lo
que también son conocidas como Gráficos de Shewhart, quien en la
década de 1920 en los Estados Unidos, fue el primero en utilizarlos,
aplicándolos en la compañía Bell Telephone.
6 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráficos de Control
Un gráfico de vontrol muestra: Existe más de una manera para medir, evaluar y
reaccionar a cambios durante el proceso, Se usan
• Si un proceso está bajo control o no.
más de un tipo de gráficas de control. Los tipos de
• Indica resultados que requieren una explicación. gráficas son:
• Define los límites de capacidad del sistema, los • Gráficas C, U
cuales previa comparación con los de • Gráficas P, NP
especificación pueden determinar los próximos • Gráficas Q
pasos en un proceso de mejora. • ഥ − 𝑹, 𝑰 − 𝑴𝑹, 𝑿
Gráficas 𝑿 ഥ−𝑺
7 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Tipos de gráficos de control Shewhart
El uso adecuado de los gráficos de control requiere la selección de un gráfico de control que se ajusta al
tipo de datos y a la distribución:
Datos Binomiales : P, NP
8 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráficos de Control
Los gráficos de control es una de las herramientas más utilizadas por los
especialistas de Six Sigma:
9 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Selección de carta o gráfica de control
• Después de que la estabilidad del proceso y normalización de datos
distribuidos se ha logrado, se puede seleccionar un gráfico de control
apropiado para comenzar a monitorear nuestro proceso. Tipo de dato
10 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
10
Tipos de datos
Hay muchos tipos diferentes de datos.
11 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
11
Datos Continuos
Datos Continuos es un conjunto de números que potencialmente pueden tomar
cualquier valor de menos infinito a más infinito, incluyendo el cero
Tipos de distribución
• Normal, Exponencial.
• Uniforme, Parabólico.
Debido a que los datos continuos pueden ser transformados a una distribución
normal, busque datos continuos siempre que sea posible.
12 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
12
Distribuciones continuas
• Datos Continuos (variable)
Distribución Normal
La distribución normal, distribución de Gauss, distribución gaussiana o distribución
de Laplace-Gauss, a una de las distribuciones de probabilidad de variable continua
que con más frecuencia aparece.
• Describe los datos de muchos grupos.
• Simétricos, pueden tener valores positivos y negativo. Fig 5. Distribución normal continua
Distribución exponencial
La distribución exponencial es una distribución continua que se utiliza para modelar
tiempos de espera para la ocurrencia de un cierto evento.
• Los datos no es simétrica
• Los valores negativos son imposibles
Fig 7. Distribución exponencial
13 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
13
Datos de atributos
Los datos de atributos tiene dos subgrupos principales, Datos binarios y Datos discretos
Datos binarios
Los datos binarios son datos cuya unidad puede tomar solo dos estados posibles
Se caracteriza por un clasificar en sólo dos resultados
• Ejemplos: Pasa / Falla, de acuerdo / desacuerdo, Win / Loss, defectuosos / conforme
• Los usos más comunes: las proporciones y relaciones
Fig 8. Diagrama de Hasse mostrando
combinaciones binarias.
Distribución Binomial
La distribución binomial es una distribución de probabilidad discreta que cuenta el número de
éxitos en una secuencia de 𝑛 ensayos de Bernoulli independientes entre sí con una probabilidad
fija 𝑝 de ocurrencia de éxito entre los ensayos.
Los supuestos clave:
• Los eventos son independientes unos de otros
• Resultados mutuamente excluyentes
• Número de ensayos y los resultados de cada ensayo se conoce
14 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Datos de atributos (Cont.)
Los datos discretos (Atributos)
Los datos de atributos son aquellos que tienen una característica (o atributo) de calidad
que cumple o no cumple con la especificación del producto. Estas características se
pueden categorizar y contar.
También conocido como datos ordinales
Los usos comunes y ejemplos:
• Número de defectos por artículo o por los errores de servicio prestado. Tabla 2. Ejemplo de datos discretos
• Número de requerimientos del cliente.
• Número de errores contables por factura.
15 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Distribuciones de Atributos
• Datos de Atributos (discreto)
• Distribuciones ejemplo: Poisson Binomial.
