Herramientas Estadísticas - 2

HERRAMIENTAS ESTADSTICAS
APLICADAS A PROCESOS INDUSTRIALES

Propiedad de Kerusso Soluciones / Property of Kerusso Soluciones - kerussoluciones.com
CONTENIDO
Herramientas Estadsticas Aplicadas a Procesos Industriales
Propiedad de Kerusso Soluciones / Property of Kerusso Soluciones - kerussoluciones.com 2
Contenido
Resumen Semana Anterior
VoC: CTQs Tree
Medidas de Tendencia Central
Medidas de Dispersin
Tcnicas de Muestreo
RESUMEN
Estadsticas
Recolectar Organizar Resumir Presentar Analizar
TOMAR
DECISIONES
Tipos de Datos
Constantes Variables
Atributos
Discretos Categricos
Nominales Ordinales
Continuos
Data Tipo
0,1,0,1,0,1 Discreta
S, No, S, No, No Discreta
Azul, Amarillo, Rojo Categrica Nominal
0.332; 0.339; 0.329; 0.331 Continua
Coca Cola, Pepsi, Sprite Categrica Nominal
Malo, Regular, Bueno, Excelente Categrica Ordinal
1, 2, 3, 4, 5, 6, Categrica Ordinal
Lunes, Martes, Mircoles ?
116; 112.5; 121; 115; 118.3; 117.8 Continua
Distribucin de los Datos
Refresco Frecuencia
Coke Classic 19
Diet Coke 9
Dr. Pepper 5
Pepsi 13
Sprite 5
Total 50
0
2
4
6
8
10
12
14
16
18
20
Coke
Classic
Diet Coke Dr. Pepper Pepsi Sprite
Frecuencia
Clase Frecuencia Relativa Acumulada
480 - 486 8 16% 16%
487 - 493 15 30% 46%
494 - 500 5 10% 56%
501 - 507 11 22% 78%
508 - 514 8 16% 94%
515 - 521 1 2% 96%
>521 2 4% 100%
Defecto vs. Defectuoso
Defecto:
Incumplimiento en un
producto o servicio de un
requerimiento o de una
caracterstica razonable
que se espera en el uso
(ASQ Glossary, traduccin)
Defectuoso:
Una unidad de producto
que contiene uno o ms
defectos (ASQ Glossary,
traduccin)
A. Contenido
B. Recipiente
C. Identificacin
D. Empaque Presentacin
Individual
E. Empaque
Variacin
La variacin de los procesos
incrementa las probabilidades
de defectos y, por lo tanto, de
obtener productos
defectuosos.
13
Histograma
Una presentacin
grfica de la
distribucin de
datos
cuantitativos.
F
r
e
q
u
e
n
c
i
a
0
2
4
6
12
14
16
8
10
470 480 490 500 510 520 530 540
kg
Pareto
El 80% de los
defectos son
originados por el
20% de los
procesos o las
variaciones
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
80.0%
90.0%
100.0%
0
5
10
15
20
25
30
35
40
45
Botellas
Rotas
Mal
etiquetado
Botella
sucia
Llenado
incorrecto
Empaque
incorrecto
Lquido
incorrecto
Producto
incorrecto
VOC: CTQS TREE
