Professional Documents
Culture Documents
-1
Objetivos
A la conclusin de este mdulo usted ser capaz de:
-2
Medir
Pasos Herramientas
SIPOC / VSM Anlisis Entrada/Salida Matriz C&E Mapa proceso detallado FMEA
Resultados
Mapa de proceso actual Identificacin y medicin de Xs (KPIVs) Sistema de Medicin verificado(s) Capacidad actual de las Ys (KPOVs)
Entender el proceso
Medir
Entender el proceso Evaluar el riesgo de las entradas del proceso Desarrollar y evaluar sistemas de medicin Medir el desempeo actual del proceso Desarrollar y evaluar sistemas de medicin Evaluar el riesgo de las entradas del proceso
Planes recopilacin datos Auditora integridad datos MSA Contnuo (GR&R) MSA atributo MSA (Estudio Kappa)
Capacidad proceso
-3
En el Principio.
La mejora de proceso puede progresar solamente por la comprensin y respecto a el concepto de la variacin Variacin esta compuesta de tres elementos:
1.
2. 3.
-4
Estadsticos Bsicos:
Fundamentos de Mejora
Estabilidad
Vea como se comporta el proceso a travs del tiempo. Representado por una media y variabilidad predecibles a travs del tiempo.
Variabilidad
Utilice la media para determinar si el proceso est en el objetivo. Utilice la desviacin estndar para estimar la variabilidad
200
200
UCL=187.5
150
150
Individual Value
100
Individual Value
100
_ X=98.7
50
50
0 1 6 11 16 21 26 31 Observation 36 41 46
0 1 6 11 16 21 26 31 Observation 36 41 46
LCL=9.8
-5
Variacin
An y cuando cada proceso muestra variacion, algunos de ellos muestran variacin controlada, mientras que otros muestran variacin no-controlada(Walter Shewhart)
La variacin controlada se caracteriza por un patrn consistente y estable de variacin en el tiempo La variacin no-controlada se caracteriza por variacin que cambia a travs del tiempo
-6
Variabilidad de procesos
Separe la variacin de procesos en:
La mayora de las procesos tienen ambas, pero usualmente existe una dominante Al cliente no le interesa si la variacin es por una causa comn o una especial
Entender las causas comunes y especiales permite la determinacin de la capacidad del proceso
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
-7
Causas Comunes
Son numerosas
Son repetitivas
Se originan por muchas fuentes Son comunes a todos los datos
-8
Causas Especiales
Son espordicas en ocurrencia El inicio no es predecible
-9
Ejemplos de Variacin
El proceso A muestra Variacin Controlada El proceso B muestra Variacin No Controlada
200 200
UCL=187.5
150
150
Individual Value
100
Individual Value
100
_ X=98.7
50
50
0 1 6 11 16 21 26 31 Observation 36 41 46
0 1 6 11 16 21 26 31 Observation 36 41 46
LCL=9.8
Causa Especial
-10
-11
Malo
Malo
Bueno
LEI
LES
-12
Nueva visin: hay costos asociados a estar fuera del nominal target - incluso cuando cumplimos con las espec. del cliente!
Proceso de Mazda Manufactura de transmisiones para automobiles Proceso de Ford
LEI
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
LES
-13
Si el proceso no es estable, identifique y elimine las causas de la inestabilidad Si no est en el objetivo, identifique las variables que afectan la media y determine los ajustes necesarios para lograr el valor objetivo.
Estime la magnitud de la variabilidad total - es aceptable en relacin a los requerimientos del cliente (lmites especificados)?
Ahora revisaremos algunos estadsticos que nos ayudarn con estos pasos
-14
Estadsticos Bsicos
Tipos de Datos Mida el centro de los datos
Varianza
Desviacin Estndar
-15
Tipos de Datos
Atributo (Discreto)
Categoras Bueno / Malo Regin Este, Regin Central, Regin Oeste Nmero de turno
Continuo ( variable)
Tiempo (segundos) Ventas ($) Tasa (pulgadas) Temperatura Cuarto (grados) Velocidad (millas/hr)
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
Se acuerda de est?
-16
= Media Muestra
= Media de Poblacin
Estadsticos
estimado
Parmetros
-17
n 1
xn
Mediana: Refleja el 50% del rank El nmero central de un conjunto de nmeros ha sido ordenado
-18
Como la cabeza del Depto. De Comunicacin de la Universidad, se le ha encargado la tarea de resumir el salario inicial promedio de los graduados de Comunicacin
Sin embargo, el Depto. De Relaciones Pblicas le sugiere que considere la opcin de incluir el salario inicial de uno de los alumnos de comunicacin: Shaquille ONeal .
