slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Curso básico de Minitab * PowerPoint Presentation
Download Presentation
Curso básico de Minitab *

Loading in 2 Seconds...

play fullscreen
1 / 177

Curso básico de Minitab * - PowerPoint PPT Presentation


  • 490 Views
  • Uploaded on

Curso básico de Minitab *. * Minitab es marca registrada de Minitab , Inc. Dr . Primitivo Reyes Aguilar Mayo 2010 . Introducción Generalidades Introducción a Minitab Manipulación de datos Cálculos con datos Herramientas para la calidad Introducción Diagrama de Pareto

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Curso básico de Minitab *' - aden


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Curso básico de Minitab*

* Minitab es marca registrada de Minitab, Inc.

Dr. Primitivo Reyes Aguilar

Mayo 2010

slide2

Introducción

  • Generalidades
  • Introducción a Minitab
  • Manipulación de datos
  • Cálculos con datos
  • Herramientas para la calidad
  • Introducción
  • Diagrama de Pareto
  • Diagrama de Causa Efecto
  • Estadística descriptiva
  • Histogramas
  • Gráficas de caja y tallo y hojas
  • Prueba de normalidad
slide3

Herramientas para la calidad (cont…)

  • Intervalos de confianza y Pruebas de hipótesis de una población
  • Pruebas de hipótesis de dos poblaciones
  • ANOVAde una vía
  • Tablas de contingencia
  • Estadística no paramétrica
  • Prueba de los signos
  • Prueba de Wilconox
  • Prueba de Mann Whitney
  • Prueba de Kruskal Wallis
  • Regresión lineal y cuadrática
  • Cartas de control
las fases de lean sigma dmaic
Las fases de Lean Sigma (DMAIC)

Justificar proyecto

Definir el problema

Diagrama de Pareto

y gráficas diversas

5

las fases de lean sigma dmaic1
Las fases de Lean Sigma (DMAIC)

Colección de información y diagnóstico

Estadística descriptiva, Histogramas

Gráficas de tallo y hojas

DescriptiveStatistics: Tiempo de espera

Variable N Mean StDev Median

Tiempo de espera 50 19.93 1.847 20.037

slide7

Prueba de

Normalidad

Normal si

P > 0.05

Histograma

Estadística

descriptiva

Diagrama de caja

slide8

Índice de capacidad real

Cpk >= 1.5

% fuera del límite superior

Max. 3.4 ppm

las fases de lean sigma dmaic2
Las fases de Lean Sigma (DMAIC)

P-Value = 0.00

Causas potenciales y reales (raíz)

Diagrama de causa efecto

Pruebas de hipótesis (¿medias iguales?)

Son diferentes si P value <= 0.05

las fases de lean sigma dmaic3
Las fases de Lean Sigma (DMAIC)

P-Value = 0.00

P-Value = 0.115

Serv.NO DEPENDE del género

Comprobar causas reales (raíz)

ANOVA (¿medias iguales?), regresión , tablas de contingencia (¿proporciones iguales?)

las fases de lean sigma dmaic4
Las fases de Lean Sigma (DMAIC)

Para maximizar

Eficiencia ajustar

T=150 y C=10

Soluciones para eliminar causas raíz

Pruebas de hipótesis, DOE, ANOVA

las fases de lean sigma dmaic5
Las fases de Lean Sigma (DMAIC)

Mantener las soluciones con control estadístico

Cartas de control

slide14

Minitab Inc. es una compañía privada cuya sede principal se encuentra en StateCollege, Pensilvania, y tiene subsidiarias en el Reino Unido, Francia y Australia. con representantes y distribuidores en muchos países alrededor del mundo.

El programa Minitab® Statistical Software fue desarrollado en 1972 por tres profesores de Estadística de PennStateUniversity. Uno de ellos BarbaraRyan, es la presidenta y directora ejecutiva de Minitab.

Minitab es el principal software del mundo para la enseñanza de estadística a estudiantes. También, es el software utilizado con mayor frecuencia en Seis Sigma, la principal metodología del mundo para el mejoramiento de la calidad.