• A diferencia de las distribuciones continuas, no hay nada entre los
valores (todos los valores son números enteros positivos).
0.2 0.2
pdf(x)
pdf(x)
0.1 0.1
0.0 0.0
0 2 4 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 16 18 20
x x
Fig 11. Ejemplos de histogramas de datos discretos
16 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Selección de Gráfico de control
El diagrama de árbol que se señala abajo muestra el método para seleccionar el tipo de gráfico de control según el tipo de datos y
el tamaño de los grupos de muestra.
TIPO DE DATOS
Contar Clasificación
Distribución de Poisson Distribución binomial Distribución normal / teorema del límite central
Fig 12. Diagrama de selección de gráfico de control.
17 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráficos de control continuo
Los gráficos de control continuos muestran los dos características:
• La tendencia central µ
• La variabilidad δ
18 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráficos de datos individuales de Medias y rangos (I-MR)
Se utiliza cuando el tamaño de la muestra es un subgrupo único.
(Y en ciertas situaciones, los datos de atributos.)
19 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Ejemplo de Gráfico de control I-MR
20 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Ejemplo de Gráfico de control I-MR
21 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Ejemplo de Gráfico de control I-MR
22 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Ejemplo de Gráfico de control I-MR
23 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Ejemplo de Gráfico de control I-MR
¿Podemos sacar algunas conclusiones a partir de la time series plot?
24 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráfico de control 𝐼 − 𝑀𝑅
25 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráfico de control 𝐼 − 𝑀𝑅
26 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráfico de control 𝐼 − 𝑀𝑅
Cuando este cuadro de diálogo aparece, seleccione la
ficha Estimación.
27 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Gráfico de control 𝐼 − 𝑀𝑅
¿Qué conclusiones puede sacar de la tabla I-MR?
28 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Evaluar la estabilidad del Proceso
Para desarrollar una línea base de medición, se pueden usar los gráficos de control
Shewhart para datos continuos, ya que nos van a mostrar si el proceso es estable con
respecto al tiempo.
Para lograr la estabilidad del proceso, hay que reducir o eliminar la variación de
causa especial.
Una vez que han reducido o eliminado la variación de causa especial, nuestro proceso
debe exhibir una cantidad aleatoria, estable y consistente de la variación de causa
común. En otras palabras la variación natural del proceso.
Las Reglas de la Western Electric Company (WECO Rules) son un método común
de identificación de la variación de causa especial.
29 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
29
Variaciones de causa común vs especiales
30 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
La distribución normal - Revisión de la regla empírica
99.73% de los datos es a menos de 3 δ de la media, 95.46% de los datos se encuentra a 2δ de la media, y el 68.26% de los
datos está dentro de un δ de la media.
99.73%
95.46%
68.26%
f (x)
− 3 − 2 − 1 + 1 + 2 + 3
Para utilizar estas probabilidades, los datos deben ser
aleatorios, independientes y normalmente distribuido
31 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Zonas de un Control en una gráfica de control
Podemos dividir el área de la media de los 3s límites en "zonas", lo que representa 1as, 2s y 3s de la media. Que marca el
gráfico de control de esta manera se puede ayudar a identificar las causas especiales.
f (x)
− 3 − 2 − 1 + 1 + 2 + 3
32 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Zonas de un Control en una gráfica de control
8
+3 StDev=600.321
4 4 4 4
+2 StDev=600.064
2 6
+1 StDev=599.806
0 0 0 6 0 4 4 _
_
X=599.548
0 0 2 0 0 0
-1 StDev=599.290
2 2 2 2 4
-2 StDev=599.032
4 4
-3 StDev=598.775
8
2 4 6 8 10 12 14 16 18 20
Sample
33 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Zonas de un Control en una gráfica de control
8
+3 StDev=600.321
4 4 4 4
+2 StDev=600.064
2 6
+1 StDev=599.806
0 0 0 6 0 4 4 _
_
X=599.548
0 0 2 0 0 0
-1 StDev=599.290
2 2 2 2 4
-2 StDev=599.032
4 4
-3 StDev=598.775
8
2 4 6 8 10 12 14 16 18 20
Sample
34 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Reglas Western Company (WECO rules) en una gráfica de control
• Minitab tiene 8 reglas de WECO que se pueden activar, por default solo esta activad la regla 1. Se pueden activar en la pestaña de Tests
cuando creamos los gráficos de control.
