Curso Basico Minitab XV

Curso bsico de Minitab
Curso bsico de Minitab*
* Minitab es marca registrada de Minitab, Inc.
Dr. Primitivo Reyes Aguilar

Mayo 2010
1
Introduccin
Generalidades
Introduccin a Minitab
Manipulacin de datos
Clculos con datos
Herramientas para la calidad

Introduccin
Diagrama de Pareto
Diagrama de Causa Efecto
Estadstica descriptiva
Histogramas
Grficas de caja y tallo y hojas
Prueba de normalidad
2
Herramientas para la calidad (cont)

Intervalos de confianza y Pruebas de hiptesis de una poblacin
Pruebas de hiptesis de dos poblaciones
ANOVA de una va
Tablas de contingencia
Estadstica no paramtrica
Prueba de los signos
Prueba de Wilconox
Prueba de Mann Whitney
Prueba de Kruskal Wallis
Regresin lineal y cuadrtica
Cartas de control
3
Introduccin
4
Las fases de Lean Sigma (DMAIC)

Justificar
proyecto
Definir el
problema
Diagrama de
Pareto
Pareto Chart of Clientes
y grficas 300
diversas 250
100
80
200
Percent
Monto
60
150
100 40
50 20
5
0 0
Clientes Gobierno Industria Comercio Consumo Other
Monto 120 70 40 25 10
Percent 45.3 26.4 15.1 9.4 3.8
Cum % 45.3 71.7 86.8 96.2 100.0
5

Coleccin de informacin y
diagnstico
Estadstica descriptiva,
Histogramas
Descriptive Statistics: Tiempo de espera
Grficas
Variable
de tallo y hojas
N Mean StDev Median
Tiempo de espera 50 19.93 1.847 20.037
Boxplot of Tiempo de espera

24
Histogram (with Normal Curve) of Tiempo de espera
23
16 Mean 19.94
StDev 1.847
22
14 N 50
21
Tiempo de espera
12
20
10
Frequency
19
8
18
6
17
4
16
2 15
0
15.0 16.2 17.4 18.6 19.8 21.0 22.2 23.4
Tiempo de espera
Summary for Tiempo de espera Prueba

Anderson-Darling Normality Test de
A-Squared
P-Value
0.51
0.189
Normalid
Histograma Mean 19.936
ad
StDev
Variance
1.847
3.411
Normal
Skewness -0.507024 Estadstic
si
Kurtosis 0.464656
N 50 a > 0.05
P
Minimum 15.015 descripti
1st Q uartile 19.088
Median 20.037
va
3rd Q uartile 21.290
16 18 20 22 Maximum 23.293
95% Confidence I nterval for Mean
19.411 20.461
95% Confidence I nterval for Median
Diagrama de 19.542 20.426

95% Confidence I nterval for StDev
caja
95% Confidence I ntervals
1.543 2.301
Mean
Median
19.50 19.75 20.00 20.25 20.50
7
Process Capability of Tiempo de espera
USL
Process Data Within
LSL * Overall
Target *
USL 25 Potential (Within) Capability
Sample Mean 19.9361 Cp *
CPL *
Sample N 50
StDev(Within) 1.70866 CPU 0.99 ndice de
StDev(O verall) 1.84689 Cpk 0.99
Overall Capability
capacidad
Pp * real
PPL *
PPU 0.91 Cpk >=
Ppk
Cpm
0.91
* 1.5
16 18 20 22 24
Observed Performance Exp. Within Performance Exp. O verall Performance
% < LSL * % < LSL * % < LSL *
% > USL 0.00 % > USL 0.15 % > USL 0.31
% Total 0.00 % Total 0.15 % Total 0.31
% fuera del
lmite
superior
Max. 3.4 8

Cause-and-Effect Diagram
Medio ambiente Material Personal
Descuido
Calor I nadecuados
Capacitacin
Humedad Faltantes
Motivacin
Estres Con errores

Responasibilidad
Lentitud en
atencin al
cliente
Paros menores
Proceso no actual
Falla de equipos
Proceso complejo
Falla de PCs
Proceso incompleto
Sistema lento
Mtodos Equipos
Boxplot of Caja A, Caja B

17.5
15.0
P-Value = 0.00
Causas potenciales y reales 12.5
Data
(raz) 10.0
Diagrama de causa efecto 7.5
Pruebas de hiptesis 5.0
(medias iguales?) Caja A Caja B
Son diferentes si P value <=


Boxplot of Caja A, Caja B, Caja C
17.5
15.0
P-Value = 0.00
12.5
Data
10.0
7.5
5.0
Caja A Caja B Caja C
Fitted Line Plot

