Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
|
|
- Alberto Cuenca Pereyra
- hace 7 años
- Vistas:
Transcripción
1 Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
2 Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos del producto (especificación). Reducir en gran medida esta variabilidad. La CAPACIDAD O APTITUD DE UN PROCESO se refiere a su uniformidad.
3 Variabilidad (Distribución ormal) ,700 artículos no-conformes por millón LITN 3δ µ 3δ LSTN Y si la distribución de la salida del proceso no es normal?
4 Análisis de capacidad de proceso o Estudio para estimar la aptitud del proceso. o Puede ser descriptivo (distribución de probabilidad, media, desviación estándar), sin tomar en cuenta la especificación. o Puede expresarse como un porcentaje fuera de la especificación. o Mide parámetros del producto y no del proceso (Sin embargo, es necesario vigilar la obtención de los datos para inferir acerca del comportamiento del proceso en el tiempo). o o se puede vigilar esto? El estudio es caracterización del producto. Pero si se puede...
5 Uso de los datos del estudio Predecir el grado de cumplimiento del proceso a las tolerancias. A los diseñadores del producto, a seleccionar o modificar un proceso. A establecer un periodo entre toma de observaciones en un muestreo. Especificar los requisitos para el funcionamiento de nuevos equipos. Elegir entre diferentes proveedores. Planear la secuencia de los procesos de producción cuando existe un efecto interactivo de los procesos sobre las tolerancias. Reducir la variabilidad en un proceso de manufactura.
6 Análisis de la capacidad del proceso mediante un histograma Obtener entre 50 y 100 datos del proceso de interés. Al obtener los datos directamente del proceso, proceder así: La máquina seleccionada debe ser representativa de toda la población. Varias máquinas, identificar claramente el origen de los datos. Definir cuidadosamente las condiciones (velocidad de corte, temperatura, etcétera) Seleccionar un operario representativo. Sospecha de fuertes diferencias entre operarios, seleccionar los operadores al azar. Vigilar cuidadosamente la recopilación de datos y registrar la secuencia de obtención de los mismos. Calcular la media y la desviación estándar muestrales; elaborar el histograma
7 Resistencia a la presión interna de 100 botellas de vidrio de un litro para refresco (unidad = psi) Calcular la media ( x ) y desviación estándar ( s ) muestrales; elaborar el histograma con 9 intervalos de clase (LI=170 y LS=350) Capacidad de proceso = x + 3 s
8 Estadística Descriptiva Variable N Mean Median TrMean StDev SE Mean C Variable Minimum Maximum Q1 Q3 C
9 Histograma 20 Frequency C1
10 Prueba de Normalidad Normal Probability Plot Probability C1 Average: StDev: N: 90 W-test for Normality R: P-Value (approx): >
11 Grafica de Control de Promedios y Desviación Estándar Xbar/S Chart for C1 Sample Mean SL=307.6 X= SL=222.9 Subgroup Sample StDev SL=61.99 S= SL=0.000
12 Grafico de Control de Promedios y Rangos Xbar/R Chart for C1 Sample Mean Subgroup SL=327.4 X= SL=203.0 Sample Range SL=108.0 R= SL=0.000
13 Capacidad del Proceso Process Capability Analysis for C1 Process Data USL Target * LSL Mean Sample N 90 StDev (ST) StDev (LT) LSL USL ST LT Potential (ST) Capability Cp 1.00 CPU 0.94 CPL 1.06 Cpk 0.94 Cpm * Overall (LT) Capability Observed Performance Expected ST Performance Expected LT Performance Pp PPU PPL Ppk PPM < LSL PPM > USL PPM Total PPM < LSL PPM > USL PPM Total PPM < LSL PPM > USL PPM Total
14 Relación de Capacidad del Proceso RCP = LSE LEI 6δ Especificación unilateral : RCP = LSE µ 3δ RCP = µ LIE Con los datos calculados y sabiendo que LIE=200, calcula el RCP Cuántas botellas de un millón producidas estarán por debajo del LIE? 3δ
15 Rechazo de un proceso normal (en ppm de no-conformes) RCP Especificación unilateral 66,800 12,200 1, Especificación bilateral 133,600 24,400 2,
16 Valores mínimos requeridos de RCP CASO Procesos existentes Especificación bilateral 1.33 Especificación unilateral 1.25 Procesos nuevos Procesos existentes (valor crítico) Procesos nuevos (valor crítico)
CAPÍTULO 4 CAPACIDAD DEL PROCESO
APÍTULO 4 APAIDAD DEL PROESO APÍTULO 4 APAIDAD DEL PROESO En este capítulo se hace una evaluación de la situación actual de la producción de la tapa de las guanteras para el coche modelo Jetta A4. Para
