Control Estadístico de Procesos (SPC).
|
|
- Adrián Ojeda Caballero
- hace 8 años
- Vistas:
Transcripción
1 Control Estadístico de Procesos (SPC). - Sesión 4ª de 4 - JAIME RAMONET FERNÁNDEZ Ingeniero Industrial Superior. PMP (PMI ). Formador y Consultor.
2 Actitud requerida para recibir formación... y obtener conocimiento: "Quien establece una diferencia entre educación y entretenimiento, no sabe nada ni de una cosa ni de la otra" Marshall McLuhan. 2
3 Jaime Ramonet Temario de la sesión: Gráficos de Control avanzados: Gráfico CUSUM Gráfico EWMA Intro. a Box-Jenkins y ASPC. Curva característica y curva ARL. Medidas de Capacidad del proceso: Índice Cp Índice Cpk Interpretación Resumen y clausura del curso. 3
4 Jaime Ramonet Motivación: Gráficos avanzados: Los gráficos de Shewhart solo tienen en cuenta, para cada punto, los valores relativos a la muestra actual y no al conjunto de datos recopilados hasta el momento (conjunto de muestras). Por otro lado, consideramos que cada observación o muestra es independiente de la anterior. La solución consiste en trabajar con gráficos con «memoria». Gráficos avanzados (con «memoria»): CUSUM: En el Gráfico CUSUM se representa la suma acumulada de las desviaciones, con lo que se está recogiendo la información de todas las muestras anteriores. EWMA: En el gráfico EWMA se representan las medias móviles con pesos exponenciales (lo que permite detectar desplazamientos muy lentos). Box-Jenkins y ASPC: Son métodos para muestras con dependencia entre ellas. Nota: En general se trata de procesos continuos, en que la entrada se ve retroalimentada por una función de la salida. 4
5 Gráfico CUSUM: Sumas Acumuladas Complemento a los gráficos de Shewhart (que en principio no «persiguen» al valor nominal -VN- sino que se centran en detectar los desequilibrios del proceso creados por causas especiales -asignables-). «Persigue» centrar los resultados entorno a un valor objetivo «T». Detecta las desviaciones respecto a «T» ( target ) en una magnitud superior a un valor determinado preestablecido por nosotros ( d = desviación a detectar). El «T» puede ser: el valor nominal -VN- de un parámetro del propio proceso o del resultado, la varianza de ídem, una proporción «p» de..., los valores de predicción de un modelo teórico, etc. Permite realizar el seguimiento y control de cambios moderados (entre 0,5 y 2 veces σ) del valor «T». Especialmente útil para muestras de tamaño n =1. 5
6 Gráfico CUSUM: El gráfico representa el valor de la suma acumulada («C») hasta la muestra actual («i») de la diferencia entre la media de cada muestra («ẍ i») respecto al valor objetivo («T»). Formula: C i = (ẍ i T); El valor de C i va acumulando las diferencias. Si el proceso está bajo control, las desviaciones positivas se compensaran con las negativas y el gráfico serán una serie de punto oscilando sobre y bajo el valor 0 (Ver transparencia siguiente). La determinación de la situación del proceso se puede hacer mediante: Mediante cálculo numérico. Mediante mascara en V. 6
7 CUSUM Bajo control: Datos... 7
8 CUSUM - Bajo control: Gráfico... 8
9 CUSUM Mismo caso, 100 muestras 9
10 CUSUM Mismo caso, otras 100 muestras!!! 10
11 CUSUM (cont.) Si la media del proceso (evaluado mediante las medias muestrales «ẍ i» ) no coincide con el valor objetivo «T», el gráfico se irá separando del valor 0, al irse acumulando la diferencia. El «dato» importante en un gráfico CUSUM no es la separación respecto a 0 (recordar el último gráfico) sino la «pendiente» de la línea de puntos: a mayor pendiente, mayor discrepancia entre la media del proceso y el valor objetivo «T». Los límites de control de los gráficos CUSUM vienen dados por dos pendientes (+ y -) que dependen de cuatro factores: La escala del gráfico. La variabilidad «σ» propia del proceso (teórica o de la población). El cambio mínimo (del parámetro) que se quiere detectar (valor umbral «K»). El riesgo «α» (Error Tipo I) en la toma de decisiones. 11