.

slide17

La letra T indica

columna de texto

slide24

Ejemplo: Para calcular el incremento de peso

en un cierto periodo de tiempo

slide49

ESTADÍSTICA BÁSICA

Población: es la colección de todos los elementos (piezas, personas, mediciones, etc.).

Muestra: es una parte o subconjunto representativo de la población, o sea una muestra de mediciones de las características.

Incluye:

  • Medidas de tendencia central
    • media, moda, mediana
  • Medidas de dispersión
    • rango, varianza, desviación estándar, coeficiente de variación
  • Distribuciones de frecuencia (histogramas)
  • Funciones acumulativas de distribución
medidas de tendencia central
Medidas de tendencia central
  • Representan las diferentes formas de caracterizar el valor central de un conjunto de datos

Media muestral Media poblacional

medidas de tendencia central1
Medidas de tendencia central

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

medidas de tendencia central2
Medidas de tendencia central

Moda: Valor que más se repite, puede haber más de una

Media acotada (Truncated Mean): Se elimina cierto porcentaje de los valores más altos y bajos de un conjunto dado de datos (tomando números enteros), se calcula la media para los valores restantes.

medidas de dispersi n
Medidas de dispersión
  • 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 población y n-1 para muestra para eliminar el sesgo)
medidas de dispersi n1
Medidas de dispersión

Desviación estándar: es la raíz cuadrada de la varianza ya sea poblacional  o muestral S

medidas de dispersi n2
Medidas de dispersión

Coeficiente de variación: es igual a la desviación estándar dividida por la media y se expresa en porcentaje

slide63

Se desea conocer la durabilidad de 4 alfombras, para lo cual se instalan en cuatro casas y se evalúan después de 60 días de uso, se analiza con gráficas de caja.

slide84

Estadística inferencial

Pruebas de hipótesis

slide85

IC = Estadístico +- error muestral

Población, total de productos y servicios (N)

Intervalo de confianza (95%) , rango de valores para estimar los parámetros , , 2, 

  • Inferencia estadística
  • de los parámetros:
  • = media
  • = desviación estándar
  • 2= varianza
  • =proporción

Muestra

(n)

Estadísticos

X, s, p

slide86

Distribución normal o de Gauss

  • Estadístico Z
  • Inferencia estadística de los parámetros:
  • = media
  • Cuando n >= 30 y/o  es conocida (de datos históricos)
  • =proporción
  • Cuando n >= 30
  • Estadístico t
  • Inferencia estadística del parámetro:
  • = media
  • Cuando n < 30 y  desconocida (sin historial del proceso o prov.)
slide87

Estadístico 2

Inferencia estadística del parámetro:

 = desviación estándar

Comprobar normalidad del proceso

Estadístico F

Inferencia estadística del parámetro:

12/ 22 relación de varianzas

Revisar normalidad de muestras

slide88

IC = Estadístico +- error muestral

Población, total de productos y servicios (N)

Intervalo de confianza (95%) , rango de valores para estimar los parámetros , , 2, 

  • Estadísticos utilizados:
  • = media, Z o t
  • =proporción
  • = desviación estándar, 2
  • 12/ 22 Rel. de varianzas

Muestra

(n)

Estadísticos

X, s, p

slide89

Intervalo donde se encuentra

La media poblacional

prueba de hip tesis
Prueba de hipótesis

Una prueba de hipótesis es una afirmación sobre el valor que se estima tiene un parámetro poblacional , , 2, 

Si la afirmación contiene el signo igual (=, >=, <=) se establece primero la hipótesis nula Ho

Si la afirmación contiene los signos (<, >, <> o ) se establece primero la hipótesis alterna Ha

Es necesario establecer el nivel de confianza de la prueba, normalmente 95% (o alfa de 1-NC = 0.05)

coeficiente de correlaci n
Coeficiente de correlación

Reglas empíricas

Coeficiente de correlación

0.8 < r < 1.0

0.3 < r < 0.8

-0.3 < r < 0.3

-0.8 < r < -0.3

-1.0 < r < -0.8

Relación

Fuerte, positiva

Débil, positiva

No existe

Débil, negativa

Fuerte, negativa

an lisis de regresi n
Análisis de Regresión
  • El análisis de regresión es un método estandarizado para localizar la correlación entre dos grupos de datos, y, quizá más importante, crear un modelo de predicción.
  • Puede ser usado para analizar las relaciones entre:
  • Una sola “X” predictora y una sola “Y”
  • Múltiples predictores “X” y una sola “Y”
  • Varios predictores “X” entre sí
modelo de regresi n lineal simple
Modelo de regresión lineal simple

R^2 Coef. de

determinación

Mínimos cuadrados

qu es una carta de control
¿Qué 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. ¿Qué tanto se ha mejorado? ¿Se ha hecho algo mal?