Más detallesVI. 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 detallesACTIVIDAD 3: Intervalos de Confianza para 1 población
ACTIVIDAD 3: Intervalos de Confianza para 1 población CASO 3-1: REAJUSTE DE MÁQUINAS Trabajamos como supervisores de una máquina dedicada a la producción de piezas metálicas cuya longitud sigue una distribución
Más detallesCENTRO 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 detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesEl 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 detallesMartín Burgos Consultor Asociado Stream Technologies
Martín Burgos Consultor Asociado Stream Technologies Martín consultor asociado de Stream Technologies, Actuario por la UNAM, Maestría en Administración de Empresas, experto en Control Estadístico de Procesos
Más detallesIntroducción 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 detallesDIPLOMADO SIX SIGMA GREEN BELT
DIPLOMADO SIX SIGMA GREEN BELT CARACTERISTICAS GENERALES Duración: 60 Horas Son personas parcialmente dedicadas a realizar proyectos Six Sigma para mejorar los procesos de su área de trabajo, utilizan
Más detallesINDICES DE CAPACIDAD
INDICES DE CAPACIDAD Producción bajo control no significa que el producto satisfaga las especificaciones de calidad (externas) fijadas por el diseñador, el productor o el comprador, sobre todo si la variabilidad
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesMuestreo y Distribuciones en el Muestreo
Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detallesControl Estadístico de Procesos Capacidad de Proceso
Control Estadístico de Procesos Capacidad de Proceso Un proceso de fabricación es un conjunto de equipos, materiales, personas y métodos de trabajo que genera un producto fabricado. Maquinaria Métodos
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesMEDIDAS DE VARIABILIDAD
MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados
Más detallesPDF 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 detallesSOLUCIÓN DE EJERCICIOS CAPÍTULO 7 LIBRO: CONTROL ESTADISTICO DE LA CALIDAD Y SEIS SIGMA
SOLUCIÓN DE EJERCICIOS CAPÍTULO LIBRO: CONTROL ESTADISTICO DE LA CALIDAD Y SEIS SIGMA 2. Con sus palabras, y de forma gráfica, conteste las siguientes preguntas: a) Como es un proceso estable o en control
Más detallesESTABLECIMIENTO DE PARÁMETROS DE DISEÑO PARA EL PROCESO DE SECADO DE LA PAJA TOQUILLA POR MEDIO DE LA METODOLOGÍA DE DISEÑO PARA SEIS SIGMA
ESTABLECIMIENTO DE PARÁMETROS DE DISEÑO PARA EL PROCESO DE SECADO DE LA PAJA TOQUILLA POR MEDIO DE LA METODOLOGÍA DE DISEÑO PARA SEIS SIGMA Daniel Polit Arguello 1, Marcos Buestán Benavides 2 1 Ingeniero
Más detallesUso de la metodología Seis Sigma en la preparación de mezclas de nutrición parenteral
Farm Hosp. 2014;38(2):105-111 ORIGINALES Uso de la metodología Seis Sigma en la preparación de mezclas de nutrición parenteral M. F. Silgado Bernal 1, I. Basto Benítez 2 y G. Ramírez García 3 1 Jefe Mejoramiento
Más detallesVentanas de SPSS 1 y resultados de los análisis estadísticos descriptivos
Ventanas de SPSS 1 y resultados de los análisis estadísticos descriptivos Al poner en funcionamiento el programado SPSS, aparecen dos ventanas una sobre la otra. La ventana que aparece en el fondo es la
Más detallesCorrosión n en tuberías de transporte de gas y petróleo
Corrosión n en tuberías de transporte de gas y petróleo Uso de herramientas de estadística aplicada Ing. Fernando Tomati Ing. Adrián Gabriele 4tas. Jornadas de Celebración del Mes Nacional de la Calidad
Más detallesESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales Objetivos Entender los conceptos de estimación puntual y estimación por intervalos. Calcular e interpretar intervalos de confianza
Más detallesCAPÍTULO 4 IMPLEMENTACIÓN DEL CONTROL ESTADÍSTICO DEL PROCESO
CAPÍTULO 4 IMPLEMENTACIÓN DEL CONTROL ESTADÍSTICO DEL PROCESO 31 CAPÍTULO 4 CONTROL ESTADÍSTICO DEL PROCESO Como se ha dado a conocer en el capítulo anterior, el proceso de laminación de Clorets Nueva
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesUnidad V. Control Estadístico de la Calidad
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Unidad V. Control Estadístico de la Calidad Objetivos Reconocer los principios estadísticos del control de calidad. Explicar la forma
Más detallesESTUDIOS DE CAPACIDAD