12 CUSUM: Construcción del gráfico Escala del gráfico: se recomienda que 1 unidad de la escala del eje horizontal (eje X) sea = (2 σ) de la distribución teórica del parámetro de la escala vertical (eje Y). Ejemplo: Si σ = 0,7 u. y en la escala horizontal colocamos las observaciones cada 2 mm (unidad horizontal), entonces, en el eje vertical cada 2 mm representarán (2 * 0,7 ) = 1,4 u. (siendo u. la unidad de medida del parámetro representado en el gráfico). (2 * σ) Unidades u Observaciones 12
13 CUSUM Desviación del parámetro Si no se conoce la desviación teórica o de la población de la distribución del parámetro sobre el que se realiza el gráfico, esta deberá ser calculada con la formula adecuada. p.e.: σ e = s / (n 1) ; Para variables continuas que se ajusten a la Ley Normal. σ e = sqrt( p * (1-p) / n) ; Para proporciones de parámetro que se distribuya según la Ley Binomial. σ e = sqrt( np * (1-p)) ; Para número de individuos con un atributo «p» (Ley Binomial). σ e = λ ; Para número de ocurrencias por unidad (Ley Poisson). 13
14 Jaime Ramonet Método: CUSUM: Control del proceso Método numérico Se acumulan solo las desviaciones mas significativas y por separado, las positivas en C+ y las negativas en C-. Se considera que una desviación es significativa si es mayor que un valor umbral «K» predeterminado, normalmente K = ½ de la desviación que se quiere detectar: K = ½ (µ 0 - µ 1 ); o bien, si µ 1 = µ 0 + δ σ ; K = ½ δ ; (Nota: µ 0 = T) Para cada muestra se calculan D+ i = ((x i T) K); y D- i = ((T - x i ) K); Si (D+ i > 0) se acumula a C+; Si (D- i > 0) se acumula a C-; Finalmente: C+ i = C+ i-1 + MAX(0; D+ i ); y C- i = C- i-1 - MAX(0; D- i ); c- 14
15 CUSUM: Límites de C+ y C- C+ y C- nos proporcionan la acumulación de las desviaciones significativas positivas y negativas respectivamente. Los límites de control para estos dos valores viene dado por un valor de decisión «H» que habitualmente suele ser H = h σ. El valor de «h» es 4 o 5, según los autores. +/- H son los límites de control para C+ y C-. Cuando el proceso se muestra fuera de control, se deberán realizar las acciones correctoras pertinentes y se reiniciaran los valores de C+ y C- a cero. 15
16 CUSUM: ejemplo 1 16
17 CUSUM: ejemplo 2 17
18 CUSUM: ejemplo 2 c+ cusum c- 18
19 CUSUM: Control del proceso Método gráfico (plantilla en V ) Parámetros de la plantilla: - Distancia O-P y ángulo ω O ω P 19
20 Jaime Ramonet CUSUM: Control del proceso Método gráfico (plantilla en V ) Algunos paquetes estadísticos implementan este método. Los parámetros son función de la escala del gráfico y normalmente no se calculan a mano. Algunos autores desaconsejan el método gráfico. El método calculado es + exacto y permite realizar adaptaciones, p.e. Asignación de valores iniciales a C+ y C- > 0 tras una acción correctora incierta. 20
21 CUSUM vs. Gráficos de Shewhart CUSUM es + sensible a variaciones pequeñas en el proceso. Para variaciones grandes (K > 1,5 o 2) son similares o CUSUM un poco peor. Las dos ventajas de CUSUM frente a los Gráficos de Control de Shewhart son: Tiene memoria de las desviaciones anteriores Permite controlar variables u otros parámetros (proporciones, rangos, desviación, etc). 21
22 Jaime Ramonet Gráficos EWMA (I) (Medias móviles ponderadas exponencialmente) Para muestras tamaño 1 (observaciones individuales). Se representa un valor acumulado en el que tienen mas importancia (peso) las observaciones + recientes. El factor de importancia (peso) de cada observación decae exponencialmente con el tiempo. El valor de cada punto se define como: y i = λ x i + (1 λ) y i-1 ; Nota: ha que tomar y 0 = μ (media). El valor λ es discrecional (0 < λ <= 1). Normalmente entre 0,05 y 0,25. Cuanto mayor sea λ, mayor perdida de importancia con el tiempo. Para λ = 1 solo cuenta la observación + reciente (ídem a un gráfico de Shewhart. Para λ 0 tenemos un gráfico del tipo CUSUM. 22