Las cartas de control detectan la variación anormal en un proceso, denominadas “causas especiales o asignables de variación.”

variaci n observada en una carta de control
Variación observada en una Carta de Control
  • Una Carta de control registra datos secuenciales en el tiempo con límites de control superior e inferior.
  • El patrón normal de un proceso se llama causas de variación comunes.
  • El patrón anormal debido a eventos especiales se llama causa especial de variación.
  • Los límites de control NO son de especificación.
causas comunes o normales

Siempre están presentes

Sólo se reduce con acciones de mejora mayores, responsabilidad de la dirección

Fuentes de variación: Márgenes inadecuados de diseño, materiales de baja calidad, capacidad del proceso insuficiente

SEGÚN DEMING

El 94% de las causas de la variación son causas comunes, responsabilidad de la dirección

Causas comunes o normales
variaci n causas comunes
Variación – Causas comunes

Límite

inf. de

especs.

Límite

sup. de

especs.

Objetivo

El proceso es predecible

causas especiales
Causas Especiales
  • CAUSAS ESPECIALES
    • Ocurren esporádicamente y son ocasionadas por variaciones anormales (6Ms)
      • Medición, Medio ambiente, Mano de obra, Método, Maquinaria, Materiales
    • Se reducen con acciones en el piso o línea, son responsabilidad del operador
  • SEGÚN DEMING
    • El 15% de las causas de la variación son causas especiales y es responsabilidad del operador
variaci n causas especiales
Variación – Causas especiales

Límite

inf. de

especs.

Límite

sup. de

especs.

Objetivo

El proceso es impredecible

cartas de control
Cartas de control

Límite Superior de Control

Línea Central

Límite Inferior de Control

slide160

Patrones Fuera de Control

Corridas

7 puntos consecutivos de un lado de X-media.

Puntos fuera de control

1 punto fuera de los límites de control a 3 sigmas en cualquier dirección (arriba o abajo).

Tendencia ascendente o descendente

7 puntos consecutivos aumentando o disminuyendo.

slide161

Patrones Fuera de Control

Adhesión a la media

15 puntos consecutivos dentro de la banda de 1 sigma del centro.

Otros

2 de 3 puntos fuera de los límites a dos sigma

proceso de mejora con cep
Proceso de mejora con CEP

http://support.sas.com/rnd/app/qc/qc/qcspc.html

tipos de cartas de control
Tipos de Cartas de control

Hay dos categorías, por el tipo de datos bajo estudio- cartas por variables y atributos.

Las Cartas por variables se usan para característica 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

cartas de control por variables
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 ESTÁNDAR 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)
slide165

¿Cuál gráfica se analiza primero?

¿Cuál es su conclusión acerca del proceso ?

slide170

Estos son los patrones de

anormalidad en las cartas

de control

cartas de control por atributos
Cartas de control por atributos

Miden características como aprobado/reprobado, bueno/malo o pasa/no pasa.

Número de productos defectuosos

Fracción de productos defectuosos

Numero de defectos por unidad de producto

Número de llamadas para servicio

Número de partes dañadas

Pagos atrasados por mes

cartas de control para atributos
Cartas de control para atributos

Datos de Atributos

Tipo Medición ¿Tamaño de Muestra ?

p Fracción de partes defectuosas, Constante o variable > 50

defectivas o no conformes (>4) n e (n promedio +- 20%)

npNúmero de partes defectuosas Constante > 50

c Número de defectos o errores Constante = 1 Unidad de

inspección

u Número de defectos por unidad Constante o variable en

o errores por unidad unidades de inspección