ESTUDIOS DE CAPACIDAD La capacidad de una máquina o proceso, se puede interpretar como su aptitud para producir artículos de acuerdo con las especificaciones. También se puede interpretar como la aptitud
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesAplicaciones 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 detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesEXAMEN EXTRAORDINARIO DE OPCIÓN TERMINAL
EXAMEN EXTRAORDINARIO DE OPCIÓN TERMINAL Nombre: Luis Antonio Garcia Vega Calif. Aprobado: Si No Elaboró: Dr. Primitivo Reyes Aguilar Septiembre de 2006 Página 1 de 27 LINEAMIENTOS El tiempo para resolver
Más detallesPRÁCTICA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICOS
PRÁCTICA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICOS Objetivos Plantear y resolver problemas mediante la técnica de contraste de hipótesis. Asimilar los conceptos relativos a contrastes de hipótesis, tales
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesLEAN 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 detallesEl aseguramiento de la calidad en el entorno moderno de la gestión. Calidad Montgomery Douglas
El aseguramiento de la calidad en el entorno moderno de la gestión Referencia: : Control Estadístico stico de Calidad Montgomery Douglas Significado de la calidad Es esencial que los productos satisfagan
Más detallesProbabilidades y Estadística Práctica N 3
Probabilidades y Estadística Práctica N 3 Ejercicio N 1 La siguiente tabla presenta la relación de mezcla (W) en Resistencia durante 25 días. Observación W (gr/kg) Observación W (gr/kg) 1 3.8 14 2.0 2
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesExamen Extraordinario de Estadística I, 22 de Junio de Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER.
Examen Extraordinario de Estadística I, de Junio de 1. Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER. NORMAS: 1 Entregar cada problema en un cuadernillo distinto, aunque esté en blanco. Realizar
Más detallesPráctica 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 detallesAnálisis de Capacidad Multivariada
Análisis de Capacidad Multivariada Resumen El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los puntos caracterizados por dos o más variables se encuentren establecidos
Más detallesESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesControl Estadístico de Procesos - (Statistical Process Control)
CENTRO DE INGENIERÍA 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 detallesCapítulo 8 Métodos de Muestreo y el Teorema de Límite Central
Capítulo 8 Métodos de Muestreo y el Teorema de Límite Central Objetivos: Al terminar este capítulo podrá: 1. Explicar por qué una muestra es la única forma posible de tener conocimientos acerca de una
Más detalles(b) Entre qué valores se encontrará la verdadera media, µ, del tiempo que dura el viaje en tren de A a B, a un nivel de confianza al 95%?
LEC/LADE/LECD/LADED CURSO 2006/07 HOJA DE PROBLEMAS 4 CONTRASTES DE HIPÓTESIS Y DIAGNOSIS DEL MODELO 1.- El tiempo en minutos que dura un viaje en tren entre dos ciudades A y B, es una variable aleatoria
Más detallesEL DIAGRAMA DE ESTRATIFICACIÓN
CAPÍTULO VI EL DIAGRAMA DE ESTRATIFICACIÓN. INTRODUCCIÓN Otra herramienta simple, pero muy poderosa y útil es el Diagrama de Estratificación, el cual consiste básicamente en un Histograma, pero ahora estratificado,
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 6. Validación de Supuestos JAIME MOSQUERA RESTREPO VERIFICACIÓN DE LA ADECUACIÓN DEL MODELO Los procedimientos estudiados son validos únicamente bajo el cumplimiento de 4 supuestos
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detalles«La estadística es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno».
«La estadística es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno». George Bernard Shaw (1856-1950) Escritor irlandés. Para empezar: Primera parte: Estadística
Más detallesEJEMPLO DE CLASE CONTROL ESTADÍSTICO DE LA CALIDAD
EJEMPLO DE CLASE CONTROL ESTADÍSTICO DE LA CALIDAD GRÁFICAS DE CONTROL POR VARIABLES Ejemplo 1 Gráfica X Calculando la desviación estándar Para Gráfica x cuando se conoce s Límite superior de control (LSC)
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesDESCRIPCIÓN ESPECÍFICA. Nombre del Módulo: CONTROL ESTADISTICO DE LA CALIDAD Código: CSPN0075 Duración total: 60 HORAS.
DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: CONTROL ESTADISTICO DE LA CALIDAD Código: CSPN0075 Duración total: 60 HORAS. Objetivo General:
Más detallesEstadística. Convocatoria ordinaria
Estadística. Convocatoria ordinaria Nombre Número de Examen Titulación... Grupo... Este examen puntúa sobre 20 puntos Problema 1. En un grupo de familias, un 10% ha cambiado de coche y también ha cambiado
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesSTATGRAPHICS genera tres tipos de planes de muestreo de aceptación:
Muestreo de Aceptación (Variables) Cuando los lotes contienen un número relativamente grande de artículos que requieren la inspección, los planes de muestreo de aceptación pueden proporcionar la protección
Más detallesUnidad 5 Control Estadístico de la Calidad. Administración de Operaciones III
Unidad 5 Control Estadístico de la Calidad Administración de Operaciones III 1 Contenido 1. Antecedentes del control estadístico de la calidad 2. Definición 3. Importancia y aplicación 4. Control estadístico
Más detallesSEIS SIGMA y DISEÑO DE EXPERIMENTOS, ESTRATEGIAS QUE FUNCIONAN EN EMPRESA MAQUILADORA MEXICANA ELSA M BENAVIDES Y JAVIER AVALOS-ALVAREZ
REGISTRATION NUMBER 002-0314 Abstract Number: 002-0221 SEIS SIGMA y DISEÑO DE EXPERIMENTOS, ESTRATEGIAS QUE FUNCIONAN EN EMPRESA MAQUILADORA MEXICANA Second World Conference on POM and 15th Annual POM
Más detallesVARIABILIDAD EN LOS SISTEMAS DE PAVIMENTOS
VARIABILIDAD EN LOS SISTEMAS DE PAVIMENTOS CONTENIDO Ejemplos de la variabilidad que afecta a los pavimentos Variabilidad en el comportamiento del pavimento Variabilidad en los resultados de los ensayos
Más detallesGráfico de Control de Aceptación
Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso
Más detallesTests de Hipótesis. Métodos no paramétricos ESTADÍSTICA (Q) Algunas consideraciones sobre las inferencias sobre la media de una población Normal
148 Algunas consideraciones sobre las inferencias sobre la media de una población Normal 1. Los tests e intervalos de confianza para la media de una población Normal utilizan un estadístico que tiene distribución
Más detallesPráctica de MODELOS DE PROBABILIDAD
Práctica de MODELOS DE PROBABILIDAD 1 1. Objetivos: Los objetivos que persigue esta práctica son: Representar distribuciones de probabilidad conocidas e interpretar sus parámetros. Generar variables aleatorias
Más detallesINFORME DE VALIDACION DEL PROCESO DE PRODUCCION DE AIRE MEDICINAL EN SITIO POR COMPRESOR ESTUDIO PROSPECTIVO DE VALIDACION CLINICA LA COLINA
de 24 INFORME DE VALIDACION DEL PROCESO DE PRODUCCION DE AIRE MEDICINAL EN SITIO ESTUDIO PROSPECTIVO DE VALIDACION CLINICA LA COLINA BOGOTA, MAYO DE 204 2 de 24. OBJETIVO Determinar que el proceso de producción
Más detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesDiagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico
TALLER DE APLICACIONES ESTADÍSTICAS CON EXCEL Diagnóstico Elaborado por Mónica Patricia Ballesteros Chávez 1. Es una expresión en Excel que puede incluir operadores, referencias a celdas, valores, funciones
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesContraste de hipótesis con STATGRAPHICS
Contraste de hipótesis con STATGRAPHICS Ficheros empleados: Transistor.sf3, Estaturas.sf3 1. Introducción: Una forma habitual de hacer inferencia acerca de uno o más parámetros de una población consiste
Más detallesSEMINARIO 2. Introducción a la presentación de resultados científicos
SEMINARIO 2 Introducción a la presentación de resultados científicos 1. Las variables de estudio 2. Estadística descriptiva 3. Gráficos descriptivos de las variables Histogramas Gráficos de caja-bigotes
Más detallesCAPÍTULO 5 ANÁLISIS 1. AJUSTE DE FLUJOS DE EFECTIVO A UNA DISTRIBUCIÓN CONOCIDA
CAPÍTULO ANÁLISIS. AJUSTE DE FLUJOS DE EFECTIVO A UNA DISTRIBUCIÓN CONOCIDA A continuación se realizarán las pruebas de bondad de ajuste para determinar si los flujos de efectivo siguen una distribución
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detalles1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k
1. Estadística Definición: La estadística es un ciencia inductiva que permite inferir características cualitativas y cuantitativas de un conjunto mediante los datos contenidos en un subconjunto del mismo.
