MEDICIÓN DE LA CAPACIDAD (HABILIDAD) DEL PROCESO

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "MEDICIÓN DE LA CAPACIDAD (HABILIDAD) DEL PROCESO"

Transcripción

1 9.4 MEDICIÓN DE LA CAPACIDAD GESTIÓN DE LA CALIDAD Parte 2 INTRODUCCIÓN: VOZ DEL CLIENTE VOZ DEL PROCESO CAPACIDAD DEL PROCESO 1/ MEDICIÓN DE LA CAPACIDAD O HABILIDAD QUE TIENE UN PROCESO PARA CUMPLIR CON LAS ESPECIFICACIONES DEL CLIENTE. 2/ 9.4 MEDICIÓN DE LA CAPACIDAD INTRODUCCIÓN La capacidad (habilidad) de un proceso (process capability) se define como la habilidad para cumplir con los requerimientos del cliente. Entre las herramientas más comunes para evaluar la capacidad del proceso se encuentran: 2. RADIOS DE CAPACIDAD DEL PROCESO (C pk y C p ) 3/ Una forma para medir la capacidad del proceso es cuantificando la fracción de la salida que cumple con las especificaciones marcadas entre los límites inferior y superior de la banda de proceso (fraction of outputs within specifications). Esta fracción puede calcularse a partir de observaciones en tiempo real o usando distribuciones de probabilidad. 4/

2 Suponga que la empresa de garages MBPF tiene las sig. Especificaciones (US: Upper specif., LS: Lower specif.), relacionadas con el peso promedio de la puerta del garage: US=85 kg y LS= 75kg. El sig. histograma muestra el desempeño del proceso. En la sig. figura, cada barra indica la fracción de puertas con un peso específico. Sumar todas las barras entre 75 y 85 kg, equivale a la fracción total de puertas que cumplen con las Considerando las 100 puertas, se observa que aprox. puertas cumplen con las especificaciones. ESPECIFICACIONES 0 especificaciones. 5/ / Weight (kg) Frequency Alternativamente, se pueden emplear distribuciones normales como aproximaciones continuas y calcular el área entre 75 y 85 kg bajo la curva de densidad normal de probabilidad. Suponiendo que el peso de la puerta (W ) es una variable aleatoria normal con una media µ = 82.5 kg y una desviación estandard σ = 4.2 kg. Entonces, la proporción de puertas dentro de las especificaciones estará determinada por la sig- función: Para calcular esta probabilidad, definamos Z como la variable normal estandard (con una media igual a 0 y una desv. estandard igual a 1), y posteriomente se emplean las tablas de distribución (se incluye una tabla al final de estas notas) para calcular la probabilidad, Prob (W < 85), en términos de Z. Z = (W µ) / σ Prob [Z < ( ) / 4.2] = Prob [Z < (0.5952)] = Prob (75 < W < 85) = Prob (W < 85) Prob (W < 75) 7/ 8/

3 De forma similar, se calcula la probabilidad, Prob (W < 75), en términos de Z. Prob [Z < ( ) / 4.2] = Prob [Z < -1.79] = Por lo tanto, Prob (75 < W < 85) = = Así pues, se concluye con una aproximación normal, el proceso es capaz de cumplir en un 69% con las 2. RADIOS DE CAPACIDAD DE PROCESO (C pk, C p ) Una segunda forma para medir la capacidad del proceso es a partir del radio de las capacidades del proceso, C pk (process capability ratio). Esta fracción se basa en la observación estadística de que en una distribución normal, si la media se encuentra 3 desviaciones estandard arriba de las especificaciones bajas, LS (o abajo de los valores más altos de las especificaciones, US), entonces habrá muy pocas posibilidades de que las especificaciones del producto de salida se encuentren afuera de los limites especificados. especificaciones. 9/ 10/ 2. RADIOS DE CAPACIDAD DE PROCESO (C pk, C p ) En consecuencia, se deben calcular: (US - µ ) / 3 σ (µ - LS) / 3 σ y también: Mientras más grandes sean los valores calculados, más capaz será el proceso para cumplir con las especificaciones. De hecho, se sugiere ser conservador y utilizar el más pequeño de estos valores y definir una sola medida de la capacidad del proceso: 2. RADIOS DE CAPACIDAD DE PROCESO (C pk, C p ) La ventaja de esta medida es que puede aplicarse en aquellos procesos donde estemos particularmente interesados ya sea en el límite superior (presupuesto, costos de proceso) o inferior, por lo que solo tendríamos que emplear alguna de las 2 relaciones mostradas en la diapositiva anterior. Típicamente, se tiene que un proceso con un Cpk=1 o mayor es considerado como un proceso capaz que producirá la mayoría de sus productos dentro de las especificaciones. Para el caso especial en que la media del proceso esté ubicada justo a la mitad del rango de especificaciones, se podrá definir C pk de cualquiera de las sig. 2 formas: C 11/ pk = min [(US - µ ) / 3σ, (µ -LS) / 3σ] 12/ (US - µ ) / 3σ o bien: (µ LS ) / 3σ

4 2. RADIOS DE CAPACIDAD DE PROCESO (C pk, C p ) 2. RADIOS DE CAPACIDAD DE PROCESO (C pk, C p ) En este caso, es posible definir el radio de capacidad del proceso como C p, donde: C p = (US - LS) / 6σ El radio del numerador especifica la variabilidad que el cliente está dispuesto a tolerar ( voz del cliente ) mientras que el denominador indica el nivel de variabilidad normal del proceso ( voz del proceso ). Recuerde que en una distruibución normal, la mayoría de las salidas del proceso (99.73%) caen dentro de + 3 desviaciones estandard. Esto es llamado como la Suponga que en el ejemplo anterior, el peso de la puerta del garage tiene una media de 82.5 kg y una desv. estandard de 4.2 kg. Calcule los radios de capacidad del proceso: tolerancia natural del proceso. 13/ 14/ C pk = Suponga que el proceso está centrado en 80 kg. Calcule el radio de capacidad del proceso: C p = Recuerde que estos porcentajes no indican la fracción de productos que cumplen con especificaciones. La relación entre C p y la cantidad de productos con defectos, se muestra en la sig. tabla: 2. RADIOS DE CAPACIDAD DE PROCESO (C pk, C p ) 3. CAPACIDAD medidas SIGMA Defectos (ppm) Cp Asi por ejemplo, si deseamos un proceso con no más de 100 defectos por millón (ppm = partes por millón), -es decir con un 0.01% de defectos-, entonces la distribución de probabilidad del peso de las puertas del garage debe estar muy cerca de la media, para que la desviación estandard sea igual15/ a kg lo que equivale a un Cp = ppb 2 Una tercera forma para medir para la capacidad del proceso es a partir de las mediciones Sigma (Sigma measures, S), usadas por empresas como Motorola y General Electric, entre otras: S = min [(US µ)/σ, (µ-ls)/σ] Y en caso de que proceso esté centrado: S = (US LS) / 2 σ En cuyo caso, el proceso será llamado proceso S-Sigma. Para el caso de los garages de la empresa MBPF, se tendría: (85 75) / [ 2 * 4.2] = 1.19 sigma process 16/