rbol de CTQs
CTQ: Critical to Quality
Expresa la Voz del Cliente (VoC) en
nuestros procesos productivos. Son
las caractersticas mnimas
requeridas por el cliente para
sentirse satisfecho.
rbol de CTQs
Es un diagrama-herramienta que
tiene como propsito transformar
las necesidades / deseos del
cliente en detalles especficos,
medibles, y que llevan a acciones
de control y mejora.
rbol de CTQs
Es un proceso de tres pasos:
1. Identificar las necesidades crticas
del cliente
2. Identificar los drivers de la calidad
3. Identificar los requisitos para el
desempeo del proceso
rbol de CTQs
1. Identificar las necesidades
crticas del cliente
Primero se identifican las
necesidades crticas del cliente
y entonces se hace un rbol de
CTQ para cada una.
rbol de CTQs
1. Identificar las necesidades
crticas del cliente
En este primer paso es
necesario preguntarse Qu
es crtico para este producto /
servicio?
rbol de CTQs
CTQs
Sabor
Exquisito
rbol de CTQs
2. Identificar los drivers
de la calidad
Se identifican los factores
del producto / proceso que
se relacionan con cada CTQ
rbol de CTQs
2. Identificar los drivers
de la calidad
Se identifican los factores
del producto / proceso que
se relacionan con cada CTQ
rbol de CTQs
Drivers (Ys)
CTQs
Sabor
Exquisito
Receta Ambiente Tiempo
rbol de CTQs
3. Identificar los requisitos para el
desempeo del proceso
Consiste en identificar los
requerimientos mnimos del proceso
/ producto que al ser medidos y
controlados proveern al cliente la
calidad que espera.
rbol de CTQs
Variables
Drivers (Ys)
CTQs
Sabor
Exquisito
Receta
Alcohol
Grado % Cantidad
?
Ambiente
Temperatura Humedad
Tiempo
Horas
rbol de CTQs
Variables
Drivers (Ys)
CTQs
Que Salte
Mucho
MEDIDAS DE
TENDENCIA CENTRAL
F
r
e
q
u
e
n
c
i
a
0
2
4
6
12
14
16
8
10
470 480 490 500 510 520 530 540
kg
Hacia dnde se agrupan los
datos?
Qu representa el lugar
hacia donde se agrupan los
datos?
Medidas de Tendencia Central
MEDIA MEDIANA MODA
Es el valor que puede
representar mejor la
caracterstica que se
estudia en un grupo de
datos.
Es el valor que ocupa el
lugar del medio en el
set de datos en estudio
(en el caso de un set de
datos impar), o el valor
promedio de los dos
valores que se
encuentran en el centro
(set de datos par)
Es el valor que ms
fecuentemente toman
los datos que son
objeto de estudio.
=

