Universidad Autnoma del Noreste

Maestra en Administracin y Liderazgo

Facilitador: MAE. Juan Alejandro Garza Rdz

TEMAS:
Pruebas de Hiptesis
SPC (Statistical Process Control)
Prueba de hiptesis???
Y SPC?.....
Que ser eso?.... EQUIPO:
- Ing. Ivan Cardenas
- Ing. Raul Losoya
- Lic. Rosa M. Muoz
- Lic. Hidaly H. Alvidrez
- Lic. Euridice G. Santiago

1
 La Hiptesis

z Hiptesis de la vida real: Yo z Hiptesis Estadstica: No

creo que US AIR es mas hay diferencia en la
segura que DELTA clasificacin de seguridad de
z A esta se le llama Hiptesis US AIR y DELTA
Alternativa (Ha) z A esta se le llama Hiptesis
Nula (Ho)
Ho: a = b
Ha: a b
Debemos probar que Ho est equivocada para concluir que algo
importante est pasando.
2
 La Hiptesis Nula

z La Hiptesis Nula (Ho) se supone que es cierta.

Esto es como el acusado que se presume No culpable.
z Usted es el fiscal. Usted debe de proporcionar
evidencia de que, esta creencia probablemente no es
razonable..
En Seis Sigma, usted tiene un proceso que necesita mejora. Sin
embargo, es muy probable que haya estado operando de esta
manera por algn tiempo y todo mundo esta acostumbrado al
comportamiento actual. Por lo tanto usted debe dar evidencia
fuerte que compruebe que la condicin cambiada, es mejor que
la pocisin actual; de esta manera se minimiza el riesgo de
cambiar el proceso y echarlo a perder!!!.
3
 Al decidir rechazar o no, podramos
cometer uno de dos errores de decisin

Su decisin

No rechazar Ho Rechazar Ho

Error Tipo I
Ho Verdadera Correcto
(Riesgo )
Riesgo del product or (acusado)
La
verdad
Error Tipo II
Correcto
Ho Falsa (Riesgo )
Riesgo del consumidor (sociedad)

4
 Como manejar el riesgo de decisin
Pero antes de continuar... Necesitamos discutir el
concepto de riesgo de decisin
Usaremos riesgo asociado con la decisin de alterar un
proceso, el cul tiene una cantidad dada de variacin.
Desde que es imposible estar 100% seguro de
cuando uno toma una decisin, necesitamos establecer
algunas reglas respecto a que nivel de riesgo
estamos dispuestos a aceptar en nuestro proceso de
toma de decisiones.
Para que sea mas til, queremos utilizar nuestro
modelo estadstico no nicamente para mejorar ;la
exactitud de nuestra decisin pero tambin para limitar
la cantidad de datos que debemos conseguir del
nuevo proceso.
5
 Su decisin

Dont Reject Ho Reject Ho

Error Tipo I
Ho Verdadera Correcto
(Riesgo -)
La
Verdad
Error Tipo II
Ho Falsa Correcto
(Riesgo )

Si usted decide que X es importante ( rechace Ho) A que

clase de error de decisin est usted expuesto?

Si usted decide que X no es importante ( no rechace Ho)A

que clase de error de decisin est usted expuesto?

6
 Su decisin

No rechazar Ho Rechazar Ho
Error Tipo I
Ho Verdadera Correcto
(Riesgo -)
La
Verdad
Error Tipo II
Ho Falsa Correcto
(Riesgo )

Si usted decide que X es importante ( rechace Ho) A que

clase de error de decisin est usted expuesto? Tipo I
Si usted decide que X no es importante ( no rechace Ho)A
que clase de error de decisin est usted expuesto? Tipo II

7
 Decisin del Juez

No es culpable Es culpable Consecuencia:

Un hombre
Realmente Error Tipo I inocente
Inocente Correcto
(Riesgo ) Va a la crcel

La
Verdad Error Tipo II
Correcto
Realmente (Riesgo )
Culpable

Consecuencia: Un criminal sale libre

En donde esta nuestra sociedad mas dispuesta a tomar el riesgo?