Tiempo = 1.119 + 0.2094 Calificacin
3.25 S 0.172546
R-Sq 91.9%
R-Sq(adj) 90.8%
3.00
2.75
P-Value = 0.115 2.50
Tiempo
Serv.NO DEPENDE del gnero 2.25
2.00
Comprobar causas reales (raz) 1.75
ANOVA (medias iguales?), 1.50
2 3 4 5 6 7 8 9
regresin , tablas de contingencia Calificacin
(proporciones iguales?)
Main Effects Plot for Rendimiento

Data Means
Temperatura Concentracion
70
65
60
55
50
Mean
120 150 10 12
Presion
70
Para maximizar
65
Soluciones para eliminar
60 Eficiencia ajustar
55 causas raz
T=150 y C=10
50
10 14 Pruebas de hiptesis,
DOE, ANOVA

Mantener las soluciones con
control estadstico
Cartas de control
I-MR Chart of Tiempo de espera
25.0 UCL=25.06
I ndividual Value
22.5
_
20.0 X=19.94
17.5
15.0 LCL=14.81
1 6 11 16 21 26 31 36 41 46
Observation
C Chart of Caja B
UCL=6.297 16
UCL=15.56
6.0
14
Moving Range
4.5
12
10
Sample Count
3.0
__
MR=1.927 8 _
1.5 C=7.4
6
0.0 LCL=0
4
1 6 11 16 21 26 31 36 41 46
Observation 2
0 LCL=0
1 2 3 4 5 6 7 8 9 10
Sample
Introduccin a Minitab
13
Minitab Inc. es una compaa privada cuya sede principal se encuentra

en State College, Pensilvania, y tiene subsidiarias en el Reino Unido,
Francia y Australia. con representantes y distribuidores en muchos pases
alrededor del mundo.
El programa Minitab Statistical Software fue desarrollado en 1972 por

tres profesores de Estadstica de Penn State University. Uno de ellos
Barbara Ryan, es la presidenta y directora ejecutiva de Minitab.
Minitab es el principal software del mundo para la enseanza de

estadstica a estudiantes. Tambin, es el software utilizado con mayor
frecuencia en Seis Sigma, la principal metodologa del mundo para el
mejoramiento de la calidad.
.
14
Generalidades
15
Manipulacin y clculo con datos
16
La letra T indica
columna de texto
17
18
19
Eastern.mtw Central.xls Western.txt
20
21
22
23
Ejemplo: Para calcular el incremento de peso

ARCHIVOS PESOS.MTW en un cierto periodo de tiempo
Peso_antes Peso_despues
64 88 Incremento
58 70 24
62 76 12
66 78 14
64 80 12
74 84 16
84 84 10
68 72 0
62 75 4
76 118 13
90 94 42
80 96 4
16
92 84
-8
68 76
8
60 76
16
62 58
-4
66 82 16
70 72 2
68 76 8
72 80 8
24
25
26
27
Herramientas para la calidad
28
29
Chart of Activity, Sex

Sex
60 2
1
50
40
Count
30
20
10
0
Activity 0 1 2 3
30
31
Chart of Activity, Sex

Sex
60 Mujer
Hombre
50
40
Count
30
20
10
0
Activity 0 1 2 3
32
33
34
Pie Chart of Activity

Grfica de ejemplo Category
Alta
Baja
Media
Nula
35
36
Pareto Chart of Clientes

300
100
250
80
200
Percent
Monto
60
150
100 40
50 20
0 0
Clientes Gobierno Industria Comercio Consumo Other
Monto 120 70 40 25 10
Percent 45.3 26.4 15.1 9.4 3.8
Cum % 45.3 71.7 86.8 96.2 100.0
37
38
Estado Cvil
SOLTERO Pareto Chart of Estado Cvil

SOLTERO 800
100
UNION LIBRE 700
SOLTERO
600 80
CASADO
500
Percent
SOLTERO
Count
60
SOLTERO 400
CASADO 300 40
SOLTERO 200
UNION LIBRE 20
100
CASADO
SOLTERO 0 0
Estado Cvil
SOLTERO
UNION LIBRE
SOLTERO
SOLTERO Count 404 125 79 63 28 21 25
Percent 54.2 16.8 10.6 8.5 3.8 2.8 3.4
SOLTERO
Cum % 54.2 71.0 81.6 90.1 93.8 96.6 100.0
39
40
41
42
43
44
45
46
47
48
ESTADSTICA BSICA
Poblacin: es la coleccin de todos los elementos