=0

MEDIDAS DE
DISPERSIN
F
r
e
q
u
e
n
c
i
a
0
2
4
6
12
14
16
8
10
470 480 490 500 510 520 530 540
kg
Hacia dnde se alejan los
datos?
Qu representa el lugar
hacia donde se alejan los
datos?
0
10
20
30
40
50
60
9 10 11
Frecuencia
0
5
10
15
20
25
30
35
7 8 9 10 11 12 13 14 15
Frecuencia
Media = 10 Media = 10
RANGO VARIANZA DESVIACIN ESTNDAR
Es la diferencia entre el
nmero mayor y el
nmero menor de un
conjunto de nmeros
Es el cuadrado del
promedio de la
diferencia de cada valor
y la media en una serie
de datos numricos
Es el valor promedio de
las diferencias de cada
valor de un conjunto de
datos numricos y la
media
Rango = Valor Mayor
Valor Menor

=

=

Coeficiente de Variacin
Es un estadstico descriptivo que indica
cun grande es la desviacin estndar en
relacin con la media de manera
porcentual.
= (

)100
TCNICAS DE
MUESTREO
Tcnicas de Muestreo
Tcnicas de Muestreo
Tcnicas de Muestreo
Utilizando una
muestra de datos,
se pueden obtener
conclusiones de
toda la poblacin
de datos.
Poblacin
Muestra
x
s
Tcnicas de Muestreo
La determinacin de tamao de muestra
es muy importante porque las muestras
que son muy grandes pueden provocar
perdidas de tiempo, recursos y dinero,
mientras que las muestras que son muy
pequeas pueden conducir a resultados
inexactos.
Tcnicas de Muestreo
El tamao de la muestra debe
representar no tan slo el tamao de la
poblacin o su contenido, pero tambin
su desempeo (criterio de aceptacin)
El contenido de la muestra debe ser no
consecuencia del azar, pero de la
aleatoriedad.
Tcnicas de Muestreo
MIL-STD 105e
Inspeccin reducida
Inspeccin normal
Inspeccin cerrada
Acceptable Quality Level (AQL): Nivel
aceptable de calidad
Tcnicas de Muestreo
Niveles de la Muestra
Nivel I: cuando el costo de inspeccin es alto
Nivel II: casos ordinarios
Nivel III: cuando el costo de inspeccin es bajo
Nivel S1 a S4: cuando el costo de las pruebas
destructivas es alto.
Table.Sample Size Code Letters
Lot or Batch Size
Special Inspection Levels General Inspection Levels
S-1 S-2 S-3 S-4 I II III
2 ~ 8 A A A A A A B
9 ~ 15 A A A A A B C
16 ~ 25 A A B B B C D
26 ~ 50 A B B C C D E
51 ~ 90 B B C C C E F
91 ~ 150 B B C D D F G
151 ~ 280 B C D E E G H
281 ~ 500 B C D E F H J
501 ~ 1200 C C E F G J K
1201 ~ 3200 C D E G H K L
3201 ~ 10000 C D F G J L M
10001 ~ 35000 C D F H K M N
35001 ~ 150000 D E G J L N P
150001 ~ 500000 D E G J M P Q
500001 and Over D E H K N Q R
Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
A 2 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31
B 3 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
C 5 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
D 8 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
E 13 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31 44 45
F 20 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
G 32 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
H 50 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
J 80 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
K 125 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
L 200 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
M 315 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
N 500 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
P 800 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
Q 1250 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
R 2000 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22
0.010 0.015 0.025 0.040 0.065 0.10 0.15 0.25 0.40 0.65 1.0 1.5 100 150 2.5 4.0 6.5 10 15 25 250 400 40 65
Sample
Size Code
Letter
Table Single Sampling Plans For Normal Inspection
Acceptable Quality Levels(Normal Inspection)
650 1000
Sample
Size
A 2 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28
B 3 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
C 5 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
D 8 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
E 13 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19 27 28 41 42
F 20 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
G 32 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