-19
Medidas de Variabilidad
Rango (R): La distancia entre los valores extremos del conjunto de datos (Mayor - Menor) Varianza (2, s2): La desviacin cuadrada promedio de cada punto respecto la media. Desviacin Estndar (, s): La raz cuadrada de la varianza
-20
X- X 0
3
X 3
X - X -1
2 1 0
X - X -2
Datos: 2, 1, 3, 5, 4
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
-21
Ejemplo
X
1 2 3 4 5 6 7 8 9 10 Mean Variance 2 1 3 5 4
X - X (X - X)
-1 -2 0 2 1 1 4 0 4 1
(X X )
i i =1
n -1
n
15 3
10 2.5 1.581139
-22
2 (X X ) i i =1
n -1
2 2 2 + entonces, Total X X
1
2 2 + As que Total X X
1
-23
La mayor parte de los fenmenos naturales y los procesos hechos por la mano del hombre tienen una distribucin normal, o pueden ser representados como distribuidos normalmente
-24
La Distribucin Normal
Propiedad 1: Una distribucin normal puede ser descrita completamente si nicamente conocemos:
-25
La Distribucin Normal
Propiedad 2: El rea abajo de las secciones de la curva pueden ser utilizadas para estimar la probabilidad acumulada para que cierto evento ocurra
Probability of sample value
68%
95%
10%
0% -4 -3 -2 -1
99.73%
-26
Distribucin(Normal) Suavizada
4 8 .0
4 8 .5
4 9 .0
4 9 .5
5 0 .0
5 0 .5
5 1 .0
5 1 .5
5 2 .0
G PM
Finalmente, podemos ver los datos como una distribucin suavizada (lnea roja), en este ejemplo usamos la suposicin de una distribucin normal (discutiremos esto mas adelante). Esta provee una aproximacin de como podran verse los datos si fuesen recolectados un numero infinitos de puntos.
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
-28
WORKSHEET: PAINTING.MTW
-29
La Distribucin Normal
Podemos probar si un conjunto dado de datos puede ser descrito como normal con una prueba llamada Grfica de Probabilidad Normal.
Si la Distribucin esta cerca de ser normal, la grfica de probabilidad normal ser una lnea recta.
Minitab genera la grafica de probabilidad normal fcilmente.
-30
-31
-32
-33
Histogram of Dist1
Normal 40
Mean StDev N 100.5 9.729 450
30
Percent
Frequency
20
10
70
80
90
100 Dist1
110
120
130
80
88
96
104 Dist1
112
120
128
Dist 1
Normal
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean StDev N AD P-Value 79.50 19.71 450 14.049 <0.005
Histogram of Dist2
Normal 80 70 60
Mean StDev N 79.50 19.71 450
Frequency
Percent
20
40
60
80 Dist2
100
120
140
160
Dist 1
Normal
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean StDev N AD P-Value 121.8 20.85 450 10.234 <0.005
Histogram of Dist3
Normal 70 60 50
Mean StDev N 121.8 20.85 450
Frequency
Percent
40 30 20 10 0
50
125 150 175 Dist3 Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
75
100
200
60
80
100 Dist3
120
140
160
-34
Distribuciones
Construya un diagrama Normal de la probabilidad para "?" y?? Columnas de los datos. Cul es su opinin? Son estos datos normales?
Probability Plot of ?
Normal - 95% CI
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean StDev N AD P-Value 115.6 17.61 450 6.421 <0.005
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1
Probability Plot of ??
Normal - 95% CI
Mean StDev N AD P-Value 50.22 29.33 450 6.277 <0.005
Percent
Percent
50
75
100 ?
125
150
175
-50
50 ??
100
150
-35
Estadstica Descriptiva
Veamos diferentes conjuntos de datos usando
Descriptiva
Esto nos dar una idea de el Centro, dispersin y
-36
-37
Descriptive Statistics
Variable: Mystery
Anderson-Darling Normality Test A-Squared: p-value: Mean Std Dev Variance Skewness Kurtosis n of data Minimum 1st Quartile Median 3rd Quartile Maximum 27.11 0.00 100.00 32.38 1048.78 0.01 -1.63 500.00 41.77 68.69 104.20 130.81 162.82
30
80
130
180
102.85
-38
48
56
64
72
80
88
95% C onfidence Interv al for M ean 95% C onfidence Interv al for M edian 95% C onfidence Interv al for S tDev 8.531
-39
Ejercicio:
Minitab Estadsticos Descriptivos
Propsito: Obtener prctica en generar estadsticos bsicos utilizando el Minitab
Grupo: Individual
Ejercicio:
Genere un resumen estadstico grfico para la variable Costo de Carga (Freight Cost) en la hja Freight Cost.MTW del proyecto Minitab TR 113 Numerical Data.MPJ . Evale los siguientes estadsticos: Media, Mediana, Rango, Desviacin Estndar y Varianza. Estn los datos distribuidos Normalmente?