8
 Alarma Incendio

Suena No suena Cul es la

consecuencia?
Fuego Error Tipo I
Correcto
(Riesgo- )
La
verdad Error Tipo II
Correcto
No hay fuego (Riesgo )

Cul es la consecuencia?

Usted debe determinar el nivel de riesgo y que

toma basado en las consecuencias de estar equivocado.

9
 Error de decisin Feudo familiar- Escenario #1
Me pregunto si habr
diferencia en el rango de Ho:
seguridad de US AIR y
DELTA Ha:
Preguntas del concursante \ equipo
Pregunta 1: Cundo ocurre el error Tipo I?

Pregunta 2: Cundo ocurre el error Tipo II?

Error Tipo I: Ocurre cuando usted decide que hay una

diferencia en los rangos de seguridad
cuando la verdad es que no hay diferencia.

Error Tipo II: Ocurre cuando usted decide que no hay

diferencia en los rangos de seguridad
cuando la verdad es que si hay diferencia
10
 Error de decisin Feudo familiar- Escenario #2

Me pregunto si hay una Ho: ciudad = pozo

cantidad diferente de qumicos
en el agua de la ciudad que en el Ha: ciudad = pozo
agua del pozo
Preguntas del concursante \ equipo
Pregunta 1: Cundo ocurre el error Tipo I?

Pregunta 2: Cundo ocurre el error Tipo II?

Error Tipo I: Ocurre cuando usted decide que hay una

diferencia en el contenido de qumicos
cuando la verdad es que no hay diferencia

Error Tipo II: Ocurre cuando usted decide que no hay

diferencia en el contenido de qumicos
cuando la verdad es que si hay diferencia.
11
 Error de decisin Feudo familiar- Escenario #3

Ho: dentro 5 das = > 5 das

Me pregunto si la proporcin de
propuestas ganadas sera diferente si
las propuestas se entregaran al cliente
dentro de 5 das contra entrega mayor Ha: dentro 5 das > 5 das
de 5 das

Preguntas del concursante \ equipo

Pregunta 1: Cundo ocurre el error Tipo I?

Pregunta 2: Cundo ocurre el error Tipo II?

Error Tipo I: Ocurre cuando usted decide que hay

diferencia en la proporcin de ganadas
cuando la verdad es que no hay diferencia

Error Tipo II: Ocurre cuando usted decide que no hay

diferencia en la proporcin de ganadas
cuando la verdad es que si hay diferencia
12
Por que es necesaria esa cosa de la Prueba de Hiptesis?

Todo lo que siempre fue...

Todo lo que siempre ser...
La verdad

Cuando estamos
buscando Xs
Ocurri por casualidad
importantes, no sabemos
esta relacin de X y Y
si son importantes o no
que observe?

Su decisin

No rechazar Ho Rechazar Ho

Error Tipo I Seleccionamos una

Correcta (Riesgo -) muestra y tomamos
Ho Verdadera

la decisin. Dado
La que no sabemos la
verdad
verdad, existe un
Error Tipo II
(Riesgo )
riesgo en esta
Correcto
Ho Falsa decisin

13
 Nivel de Significancia ( )
Generalmente:
Generalmente:
Nos gustara que hubiera menos del 10% de probabilidad de
que estas observaciones hubieran ocurrido al azar ( = .10).
Cinco por ciento es mucho ms confortable ( = .05).
Con uno por ciento, uno se siente muy bien ( = .01).
Este nivel de alfa se basa en nuestro supuesto de no existe
diferencia y en alguna distribucin de referencia.
Pero, depende de intereses y consecuencias

es el Valor P Critico !!!