H 50 0 1 1 2 2 3 4 5 6 8 9 12 13 18 19
J 80 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
K 125 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
L 200 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
M 315 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
N 500 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
P 800 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
Q 1250 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
R 2000 0 1 1 2 2 3 3 4 5 6 8 9 12 13 18 19
S 3150 1 2
Sample
Size Code
Letter
Table Single Sampling Plans For Tightened Inspection
Acceptable Quality Levels(AQL)
650 1000
Sample
Size
100 150 250 400 15 25 40 65 2.5 4.0 6.5 10 1.0 1.5 0.065 0.10 0.15 0.25 0.010 0.015 0.025 0.040 0.40 0.65
A 2 0 1 1 2 2 3 3 4 5 6 7 8 10 11 14 15 21 22 30 31
B 2 0 1 2 3 3 4 4 5 6 7 8 9 11 12 15 16 22 23 30 31
C 2 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11 14 15 21 22
D 3 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11 14 15 21 22
E 5 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11 14 15 21 22
F 8 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
G 13 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
H 20 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
J 32 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
K 50 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
L 80 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
M 125 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
N 200 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
P 315 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
Q 500 0 1 1 2 2 3 3 4 5 6 6 7 8 9 10 11
R 800 1 2 2 3 3 4 5 6 6 7 8 9 10 11
Sample
Size Code
Letter
Table Single Sampling Plans For Reduced Inspection
Acceptable Quality Levels(AQL)
650 1000
Sample
Size
100 150 250 400 15 25 40 65 2.5 4.0 6.5 10 1.0 1.5 0.065 0.10 0.15 0.25 0.010 0.015 0.025 0.040 0.40 0.65
0.60%
0.53%
0.68%
0.66%
0.59%
0.80%
0.11% 0.11%
0.20% 0.19%
0.12%
0.14%
0.18%
0.16%
0.14%
0.14% 0.13%
0.06%
0.31% 0.31%
0.34%
0.33%
0.34%
0.59%
14W22 14W23 14W24 14W25 14W26 14W27
LAST SIX WEEKS (BY PLANT)
Plant Total A C D
Manufacturing Plant D Scrap Cost, week 27
Item Number Description Type Qty Material C.
237xx-cc MODULE ASSY 0 188 $176.95
207xx-cc MODULE ASSY 0 52 $54.39
Detalles W27 Lunes Martes Mircoles Jueves Viernes W27
Total Producidas 3,027 5,551 4,608 5,966 4,812 23,964
Total Aceptadas 2,906 4,918 4,106 5,369 4,550 21,849
Total Rechazadas 121 633 502 597 262 2,115
Fallas Elctricas 3 12 57 68 37 177
Fallas Continuidad 11 6 16 20 15 68
Fallas Fsicas 107 615 429 509 210 1,870
PPM Total 39,974 114,034 108,941 100,067 54,447 88,257
PPM Fallas Elctricas 991 2,162 12,370 11,398 7,689 7,386
PPM Fallas Continuidad 3,634 1,081 3,472 3,352 3,117 2,838
PPM Fallas Fsicas 35,349 110,791 93,099 85,317 43,641 78,034
0
20,000
40,000
60,000
80,000
100,000
120,000
Lunes Martes Mircoles Jueves Viernes
Comportamiento 237xx-cc & 207xx-cc, W26
PPM Total PPM Fallas Elctricas PPM Fallas Continuidad PPM Fallas Fsicas
Razones Fallas Fsicas Lunes Martes Mircoles Jueves Viernes W27
Terminal Inclinado 53 441 308 338 147 1,287
Epoxy en el Terminal 27 127 73 122 39 388
Epoxy en el Tray 3 31 23 20 7 84
Shut Off Alto 14 12 13 23 16 78
Secundaria Visible 6 2 8 2 0 18
Pieza con Grasa 2 1 4 3 1 11
Epoxy Cuarteado 1 1 0 0 0 2
Socket Alto 0 0 0 1 0 1
69%
21%
4%
4% 1%1% 0% 0% W27
Terminal Inclinado
Epoxy en el Terminal
Epoxy en el Tray
Shut Off Alto
Secundaria Visible
Pieza con Grasa
Epoxy Cuarteado
Socket Alto
DISTRIBUCIN DE
PROBABILIDAD
Probabilidad
Es una medida numrica de la posibilidad
de que ocurra un evento.
Las probabilidades son una medida del
grado de incertidumbre asociado con
cada uno de los eventos posibles de un
asunto.
Probabilidad
La probabilidad es un nmero que
se encuentra entre 1.0 (la certeza
de que un evento ocurrir), y 0.0
(la imposibilidad de que un evento
ocurra)
Probabilidad
Expresado matemticamente, la
probabilidad de que un evento A
pueda ocurrir h veces de un total
de n casos posibles e igualmente
probables.
Probabilidad
=