Fig 20. Ejemplo de como se aplican las WECO rules en un gráfico de control.
35 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Reglas de la Western Electric (WECO Rules)
Nueve puntos consecutivos caen en el mismo lado de la línea central (en la zona
C o más allá).
36 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Reglas Western Company (WECO rules) en una gráfica de control
37 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Reglas Western Company (WECO rules) en una gráfica de control
Retomando el ejercicio de RECORDABLES.mpx, lo volvemos a realizar, pero en esta ocasión activamos todas las reglas WECO para ver que
información adicional nos genera.
38 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Reglas Western Company (WECO rules) en una gráfica de control
Se puede observar que hay 3 tipos de alertas
activadas por los WECO rules.
• Dos alertas 1: un punto fuera de 3 desviaciones WECO rules
estándar.
39 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Analizando un cambio usando la gráfica de control
Retomando el ejercicio de RECORDABLES.mpx, lo volvemos a realizar, pero en esta ocasión activamos todas las reglas WECO para ver que
información adicional nos genera.
40 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Analizando un cambio usando la gráfica de control
• Se puede observar que hubo una reducción de
accidentes entre 1987 y 1988. de 12.75 (13
accidentes) accidentes promedio en 1987 a 10.04
(10 accidentes) promedio anual en 1988.
• Se puede esperar que existan hasta cerca de
14.18 (14 redondeando) accidentes y no menos
de 5.91 (6 redondeando).
• A diferencia de el gráfico de control 𝐼 − 𝑀𝑅, el de
individuales no muestra la variación de los
rangos, solo de los promedios.
41 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
La eliminación de la variación de causa especial
Antes de que la variación de causa especial puede ser reducida o eliminada, en primer lugar debe identificar claramente el
origen y causa de la variación.
Las influencias externas que afectan el proceso son generalmente los más fáciles de identificar y eliminar.
• Los valores extremos suelen ser consecuencia de las influencias externas. Estos se pueden extraer del conjunto de
datos (1) si la causa se entiende claramente, (2) no es probable que se repita, y (3) número de valores atípicos son
pocos en número.
• Si usted tiene muchos valores atípicos, el proceso puede estar en un "estado de caos". En este caso, los valores
extremos son una parte recurrente de los procesos existentes.
• También es posible que sus datos sean no apropiado para el gráfico de control seleccionado. Comprobar su tipo de
datos antes de tomar medidas adicionales!
42 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
ഥ −𝑹
Gráfico de control 𝑿
La tabla 𝑋ത − 𝑅 es la gráfica de control más utilizados debido a su uso del
teorema del límite central para normalizar los datos y el hecho de que es Xbar Chart of Supp1
más sensible que el 𝐼 − 𝑀𝑅 que proceso de cambio. 600.5
UCL=600.321
Consta de dos gráficos que muestran tendencia central y variabilidad:
ഥ gráfico
𝑿 600.0
Sample Mean
• Parcelas de la media (valor promedio) de cada subgrupo _
_
X=599.548
• Es útil para identificar los cambios especiales causa a la media del 599.5
proceso (X)
• Control de 𝑋ത límites basados en ± 3 sigma a partir de la media del 599.0
2 4 6 8 10 12 14 16 18 20
Sample
R gráfico Fig 28. Gráfico de control 𝑋 ̅−𝑅 mostrando el promedio y límites de control .
