Evaluation of Harmonics in Power Systems using Multivariate Statistical Process Control and Process Capability Analysis Methods
|
|
- Óscar Palma Iglesias
- hace 8 años
- Vistas:
Transcripción
1 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 Evaluation of Harmonics in Power Systems using Multivariate Statistical Process Control and Process Capability Analysis Methods J. Sancho (), J. Pastor (), J. Martínez (), M.A. García () () jsanchov@unizar.es. Centro Universitario de la Defensa, Academia General Militar, 000 Zaragoza, Spain. RESUMEN La presencia de armónicos en los sistemas eléctricos de potencia, su problemática y repercusión en la calidad del suministro eléctrico es cada vez mayor, debido al aumento en la sociedad del uso de los equipos que los generan, sobre todo los de tipo electrónico. Técnicas tradicionales como el Control Estadístico de Proceso (CEP) y Análisis de Capacidad de Procesos (ACP) que conforman el Control Estadístico de la Calidad clásico, pueden ser utilizadas para determinar los outliers o causas de variabilidad especial, y proceder a la implantación de acciones correctivas que permitan su eliminación, siempre que los armónicos estén normalmente distribuidos. En el caso de que la distribución no sea normal o sea desconocida, otras herramientas novedosas, como el Análisis Funcional de Datos (AFD), se han usado con éxito en esta comunicación para estudiar estos fenómenos en las situaciones en las que el control de la calidad clásico no lo permite. Palabras clave: armónicos; variabilidad; outlier; control estadístico de proceso; análisis funcional de datos ABSTRACT The presence of harmonics in power systems and their problems and impact on quality of electricity supply is increasing due to the increase in society's use of the nonlinear loads that generate them, especially the electronic kind. Classic techniques such as Statistical Process Control (SPC) and Process Capability Analysis (PCA) that form the Statistical Quality Control, can be used to identify outliers or special causes of variability, and proceed with the implementation of actions allowing corrective disposal, provided that the harmonics are normally distributed. In the event that the distribution is unknown novel tools such as Functional Data Analysis (FDA), have been used successfully in this communication to study these phenomena in situations where the classic quality control cannot. Keywords: harmonics; variability; outlier; statistical process control; functional data analysis. Introducción. En las últimas décadas, se ha ido incrementando considerablemente el uso de equipos, tanto domésticos como industriales, que incorporan convertidores electrónicos de potencia []. El principio de funcionamiento de estos equipos consiste en trocear la forma de onda sinusoidal con objeto de controlar el flujo de potencia que consumen, o bien en rectificar, mediante semiconductores, esta onda sinusoidal para convertirla en una tensión continua. Los procesos de conmutación o de rectificación hacen que la forma de onda de la intensidad que consumen estos equipos ya no sea sinusoidal, es decir, son cargas no lineales. La circulación de estas corrientes distorsionadas por las impedancias de los sistemas de distribución provoca que, a su vez, la tensión de la red eléctrica de alimentación también deje de ser puramente sinusoidal, provocando importantes consecuencias negativas en los procesos industriales []. Por ello se impone la necesidad de su estudio a pesar de la dificultad del mismo. Pero la recogida de datos de sistemas eléctricos de potencia es a menudo voluminosa y, en la mayoría de las ocasiones, se almacena en grandes bases de datos sin ser procesada ni estudiada, bien por la cantidad de tiempo a emplear en el análisis, o bien por no disponer de las herramientas adecuadas. En
2 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 esta comunicación se presentan con éxito herramientas tradicionales y novedosas para solucionar estas contingencias, mejorando algunos estudios realizados hasta el momento [].. Descripción y metodología del caso de estudio. Para el estudio realizado en esta comunicación se ha trabajado con dos muestras correspondientes a las mediciones realizadas en la salida de baja tensión, trifásica de 00 V, de los centros de transformación de dos edificios del Centro Universitario de la Defensa, durante el período de tiempo comprendido entre el 0//0 y el //0. Las mediciones eléctricas, cuyas características aparecen en la Tabla, se han realizado con el analizador de la calidad del suministro eléctrico Circutor QNA-PV, y se han registrado en las fechas indicadas en intervalos de 0 minutos. Tabla. Características de la muestras del estudio Denominación Datos/día n Edificio Conde de Aranda Muestra A Edificio Félix de Azara Muestra B. Análisis de variabilidad y outliers en sistemas eléctricos de potencia. En la terminología estadística clásica se define outlier como aquella observación que siendo atípica o errónea, tiene un comportamiento muy