5 Así pues, si se tratara de un proceso 3-sigma (99.73% dentro de las especificaciones), correspondería un Cp =1. Un proceso six-sigma es aquel cuyas especificaciones son tan estrictas que corresponden a 6 desviaciones estandard de la media y un Cp = 2 (ver tabla anterior) y solamente 2 defectos por cada billón de productos!. Para el caso de los garages de la empresa MBPF, si se desea instalar un proceso six-sigma, entonces la desviación estandard será: MAGNITUDES DE DIFERENCIA EN NIVELES SIGMA La siguiente tabla ilustra el impacto relativo conforme aumenta el número de sigmas en el proceso. # sigma s # nines Area Spelling Time Distance 1 0 Floor space of Soldier Field 2 1 Floor space of large supermarket 3 2 Floor space of small hardware store 170 misspelled words per page in a book 25 misspelled words per page in a book 1.5 misspelled words per page in a book 4 4 Your living room 1 misspelled word per 30 pages years per century 0.45 years per century 3.5 months per century 2.5 days per century Here to the moon 1.5 times around the world London to New York Basel to Zurich 5 6 The button of 1 misspelled word 30 minutes per Leverone to your telephone in a set of century Norris encyclopedias 6 8 diamond 1 misspelled word 6 seconds per Four steps from in a library century your chair σ = (85 75) / [ 2 * 6] = kg 17/ 18/ QUÉ SIGNIFICA 6-SIGMA? QUÉ SIGNIFICA 6-SIGMA? IMPACTO DEL NÚMERO DE PARTES/ETAPAS DE UN PROCESO # de partes/ etapas Prob el proceso/producto cumpla especs 3 -sigma 4 - sigma 5 - sigma 6 - sigma % 99.4% 100.0% 100.0% % 94.0% 99.8% 100.0% % 73.2% 98.8% 100.0% % 53.6% 97.7% 100.0% % 40.8% 96.7% 100.0% % 91.8% 99.9% % 84.2% 99.7% % 78.4% 99.6% % 69.1% 99.5% % 93.6% % 86.5% % % 19/ IMPACTO DEL NÚMERO DE PARTES/ETAPAS DE UN PROCESO 100.0% 10.0% 1.0% 0.1% 0.0% 0.0% Prob. que el proceso/producto cumpla con especificaciones # de etapas/componentes 3 -sigma 4 - sigma 5 - sigma 6 - sigma 20/

6 AJUSTES POR CAMBIOS EN LA MEDIA En empresas como Motorola, dada la medición sigma, la empresa calcula la fracción de defectos después de permitir un pequeño cambio en la media, equivalente a desviaciones estandard, en relación con el valor central en las especificaciones. Permitir este pequeño cambio tienen como consecuencia que un proceso six-sigma produzca en promedio 3.4 defectos por cada millón de unidades. AJUSTES POR CAMBIOS EN LA MEDIA Si usamos esta medida y permitimos un cambio de en la media se tendría la sig. tabla: Sigma Cp Defectos (ppm) , , / 22/ PORQUÉ SIX-SIGMA? Si observamos en la tabla anterior, moverse de 3-sigma a 4- sigma representa una mejora de aprox. 10 veces. Asimismo, moverse de 4-sigma a 5-sigma representa una mejora de aprox. 30 veces (es decir, 6210/233 = 26.65). Finalmente, moverse de 5-sigma a 6-sigma representa una mejora de aprox. 70 veces. Se estima que la mayoria de las empresas opera procesos 4- sigma, mientras que las mejores empresas en el mundo tienen estandares de calidad obtenidos mediante 23/ procesos 6-Sigma. PORQUÉ SIX-SIGMA? La razon principal por la que se insiste en los procesos sixsigma, se ilustra en el sig. ejemplo: Suponga que un producto esta conformado por 100 piezas y cada pieza tiene un 99% de confiabilidad. Las posibilidades de que todo el producto funcione conforme a las especificaciones son: (0.99) 100 = ; es decir 36.6 % (muy bajo!!) Recuerde que aunque las partes individuales sean de muy buena calidad, lo importante es que el producto (todas las piezas) trabaje satisfactoriamente. El cliente percibe la calidad del producto, independientemente 24/ de cualpiezaesla quefalló!