(piezas, personas, mediciones, etc.).
Muestra: es una parte o subconjunto representativo

de la poblacin, o sea una muestra de mediciones de
las caractersticas.
Incluye:
Medidas de tendencia central
media, moda, mediana
Medidas de dispersin
rango, varianza, desviacin estndar, coeficiente de variacin
Distribuciones de frecuencia (histogramas)
Funciones acumulativas de distribucin

49

Representan las diferentes formas de caracterizar el
valor central de un conjunto de datos
Media muestral Media

poblacional
xi

n
50

Mediana: es el valor medio cuando los datos se
arreglan en orden ascendente o descendente, para n
par, la mediana es la media de los valores
intermedios
51

Moda: Valor que ms se repite, puede haber ms de
una
Media acotada (Truncated Mean): Se elimina cierto
porcentaje de los valores ms altos y bajos de un
conjunto dado de datos (tomando nmeros enteros),
se calcula la media para los valores restantes.
52
Rango: Es el valor mayor menos el valor menor de un
conjunto de datos
Varianza: es el promedio de las desviaciones al

cuadrado respecto a la media (n para poblacin y n-1
para muestra para eliminar el sesgo)
53
Desviacin estndar: es la raz cuadrada de la
varianza ya sea poblacional o muestral S
54
Coeficiente de variacin: es igual a la desviacin
estndar dividida por la media y se expresa en
porcentaje
55
57
58
59
60
61
62
Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro

casas y se evalan despus de 60 das de uso, se analiza con grficas de caja.
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
83
Estadstica inferencial
Pruebas de hiptesis
84
IC = Estadstico +- error
Intervalo
muestral de
confianza
Poblacin, (95%) , rango
total de de valores
productos y para estimar
servicios (N) los
parmetros
Inferencia estadstica , , 2,
de los parmetros:
m= media
s = desviacin estndar
Estadstico
Muestra 2= varianza
=proporcin s
(n)
X, s, p
85
Distribucin normal o de Gauss
Estadstico Z
Inferencia estadstica de los
parmetros:
m = media
Cuando n >= 30 y/o es conocida (de datos histricos)
m =proporcin
Cuando n >= 30
Estadstico t
Inferencia estadstica del
parmetro:
m= media
Cuando n < 30 y desconocida

(sin historial del proceso o prov.)
86
Estadstico 2
parmetro:
= desviacin estndar
Comprobar normalidad del

proceso
Estadstico F
parmetro:
12/ 22 relacin de varianzas
Revisar normalidad de muestras
87
IC = Estadstico +- error
Intervalo
muestral de
confianza
Poblacin, (95%) , rango
total de de valores
productos y para estimar
servicios (N) los
parmetros
Estadsticos utilizados: , , 2,
m= media, Z o t
=proporcin
s = desviacin estndar, 2 Estadstico

Muestra
s
(n) 12/ 22 Rel. de varianzas X, s, p
88
Intervalo donde se encuentra

La media poblacional
90
Prueba de hiptesis
Una prueba de hiptesis es una afirmacin sobre el
valor que se estima tiene un parmetro poblacional
, , 2,
Si la afirmacin contiene el signo igual (=, >=, <=) se

establece primero la hiptesis nula Ho
Si la afirmacin contiene los signos (<, >, <> o ) se

establece primero la hiptesis alterna Ha
Es necesario establecer el nivel de confianza de la

prueba, normalmente 95% (o alfa de 1-NC = 0.05)
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
Boxplot of A, B, C
2.2
2.0
1.8
Data
1.6
1.4
1.2
1.0
A B C
115
Normal Probability Plot

(responses are A, B, C)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-0.50 -0.25 0.00 0.25 0.50
Residual
116
117
118
119
120
121
Estadstica no paramtrica
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
Regresin lineal y cuadrtica
137
138
139
140
141
Coeficiente de correlacin
Reglas empricas
Coeficiente de correlacin Relacin

0.8 < r < 1.0 Fuerte, positiva
0.3 < r < 0.8 Dbil, positiva
-0.3 < r < 0.3 No existe
-0.8 < r < -0.3 Dbil, negativa
-1.0 < r < -0.8 Fuerte, negativa
142
Anlisis de Regresin
El
Elanlisis
anlisisde
de regresin
regresin es esununmtodo
mtodo
estandarizado
estandarizadopara
paralocalizar
localizar la
lacorrelacin
correlacinentre
entredos
dos
grupos
grupos de
dedatos,
datos, y,y,quiz
quizmsms importante,
importante, crear
crear un
un
modelo
modelode deprediccin.
prediccin.
Puede
Puedeser
ser usado
usado para
para analizar
analizar las
las relaciones
relacionesentre:
entre:
Una
Unasola
solaX
X predictora
predictorayyuna
unasola
solaY
Y
Mltiples
Mltiplespredictores
predictores X
X yy una
una sola
solaY
Y
Varios
Variospredictores
predictores X
X entre
entres
s
143
Modelo de regresin lineal simple