diferente respecto al resto de los datos de la distribución a la que pertenece, dando una idea aproximada de la variabilidad de la misma. En el análisis de armónicos, cuando lo que se intenta analizar es su variabilidad y las causas de la misma, las gráficas que ofrecen el software de la mayoría de los equipos de medida, como por ejemplo la de la Figura, no son las más adecuadas. En los siguientes apartados se proponen técnicas para el mencionado propósito. Figura.Gráfica típica para la Tasa de Distorsión Armónica. Outliers globales. Análisis de Box Plots. Los diagramas de cajas, o box plots, son unos gráficos que describen simultáneamente cómo se distribuye el conjunto de datos que se está analizando. Permiten detectar, de forma global, observaciones anormales o outliers. En particular un box plot muestra los tres cuartiles Q, Q, Q (primero, segundo o mediana y tercero), el mínimo y el máximo de los datos en una caja rectangular. Para determinar la presencia de outliers, hay que determinar el rango intercuartil (RIC), que se calcula
3 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 como la diferencia entre el tercer y el primer cuartil de la distribución. En este contexto, un outlier se define como cualquier observación que se encuentra fuera del intervalo delimitado por los límites de control superior (LCS) e inferior (LCI). RIC = Q - Q LCI = Q -. RIC LCS = Q +. RIC Figura.Outliersglobales para la THD V en la Muestra B En la Figura están representados los box plots para la Distorsión Armónica Total de la onda de Tensión (THD V ) [] en las tres fases de la Muestra B, en los que aparecen como outliers los datos alejados de los límites LCI y LCS. Este tipo de gráficos ofrece información sobre el número de outliers en función de los criterios anteriormente descritos, pero no arroja información sobre las causas que los han originado. Los diagramas de control y el concepto de subgrupos racionales, permiten analizar estas causas.. Outliers puntuales. Control Estadístico de Proceso. La variabilidad de una propiedad no es sino la desviación de su valor respecto de los objetivos fijados. Por muy controlado que esté un proceso, la variabilidad siempre estará presente. Las causas de variabilidad se dividen en dos categorías: las comunes y las especiales. Las comunes, también llamadas aleatorias, son inherentes al proceso, mientras que las especiales, también denominadas asignables, son las debidas a causas que no forman parte del proceso. Debido a que éstas últimas no forman parte del proceso, si son debidamente identificadas, pueden ser fácilmente eliminadas. Un proceso en el que únicamente existe variabilidad aleatoria se dice que está bajo control estadístico. El Control Estadístico de Proceso (CEP) es la técnica que permite monitorizar, analizar, predecir, controlar y mejorar la variabilidad de una característica de calidad determinada, mediante el uso de gráficos de control. Los diagramas de control fueron desarrollados por W. Shewhart [], y actualmente son las herramientas más importantes en el análisis de la variabilidad de los procesos en entornos industriales. Un diagrama de control típico se observa en la Figura. Las líneas superior e inferior representan el Límite de Control Superior (LCS) y el Límite de Control Inferior (LCI) respectivamente. La línea central (LC) corresponde a la media del valor de la propiedad estudiada. Si todos los puntos representados se encuentran entre el LCS y el LCI, se considera que el proceso se encuentra bajo control estadístico, es decir en ausencia de outliers y de causas asignables de variabilidad. Una idea clave en el uso de los gráficos de control es la de la recogida de datos de acuerdo con lo que Shewhart definió como el concepto de subgrupo racional. De acuerdo con este concepto, la muestra (subgrupo racional) debe tomarse de tal forma que si la causa asignable está presente, la probabilidad de aparición de diferencias significativas dentro de los subgrupos se minimice. Esto significa que las muestras o subgrupos se deben agrupar siguiendo algún criterio que corresponda a la causa de variación especial a detectar. Por ello si se sospecha que la causa de variación es diaria, semanal, mensual, estacional o anual los datos se deberán agrupar en subgrupos racionales de igual modo. En el caso a estudiar en esta comunicación se propone, a modo de ejemplo, una doble vía para detectar causas especiales de variación en los patrones de armónicos: causas diarias y causas semanales. La agrupación