14
 z Despus de recolectados los datos, calculamos una prueba
estadstica

z El valor de p es la suerte, la probabilidad de que los resultados

ocurran cuando Ho es verdadera:
z Si Ho es verdadera (no hay diferencia) entonces Minitab calcula un
valor p alto.
z Si Ho es falsa (si hay diferencia), entonces Minitab calcula un valor p
pequeo

z El valor p est basado en la prueba estadstica calculada de sus

datos en comparacin con una distribucin de referencia actual o
supuesta (normal, distribucin t, chi cuadrada, distribucin f, etc.).

z Valor de p grande
z Valor p pequeo
z Ho se acepta
z Ho se rechaza
z No hubo cambios en el
z El proceso si cambi proceso
15
Si p es baja, la X pasa! Si p es alta, la X no aplica!
Los valores de p tienen mas significado que un simple punto de corte.
 Pruebas de Hiptesis
Ejemplo:

Los siguientes datos representan un conjunto de 10 muestras tomadas de 1

Maquina haciendo la misma parte. La especificacion para la
Longitud es de 20 mm. La hipotesis nula Ho dice que si cumple con la espe-
cificacion, y la alternativa dice que es diferente a 20mm.

Donde en representacion matematica es:

Ho= maquina = 20 Ho: maquina 20

Debemos realizar el estudio de prueba de hipotesis para saber la verdad.

(Ver pasos siguientes para determinar la hipotesis Ho).

16
 Pruebas de Hiptesis
Paso 1 Paso 2

Conclusin: Si el valor de P>.05 consideramos que Ho es verdadera y Ha se rehaza.

17
Pruebas de Hiptesis
Paso 3

18
 Pruebas de Hiptesis
Ejemplo 2
Durante una auditoria al sistema de calidad el auditado dijo que la empresa estaba contestando las acciones
correctivas de clientes en un periodo =< 30 dias, sin embargo el auditor dijo que el periodo en responder era
>30 dias. Para lo cual se revisaron los periodos de las ultimas 15 quejas contestadas.

Ho= periodo de respuesta = <30 Ha= Periodo de respuesta >30

1 3

19
 Pruebas de Hiptesis

Conclusion: Debido a que P>.05 Ha se rechaza, y por lo tanto Ho se considera verdadera.

20
 SPC (Control
Estadstico del
Proceso)
 SPC

E(S)= Estadstico La aplicacin de tcnicas estadsticas (matemticas) para medir y analizar la variacin o cambios
en los procesos a travs del uso de nmeros y datos.

P = Proceso Cualquier combinacin de mquinas, herramientas, mtodos, materiales y/o personal empleado para
realizar treas especficas en un producto o servicio. Algunos procesos son de manufactura, algunos son procesos
de servicio, mientras que otros son operaciones de soporte comunes a ambos

C = Control Controlando un proceso usando el ciclo de retroalimentacin a travs del cual medimos el desempeo
real, lo comparamos con un estndar y actuamos sobre la diferencia o el cambio. Mientras ms pronto
respondamos al cambio respecto del estndar, ms uniforme ser la calidad en el producto o servicio.

SPC: Es un mtodo eficiente de recoleccin y anlisis de datos. Se puede aplicar a cualquier cosa expresada en
nmeros. Su aplicacin va ms all de manufactura, incluyendo compras, control de produccin, personal,
contabilidad, ventas, etc.

1
 SPC

Qu es una Grfica de Control?

z Es la representacin grfica de una caracterstica de un proceso.

z Representa a un proceso mostrando si solo estn presentes causas
comunes de variacin.
z Le dice si algo est cambiando en su proceso y en que momento est
sucediendo tal cambio.
z No le dice que est causando el cambio y si este es bueno o malo.

2
 SPC
Componentes de una Grfica de Control

Lmite de Control
Superior X-bar Chart for KPOV
615
UCL=613.6

Media
Sample Mean

605

X =599.1

595

585 LCL=584.6

0 10 20

Lmite de Control Sample Number

Inferior
3
 SPC
Aplicaciones de Graficas de Control
Asisten al determinar si un proceso ha estado operando dentro de control estadstico.
Separan las causas comunes de variacin de las causas especiales de variacin.
Ayudan a lograr y mantener control estadstico.