7 PROVEEDORES (AMERICANOS) DE SERVICIOS 99.9% En algunos casos, una tasa de defectos pequeña puede traer consecuencias enormes, por ejemplo: At least 20,000 wrong prescriptions per year More than 15,000 newborns dropped by doctors or nurses No electricity, water or heat for 8.6 hours each year No telephone service or TV transmission for nearly 10 minutes each week Two short (or long) landings at O Hare each week Automobiles brake failures? Defective airplanes?, etc. 25/ HABILIDAD DE SEGURIDAD (CAPABILITY SAFETY) En general, la capacidad (habilidad) de seguridad se expresa en terminos de sus márgenes de diseño: [(US-LS) - zσ] La interpretación de la capacidad (habilidad) de diseño es análoga al inventario de seguridad, a la capacidad (capacity) de diseño, etc. Una mayor habilidad significa menores probabilidades de producir defectos aun si el proceso se sale de control debido a un movimiento en la media fuera del centro de las especificaciones. Esta habilidad para satisfacer las 26/ especificaciones también se conoce como robustez del proceso. 4. CAPACIDAD Y CONTROL HABILIDAD (CAPABILITY) Y CONTROL Por último, recuerde que estar en control (being in control) y cumplir con las especificaciones (meet specifications) son 2 cosas distintas. La primera se refiere a la predictibilidad y estabilidad INTERNA del proceso, mientras que la segunda indica la habilidad del proceso para cumplir con requerimientos del cliente (EXTERNOS al proceso). 27/ 9.6 MEJORA DE LA CAPACIDAD INTRODUCCIÓN: Debido a que cada una de las 3 medidas de capacidad presentadas anteriormente dependen de (1) la media del proceso y de (2) la desviación estandard, las mejoras del proceso están enfocadas en ajustar alguna (o ambas) de éstas. 1. DESPLAZAMIENTO DE LA MEDIA DEL PROCESO: Dada una distribución de probabilidad en la salida de un proceso, se tiene que al mover la media se aumentará la proporción de productos que cumplen con las especificaciones así como también el radio de capacidad del proceso. 28/

8 9.6 MEJORA DE LA CAPACIDAD DESPLAZAMIENTO DE LA MEDIA DEL PROCESO 9.6 MEJORA DE LA CAPACIDAD DESPLAZAMIENTO DE LA MEDIA DEL PROCESO Suponga que la media en el peso de las puertas del garage es de 82.5 kg y se comporta conforme al histograma mostrado en el ejemplo anterior. El histograma muestra una curva simétrica en ambos lados de la media. Por esta razón sería conveniente cambiar las especificaciones de la puerta para que en vez de ser 82.5 kg se desplacen a 80 kg. Esto permitirá que un mayor número de productos cumplan con las especificaciones. 29/ Bajo estas condiciones, la proporción de puertas dentro de las especifiocaciones será: Prob (75 < W < 85) = Prob (-1.19 < Z < 1.19) = 2 (0.383) = La figura mostrada en la sig. diapositiva indica la mejora en el proceso al cambiar la media de 82.5 a 80 kg. Al mismo tiempo, el radio de capacidad del proceso (C pk ) aumenta de a: C pk = min [(85-80) / 3 (4.2), (80-75) / 3 (4.2)] C pk = min [0.3968, ] = , el cual coincide con el valor de Cp 30/ Probability density of output (weight) LS = US = Garage Door Weight (kg) Asi pues, mover la media del proceso (mean shift) mejora la capacidad del mismo. Cualquier mejora extra se 9.6 MEJORA DE LA CAPACIDAD 2. REDUCCIÓN DE LA VARIABILIDAD DEL PROCESO : En el ejemplo MBPF se observa una alta variabilidad en el peso de las puertas del garage (4.2 kg = std. dvt.) Esta variabilidad se puede deber a máquinas muy viejas, bajos niveles de mantenimiento, baja capacitación, falta de estímulos, etc. Suponga que desea disminuir la variabilidad del ejemplo anterior de 4.2 a 2.5 kg, mediante inversiones en máquinaria y capacitación. obtendrá disminuyendo la variabilidad 31/ 32/

9 9.6 MEJORA DE LA CAPACIDAD REDUCCIÓN DE LA VARIABILIDAD DEL PROCESO La proporción de productos dentro de las especificaciones aumentaría a : Prob (75 < W < 85) = Prob (-2 < Z < 2) = y su correspodiente Cp: 9.6 MEJORA DE LA CAPACIDAD REDUCCIÓN DE LA VARIABILIDAD DEL PROCESO Probability density of output (weight) C p = (US - LS) / 6σ = (85 75)/[(6)(2.5)] = 0.67 La sig. figura muestra una mejora en proporción de productos dentro de las especificaciones que resultan al disminuir la variabilidad. Si se deseara 99% de salidas dentro de especificaciones, que valor debería de tomar σ?. 33/ Garage Door Weight (kg) LS = US = 85 Se requiere que z = 2.58 desviaciones estandar desde la media, por lo que : 2.58 σ = 5; por lo que σ= kg y Cp = / 9.6 MEJORA DE LA CAPACIDAD 3. EFECTO DEL CONTROL DE PROCESOS: Es importante recordar que la mejora de procesos, ya sea moviendo la media o reduciendo la variabilidad debe de ir acompañada de un ajuste en los límites de control. Para el ejemplo anterior, los nuevos límites de control serán: 80 + (3)(4.2/(5) ½ ) = (74.37, 85.63) De forma similar, reducir la desviación std. de 4.2 a 2.5, implica revisar los límites de X y su correspondiente35/ desv. std. σ x [Recuerde que σ x = σ/(n) ½ ] 9.6 MEJORA DE LA CAPACIDAD 3. EFECTO DEL CONTROL DE PROCESOS: Por ejemplo, si se comparan muestras de 5 garages (n=5) y se redujera σ a 2.5 kg, entonces tendríamos: σ x = σ/(n) ½ = 2.5 / (5) ½ = kg Y los nuevos límites de control serían: 80 + (3)(1.118) = (76.65, 83.35) 36/

10 Weight Out of Control In Control Improved UCL µ LCL Time 37/ 9.7 DISEÑO DE PRODUCTOS Y DE PROCESOS La mejor oportunidad para tener un proceso con baja variabilidad y altas fracciones de producto dentro de las especificaciones se encuentra en el DISEÑO mismo del producto o proceso. Las principales recomendaciones en el diseño del proceso/producto son: Diseños simples (menos partes, menos pasos, modular) Estandarizar diseños (menos variabilidad, procedimeintos y piezas estandard) A prueba de errores (de tontos, pues: especificacioens claras, fácil de ensamblar, etc). 38/ Distribución Normal Estandar, F(z) z Transform X = N(m,s) to z = N(0,1) z = (X - m) / s F(z) = Prob( N(0,1) < z) F(z) z Transform back, knowing z*: X* = m + z*s / /

VI. CAPACIDAD DE PROCESOS

VI. CAPACIDAD DE PROCESOS V. Capacidad de Procesos V. CAPACDAD DE PROCESOS NTRODUCCÓN Una vez hayamos comprobado que el proceso está bajo control, estaremos interesados en saber si es un proceso capaz, es decir, si cumple con las

Más detalles

GUÍA DE APRENDIZAJE. Módulo II Seis Sigma. Aprendizaje sin fronteras uvirtual@pep.pemex.com

GUÍA DE APRENDIZAJE. Módulo II Seis Sigma. Aprendizaje sin fronteras uvirtual@pep.pemex.com GUÍA DE APRENDIZAJE Módulo II Seis Sigma ÍNDICE 1. Visión General Seis Sigma 2 2. Objetivos 2 3. La Iniciativa 3 4. Cambiando el Proceso de Toma de Decisiones 3 5. La Metodología 5 6. La Medición 12 7.