Fitted Line Plot
Resultados de prueba (%) = 31.21 + 0.6955 Tiempo de estudio (horas)
S 4.47182
80
R-Sq 77.0%
R-Sq(adj) 74.2%
75
Resultados de prueba (%)
R^2 Coef. de
70
determinacin
65
60
55
50
30 40 50 60 70
Tiempo de estudio (horas)
Mnimos cuadrados
144
145
146
147
148
149
150
Cartas de control
151
Qu es una Carta de Control?

Una Carta de Control es como un historial del
proceso...
donde ha estado? En donde se encuentra?
... Hacia donde se puede dirigir
Las cartas de control pueden reconocer cambios

buenos y malos. Qu tanto se ha mejorado?
Se ha hecho algo mal?
Las cartas de control detectan la variacin anormal

en un proceso, denominadas causas especiales
o asignables de variacin.
152
Variacin observada en una Carta de

Control
Una Carta de control registra datos secuenciales en el
tiempo con lmites de control superior e inferior.
El patrn normal de un proceso se llama causas de

variacin comunes.
El patrn anormal debido a eventos especiales se

llama causa especial de variacin.
Los lmites de control NO son de especificacin.
153
Causas comunes o normales

Siempre estn presentes
Slo se reduce con acciones de mejora
mayores, responsabilidad de la direccin
Fuentes de variacin: Mrgenes inadecuados

de diseo, materiales de baja calidad,
capacidad del proceso insuficiente
SEGN DEMING
El 94% de las causas de la variacin son causas
comunes, responsabilidad de la direccin
154
Variacin Causas comunes
Lmite
inf. de
Lmite
especs.
sup. de
especs.
Objetivo
El proceso es predecible
155
Causas Especiales
CAUSAS ESPECIALES
Ocurren espordicamente y son ocasionadas por
variaciones anormales (6Ms)
Medicin, Medio ambiente, Mano de obra,
Mtodo, Maquinaria, Materiales
Se reducen con acciones en el piso o lnea, son
responsabilidad del operador
SEGN DEMING
El 15% de las causas de la variacin son causas
especiales y es responsabilidad del operador
156
Variacin Causas especiales
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
El proceso es impredecible
157
Cartas de control
12.5 Lmite
Superior de
11.5 Control
10.5
Lnea
9.5 Central
8.5 Lmite
Inferior de
7.5 Control
0 10 20 30
158
Patrones Fuera de Control

Corridas
7 puntos consecutivos de un lado de X-media.
Puntos fuera de control

1 punto fuera de los lmites de control a 3
sigmas en cualquier direccin (arriba o abajo).
Tendencia ascendente o descendente

7 puntos consecutivos aumentando o
disminuyendo.
160
Patrones Fuera de Control
Adhesin a la media
15 puntos consecutivos dentro de la banda de
1 sigma del centro.
Otros
2 de 3 puntos fuera de los lmites a dos sigma
161
Proceso de mejora con CEP
http://support.sas.com/rnd/app/qc/qc/qcspc.html
162
Tipos de Cartas de control

Hay dos categoras, por el tipo de datos bajo estudio-
cartas por variables y atributos.
Las Cartas por variables se usan para caracterstica
con magnitud variable. Ejemplo:
- Longitud, Ancho, Peso, Tiempo de ciclo o de
respuesta
Las Cartas por atributos se usan para monitoreo de
datos contables. Ejemplo:
- Servicios o productos no conformes, errores en los
servicios o defectos en los productos
163
Cartas de Control por
Variables
MEDIAS RANGOS X-R (subgrupos de 5 -
9 partes o servicios evaluados por
periodo de tiempo, para estabilizar
procesos)
MEDIAS DESVIACIONES ESTNDAR X S

(subgrupos 9 partes o servicios
evaluados por periodo de tiempo)
VALORES INDIVIDUALES I- MR (partes o
servicios individuales evaluados por
periodo de tiempo)
1
Xbar-R Chart of Supp2

1
1
UCL=602.376
602
Sample Mean
__
X=600.23
600
598 LCL=598.084
1 3 5 7 9 11 13 15 17 19
Sample
8 UCL=7.866
6
Sample Range
_
4 R=3.72
Cul grfica se analiza primero?