Beneficios de los Sistemas de Grficas de Control

Tcnica comprobada para mejorar la productividad

Efectiva para prevenir defectos
Evita ajustes innecesarios al proceso
Proporciona informacin de diagnstico
Proporciona informacin acerca de la capacidad del proceso

4
 SPC
Causas Comunes vs. Causas Especiales de Variacin
Por qu invertir tiempo identificando si la variacin en un proceso es debida a causas
comunes o especiales?

Prueba para detectar causas especiales...

1) Recolecte, grafique, y clasifique cuando menos 30 datos y asegurese de que pasan las pruebas
de normalidad y calcule los lmites de control. Tpicamente, esto incluye calcular la media, la
desviacin estndar, y entonces ir arriba y abajo 3 desviaciones estndar de la media.

2) Aplique las siguientes pruebas: (si alguna pasa, la variacin se dice que es causa especial por
naturaleza)
2.1) Cualquier punto que caiga fuera de los lmites de control.

2.2) 7 puntos consecutivamente incrementando o decreciendo.

2.3) 7 puntos consecutivos en un lado de la media (no la meta).
2.4) 14 puntos consecutivos en forma de serrucho. 5
 SPC
Causas Comunes vs. Causas Especiales de Variacin
Tres estrategias para reducir las causas comunes de variacin...
1) Estratificacin - examinando las diferentes caractersticas respecto la salida del proceso,
tales como que da de la semana ocurri la variacin ms alta o cual estilo/parte gener la
mayor variacin. Tpicamente, las grficas de Pareto son muy tiles cuando se estratifican
los datos

2) Disgregacin - dividir un proceso en sus componentes y estudiar la variacin en cada paso

del proceso. Se relaciona muy seguido con estudios de capacidad y de rendimiento. Los
Diagramas de Flujo, los histogramas, y las grficas de pareto son muy tiles al desintegrar
los datos.

3) Experimentacin - cambiando algunos factores en diferentes niveles y analizando los

resultados y los efectos. La Experimentacin puede resultar costosa y lo comn es que se
intente nicamente despus de haber hecho la estratificacin y/o la disgregacin.

6
 SPC
Interpretando Grficos

UCL
UCL

LCL
LCL
0 10 20 0 10 20
Observation Number ObservationNumber

Patrn Cclico:
Se observan ciclos repetidos en la grfica. Esta
configuracin puede ser el resultado de un
cambio sistemtico como temperatura, fatiga
del operador, rotacin regular de operadores
y/o mquinas, fluctuaciones de voltaje o
presin, etc...
Mezcla:
Se observa que la mayora de los puntos tienden a caer muy
cerca de los lmites de control, y relativamente pocos cerca
de la lnea central. Una condicin de mezcla la generan dos o
ms distribuciones que se traslapan generando la salida del
proceso. La severidad de este
modelo depende de qu tanto se traslapen las distribuciones.
Algunas veces la mezcla es el resultado de un sobre-
control, donde los operadores hacen demasiados ajustes al
proceso muy frecuentemente respondiendo a la variacin
normal en lugar de reaccionar a las causas asignables
unicamente.
7
 SPC
Variacin Controlada

X-Bar Chart for Process A

X-Bar Chart for Process A

UCL=77.20
UCL=77.20
75
75
Sample Mean
Sample Mean

X=70.91
70 X=70.91 Variacin No Controlada
70

X-Bar Chart for Process B

65 LCL=64.62
65 LCL=64.62

0 5 10 15 20 25 80
0 5 10 15 20 25
Sample Number UCL=77.27
Sample Number

Sample Mean
X=70.98
70

LCL=64.70

60

50
0 5 10 15 20 25
Sample Number
Causas Especiales

8
 SPC
Interpretando Grficos

UCL
UCL

LCL
LCL
0 5 10 15
0 10 20
Observati on Number
Observation Number

Cambios en el Nivel del Tendencia:

proceso:
El promedio del proceso cambia a
un nuevo nivel. Estos cambios
resultan por la introduccin
de algo nuevo: operadores,
materiales, mtodos, mquinas,
etc. Tambin puede ser un
cambio en los mtodos de
inspeccin o cambio de estndares
por mejoras al proceso.
Movimiento continuo en una direccin.
Las tendencias son ocasionadas
usualmente
por el desgaste gradual de una herramienta
o el deterioro de algn otro componente
crtico del proceso. Las tendencias pueden
resultar tambin por las influencias de la
estacin del ao, tales como temperatura.
9
 SPC
Interpretando Grficos