4 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 en subgrupos racionales queda del siguiente modo: subgrupos diarios ( días) y subgrupos semanales ( semanas). Muchos son los tipos de gráficos de control [] y las reglas para interpretarlos [] con el objeto de analizar la variabilidad del proceso, sea ésta pequeña o grande. Pero si se considera que la característica de calidad estudiada sigue una distribución normal N ( y, y ), los límites de control vienen dados, en su expresión más general, por: LCS = y + k y LC = y LCI = y - k y L L,, LC S=, LC S=,0,0 X=,00,0 X=,00, LC I=,, LC I=, 0, 0, LC S=0, 0,0 0, LC S=0, S=0,0 0,0 0, S=0, 0, LC I=0, 0, 0, Figura.Gráficos Xbar-S para la THD V de la fase L de la Muestra B (subgrupos por semanas y días). En la Figura se encuentra representado el gráfico de control Xbar-S para la THD V de la onda de tensión de la fase L de la Muestra B, con subgrupos racionales agrupados por días y por semanas. En la misma se observa, que en ambos casos, el proceso es estable y que se encuentra bajo control estadístico, ya que no se observan outliers, ni violaciones de reglas adicionales para la detección de pequeñas variaciones de desviación estándar, ni patrones anormales (en el gráfico de control por semanas los límites de control son variables porque los tamaños de la muestra son desiguales). En esta situación se concluye que el proceso analizado está sometido únicamente a variabilidad aleatoria, y por lo tanto bajo control estadístico. Por lo tanto, se puede aseverar que en la fase L de la Muestra B, los armónicos tienen un patrón normal con variabilidad debida únicamente a causas aleatorias. No se deduce lo mismo de los diagramas de control correspondientes a la THD V de las fases L y L, de la Muestra B representados en la Figura. En la fase L del gráfico de control realizado por días, se observa un patrón correspondiente a una violación de una regla que detecta pequeñas variaciones de desviación estándar, en los puntos,,,. Y en la fase L los puntos y se encuentran más allá del LCS y del LCI respectivamente, evidenciando que el proceso sufre grandes variaciones de desviación estándar. En ambos casos la THD v se halla fuera de control estadístico, con causas de variabilidad asignables diarias en los días,, y en la fase L y en los días y en la fase L, que deben de ser identificadas y, mediante la implantación de acciones correctivas, eliminadas para que el proceso vuelva a estar bajo control. Sin embargo el gráfico de control realizado por semanas demuestra que el proceso está bajo control estadístico y que no existen causas de variación especial semanales, de ahí la importancia de los criterios de elección de subgrupos racionales. 0, LC I=0,0
5 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 L L,,0 LC S=, LC S=,,,0 X=,,00 X=, LC I=,0,,,0 LC I=, 0,0 0,00 LC S=0,0 0, LC S=0, S=0, 0, 0,0 S=0, LC I=0, 0, LC I=0, 0,0 0,00 L L,0,0 LC S=,, LC S=,,,00 X=,,00 X=,, LC I=,0,,0,0 LC I=, 0,00 0,00 LC S=0, 0, LC I=0,0 0, 0,0 S=0,0 0,0 S=0,0 0, LC L=0, 0, 0,00 Figura.Gráficos Xbar-S para la THD V de las fases L y L de la Muestra B (subgrupos por semanas y días). Como se ha mostrado, el CEP es una herramienta útil para la detección de outliers y patrones de armónicos en redes eléctricas, pero su uso está sujeto a que los datos de la muestra estudiada estén distribuidos normalmente. Si se realiza un test de normalidad Kolmogorov-Smirnov [], en adelante test K-S, con un nivel de significancia de = 0.0 a los datos de la Muestra B, se obtiene que los datos analizados siguen una distribución normal, pues el p-valor calculado, igual a 0., es mayor que el nivel de significancia. Los mismos resultados se obtienen si se realiza un test similar para las fases L y L. Pero en los sistemas eléctricos de potencia objeto de estudio, en la mayoría de las ocasiones los armónicos no están normalmente distribuidos. En la Tabla aparecen los p-valores obtenidos al aplicar un test de normalidad K-S a los datos correspondientes a la THD V y a otros armónicos, de la Muestra A. Todos estos p-valores resultan ser menores que la significancia, por lo que se concluye que ninguno de los conjuntos de datos de los armónicos estudiados está normalmente distribuido. Tabla. Resultados test de normalidad K-S con = 0.0 para la fase L de la Muestra A THD V º º º º º p-valor Cuando se construyen gráficos de control para distribuciones de datos no normales, como ocurre en el caso estudiado, los resultados son los que se observan en la Figura. En ella, el gráfico de control para la THD V de la fase L de la Muestra A, muestra un elevadísimo número de outliers, sobre un conjunto de elementos, que choca frontalmente con la definición de outlier del apartado del presente estudio. Este comportamiento persiste incluso sometiendo al conjunto de datos a una transformación Box-Cox [] para intentar corregir el sesgo de la distribución, la desigualdad de las varianzas en el eje temporal o la posible no linealidad de los datos. Por lo tanto, cuando un diagrama de control se utiliza para monitorizar un proceso con datos no normalmente distribuidos, los tradicionales análisis de detección de variabilidad específica no sirven y las interpretaciones, por lo tanto, son erróneas. 0,00 LC I=0,0