=

Probabilidad
Cul es la probabilidad de que al lanzar
una moneda el resultado sea escudo?
un dado el resultado sea 6?
Cul es la probabilidad de que al elegir
una carta esta sea un rey?
Probabilidad
Si P(A) es la probabilidad de
que un evento ocurra,
entonces 1 P(A) es la
probabilidad de que este no
ocurra.
Probabilidad
un dado el resultado sea diferente a 6?
Cul es la probabilidad de que al elegir
una carta esta no sea un rey?
Probabilidad
Si A, B son eventos diferentes que
pueden, la probabilidad de que A
o B ocurran ser:
P(A o B) = P(A) + P(B) P(A y B)
Probabilidad
Si A y B no pueden ocurrir
simultneamente significa que A
y B son mutuamente excluyentes.
Probabilidad
un dado el resultado sea 6 o 3?
En un concurso televisivo ganar el
participante que al tomar elegir dos
piezas de un set de dmino, una sea
media blanca, o la otra sea dos; Cul
es la probabilidad de ganar?
Probabilidad
Si A y B son dos eventos, la
probabilidad de que A y B ocurran
a la vez es:
P(A y B) = P(A) x P(B | A)
Probabilidad
Cuando dos eventos son
independientes (uno no tiene
influencia en la posibilidad del
otro) se consideran inclusivos.
Probabilidad
Cul es la probabilidad de que al lanzar un dado
dos veces el resultado sea 6?
Una persona selecciona un carta del mazo y es el
4 de corazones; si retorna la carta al mazo y
este se baraja de nuevo:
oCul es la probabilidad de que al seleccionar otra
carta elija nuevamente la misma carta?
oCul es la probabilidad de que al seleccionar dos
cartas ms una sea roja y la otra tambin?
En el caso del producto 237xx-cc y
del 207xx-cc:
a. Cul sera el tamao de muestra
recomendado (si se usa la tabla
MIL-STD 105 e) para confiar en la
decisin de aprobar o rechazar la
produccin de la semana?
del 207xx-cc:
b. De la muestra aleatoria
tomada, qu probabilidad
hay de encontrar una unidad
defectuosa?
del 207xx-cc:
c. De la muestra aleatoria
tomada, qu probabilidad
hay de encontrar una unidad
con el defecto de secundaria
visible?
del 207xx-cc:
d. En la misma muestra, cul
sera la probabilidad de no
tomar una unidad con
terminal inclinado?
En el caso del producto 237xx-cc y del
207xx-cc:
e. Siendo que las nicas condiciones que
requerira el borrar una unidad
defectuosa (que no sea posible re-
trabajar) son fallas elctricas, fallas
de continuidad y terminal alto, cul
es la probabilidad de que deba
borrarse una unidad del inventario
por defectos de calidad?
Distribucin de Probabilidad
Una Funcin de Distribucin de
Probabilidad es una formulacin
matemtica que relaciona los
valores de un caracterstica con
su probabilidad de ocurrencia en
una poblacin.
Las Distribuciones de
Probabilidad son de dos tipos:
Continuas y Discretas.
Continuas
Las caractersticas que son
medidas pueden tomar
cualquier valor. Se ocupa de la
data variable
Continuas
La ms comn es la
Distribucin Normal. Otras
comunes son la Exponencial y
la de Weibull.
Discretas
Las caractersticas que son
medidas pueden tomar
nicamente valores ciertos
valores especficos.
Discretas
Las ms comunes son la
Distribucin de Poisson, y la
Binomial.
DISTRIBUCIN
NORMAL
Distribucin Normal
Es la distribucin de probabilidad
ms usada para describir variables
aleatorias continuas. Tiene gran
cantidad de aplicaciones prcticas:
permite modelar numerosos
fenmenos naturales, sociales y
psicolgicos.
Distribucin Normal
La distribucin normal
describe qu tan probables
son los resultados
obtenidos de un muestreo.
Distribucin Normal
=
1
2

2
/2
2
Distribucin Normal
1. Toda la familia de distribuciones normales se
diferencia por medio de dos parmetros: la media
y la desviacin estndar .
2. El punto ms alto de una curva normal se
encuentra sobre la media, la cual coincide con la
mediana y la moda.
3. La media de una distribucin normal puede tener
cualquier valor: negativo, positivo o cero.
Distribucin Normal
-10 0
20
Distribucin Normal
4. La distribucin normal es simtrica, siendo la forma de la
curva normal al lado izquierdo de la media, la imagen
especular de la forma al lado derecho de la media. Las colas
de la curva normal se extienden al infinito en ambas
direcciones y en teora jams tocan el eje horizontal.
5. La desviacin estndar determina qu tan plana y ancha
es la curva normal. Desviaciones estndar grandes
corresponden a curvas ms planas y ms anchas, lo cual
indica mayor variabilidad en los datos.
Distribucin Normal
= 5
= 10
Distribucin Normal
Las probabilidades correspondientes a la
variable aleatoria normal se dan mediante
reas bajo la curva normal. Toda el rea bajo
la curva de una distribucin normal es 1.
Como esta distribucin es simtrica, el rea
bajo la curva y a la izquierda de la media es
0.50 y el rea bajo la curva y a la derecha de
la media es 0.50.
Distribucin Normal
Distribucin Normal Estndar
=