UCL

LCL
0 10 20
ObservationNumber

Estratificacin:
Los puntos graficados tienen la tendencia a
agruparse cerca de la lnea central.
Una causa potencial de la estratificacin es
el clculo incorrecto de los lmites
de control. Tambin puede ser que el proceso
ha mejorado y su distribucin ya
es ms angosta. De cualquier forma, se
deben recalcular los lmites de control.

10
 SPC
Grficas de Control para Datos Variables
z X-barra
Mide el objetivo o el centro del proceso
Verifica el cambio en la Media de la variable a travs del tiempo
z Individuales
Similar a la X-barra
Grafica puntos individuales en lugar de la Media
z Mediana
Similar a la X-barra
Grafica todos los puntos en la muestra y el punto de en medio se encierra en un crculo
z Rango
Se usa con la grfica X-barra
Verifica la variabilidad del proceso a travs del tiempo
Mide la ganancia o prdida de uniformidad
z Sigma
Similar a la grfica de Rango
Usa la estimacin de Sigma de la muestra
z Rango Mvil
Similar a la grfica de Rango
Se grafica un rango nuevo con cada punto consecutivo
Se usa con la grfica individual 11
 SPC
Ejercicio en Minitab - Individuales

Abra el archivo: Individ.mtw

Stat > Control Charts > I-MR

Variable = x1

12
 SPC
Ejercicio en Minitab - Individuales

I and MR Chart for: x1

11
UCL=10.53
10
Individuals

9
8 MU=7.880
7
6
5 LCL=5.234

Observation0 10 20

UCL=3.250
3
Moving Range

1 R=0.9947

0 LCL=0.000

13
 SPC
Ejercicio en Minitab Xbar-R
Abra: Xbar.mtw

Stat > Control Charts > Xbar-R

Variable = variable Subgroup = subgroup

14
 SPC
Ejercicio en Minitab Xbar-R

Xbar and R Chart for : variable

9.5 UCL=9.353
Means

8.5
M U=7.967
7.5

6.5 LCL=6.581

Subgroup 0 10 20

5 UCL=5.082
4
Ranges

3
R=2.403
2
1
0 LCL=0.000

15
 SPC
Graficas de Control de Atributos

z Estn basadas en decisiones de acepto/no-acepto.

z Se pueden aplicar en casi cualquier operacin donde se recolectan datos.
z Se utilizan en caractersticas de calidad que no pueden ser medidas o
que son costosas o difciles de medir.
z A diferencia de las grficas de control por variables, las grficas de
atributos se pueden establecer para una caracterstica de calidad o para
muchas.

z Un defectuoso es una unidad en una muestra que tiene una o ms no-

conformanca (s) respecto al criterio especificado.

z Un defecto es cada no-conformancia respecto al criterio de aceptacin

especificado.

16
 SPC
Tipos de Graficas de control de Atributos

z Defectuoso
np - nmero de unidades no-conformantes
p - proporcin de unidades no-conformantes

z Defectos
c - nmero de defectos
u - proporcin de defectos

17
 SPC
Ejercicio en Minitab Grafica NP
Abra el archivo: npchart.mtw
Stat > Control Charts > NP
Variable = Nmero Subgrupo = 62

18
 SPC
Ejercicio en Minitab Grafica NP

NP Chart for Num ber

10 UCL=9.870
Sample Count

5
NP=4.040

0 LCL=0.000

0 5 10 15 20 25
Sample Number

19
 SPC
Ejercicio en Minitab Grafica C
Abrir Cchart.mtw
Stat > Control Charts > C

Variable = Nmero

20
 SPC
Ejercicio en Minitab Grafica C

C C hart for num ber

20

UCL=15.81
Sample Count

10
C=7.560

0 LCL=0.000

0 5 10 15 20 25
Sample Number

21