6 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 L L Usando Transformación Box-Cox con óptimo Lambda = 0,,0,,0,,0 Muestra LC S=, X=, LC I=,0,0,0,0,0 Muestra LCS=,0 X=,0 LCI=,0 0, 0,0 0, 0,0 0, Muestra Figura.Gráficos de control para la THD v de la fase L de la Muestra A (subgrupos diarios). Para solventar la imposibilidad del análisis en casos de no normalidad en las distribuciones de datos, típicas por ejemplo de determinados procesos químicos y eléctricos, diferentes autores [0,] han propuesto el diseño de diferentes gráficos de control basados en diferentes distribuciones que ayudan a superar estas dificultades, siempre y cuando las distribuciones estudiadas sean identificadas (Weibull, Burr XII, Extreme Value, etc.). Sin embargo existe una herramienta que permite el tratamiento de outliers independientemente del tipo de distribución que se maneje.. Outliers funcionales. Análisis Funcional de Datos. LC S=0, S=0, LC I=0, El uso del Análisis Funcional de Datos (AFD) [,] nace ante la necesidad de analizar datos de carácter temporal, y por tanto, datos que pueden ser vistos desde la óptica de funciones. Así, esta metodología de trabajo se ha exportado también para la detección de outliers siendo utilizado con éxito en estudios previos [-]. El estudio de los outliers de una muestra desde un enfoque funcional presenta las siguientes ventajas:. No necesidad de normalidad en los datos. En contra de las técnicas clásicas basadas en el CEP para la detección de outliers, no es necesario normalidad en el conjunto de los datos, ni realizar ningún tipo de transformación, pues el análisis no se realiza sobre los valores puntuales originales.. Análisis de conjuntos temporales como una unidad. Se analiza la muestra teniendo en cuenta unidades temporales completas, es decir, no valores puntuales registrados en instantes concretos.. Análisis de tendencia. Esta técnica no solo permite determinar valores outliers sino que también permite analizar el hecho de que aunque un conjunto de valores no lleguen a ser outliers, presenten pequeñas desviaciones frente a la normalidad de los datos.. Análisis de homogeneidad. No se determinan como outliers simplemente a aquellas observaciones que sobrepasen un determinado cut-off sin poder concluir si es un caso puntual o periódico, es decir, se puede dar la situación que diferente puntos no sobrepasen el cut-off pero sin embargo si presenten desviaciones pequeñas de un modo constante. Para la determinación de los outliers funcionales de una muestra es necesario seguir la siguiente metodología:. Construir la muestra funcional. A partir de los datos discretos, se construyen las curvas registrando cada función en base a una expansión de funciones básicas []. De este modo se dispone de una muestra funcional, donde cada función representa la medición ya en una unidad temporal completa.. Determinar la profundidad funcional. La profundidad es un concepto estándar en estadística y mide la desviación de un elemento frente a la media muestral. Así, este concepto se puede extender a una muestra funcional [,] de tal modo que la profundidad de una función dé idea de la desviación que representa frente a la media en términos absolutos.. Determinar los outliers funcionales. Según la noción de profundidad, los outliers funcionales son aquellos elementos que presentan un valor de la profundidad más baja, es decir, están más alejados de la media de la muestra funcional. De este modo se debe establecer un cut-off para las profundidades funcionales, tal que las observaciones erróneamente clasificadas como 0,0 0,00 0,0 0,00 Muestra LCS=0,0 S=0,0 LCI=0,0
7 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 outliers no sobrepase el % [0]. Para la determinación del cut-off se realiza un proceso de bootstrap [], que calcula este parámetro de corte determinando como outliers funcionales las funciones con profundidades por debajo del valor calculado. A continuación se propone por primera vez como una herramienta válida para el análisis de características de calidad de los sistemas eléctricos de potencia, y en particular para el análisis de armónicos. Figura.Outliers funcionales para la THD v de las fases L, L, L de la Muestra A. En la Figura se muestran gráficamente los resultados de los outliers funcionales obtenidos para la THD v de la Muestra A, que no pudo ser analizada con gráficos de control del CEP tradicional por tratarse de una distribución de datos no normal. En cada una de las gráficas aparecen las funciones registradas a partir de los datos/día. Las curvas en color negro corresponden a los outliers funcionales determinados por presentar las profundidades más bajas. En la Tabla aparecen resumidos los resultados. Tabla. Resultados de outliers funcionales de la THD V de la Muestra A Número de outliers Localización (días) L,,,, L,,,,, L,,, A la hora de identificar los outliers con causas de variabilidad específica en los armónicos se constata que entre los días y una ola de frío provocó un aumento en la utilización de los equipos destinados a calefactar el edificio correspondiente a esa muestra.. Conclusiones Los gráficos de control y el concepto de subgrupos racionales, pueden ser utilizados con éxito en la tarea de búsqueda y eliminación de outliers en los armónicos presentes en sistemas eléctricos, siempre y cuando el conjunto de datos siga una distribución normal. Cuando los datos no siguen una distribución normal, el Análisis Funcional de Datos puede ser usado eficientemente en la detección de outliers,