2
Cul es su conclusin acerca del proceso ?

0
1 3 5 7 9 11 13 15 17 19
LCL=0
Sample
165
166
Xbar-S Chart of Supp2

1
602 UCL=601.883
Sample Mean
601
_
_
X=600.23
600
599
LCL=598.577
1 2 3 4 5 6 7 8 9 10
Sample
3
UCL=2.909
Sample StDev
2
_
S=1.695
LCL=0.481
1 2 3 4 5 6 7 8 9 10
Sample
167
I-MR Chart of Supp2
605.0 UCL=605.34
I ndividual Value
602.5
_
600.0 X=600.23
597.5
595.0 LCL=595.12
1 11 21 31 41 51 61 71 81 91
Observation
1
UCL=6.284
6.0
Moving Range
4.5
3.0
__
MR=1.923
1.5
0.0 LCL=0
1 11 21 31 41 51 61 71 81 91
Observation
168
169
Estos son los patrones de

anormalidad en las cartas
de control
170
171
Cartas de control por atributos

Miden caractersticas como aprobado/reprobado,
bueno/malo o pasa/no pasa.
Nmero de productos defectuosos

Fraccin de productos defectuosos
Numero de defectos por unidad de producto

Nmero de llamadas para servicio
Nmero de partes daadas

Pagos atrasados por mes
Cartas de control para atributos

Datos de Atributos
Tipo Medicin Tamao de Muestra ?
p Fraccin de partes defectuosas, Constante o variable > 50
defectivas o no conformes (>4) n e (n promedio +- 20%)
np Nmero de partes defectuosas Constante > 50
c Nmero de defectos o errores Constante = 1 Unidad de
inspeccin
u Nmero de defectos por unidad Constante o variable en
o errores por unidad unidades de inspeccin
174
175
176
177

Curso Basico Minitab XV

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

Curso Basico Minitab XV

Cargado por

Copyright:

Formatos disponibles

Curso bsico de Minitab

Curso bsico de Minitab*

* Minitab es marca registrada de Minitab, Inc.

Dr. Primitivo Reyes Aguilar

Herramientas para la calidad

Herramientas para la calidad (cont)

Regresin lineal y cuadrtica

Las fases de Lean Sigma (DMAIC)

Las fases de Lean Sigma (DMAIC)

Boxplot of Tiempo de espera

Summary for Tiempo de espera Prueba

Diagrama de 19.542 20.426

19.50 19.75 20.00 20.25 20.50

Process Capability of Tiempo de espera

Las fases de Lean Sigma (DMAIC)

Estres Con errores

Boxplot of Caja A, Caja B

Diagrama de causa efecto 7.5

Pruebas de hiptesis 5.0

(medias iguales?) Caja A Caja B

Son diferentes si P value <=

Las fases de Lean Sigma (DMAIC)

Caja A Caja B Caja C

Fitted Line Plot

Comprobar causas reales (raz) 1.75

ANOVA (medias iguales?), 1.50

regresin , tablas de contingencia Calificacin

Las fases de Lean Sigma (DMAIC)

Main Effects Plot for Rendimiento

Las fases de Lean Sigma (DMAIC)

Minitab Inc. es una compaa privada cuya sede principal se encuentra

El programa Minitab Statistical Software fue desarrollado en 1972 por

Minitab es el principal software del mundo para la enseanza de

Eastern.mtw Central.xls Western.txt

Ejemplo: Para calcular el incremento de peso

Herramientas para la calidad

Chart of Activity, Sex

Chart of Activity, Sex

Pie Chart of Activity

Pareto Chart of Clientes

SOLTERO Pareto Chart of Estado Cvil

Poblacin: es la coleccin de todos los elementos

Muestra: es una parte o subconjunto representativo

Distribuciones de frecuencia (histogramas)

Funciones acumulativas de distribucin

Medidas de tendencia central

Media muestral Media

Medidas de tendencia central

Medidas de tendencia central

Varianza: es el promedio de las desviaciones al

Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro

Cuando n < 30 y desconocida

Comprobar normalidad del

Revisar normalidad de muestras

s = desviacin estndar, 2 Estadstico

Intervalo donde se encuentra

Si la afirmacin contiene el signo igual (=, >=, <=) se

Si la afirmacin contiene los signos (<, >, <> o ) se

Es necesario establecer el nivel de confianza de la

Normal Probability Plot

Regresin lineal y cuadrtica

Coeficiente de correlacin Relacin

Modelo de regresin lineal simple