Más detalles

Introducción a la metodología. Seis Sigma. QFB. Elba Berrones Janssen-Cilag

Introducción a la metodología. Seis Sigma. QFB. Elba Berrones Janssen-Cilag Introducción a la metodología Seis Sigma QFB. Elba Berrones Janssen-Cilag 1 Agenda Introducción Conceptos Generales Beneficios Reales Preguntas 2 Introducción 3 Significado Seis sigma, es una metodología

Más detalles

Control Estadístico de Procesos

Control Estadístico de Procesos Control Estadístico de Procesos Lic. Elda Monterroso UNLu Características de calidad Variables Características que se pueden medir (peso, longitud, temperatura, etc.) Pueden ser números enteros o fracciones

Más detalles

Práctica de CONTROL DE CALIDAD Gráficos de control por variables e Índices de Capacidad

Práctica de CONTROL DE CALIDAD Gráficos de control por variables e Índices de Capacidad Práctica de CONTROL DE CALIDAD Gráficos de control por variables e Índices de Capacidad 1. Objetivos de la práctica Utilización de herramientas estadísticas para el Control de Procesos. En particular realizaremos:

Más detalles

Clase 8: Distribuciones Muestrales

Clase 8: Distribuciones Muestrales Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS

MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS 1 ÍNDICE DEFINIR. 3 MEDIR.... 4 ANALIZAR..... 5 MEJORAR. 6 CONTROLAR... 7 GLOSARIO... 8 MAPA CONCEPTUAL. 10 2 DEFINIR: Iniciación del proyecto.

Más detalles

Aplicaciones de la Probabilidad en la Industria

Aplicaciones de la Probabilidad en la Industria Aplicaciones de la Probabilidad en la Industria Dr. Enrique Villa Diharce CIMAT, Guanajuato, México Verano de probabilidad y estadística CIMAT Guanajuato,Gto. Julio 2010 Contenido: 1.- Introducción Introducción

Más detalles

El Rol de la Estadística en el Control de la Calidad

El Rol de la Estadística en el Control de la Calidad El Rol de la Estadística en el Control de la Calidad Jaime Mosquera Restrepo Profesor Escuela de Estadística. Universidad del Valle jaime.mosquera@correounivalle.edu.co Que es calidad? Como se evalúa la

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control. ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación

Más detalles

Estimación. Intervalos de Confianza para la Media y para las Proporciones

Estimación. Intervalos de Confianza para la Media y para las Proporciones Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo

Más detalles

PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES

PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES CONTROL DE CALIDAD CONTROL ESTADÍSTICO DE PROCESO Avanzar hacia la excelencia operacional es clave para la mejora de la competitividad de

Más detalles

La distribución normal o de Gauss

La distribución normal o de Gauss La distribución normal o de Gauss Distribución límite La distribución Normal o de Gauss La distribución de Gauss tipificada La función integral. Cálculo de la función integral La desviación estándar de

Más detalles

Seis Sigma. Nueva filosofía Administrativa.

Seis Sigma. Nueva filosofía Administrativa. Seis Sigma. Nueva filosofía Administrativa. GIN. Filosofía de Calidad. El Seis Sigma es un parámetro cuya base principal es la desviación estándar y su enfoque es reducir la variación y/o defectos en lo

Más detalles

Grado en Ingeniería. Estadística. Tema 3

Grado en Ingeniería. Estadística. Tema 3 Grado en Ingeniería Asignatura: Estadística Tema 3. Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción Variabilidad de un proceso de fabricación Causas asignables

Más detalles

MÓDULO V EVALUANDO EL RIESGO: ANÁLISIS DE MODO FALLA Y SUS EFECTOS

MÓDULO V EVALUANDO EL RIESGO: ANÁLISIS DE MODO FALLA Y SUS EFECTOS MÓDULO V EVALUANDO EL RIESGO: ANÁLISIS DE MODO FALLA Y SUS EFECTOS ÍNDICE OBJETIVOS 3 DEFINICIÓN FMEA... 3 HISTORIA 4 ROL DEL PROCESO.. 4 PROPÓSITO DEL FMEA DE PROCESOS 4 FMEA: ENTRADAS Y SALIDAS.. 5 ANÁLISIS

Más detalles

LEAN SIX SIGMA YELLOW BELT

LEAN SIX SIGMA YELLOW BELT LEAN SIX SIGMA YELLOW BELT CARACTERISTICAS GENERALES Duración: 32 Horas Son personas que participan activamente en el desarrollo de los proyectos Lean-Six Sigma de su área de trabajo, si son operadores

Más detalles

GUÍA DE APRENDIZAJE MÓDULO I SEIS SIGMA SPACER. Aprendizaje sin fronteras uvirtual@pep.pemex.com

GUÍA DE APRENDIZAJE MÓDULO I SEIS SIGMA SPACER. Aprendizaje sin fronteras uvirtual@pep.pemex.com GUÍA DE APRENDIZAJE MÓDULO I SEIS SIGMA SPACER ÍNDICE I. SPACER... 2 Seguridad 2 Propósito 2 Agenda 3 Código de Conducta 4 Expectativas 4 Roles 5 II. GLOSARIO 6 III. MAPA CONCEPTUAL 9 1 I. SPACER Seguridad

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Control Estadístico de Procesos www.bvbusiness-school.com CONTROL ESTADÍSTICO DE PROCESOS El es un conjunto de técnicas estadísticas destinadas a hacer un seguimiento, en tiempo real, de la calidad que