23 Jaime Ramonet Gráficos EWMA (II) (Medias móviles ponderadas exponencialmente) Los límites de control (que son función de la observación) son: LCS = μ + 3 σ sqrt((λ (1 (1-λ) 2i ) / (2-λ)) LC = μ LCI = μ - 3 σ sqrt((λ (1 (1-λ) 2i ) / (2-λ) ) De forma simplificada (aproximada) se puede aceptar: LCS = μ + 3 σ sqrt( λ/(2 λ) ) LC = μ LCI = μ - 3 σ sqrt( λ/(2 λ) ) 23
24 Gráfico EWMA: Ejemplo Puntos del gráfico: y 0 = μ ; y i = λ x i + (1 λ) y i-1 ; Límites de control: LCS = μ + 3 σ sqrt( λ / (2 λ) ) LC = μ LCI = μ - 3 σ sqrt( λ / (2 λ) ) 24
25 Gráfico EWMA: Ejemplo 25
26 Box-Jenkins y ASPC Justificación: Cuando las observaciones NO son independientes entre si, pueden existir causas especiales (asignables) que pueden actuar continuamente a lo largo de un conjunto de observaciones, sin poder ser eliminadas de una forma operativa (procesos en continuo, por ejemplo). Existen dos estrategias: Gráficos Box-Jenkins: Son gráficos de control que se adaptan, mediante transformación (corrección) de los datos obtenidos, en función de la dependencia entre observaciones (p.e. Series temporales depndientes de la estacionalidad). Ver: ASPC (Control estadístico adaptativo y automático): Se trata de realizar un Control Estadístico del Proceso y una corrección o ajuste automático del mismo (retro-alimentación de control) cada vez que este se desplace de su valor nominal. 26
27 Box-Jenkins: Ejemplo Datos originales Datos transformados 27
28 ASPC: Esquemas (ejemplos)... Entrada PROCESO Resultado Controlador 28
29 Jaime Ramonet Curva Característica de Operaciones de un Gráfico de Control ( OC ) Mide la sensibilidad del Gráfico de Control. Evalúa la probabilidad de que un punto caiga dentro de los límites de control si se ha producido un cambio de magnitud determinada en el proceso. Es función del tamaño de la muestra, de la desviación tipo y de α (que determina los Límites de Control). p.e. Si desplazamiento = 0: OC = α 29
30 Curva ARL ( Average Run Length ) Mide la rapidez de respuesta del Gráfico de Control frente a un cambio en el proceso. Indica el número medio de muestras necesario para detectar un cambio ( dar la alarma ) de una magnitud determinada en el proceso. Está relacionada con la curva OC: ARL (μ) = 1 / (1 OC(μ)). Cuando el proceso se muestra fuera de control, deberemos analizar como mínimo n muestras anteriores, siendo n el valor de la curva ARL. En un proceso bajo ARL = 1 / α; (Para Límites de Control a 3 σ α = 0,03 ARL = 1 / 0,03 = 33,3 muestras!!!. Que pasaría si α = 1?; pero...!!!) 30
31 Medidas de Capacidad de los Procesos La capacidad de un proceso mide su nivel de cumplimiento respecto a una especificación dada. Un proceso es capaz si su resultado (producto o el servicio) está dentro de los límites de la especificación establecida. Una especificación viene dada por un valor nominal (VN) y unas tolerancias (positiva y/o negativa) que determinan los límites de tolerancia de la especificación (LTS y LTI). Hipótesis: Distribución Normal del parámetro y proceso bajo control. Mide lo que el proceso es capaz de hacer. LTI VN LTS 31
32 Índice de Capacidad Cp El índice de capacidad viene definido por la relación entre el rango de la tolerancia y un múltiplo de la dispersión del proceso: Cp = ( LTS LTI ) / k σ; (siendo σ la desviación tipo del proceso) El valor de k depende del tipo de proceso. Para procesos muy estrictos o básicos (p.e. para la medida de capacidad de máquinas), se toma K = 8. Para resultados finales (p.e. Medida de capacidad del proceso global) se toma k = 6. En sectores específicos pueden ser habituales otros valores de k (p.e. En aeronáutica o en electrónica, K = 10 o K = 12). Si Cp >> 1 Proceso capaz. Deseable: Cp > 1,33 Si Cp justo por encima ó = 1 Proceso en el límite. Hay que intentar mejorarlo ;-( Si Cp < 1 proceso No capaz. Hay que mejorar el proceso (o cambiar las especificaciones). 32