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesPLATAFORMA 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 detallesDistribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio
Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),
Más detallesTema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1
Bioestadística Tema 2: Estadísticos Tema 2: Estadísticos 1 Parámetros y estadísticos Parámetro: Es una cantidad numérica calculada sobre una población La altura media de los individuos de un país La idea
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detalles(1 punto) (1.5 puntos)
Ejercicios de inferencia estadística. 1. Sea la población {1,2,3,4}. a) Construya todas las muestras posibles de tamaño 2, mediante muestreo aleatorio simple. b) Calcule la varianza de las medias muestrales.
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesRecordando: El problema de la Inferencia Estadística
Recordando: El problema de la Inferencia Estadística Población (N) Muestra (n) µ σ Muestreo Aleatorio Parámetro µ σ P θ Inferencia Estimador X S pˆ θˆ INFERENCIA: Método inductivo que permite generalizar
Más detallesVerificación de una hipótesis sobre una media
Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.
Más detallesAnálisis de dos muestras
Análisis de dos muestras Supongamos el siguiente ejemplo. La resistencia a la rotura de un componente eléctrico constituye una característica importante de un cierto proceso. Un fabricante utiliza un material
Más detallesDISEÑO EXPERIMENTAL PARA LA MEJORA DE PROCESOS ROBUSTOS: UNA PROPUESTA DE APLICACIÓN INTEGRANDO LA SIMULACIÓN DE PROCESOS.
Capítulo 1 Administración de la calidad DISEÑO EXPERIMENTAL PARA LA MEJORA DE PROCESOS ROBUSTOS: UNA PROPUESTA DE APLICACIÓN INTEGRANDO LA SIMULACIÓN DE PROCESOS. Dr. Jesús Gerardo Cruz Álvarez, Dr. Jesús
Más detallesMEDIR (Evaluación del sistema de medición) ING MARTA GABRIELA RIOS NAVA
MEDIR (Evaluación del sistema de medición) ING MARTA GABRIELA RIOS NAVA 2 FLUJO DMAIC 1 D Definir el problema Eliminar causas especiales N Proceso estable? M Describir el problema S S Capaz? M Medición
Más detallesUNIVERSIDAD TÉCNICA DEL NORTE INFORME TÉCNICO
UNIVERSIDAD TÉCNICA DEL NORTE FACULTAD DE INGENIERÍA EN CIENCIAS APLICADAS CARRERA DE INGENIERÍA INDUSTRIAL INFORME TÉCNICO TEMA IMPLEMENTACIÓN DEL CONTROL ESTADÍSTICO PARA LA CALIDAD EN LA EMPRESA ANGIE
Más detallesTests de hipótesis estadísticas
Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para
Más detallesÁREAS DE LA ESTADÍSTICA
QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesAPLICACIONES INDUSTRIALES
Ingeniería Energética, Vol. XXXIV, No. 2 / 2013, p. 151-162, Mayo/ Agosto ISSN 1815-5901 APLICACIONES INDUSTRIALES Análisis estadístico de la caída de tensión en un sistema eléctrico de baja tensión Statistical
Más detallesSolución ESTADÍSTICA. Prueba de evaluación continua 1 - PEC1
Semestre sep04 - feb05 Módulos: 1-11 Prueba de evaluación continua 1 - PEC1 Solución Presentación y objetivos Enunciados: descripción teórica de las prácticas a realizar Materiales Criterios de evaluación
Más detalles= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
Más detalles4. ESTRATEGIA Y EJECUCIÓN DE LA VALIDACIÓN DEL PROCESO DE ENSAMBLE DE UNA AGUJA HIPODÉRMICA.
4. ESTRATEGIA Y EJECUCIÓN DE LA VALIDACIÓN DEL PROCESO DE ENSAMBLE DE UNA AGUJA HIPODÉRMICA. 4.1 Proceso de ensamble de la línea de agujas hipodérmicas Es necesario conocer los componentes y los procesos
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesCALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS
Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detalles