-40
Ejercicio en Clase
Identificar
Quantificar Reducir o Controlar la variacion
Este ejercicio utiliza datos reales de las propiedades inmobiliarias de los suburbios de Boston que miden la variacin en precio de listado de una caracterstica residencial (KPOV)
Variables observadas KPIVs: Terreno force fit (area en intervalos de 250 ft2), Estilo de casa, Ciudad, # cuartos, # banos, Color
Objetivo: Qu fuentes de la variacin (entradas) afectan la variacin en la salida?
-41
95 90 80 70 60 50 40 30 20 10 5
Frequency
200000
600000
800000
Listing Price
Descriptive Statistics: Listing Price Variable N N* Mean SE Mean StDev Minimum Q1 Listing Price 30 0 284157 24583 134646 124900 194900 Variable Maximum Listing Price 750000
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
-42
Busquemos el significado de los datos Veamos el color de la casa y su efecto sobre la variabilidad de List Price: Stat > Basic Stat > Display
Descriptive Stats By Color despues todas las demas variables
-43
Como podemos ver si pientamos la casa White, Tan, podemos esperar que el valor de la case pase para arriba de el 50%
-44
Listing Price
500000 400000 300000 200000 100000 Blue Brown Grey Color Tan White Yellow
-45
-46
El teorema de lmite central es el fundamento de la estadstica descriptiva, l tiene dos componentes importantes:
El medio de la distribucin del muestreo del medio igualar el medio de la poblacin. La distribucin de la media se acercar a normalidad.
El significado del TLC es que permite que utilicemos Muestra estadstica para hacer inferencias sobre la poblacin sin saber nada sobre la forma de la distribucin de la poblacin con excepcin de lo que podemos obtener de la muestra
-47
La desviacin estndar de la distribucin de medias se le llama el error estndar de la media y se define como:
x
n
Este frmula demuestra que la media es ms estable que una sola observacin por el factor de la raiz-cuadrada del tamao de muestra
-48
n = 100
n = 25
n=4
-49
ESTADISTICA BASICA : 1. Causa especial de variacion es: a. Aleatoria b. Esperada c. Normal d. No-aleatoria 2. Los tres elementos de la variacion son: a. Distribucion, aleatoriedad, temporada b. Tendencia central, distribucion y forma d. Tendencia central, dispersion, distribucion
Quiz
-50
5 4 3 2 1 Stop Position 4 4 3 2 1 2 1
# of Elastomers Fixed
-51
Ejercicio en Clase
Objetivos:
Recolectar una muestra de datos Calcular la media y desviacin estndar muestral de la Distribucin Total Grafique un histograma total de la Distribucin datos Pruebe la normalidad de los datos. Haga algo de minado de datos. Ajuste la catapulta y mantenga todas las condiciones fijas(longitudes, ngulos de retraccin, topes, etc..) USE DOS TIPOS DE PELOTAS Y REGISTRE LOS DATOS EN UNA BASE DE DATOS Lance unas cuantas pelotas de prueba para estimar el rango. Localice un instrumento de medicin dentro del rango de distancia. Registre los valores de distancia en Minitab para 30 lanzamientos Realice el anlisis apropiado.
Rev. C Printed 7/18/2013 2004 by Sigma Breakthrough Technologies, Inc.
Procedimiento:
-52
Resumen
En la Fase Medir recopile los datos del proceso bajo estudio Los datos sern analizados durante la Fase del Proceso de Anlisis para identificar causas raz de los defectos del proceso El uso de datos estadsticos y de medicin sern reas que estar explorando en futuros bloques de entrenamiento
-53
Describir las caractersticas de una distribucin normal y del uso del minitab para calcular rea debajo de la curva normal para un intervalo dado de los datos
Describir el teorema de lmite central y describir la importancia del teorema de lmite central Definir Atributo y los datos continuos Interpretar la salida del minitab de una prueba de la normalidad de Anderson para presentar las conclusiones apropiadas sobre los datos Describir la diferencia entre los parmetros de la poblacin contra estadstica de la muestra
-54