Más detalles

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad

Estadís1ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 7. Control estadís1co de la calidad Estadís1ca Tema 7. Control estadís1co de la calidad María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema

Más detalles

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti ANÁLISIS DE DATOS CONTROL DE CALIDAD Ing. Carlos Brunatti Montevideo, ROU, junio 2015 Control de calidad No resulta sorprendente que el hormigón sea un material variable, pues hay muchos factores involucrados

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Control de calidad del Hormigón

Control de calidad del Hormigón Control de calidad del Hormigón Calidad Hay muchos factores involucrados en la producción del hormigón, desde los materiales, la dosificación de la mezcla, el transporte, la colocación, el curado y los

Más detalles

Suplemento Control estadístico stico de procesos

Suplemento Control estadístico stico de procesos Suplemento Control estadístico stico de procesos Contenido Control estadístico de procesos (CEP) Gráficos de control para variables El teorema central del límite Fijación de límites del gráfico de medias

Más detalles

Capítulo 1. Desarrollo Histórico de Seis Sigma

Capítulo 1. Desarrollo Histórico de Seis Sigma Capítulo 1 Desarrollo Histórico de Seis Sigma Sus orígenes se remontan a 1985 cuando un ingeniero de Motorola presentó una investigación en la que concluía que si un producto defectuoso era corregido durante

Más detalles

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Suponga que le pedimos a un grupo de estudiantes de la asignatura de estadística que registren su peso en kilogramos. Con los datos del peso de los estudiantes

Más detalles

Aplicaciones de la Estadística al Mejoramiento de la Calidad en Procesos de Manufactura y Servicios

Aplicaciones de la Estadística al Mejoramiento de la Calidad en Procesos de Manufactura y Servicios Aplicaciones de la Estadística al Mejoramiento de la Calidad en Procesos de Manufactura y Servicios Antonio González Fragoso Universidad de las Américas, Puebla Seminario Aleatorio, ITAM 20 de octubre

Más detalles

1. INTRODUCCIÓN 2. JUSTIFICACIÓN

1. INTRODUCCIÓN 2. JUSTIFICACIÓN Revista Ingeniería Industrial - Año 5, Nº 1 - Segundo Semestre 2006 1. INTRODUCCIÓN El contenido de humedad de la madera es uno de los parámetro más importante a considerar para los distintos propósitos

Más detalles

Aspectos Básicos de Six Sigma

Aspectos Básicos de Six Sigma Aspectos Básicos de Six Sigma Objetivos de aprendizaje Al final de este módulo, podrá: Reconocer que Six Sigma es un enfoque valioso para mejorar la calidad de procesos Interpretar un cuadra básico de

Más detalles

Análisis e Interpretación de Datos Unidad XI. Prof. Yanilda Rodríguez MSN Prof. Madeline Fonseca MSN Prof. Reina del C.Rivera MSN

Análisis e Interpretación de Datos Unidad XI. Prof. Yanilda Rodríguez MSN Prof. Madeline Fonseca MSN Prof. Reina del C.Rivera MSN Análisis e Interpretación de Datos Unidad XI Prof. Yanilda Rodríguez MSN Prof. Madeline Fonseca MSN Prof. Reina del C.Rivera MSN Competencias de Aprendizaje Al finalizar la actividad los estudiantes serán

Más detalles

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL INTRODUCCIÓN En este módulo se continúa con el estudio de las distribuciones de probabilidad, examinando una distribución de probabilidad continua muy importante:

Más detalles

TEMA 6: Gráficos de Control por Variables

TEMA 6: Gráficos de Control por Variables TEMA 6: Gráficos de Control por Variables 1 Introducción 2 Gráficos de control de la media y el rango Función característica de operación 3 Gráficos de control de la media y la desviación típica 4 Gráficos

Más detalles

Master en Gestión de la Calidad

Master en Gestión de la Calidad Master en Gestión de la Calidad E U R O P E A N Q U A L I T Y 18. Estudios de Capacidad 1 / 1 Estudios de Capacidad: Lo que vamos a estudiar en este apartado se emplea tanto en la planificación de los

Más detalles

% PRODUCTOS NO CONFORMES 10% 5%

% PRODUCTOS NO CONFORMES 10% 5% Departamento de Ingeniería Mecánica Tecnología Mecánica I 67.15 Unidad 13: Control de Calidad Ing. Sergio Laguzzi 1 TEMARIO - Definición de Calidad. Costos de la no Calidad. Estrategia de detección (Planes

Más detalles

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS

CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS CURSO HERRAMIENTAS ESTADISTICAS PARA IMPLEMENTACION DE SIX SIGMA EN EMPRESAS DE PRODUCCION, LOGISTICA Y SERVICIOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-4492-6252 Fax:

Más detalles

TEMA 7: Análisis de la Capacidad del Proceso

TEMA 7: Análisis de la Capacidad del Proceso TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad

Más detalles

Estandares y Normas. Universidad Tecnológica Nacional -FRBA

Estandares y Normas. Universidad Tecnológica Nacional -FRBA Estandares y Normas Universidad Tecnológica Nacional -FRBA La Organización Basada en IT Evolución La demanda creciente de los servicios basados en infraestructuras computacionales ha producido tanto la

Más detalles

ISO 9000:2000. Roberto Aprili Justiniano Rodrigo Ramírez Pérez. Roberto Aprili, Rodrigo Ramírez

ISO 9000:2000. Roberto Aprili Justiniano Rodrigo Ramírez Pérez. Roberto Aprili, Rodrigo Ramírez ISO 9000:2000 Roberto Aprili Justiniano Rodrigo Ramírez Pérez Motivación Cada uno es para eso (Bajo ciertas Condiciones) Todo mundo piensa que ellos entienden eso (excepto lo que ellos quisieran explicar)

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

Herramientas de la Calidad Total

Herramientas de la Calidad Total Manual del Participante Herramientas de la Calidad Total TECNICO NIVEL OPERATIVO SEN@TI VIRTUAL HERRAMIENTAS DE LA CALIDAD TOTAL MANUAL DEL PARTICIPANTE TERCERA EDICIÓN JULIO 2015 Todos los derechos reservados.