8 Proceedings of the th Manufacturing Engineering Society International Conference Zaragoza June 0 proporcionando además grandes ventajas en la detección de variabilidad específica frente a técnicas tradicionales como el Control Estadístico de Proceso.. Agradecimientos A la Academia General Militar de Zaragoza (AGM), y en particular a su Jefatura de Apoyo y Servicios (JAS) por las facilidades ofrecidas, en el acceso a sus instalaciones e instalación de los equipos de medida, que han permitido la realización de este estudio.. Referencias [] J. Balcells. El coste de los armónicos. Circutor (00). [] V.E. Wargner. Effect of Harmonics on Equipment. IEEE Transactions on Power Delivery, (), pp. -0. [] S. Santoso, D. D. Sabin, M. F. McGranaghan. Evaluation of Harmonic Trends using Statistical Process Methods (0). [] UNE-EN Niveles de compatibilidad para las perturbaciones conducidas de baja frecuencia y la transmisión de señales en las redes de suministro público en baja tensión. AENOR (00). [] W.A. Shewhart. Economic control of quality of manufactured product. Van Nostrand, New York, NY. () [] D.C. Montgomery, G.C. Runger. Applied Statistics and Probability for Engineers. Wiley (00), pp.-. [] C.W. Champ, W.H. Woodall. Exact results for Shewhart control charts with supplementary runs rules, Technometrics, () (), pp.. [] G.C. Canavos. Applied Probability and Statistical Methods. Little, Brown and Company (). [] G. E. P. Box, D. R. Cox. An Analysis of Transformations. Journal of the Royal Statistical Society. Series B (Methodological), Vol. (), No.., pp. -. [0] P. Erto, G. Pallotta. A New Control Chart for Weibull Technological Processes. Quality Technology & Quantitative Management Vol. (00), No., pp. -. [] Y. Chen. Economic design of X control charts for non-normal data using variable sampling policy International Journal of Production Economics, (), pp.. [] J. Ramsay, B.W. Silverman. Functional Data Analysis (Springer Series in Statistics) (nd ed. p. ) (00). Springer. [] W. González Manteiga, P. Philippe Vieu. Statistics for Functional Data. Computational Statistics & Data Analysis. Volume (00), pp.. [] M. Febrero, P. Galeano, W. González-Manteiga. Outlier detection in functional data by depth measures, with application to identify abnormal NOx levels. Environmetrics, () (00), pp.. [] C. Ordóñez, J. Martínez, A. Saavedra, A. Mourelle. Intercomparison Exercise for Gases Emitted by a Cement Industry in Spain: A Functional Data Approach. Journal of the Air & Waste Management Association, () (0), pp.. [] C. Díaz Muñiz, P.J. García Nieto, J.R. Alonso Fernández, J. Martínez Torres, J.Taboada. Detection of outliers in water quality monitoring samples using functional data analysis in San Esteban estuary (Northern Spain). Science of The Total Environment, (0), pp.. [] J.O Ramsay, B.W. Silverman. Functional Data Analysis, Springer, New York (). [] R. Fraiman, G. Muniz. Trimmed means for functional data, Test 0 (00), pp. -0. [] A. Cuevas, M. Febrero, R. Fraiman. On the use of the bootstrap for estimating functions with functional data, Computational Statistics and Data Analysis (00), pp [0] M. Febrero, P. Galeano, W. González-Manteiga. Outlier detection in functional data by depth measures, with application to identify abnormal NOx levels, Environmetrics (00), pp. -. [] L. Peng, Y. Qi. Bootstrap approximation of tail dependence function, Journal of Multivariate Analysis () (00), pp. 0-.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesControl 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 detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:
Más detallesCARTAS 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 detallesGrado 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 detallesOtras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
Más detallesControl 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 detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detalles1. INTRODUCCIÓN 1.1 INGENIERÍA
1. INTRODUCCIÓN 1.1 INGENIERÍA Es difícil dar una explicación de ingeniería en pocas palabras, pues se puede decir que la ingeniería comenzó con el hombre mismo, pero se puede intentar dar un bosquejo
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesINSTITUTO TECNOLOGICO DE COSTA RICA INGENIRIA ELECTRONICA ELECTRONICA DE POTENCIA PROF. ING. JUAN CARLOS JIMENEZ TEMA: CIRCUITOS INVERSORES
INSTITUTO TECNOLOGICO DE COSTA RICA INGENIRIA ELECTRONICA ELECTRONICA DE POTENCIA PROF. ING. JUAN CARLOS JIMENEZ TEMA: CIRCUITOS INVERSORES Son sistemas que funcionan automáticamente, sin necesidad de
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesCalibración y control de calidad de instrumentos de análisis
Calibración y control de calidad de instrumentos de análisis cĺınico. María Cecilia San Román Rincón Monografía vinculada a la conferencia del Dr. Horacio Venturino sobre Instrumental para laboratorio