33 Razón de capacidad del proceso Cpk El índice de capacidad Cp no informa de si en proceso está centrado en el valor nominal (VN). Para tener en cuenta el centrado sobre el valor nominal, se define el valor de Razón de Capacidad Cpk. Cpk = Min( (LTS Ẍ) / k σ ; ( Ẍ - LTI) / k σ ); Como en el caso anterior, el valor k depende del tipo de proceso. Para procesos muy estrictos o básicos (p.e. para la medida de capacidad de máquinas), se toma K = 4. Para resultados finales (p.e. Medida de capacidad del proceso global) se toma k = 3. Nota: El valor de k en la fórmula de Cpk debería ser = ½ k de la formula del índice Cp. Se cumple que: Cpk <= Cp 33
34 Cp y Cpk: situaciones... Cp > 1 Cpk > 1 Cp = 1 Cpk = 1 Cp < 1 Cpk < 1 LTI VN LTS LTI VN LTS LTI VN LTS Cp > 1 0 < Cpk < 1 Cp < 1 Cpk = 0 Imaginar: Cp < 1 Cpk < 0 LTI VN LTS LTI VN LTS 34
35 Jaime Ramonet Medida de la Capacidad del proceso: Procedimiento Asegurar que el proceso esta «bajo control». Tomar un mínimo de 50 (mejor 100) unidades consecutivas y medir el parámetro. Verificar que los datos se distribuyen según una Ley Normal Prueba o contraste de Normalidad (diversos métodos: p.e. método gráfico). Obtener la desviación tipo del proceso σ. La media se tomará igual al VN. Calcular Cp y Cpk del proceso. 35
36 Ejemplo: cáculo de Cp y Cpk 36
37 Jaime Ramonet Otro ejemplo índices Cp y Cpk: La especificación de un parámetro de un proceso bajo control establece: VN = 10,80 mm. Tolerancia: +/- 0,20 mm. (LTS = 11,00 mm; LTI = 10,60 mm; Rt = 0,40 mm) Se seleccionan 100 muestras consecutivas, se obtienen los valores del parámetro y se verifica la normalidad de la distribución de estos datos. Se calculan los datos estadísticos de las 100 observaciones: Media μ = 10,72 mm. Y desviación tipo σ = 0,05 mm. Cálculos de Cp y Cpk: Cp = 0,40 / 6 * 0,05 = 1,33 ; Cpk-sup = (11,00 10,72 ) / 3 * 0,05 = 0,28 / 0,15 = 1,86 Cpk-inf = (10,72 10,60 ) / 3 * 0,05 = 0,12 / 0,15 = 0,80 Cpk = min( 1,86 ; 0,80 ) = 0,80 Interpretar... 37
38 Resumen del Curso ;-) (adaptado de la Norma ISO :2013) AC: Eliminar causas asignables No PROCESO Gráficos de Control Bajo control Si Evaluar Capacidad Mejorar Proceso o cambiar especificación No Cpk > 1 Si Intentar mejorar Cpk > 1,33 38
39 Bibliografía: Norma ISO : Control charts Part 2: Shewhart control charts. ISO :2012 Statistical methods in process management - Capability and performance -- Part 7: Capability of measurement processes. Norma ISO : Guidelines for implementation of statistical process control (SPC) - Part 1: Elements of SPC. Control y mejora de la calidad. A. Prat, X. Tort-Martorell, P. Grima y L. Pozueta. Edicions UPC. Barcelona, 1998 Shewhart W.A. Economic Control of Manufactured Product. D. Van Norstrand, Co, New York, Grant E., & L eavenworth R. Statistical Quality Control. McGraw-Hill Series in Industrial Engineering and Management,
40 Jaime Ramonet Gracias por su atención... Turno abierto... Preguntas? Otros casos / cosas que ustedes conozcan? Comentarios? 40
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 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 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 detallesTEMA 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 detalleswww.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 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 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 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 detallesControl Estadístico de Procesos (SPC) para NO estadísticos.
Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 2ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida
Más detallesANÁLISIS 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 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 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 detallesMaster 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 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 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 detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesAnálisis 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 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 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 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 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 detallesAdministración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1
Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna
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 detallesTEMA 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 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 detallesCURSO 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 detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesVI. TASA DE RETORNO REQUERIDA
VI. TASA DE RETORNO REQUERIDA 1. IMPORTANCIA 2. DEFINICIÓN Mínimo rendimiento aceptable de la inversión. Referencia para los administradores vs. los propietarios de la firma. La TRR de una inversión es
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 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 detallesMedia vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:
Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.
Más detallesControl 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 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 detallesAdministración por Procesos contra Funciones
La administración moderna nos marca que en la actualidad, las organizaciones que no se administren bajo un enfoque de procesos eficaces y flexibles, no podrán sobrepasar los cambios en el entorno y por
Más detallesModelos estadísticos aplicados en administración de negocios que generan ventajas competitivas
Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Videoconferencias semana de estadística Universidad Latina, Campus Heredia Costa Rica Universidad del Valle
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 detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
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 detallesCONTROL 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 detallesTEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Más detallesControl 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 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 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 detallesMANUAL DE EJECUCION DE LA ESTRATEGIA Ibex35 Evolución por Josep Codina
MANUAL DE EJECUCION DE LA ESTRATEGIA Ibex35 Evolución por Josep Codina La Estrategia Ibex35 Evolución se basa en un modelo que se ha probado de forma intensiva y que cumple los objetivos que se han marcado
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 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 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 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 detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesREGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
Más detallesEstacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ
Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de
Más detalles% 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 detalles7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD
Agencia de Cooperación Internacional del Japón Universidad de Santiago de Chile Facultad de Ingeniería Departamento de Ingeniería Industrial 7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD Elaboración: Kiyohiro
Más detallesGUÍA 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 detallesPRACTICA 2: ENSAYO DE CORTE DIRECTO EN ARENA DENSA Y SUELTA.
PRACTICA 2: ENSAYO DE CORTE DIRECTO EN ARENA DENSA Y SUELTA. 1.- Introducción. En el aparato de corte directo se intenta conseguir la rotura de una muestra según un plano predeterminado, con el fin de
Más detallesARQUITECTURA TÉCNICA ASIGNATURA: MATERIALES DE CONSTRUCCIÓN II CURSO: 2009-2010 APUNTES TEMA 1: CONTROL DE CALIDAD
ARQUITECTURA TÉCNICA ASIGNATURA: MATERIALES DE CONSTRUCCIÓN II CURSO: 2009-2010 APUNTES TEMA 1: CONTROL DE CALIDAD. CONCEPTO. EVOLUCIÓN CON EL TIEMPO. NORMA UNE EN ISO 9001:2000 Profesor: Victoriano García
Más detallesESPECIALIZACIÓN EN ESTADÍSTICA
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. CONTROL DE CALIDAD
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 detallesCALIDAD página: 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ECONOMÍA Y ADMINISTRACIÓN DE EMPRESA
CALIDAD página: 1 HISTOGRAMA QUÉ ES EL HISTOGRAMA? El histograma es una herramienta útil para resumir y analizar datos. Por su naturaleza gráfica, puede ayudar a identificar e interpretar pautas que son
Más detalles1.1 EL ESTUDIO TÉCNICO
1.1 EL ESTUDIO TÉCNICO 1.1.1 Definición Un estudio técnico permite proponer y analizar las diferentes opciones tecnológicas para producir los bienes o servicios que se requieren, lo que además admite verificar
Más detallesSIIGO Pyme. Informes de Saldos y Movimientos de Inventarios. Cartilla I
SIIGO Pyme Informes de Saldos y Movimientos de Inventarios Cartilla I Tabla de Contenido 1. Presentación 2. Qué son Inventarios? 3. Qué son Informes? 4. Qué son Informes de Saldos y Movimientos en Inventarios?
Más detallesNo hay resorte que oscile cien años...