Más detalles

chiapas.academiajournals.com 1946-5351 ONLINE, 1948-2353 CD ROM

chiapas.academiajournals.com 1946-5351 ONLINE, 1948-2353 CD ROM Aplicación de herramientas para el desarrollo de una metodología para el análisis de la variación de pesos en máquinas envasadoras en la empresa Campo Fresco MC. Joel Everardo Valtierra Olivares 1, Dr.

Más detalles

Capítulo 3: Metrología y Calidad. TEMA 5: Control de calidad

Capítulo 3: Metrología y Calidad. TEMA 5: Control de calidad Capítulo 3: Metrología y Calidad TEMA 5: Control de calidad Índice 1. Calidad Introducción Definición de Control de calidad 2. Control y mejora de la calidad Qué es un Plan de control de Calidad Medida

Más detalles

CENTRO DE INGENIERIA DE LA CALIDAD CALI COLOMBIA www.cicalidad.com info@cicalidad.com

CENTRO DE INGENIERIA DE LA CALIDAD CALI COLOMBIA www.cicalidad.com info@cicalidad.com CENTRO DE INGENIERIA DE LA CALIDAD CALI COLOMBIA www.cicalidad.com info@cicalidad.com Control Estadístico de Procesos - (Statistical Process Control) El objetivo del Control estadístico de procesos es

Más detalles

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar

Más detalles

4. HERRAMIENTAS ESTADÍSTICAS

4. HERRAMIENTAS ESTADÍSTICAS 4. HERRAMIENTAS ESTADÍSTICAS 4.1 Definiciones La mayor parte de las decisiones se toman en función de la calidad, como en la mayoría de las demás áreas del moderno esfuerzo humano (por ejemplo, en la evaluación

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA

INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98

Más detalles

METODOLOGÍA PARA DETERMINAR FACTORES DE RESISTENCIA

METODOLOGÍA PARA DETERMINAR FACTORES DE RESISTENCIA 35 CAPÍTULO 3. METODOLOGÍA PARA DETERMINAR FACTORES DE RESISTENCIA Existen muchas técnicas posibles para seleccionar Factores de Resistencia (RF) para utilizar en el diseño LRFD aplicado a la geotecnia.

Más detalles

Six Sigma Control de la Variabilidad

Six Sigma Control de la Variabilidad Agosto 2015 Santiago, Chile Escuela de Negocios Six Sigma Control de la Variabilidad Material de Asexma A.G. Defectos Defectos Un DEFECTO es.una desviación respecto de los requisitos de un proceso específico,

Más detalles

Control de calidad del. Ciudad de La Rioja Mayo 2013

Control de calidad del. Ciudad de La Rioja Mayo 2013 Control de calidad del Hormigón Ciudad de La Rioja Mayo 2013 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad

Más detalles

Análisis del tiempo de flujo

Análisis del tiempo de flujo ANÁLISIS DE PROCESOS DE NEGOCIO Tema 4: Análisis del tiempo de flujo Medidas de Flujo de Proceso Parte # 4 Medición del tiempo de flujo La ruta crítica de un proceso Principios para el manejo del tiempo

Más detalles

En el contexto de la simulación se asocia a un período de tiempo determinado por una variable aleatoria.

En el contexto de la simulación se asocia a un período de tiempo determinado por una variable aleatoria. DEFINICIONES Actividad: En el contexto de la simulación se asocia a un período de tiempo determinado por una variable aleatoria. Aleatorio (Aleatoriedad): Se asocia a todo proceso cuyo resultado no es

Más detalles

SEIS SIGMA Qué es Six Sigma?

SEIS SIGMA Qué es Six Sigma? SEIS SIGMA Sus estudios sobre confiabilidad demostraron que para incrementar la confiabilidad de los sistemas y reducir las tasas de defectos es preciso que cada una de las tasas de defectos complejos

Más detalles

4.1 GRAFICA DE CONTROL Y CONCEPTOS ESTADISTICOS

4.1 GRAFICA DE CONTROL Y CONCEPTOS ESTADISTICOS 4.1 GRAFICA DE CONTROL Y CONCEPTOS ESTADISTICOS Un proceso de control es aquel cuyo comportamiento con respecto a variaciones es estable en el tiempo. Las graficas de control se utilizan en la industria

Más detalles

CONFERENCIA SEIS SIGMA CONTROL ESTADISTICO DE PROCESOS. Expositor M.Sc. Ing. Juan Pablo Hernández Flores

CONFERENCIA SEIS SIGMA CONTROL ESTADISTICO DE PROCESOS. Expositor M.Sc. Ing. Juan Pablo Hernández Flores CONFERENCIA SEIS SIGMA CONTROL ESTADISTICO DE PROCESOS Expositor M.Sc. Ing. Juan Pablo Hernández Flores BIENVENIDOS BIENVENIDOS TEMA CENTRAL Contenido: SEIS SIGMA Control Estadístico de Procesos Antecedentes

Más detalles

Manejo en Base al Conocimiento Six Sigma

Manejo en Base al Conocimiento Six Sigma Manejo en Base al Conocimiento Six Sigma 1 Qué es SIGMA? Una letra griega En matemáticas se usa para indicar la cantidad de errores cometidos Se puede usar para medir la calidad de nuestro trabajo 2 #

Más detalles

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL C CENTRO DE INVESTIGACIÓN CIENTÍFICA Y TECNOLÓGICA

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL C CENTRO DE INVESTIGACIÓN CIENTÍFICA Y TECNOLÓGICA Revista Tecnológica ESPOL, Vol. xx, N. xx, pp-pp, (Mes, 200x) Control Estadístico De Los Indicadores De Calidad De Calzado Plástico (1) Vélez Suárez, Erika Pamela; e-mail: evelez@espol.edu.ec Facultad

Más detalles

1.- Enfoques del sistema de gestión de calidad Seis Sigma

1.- Enfoques del sistema de gestión de calidad Seis Sigma Capítulo 2 La prensa especializada suele describir Seis Sigma como un método altamente técnico utilizado por ingenieros y estadísticos para perfeccionar los productos y los procesos. En parte, es cierto.