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesIntroducción a MINITAB 15. David R. González Barreto. Ofrecido en Wyeth, Carolina, Puerto Rico
Introducción a MINITAB 15 Ofrecido en Wyeth, Carolina, Puerto Rico INDICE Listado de Archivos...2 Pantalla Principal..3 Texto a Número.4 Estibar (Stack)..6 Split 8 Dotplot Una población.10 Dotplot Dos
Más detallesEMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 RESUMEN
EMPLEO DEL CONTROL ESTADISTICO DE PROCESO COMO PARTE DE UN PLAN DE ASEGURAMIENTO DE LA CALIDAD Acosta, S. 1, Lewis, C. 2 1,2 Autoridad Regulatoria Nuclear Buenos Aires, Argentina sacosta@arn.gob.ar RESUMEN
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesCómo funciona el Diagrama de Control
Cómo funciona el Diagrama de Control Capítulo 4 Control Estadístico de Calidad Modelo del sistema de control de proceso ( con retroalimentación ) VOZ DEL PROCESO METODOS ESTADÍSTICOS Personal Equipo Materiales
Más detallesMedidas de tendencia central o de posición: situación de los valores alrededor
Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas
Más detallesTécnicas de valor presente para calcular el valor en uso
Normas Internacionales de Información Financiera NIC - NIIF Guía NIC - NIIF NIC 36 Fundación NIC-NIIF Técnicas de valor presente para calcular el valor en uso Este documento proporciona una guía para utilizar
Más detallesCAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesParámetros y estadísticos
Parámetros y estadísticos «Parámetro»: Es una cantidad numérica calculada sobre una población y resume los valores que esta toma en algún atributo Intenta resumir toda la información que hay en la población
Más detallesUNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL
UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesTema 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 detallesCARTAS 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 detallesLa clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda
La clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda Qué SPC? SPC (Statistical Process Control) CEP (Control Estadístico de Proceso) El SPC es una herramienta estadística que nos permite analizar,
Más detallesContenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS
Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier
Más detallesESTIMACIÓN. 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 detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detallesARCHIVOS CON SERIES DEL BOLETÍN ESTADÍSTICO Manual de Usuario
Dirección General del Servicio de Estudios 04.09.2007 ARCHIVOS CON SERIES DEL BOLETÍN ESTADÍSTICO Manual de Usuario Departamento de Estadística Hoja de Control Título Autor Versión Fecha Registro de Cambios
Más detallesEL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS
2 EL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS Las inversiones de una empresa están reflejadas en su activo. Una forma de clasificación de las diferentes inversiones es en función del plazo
Más detallesComo se mencionó en la parte de la teoría, no existe consenso en cuanto a la
4. Metodología Definición de empleo informal Como se mencionó en la parte de la teoría, no existe consenso en cuanto a la definición de empleo informal y diferentes estudios han utilizado matices distintas
Más detallesGRÁFICOS DE CONTROL PARA LA MEDIA DE UN PROCESO EN POBLACIONES CON DISTRIBUCIÓN ASIMÉTRICA
Revista Colombiana de Estadística Volumen 23 (2000) N 2, páginas 29 a 44 GRÁFICOS DE CONTROL PARA LA MEDIA DE UN PROCESO EN POBLACIONES CON DISTRIBUCIÓN ASIMÉTRICA EMERSON A. CHAPARRO S. * JOSE A. VARGAS
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 2, Febrero 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Autor:
Más detallesMedidas de la tendencia central y las gráficas de caja
LECCIÓN CONDENSADA 2.1 Medidas de la tendencia central y las gráficas de caja En esta lección Encontrarás e interpretarás la media, la mediana, y la moda para unos conjuntos de datos Crearás e interpretarás
Más detallesGRÁFICAS 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 detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detalleswww.bvbusiness-school.com
Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesTEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I)
VARIABLES Variable: característica de cada sujeto (cada caso) de una base de datos. Se denomina variable precisamente porque varía de sujeto a sujeto. Cada sujeto tiene un valor para cada variable. El
Más detallesDOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:
DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)
Más detallesCAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION
CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora
Más detalles- 0 - www.costaricanhotels.com
- 0 - - 1 - Contenido 1. Introducción... 2 2. Resumen Ejecutivo... 2 3. Objetivos del Estudio... 3 3.1. General... 3 3.2. Específicos... 3 4. Distribución de la Muestra... 3 5. Resultados Enero 2015...