43 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
ഥ −𝑹
Cálculo de los límites del gráfico de control 𝑿
Fórmulas:
Sample Size A2 D3 D4 d2
CL X = X A 2 R 2 1.880 - 3.267 1.128
3 1.023 - 2.574 1.693
UCL R = D 4 R 4 0.729 - 2.282 2.059
5 0.577 - 2.114 2.326
LCL R = D 3 R
6 0.483 - 2.004 2.534
7 0.419 0.076 1.924 2.704
8 0.373 0.136 1.864 2.847
9 0.337 0.184 1.816 2.970
R 10 0.308 0.223 1.777 3.078
ˆ =
d2 Observe cómo gama media (R) se utiliza para estimar
la desviación estándar de población (σ)
44 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
ഥ − 𝑹 gráficos
Los cálculos para 𝑿
1. Determinar un tamaño de subgrupo y un plan de muestreo.
5. Después de 20 ó más conjuntos de mediciones, cálculo de límites de control para el gráfico de intervalos.
45 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
45
Subgrupos racionales
• Una consideración importante en el uso de la Xbar-R (y Xbar-S) gráfico es la selección de un tamaño de subgrupo
apropiado.
• Subgrupos racionales es el proceso de selección de un subgrupo en base a criterios "lógicos", agrupación o
consideraciones estadísticas.
• Ejemplos de subgrupos
• "Natural" Puntos de corte:
• 3 turnos agrupados en un día;
• 5 días agrupados en una semana,
• 10 máquinas agrupadas en un departamento
• Siempre que sea posible, tanto en puntos de corte natural y consideraciones teorema del límite central debe ser
combinadas en la selección de un tamaño de muestra.
46 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
ഥ -𝑅
Otro ejemplo de gráfico de control 𝑿
Datos de conjunto abierto Fastener.mtw
47 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
ഥ -𝑅
Otro ejemplo de gráfico de control 𝑿
48 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Otro ejemplo de gráfico de control 𝑿 ̅-𝑅
Los pesos se comportan dentro de la
variación natural del proceso, es solo una
variación común. No hay datos anormales.
49 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
¿Qué debo hacer si mis datos no están
con distribución normal?
f(s)
normal a una distribución normal mediante la 0.1
50 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Teorema de límite central: Guías de muestra
Uniforme Exponencial Parabólico
Independientemente de la forma de la población padre, la Normal
51 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Teorema central del límite
El teorema central del límite es uno de los resultados fundamentales de la estadística.
Este teorema nos dice que si una muestra es lo bastante grande (generalmente
cuando el tamaño muestral (n) supera los 30), sea cual sea la distribución de la media
muestral, seguirá aproximadamente una distribución normal. Es decir, dada cualquier
variable aleatoria, si extraemos muestras de tamaño n (n>30) y calculamos los
promedios muestrales, dichos promedios seguirán una distribución normal.
SI:
𝑋1, 𝑋2, … , 𝑋𝑛 son mediciones independientes (es decir, Una muestra), de una
población donde la media de 𝑋ത es , 𝑌 la desviación estándar de 𝑋 es ,
X 1 + X 2 ++ X n
X= n
ENTONCES:
• La distribución de media y la desviación estándar dada por:
Fig 32. Concepto de límite central.
X = and X =
n
52 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Demostración del Teorema del Límite Central usando MatLab
El teorema del límite central establece que, en determinadas condiciones, la media de un número suficientemente grande de
variables aleatorias independientes, cada una con media y varianza finitas, tendrá una distribución aproximadamente normal.
Código 1. Código MatLab para probar el teorema de límite central. Fig 33. ejemplos de datos Fig 34. Resultado de aplicar el teorema del limite central.
aleatorios que se generan.
53 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.
Backup y Referencias
Referencias – Gráficos de control
• The six-sigma handbook – Pizdek Keller, Third edition, 2009, Mc Graw Hills.
• Six Sigma Black Belt Training Materials - Session 1, Six Sigma Academy, 2006, http://corp.sensata.com/sixsigma/
• Six Sigma Green Belt Training Materials - Session 1 (21 Correlation and Simple Regression), and Session 2 (02 Multiple
Regression), Six Sigma Academy, 2006, http://corp.sensata.com/sixsigma/
• Lean Six Sigma and Minitab, Quentin Brook, Opex Resources Ltd., 2010, ISBN-13: 978-0-9546813-6-4.
• Six Sigma Statistics with Excel and Minitab, Issa Bass, McGraw Hill, 2007, ISBN-13: P/N 978-0-07-149646-9 of set 978-0-07-
148969-0.
55 | Sensata Proprietary Information. Strictly Confidential. - Yellow Belt – Gráficos de control - M. Melchor.