Más detalles

ESTIMACION DE INTERVALOS DE CONFIANZA

ESTIMACION DE INTERVALOS DE CONFIANZA pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones

Más detalles

Charlas para la gestión del mantenimiento Fernando Espinosa Fuentes

Charlas para la gestión del mantenimiento Fernando Espinosa Fuentes Charlas para la gestión del mantenimiento Fernando Espinosa Fuentes Six Sigma es una metodología de la gerencia de calidad que provee a las empresas de herramientas para mejorar la capacidad de sus procesos

Más detalles

METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL

METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL María Pérez Marqués Metodología Seis Sigma a través de Excel María Pérez Marqués ISBN: 978-84-937769-7-8 EAN: 9788493776978 Copyright 2010 RC Libros RC Libros es

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

Impacto de la calidad en la dirección de proyectos con Six Sigma

Impacto de la calidad en la dirección de proyectos con Six Sigma Impacto de la calidad en la dirección de proyectos con Six Sigma Por Shobhit Shrotriya, PMP Abstract Toda organización debe ejecutar proyectos que cumplan con, o que excedan, las expectativas de sus clientes.

Más detalles

INDICADORES DE GESTION

INDICADORES DE GESTION INDICADORES DE GESTION Un indicador se define como la relación entre las variables cuantitativas o cualitativas, que permite observar la situación y las tendencias de cambio generadas en el objeto o fenómeno

Más detalles

Estrategia de Negocios que revoluciona y transforma a las empresas hacia Clase Mundial.

Estrategia de Negocios que revoluciona y transforma a las empresas hacia Clase Mundial. & 6 Sigma Diplomado y Certificación Black Belt TECNOLOGIA JAPONESA DE CLASE MUNDIAL QUE SI FUNCIONA! MANUFACTURA Y SERVICIOS Estrategia de Negocios que revoluciona y transforma a las empresas hacia Clase

Más detalles

RELACIÓN ENTRE LA CAPACIDAD DE PROCESO Y EL FALLO EN SERVICIO

RELACIÓN ENTRE LA CAPACIDAD DE PROCESO Y EL FALLO EN SERVICIO RELACIÓN ENTRE LA CAPACIDAD DE PROCESO Y EL Ponencia presentada por Arturo Ruiz-Falcó Rojas, en el VIII Congreso de Confiabilidad, organizado por la Asociación Española para la Calidad y celebrado en la

Más detalles

8. Project Quality Management

8. Project Quality Management 8. Project Quality Management 8.1 La importancia de la administración de calidad Muchas personas bromean acerca de la pobre calidad de productos de IT (ej. si los coches fueran fabricados por Microsoft).

Más detalles

Técnicas para Mejorar la Calidad del Proceso y el Producto en las Industrias de Productos Madera: Una introducción al Control Estadístico del Proceso

Técnicas para Mejorar la Calidad del Proceso y el Producto en las Industrias de Productos Madera: Una introducción al Control Estadístico del Proceso Técnicas para Mejorar la Calidad del Proceso y el Producto en las Industrias de Productos Madera: Una introducción al Control Estadístico del Proceso Scott Leavengood Oregon State University Extension

Más detalles

Carta de control CEV X para distribuciones Weibull con datos censurados

Carta de control CEV X para distribuciones Weibull con datos censurados Revista Colombiana de Estadística Volumen 28 N o 2. pp. 125 a 139. Diciembre 2005 Carta de control CEV X para distribuciones Weibull con datos censurados CEV X Control Chart for Weibull Distributions with

Más detalles

UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS CENTRO UNIVERISTARIO REGIONAL DEL LITORAL ATLANTICO UNAH-CURLA

UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS CENTRO UNIVERISTARIO REGIONAL DEL LITORAL ATLANTICO UNAH-CURLA UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS CENTRO UNIVERISTARIO REGIONAL DEL LITORAL ATLANTICO UNAH-CURLA ASIGNATURA: FUNDAMENTOS DE CALIDAD MATERIAL DE ESTUDIO Tomado del texto.administración y control

Más detalles

GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS

GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS 1) INTRODUCCIÓN Tanto la administración de calidad como la administración Seis Sigma utilizan una gran colección de herramientas estadísticas.

Más detalles

PLCs de Seguridad frente a PLCs de Propósito General

PLCs de Seguridad frente a PLCs de Propósito General PLCs de Seguridad frente a PLCs de Propósito General MANUEL LÁZARO GALLARDO SIEMENS RESUMEN Mediante el presente trabajo se pretenden analizar las aplicaciones de automatización en general, particularizando

Más detalles

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora

Más detalles

Diplomado Certificación en Lean Six Sigma Black Belt

Diplomado Certificación en Lean Six Sigma Black Belt Diplomado Certificación en Lean Six Sigma Black Belt Duración 159 horas Objetivo general: El alumno, comúnmente conocido como candidato a Black Belt, aprenderá las fases de la metodología Lean Six Sigma

Más detalles

Estrategia de Impacto de Seis Sigma

Estrategia de Impacto de Seis Sigma 8-21-2000 1 6 Estrategia de Impacto de Seis Sigma 8-21-2000 2 Estrategia de Impacto de Seis Sigma Contenido Qué es Seis Sigma? Los Efectos de la Reducción de Variación Detección de Defectos Traducción

Más detalles

Control Estadístico de Procesos

Control Estadístico de Procesos Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control

Más detalles

Carlos Araujo Herrera 1, Vicente Jama Lozano 2. Litoral, Profesor de ESPOL desde 2001.

Carlos Araujo Herrera 1, Vicente Jama Lozano 2. Litoral, Profesor de ESPOL desde 2001. DESARROLLO E IMPLANTACIÓN DE UN SISTEMA DE INFORMACIÓN ORIENTADO HACIA EL CONTROL DE CALIDAD DE PROVEEDORES PARA PLANTAS INDUSTRIALES EN LA CIUDAD DE GUAYAQUIL Carlos Araujo Herrera 1, Vicente Jama Lozano

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA

Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA NOTA: en toda esta práctica no se pueden utilizar bucles, para que los tiempos de ejecución se reduzcan. Esto se puede hacer

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

APLICACIÓN DEL MODELO SEIS SIGMA EN EL LABORATORIO CLÍNICO. Dr. Enrique Ricart Álvarez Servicio Análisis Clínicos Hospital Verge dels LLiris.