Más detallesPrecio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.
Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes
Más detalleswww.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 detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesClase 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 detallesCAPITULO I EL PROBLEMA. En los procesos industriales exigen el control de la fabricación de los
CAPITULO I EL PROBLEMA 1.- PLANTEAMIENTO DEL PROBLEMA En los procesos industriales exigen el control de la fabricación de los diversos productos obtenidos. Estos procesos son muy variados y abarcan diferentes
Más detallesSERIES DE TIEMPO INTRODUCCIÓN
Clase Nº 5 SERIES DE TIEMPO INTRODUCCIÓN La forma más utilizada para el análisis de las tendencias futuras es realizar pronósticos. La función de un pronóstico de demanda de un bien, por ejemplo ventas
Más detallesLas bebidas Alcohólicas
Las bebidas Alcohólicas Hecho por: - Elisa Gutiérrez - Guillermo Rivas-plata - Rodrigo Pumares - Beatriz Sánchez 1 Índice 1- Introducción... 3 2- Objetivos... 3 3- Preguntas de la encuesta... 4 4- Encuesta...
Más detallesComparaciones de pobreza y desigualdad
Comparaciones de pobreza y desigualdad El problema de la pobreza en una sociedad puede ser evaluado desde tres perspectivas complementarias entre sí : Las medidas de incidencia. Informan acerca de la extensión
Más detallesMetodología de caracterización de la capacidad de una red HSPA.
Metodología de caracterización de la capacidad de una red HSPA. Pág.1/5 Índice. 1. GENÉRICO.... 3 2. RED HSPA.... 3 3. METODOLOGÍA DE CARACTERIZACIÓN DE UNA RED HSPA.... 4 4. RESULTADOS DE LA CARACTERIZACIÓN
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesSeñal 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 detallesMÓDULO 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 detallesGráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana.
LECCIÓN CONDENSADA 2.1 Gráficas de caja En esta lección crearás e interpretarás las gráficas de caja para conjuntos de datos usarás el rango intercuartil (IQR) para identificar valores extremos potenciales
Más detallesMejora de la calidad y de la productividad en una planta de galvanización en caliente y en continuo mediante detección y diagnóstico de fallos
5 th International Conference on Industrial Engineering and Industrial Management XV Congreso de Ingeniería de Organización Cartagena, 7 a 9 de Septiembre de 2011 Mejora de la calidad y de la productividad
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 detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesTema 7 COSTO ESTÁNDAR
Tema 7 COSTO ESTÁNDAR Campus Santa Fé Miguel Ángel Gutiérrez Banegas 1 Introducción En el proceso de generación de información en los negocios, la predeterminación de costos soluciona la dificultad que
Más detallesGRADO TURISMO TEMA 2: ANÁLISIS DE DATOS TURÍSTICOS UNIDIMENSIONALES
GRADO TURISMO TEMA 2: ANÁLISIS DE DATOS TURÍSTICOS UNIDIMENSIONALES Prof. Rosario Martínez Verdú TEMA 2: ANÁLISIS DE DATOS TURÍSTICOS UNIDIMENSIONALES 1. Presentación de los datos: distribuciones de frecuencias,
Más detalles4 Pruebas y análisis del software
4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesCarta 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 detallesLa metodologia Cuantitativa. Encuestas y muestras
La metodologia Cuantitativa. Encuestas y muestras Técnicas «cuantitativas» y «cualitativas» «Las técnicas cuantitativas»: Recogen la información mediante cuestiones cerradas que se planteal sujeto de forma
Más detallesPRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES
PRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES Raúl Palma G. y Guillermo Bustos R. Escuela de Ingeniería Industrial Universidad Católica de Valparaíso Casilla
Más detallesFuncionalidades Software PROYECTOS GotelGest.Net Software para la gestión de Proyectos GotelGest.Net
2012 Funcionalidades Software PROYECTOS GotelGest.Net Software para la gestión de Proyectos GotelGest.Net Servinet Sistemas y Comunicación S.L. www.softwaregestionproyectos.com Última Revisión: Febrero
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesClase 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 detalles1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Más detallesParte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detallesEstadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL
1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesII. ANÁLISIS DE SISTEMAS DE MEDICIÓN
II. ANÁLISIS DE SISTEMAS DE MEDICIÓN INTRODUCCIÓN Siempre que registramos o medimos los resultados de un proceso nos encontramos con cierta variación en los datos obtenidos. Esta variación puede provenir
Más detallesProject 2013. Ing. Christian Ovalle
2013 Ing. Christian Ovalle PROJECT Antes de comenzar un proyecto se necesitan definir los objetivos de un proyecto y luego determinado, cuales son las tareas que necesita realizar para alcanzar ese objetivo.