1
6
11
8
16
23
26
19
12 12
9
6
0
1
0
5
10
15
20
25
1
.
5
2
4
3
1
.
5
2
8
4
1
.
5
3
2
6
1
.
5
3
6
7
1
.
5
4
0
9
1
.
5
4
5
0
1
.
5
4
9
2
1
.
5
5
3
3
1
.
5
5
7
5
1
.
5
6
1
6
1
.
5
6
5
8
1
.
5
6
9
9
1
.
5
7
4
1
1
.
5
7
8
2
1
.
5
8
2
3
HEIGHT
del 207xx-cc:
a. Determine cules son los
valores de las Medidas de
Tendencia Central (Media,
Mediana, Moda) en la muestra
en estudio.
del 207xx-cc:
b. Determine cules son los
valores de las Medidas de
Dispersin (Rango, Varianza,
Desviacin Estndar) en la
muestra en estudio.
del 207xx-cc:
c. Cul es la probabilidad de que
la altura del shutoff terminal
mida justo el Lmite de
Especificacin Inferior (1.52)?
del 207xx-cc:
c. Cul es la probabilidad de que
mida 1.55?
del 207xx-cc:
d. Cul es la probabilidad de que
mida justo el Lmite de
Especificacin Superior
(1.57)?
del 207xx-cc:
e. Cul es la probabilidad de que
se encuentre en el rango de
1.55 a 1.57?
del 207xx-cc:
f. Cul es la probabilidad de que
se encuentre por encima de
1.57?
ANLISIS DE CAPACIDAD
DE PROCESOS
Anlisis de Capacidad de
Procesos
Es la evaluacin de la variacin
inherente a un proceso como
resultado de la medicin del
resultado del mismo al ser
comparado con los
requerimientos.
Procesos: Usos
1. Prediccin de la variabilidad
de los procesos.
2. Evaluacin de procesos
similares para determinar el
ms apropiado.
Procesos: Usos
3. Planeacin de la interaccin
de los procesos y su
secuencia.
4. Asignar mquinas a trabajos
y actividades para las que
son ms capaces.
Procesos
=

Procesos
Nivel de Sigma Defectos Por Milln de Oportunidades (DPMO)
1 690,000
2 308,537
3 66,807
4 6,210
5 233
6 3.4
Procesos
Procesos: ndices
=
()

=

6
Cp mide el ancho del proceso, y su capacidad de
mantenerse dentro del rango de especificacin.
Cp
% Fuera de
Lmites
Resultados
< 1.0 5.0%
Fuerte control de
procesos, sorteo,
reprocesos, etc.
1.0 0.3%
Fuerte control de
procesos, inspeccin
1.33 64 ppm
Inspeccin reducida, uso
de grficos de control
seleccionados
1.63 1 ppm
Inspeccin poco
frecuente
Procesos: ndices
= min[

3
,

3
]
Cpk es un ndice de variacin que mide
la variacin y la localizacin real del
proceso.
Procesos
USL = 20
LSL = 8
X = 16
s = 2
=

6
=
20 8
12
= 1.0
Procesos
USL = 20
LSL = 8
X = 16
s = 2
= min[

3
,

3
]
= 0.67
del 207xx-cc:
a. Determine los ndices de
capacidad del proceso.
b. Cules seran tus
recomendaciones?

Herramientas Estadísticas - 2

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Herramientas Estadísticas - 2

Diunggah oleh

Hak Cipta:

Format Tersedia

HERRAMIENTAS ESTADSTICAS

APLICADAS A PROCESOS INDUSTRIALES

Propiedad de Kerusso Soluciones / Property of Kerusso Soluciones - kerussoluciones.com 33

Propiedad de Kerusso Soluciones / Property of Kerusso Soluciones - kerussoluciones.com 38

Propiedad de Kerusso Soluciones / Property of Kerusso Soluciones - kerussoluciones.com 108

Anda mungkin juga menyukai