APLICACIÓN DEL MODELO SEIS SIGMA EN EL LABORATORIO CLÍNICO. Dr. Enrique Ricart Álvarez Servicio Análisis Clínicos Hospital Verge dels LLiris. APLICACIÓN DEL MODELO SEIS SIGMA EN EL LABORATORIO CLÍNICO Dr. Enrique Ricart Álvarez Servicio Análisis Clínicos Hospital Verge dels LLiris. Alcoy Sesión Clínica Jueves, 11 de abril de 2013 CONCEPTOS DEL

Más detalles

t i Q 7 Q 6 Q 5 Q 4 Q 3 Q 2 Q 1 Q 0

t i Q 7 Q 6 Q 5 Q 4 Q 3 Q 2 Q 1 Q 0 Clase 5 Un registro es un conjunto de n latch o Flip-Flops asociados que permiten almacenar temporalmente una palabra o grupo de n bit. Hay dos clases de registros típicos sincrónicos 1. el registro de

Más detalles

ECUACION DE DEMANDA. El siguiente ejemplo ilustra como se puede estimar la ecuación de demanda cuando se supone que es lineal.

ECUACION DE DEMANDA. El siguiente ejemplo ilustra como se puede estimar la ecuación de demanda cuando se supone que es lineal. ECUACION DE DEMANDA La ecuación de demanda es una ecuación que expresa la relación que existe entre q y p, donde q es la cantidad de artículos que los consumidores están dispuestos a comprar a un precio

Más detalles

DETALLANDO EL PROCESO:

DETALLANDO EL PROCESO: GUÍA DE APRENDIZAJE MÓDULO IV SEIS SIGMA ENTENDIENDO Y DETALLANDO EL PROCESO: MAPA, DETALLE, C&E- RONDA 1,2 ÍNDICE 1. Objetivo 3 2. Medir 3 a. La Fase de Medir Seis Sigma 4 3. Objetivo. Alimentar el Embudo

Más detalles

Estrategia Six Sigma: Metodología QP008 Estrategia Six Sigma: Metodología

Estrategia Six Sigma: Metodología QP008 Estrategia Six Sigma: Metodología QP008 Estrategia Six Sigma: Metodología 1 Introducción: Six Sigma puede entenderse como un método sistemático y organizado para el mejoramiento de procesos estratégicos y para el desarrollo de nuevos productos

Más detalles

PDF created with pdffactory trial version www.pdffactory.com

PDF created with pdffactory trial version www.pdffactory.com Cátedra de Métricas del Software Universidad Tecnológica Nacional Facultad Regional Córdoba } Diego Rubio } Álvaro Ruiz de Mendarozqueta } Natalia Andriano } Juan Pablo Bruno } Conocer, interpretar y aplicar

Más detalles

En este capítulo describiremos la metodología que usamos para el desarrollo de este

En este capítulo describiremos la metodología que usamos para el desarrollo de este CAPITULO II 2. Metodología En este capítulo describiremos la metodología que usamos para el desarrollo de este proyecto el cual incluye las definiciones de manufactura esbelta, seis sigma y la fase del

Más detalles

CAPÍTULO II METODOLOGÍA SEIS SIGMA. Este capítulo describe las técnicas a aplicar para el desarrollo de este

CAPÍTULO II METODOLOGÍA SEIS SIGMA. Este capítulo describe las técnicas a aplicar para el desarrollo de este CAPÍTULO II METODOLOGÍA SEIS SIGMA 2.1. Introducción Este capítulo describe las técnicas a aplicar para el desarrollo de este estudio. Seis Sigma es una metodología de calidad que utiliza herramientas

Más detalles

Tema 2. Análisis gráfico Ejercicios resueltos 1

Tema 2. Análisis gráfico Ejercicios resueltos 1 Tema 2. Análisis gráfico Ejercicios resueltos 1 Ejercicio resuelto 2.1 En una tienda han anotado los precios de los artículos que han vendido en una hora. Los datos son: 9,95, 19,95, 19,95, 14,95, 29,95,

Más detalles

CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC

CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC 1. INTRODUCCIÓN. Mientras el Dr. Walter Shewhart de los Laboratorios Bell estudiaba datos de procesos en la década

Más detalles

Señal de Referencia: Es el valor que se desea que alcance la señal de salida. SET POINT.

Señal de Referencia: Es el valor que se desea que alcance la señal de salida. SET POINT. EL ABC DE LA AUTOMATIZACION ALGORITMO DE CONTROL PID; por Aldo Amadori Introducción El Control automático desempeña un papel importante en los procesos de manufactura, industriales, navales, aeroespaciales,

Más detalles

Tema 19 Modelo de Weibull para predecir la fractura de los materiales frágiles.

Tema 19 Modelo de Weibull para predecir la fractura de los materiales frágiles. Tema 19 Modelo de Weibull para predecir la fractura de los materiales frágiles. Los Materiales Cerámicos tienen las siguientes características: Son compuestos químicos o soluciones complejas que contienen

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

El monitoreo de una variable física requiere supervisión permanente de señales que

El monitoreo de una variable física requiere supervisión permanente de señales que Capítulo 1 Marco Contextual 1.1. Formulación del problema 1.1.1. Definición del problema El monitoreo de una variable física requiere supervisión permanente de señales que varían con el tiempo. Tal información,

Más detalles

Gerencia de Productos y Procesos Integrantes:

Gerencia de Productos y Procesos Integrantes: Gerencia de Productos y Procesos Integrantes: Roberto Arguello Jaime Guzmán Viviana Pozo Elizabeth Rosero Johnny Rosero PRODUCTIVIDAD Tecnologías Emergentes Innovación Clase Mundial CIM JIT TQC MRP II

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz

Control Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información

Más detalles

Evitar costes de sobredimensionamiento en la estructura para Centros de Proceso de Datos (Datacenters)

Evitar costes de sobredimensionamiento en la estructura para Centros de Proceso de Datos (Datacenters) Evitar costes de sobredimensionamiento en la estructura para Centros de Proceso de Datos (Datacenters) nº 37 Revisión 4 Sumario La infraestructura física y eléctrica de los Centros de Proceso de Datos

Más detalles