Más detallesControl 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 detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesContenidos. INFORME ENCUESTA TELEFÓNICA. Curso 2009 10
ENCUESTA DE OPINIÓN DEL ALUMNADO SOBRE LA ACTUACIÓN DOCENTE DEL PROFESORADO UNIVERSIDAD DE SEVILLA Curso 2009-2010 ENCUESTA TELEFÓNICA Contenidos Introducción.... 4 El Cuestionario... 5 El muestreo...
Más detallesControl Estadístico de Procesos (SPC).
Control Estadístico de Procesos (SPC). - Sesión 4ª de 4 - JAIME RAMONET FERNÁNDEZ Ingeniero Industrial Superior. PMP (PMI ). Formador y Consultor. Actitud requerida para recibir formación... y obtener
Más detallesDiseño orientado al flujo de datos
Diseño orientado al flujo de datos Recordemos que el diseño es una actividad que consta de una serie de pasos, en los que partiendo de la especificación del sistema (de los propios requerimientos), obtenemos
Más detallesNUEVAS ESTRATEGIAS EN CONTROL DE LA VARIABILIDAD DE PROCESOS
Decimonovenas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística. Noviembre de 014. Lignini, Maira Barbiero, Cristina Flury, Maria Isabel Quaglino, Marta Instituto de Investigaciones
Más detallesGRÁFICOS DE CONTROL DE SHEWHART
GRÁFICOS DE CONTROL DE SHEWHART Jordi Riu Grupo de Quimiometría, Cualimetría y Nanosensores Universitat Rovira i Virgili Campus Sescelades C/ Marcel lí Domingo s/n 43007-Tarragona Introducción Uno de los
Más detallesPlan de tarificación. Redes telefónicas. Requisitos a cumplir por el plan.
Redes telefónicas Plan de tarificación Plan de tarificación Requisitos a cumplir por el plan Métodos de tarificación Llamadas locales Llamadas a larga distancia Métodos de registro de llamadas Tarifas
Más detallesMedidas de la tensión de salida en variadores de velocidad con osciloscopios digitales ScopeMeter Serie 190 de Fluke
Aplicación Medidas de la tensión de salida en variadores de velocidad con osciloscopios digitales ScopeMeter Serie 190 de Fluke Por Viditec La utilización de variadores de velocidad o "inversores de frecuencia"
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesCAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de
CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,
Más detallesGráfico nº 1: Sectores. fueran comunes a las empresas industriales de servicios o de la construcción 0% 20% 40% 60% 80% 16,61% 69,16% 14,23%
LA CALIDAD TOTAL Y LA CERTIFICACIÓN EN LAS NORMAS ISO 9000: EVIDENCIA EMPÍRICA EN LA COMUNIDAD VALENCIANA. INTRODUCCIÓN La implantación de los sistemas de calidad, vía las normas ISO 9000, está teniendo
Más detalles1. MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas
Más detallesPROCEDIMIENTO ESPECÍFICO. Código S-VII-01 Edición 0
Índice 1. TABLA RESUMEN... 2 2. OBJETO... 2 3. ALCANCE... 2 4. RESPONSABILIDADES... 3 5. ENTRADAS... 3 6. SALIDAS... 3 7. PROCESOS RELACIONADOS... 3 8. DIAGRAMA DE FLUJO... 4 9. DESARROLLO... 5 9.1. PLANEACIÓN...
Más detallesCapítulo IV. Manejo de Problemas
Manejo de Problemas Manejo de problemas Tabla de contenido 1.- En qué consiste el manejo de problemas?...57 1.1.- Ventajas...58 1.2.- Barreras...59 2.- Actividades...59 2.1.- Control de problemas...60
Más detallesEstimación de una probabilidad
Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento
Más detallesUNIVERSIDAD MINUTO DE DIOS PROGRAMA CONTADURÍA PÚBLICA
UNIVERSIDAD MINUTO DE DIOS PROGRAMA CONTADURÍA PÚBLICA COSTOS II Guía No. 1.- Conceptos Básicos OBJETIVO 1. Asimilar conceptos fundamentales de costos I. CONCEPTOS BASICOS DE COSTOS 1. CONTABILIDAD DE
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detalleswww.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables" no es aplicable.
GRAFICOS DE CONTROL POR ATRIBUTOS 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas para el control de procesos, los Gráficos
Más detallesMERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II
MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio
Más detalles