No hay resorte que oscile cien años... María Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA - 1999 Resumen: En el presente trabajo nos proponemos
Más detalles1º CFGS ASIR IMPLANTACIÓN DE SISTEMAS OPERATIVOS
1º CFGS ASIR IMPLANTACIÓN DE SISTEMAS OPERATIVOS OBJETIVOS La formación del módulo contribuye a alcanzar los objetivos generales de este ciclo formativo que se relacionan a continuación: a. Analizar la
Más detallesSistemas de Calidad Empresarial
Portal Empresarial Aljaraque Empresarial Sistemas de Calidad Empresarial 1 ÍNDICE 1. INTRODUCCIÓN. 2. CONCEPTO DE CALIDAD Y SU SISTEMA. 3. MÉTODO PARA IMPLANTAR UN SISTEMA DE GESTIÓN DE LA CALIDAD. 4.
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 detallesPequeñas charlas para montaje industrial Fernando Espinosa Fuentes
Pequeñas charlas para montaje industrial Fernando Espinosa Fuentes Aunque se tenga un valor nominal determinado, nunca se podrá definir el valor real del mismo, pues nunca se podría asegurar que el sistema
Más detallesANEXO TRES INSTRUCTIVO PARA EL LLENADO DE LA FICHA TÉCNICA DEL INDICADOR
ANEXO TRES INSTRUCTIVO PARA EL LLENADO DE LA FICHA TÉCNICA DEL INDICADOR Objeto 1. Apoyar la elaboración de la ficha técnica del indicador mediante un conjunto de elementos que describe n de manera sencilla
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 detallesDIAGRAMAS DE CONTROL TEORÍA GENERAL
1. DESARROLLO HISTÓRICO DIAGRAMAS DE CONTROL TEORÍA GENERAL 20 s Shewhart Primeros avances en el control estadístico de calidad. Segunda Guerra Mundial Se emplearon con mayor fuerza No se utilizaron Deming
Más detalles5. CONCLUSIONES. El proceso constructivo que se plantea es el siguiente:
5. CONCLUSIONES El presente trabajo tuvo como objetivo la descripción del proceso constructivo para la construcción de pilas de cimentación profunda con sistema de kelly y hélice continua. Como conclusión
Más detallesEstadís1ca. 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 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 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 detallesEste procedimiento también crea una escala cusum grafica para datos individuales monitoreando la variabilidad del proceso.
Gráfico Cusum (H-K) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor obetivo. Esto lo hace, incorporando la historia
Más detallesCONTROL ESTADÍSTICO DE PROCESOS Y PLANES DE MUESTREO
CONTROL ESTADÍSTICO DE PROCESOS Y PLANES DE MUESTREO DIRECCIÓN DE LA PRODUCCIÓN Por: LUIS ARENCIBIA SÁNCHEZ www.laformacion.com - www.libroelectronico.net 1 Índice. 1. Control estadístico de procesos.
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
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 detallesCapítulo 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 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 detallesCONCEPTOS DE LA FUERZA
CONCEPTOS DE LA FUERZA PAPEL DE LA FUERZA EN EL RENDIMIENTO DEPORTIVO La mejora de la fuerza es un factor importante en todas las actividades deportivas, y en algunos casos determinantes (en el arbitraje
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 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 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 detallesDISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.-
DISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.- 1. Introducción. El presente documento es el referente metodológico para la selección inicial de los barrios deprimidos. Se recoge una propuesta
Más detallesHERRAMIENTAS DE APOYO PARA LA IMPLEMENTACIÓN DE LA GESTIÓN POR PROCESOS EN EL MARCO DE LA POLÍTICA NACIONAL DE MODERNIZACIÓN DE LA GESTIÓN PÚBLICA
HERRAMIENTAS DE APOYO PARA LA IMPLEMENTACIÓN DE LA GESTIÓN POR PROCESOS EN EL MARCO DE LA POLÍTICA NACIONAL DE MODERNIZACIÓN DE LA GESTIÓN PÚBLICA Documento elaborado por la de la Presidencia del Consejo
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 detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones
EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona
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 detallesResortes y fuerzas. Analiza la siguiente situación. Ley de Hooke. 2do Medio > Física Ley de Hooke. Qué aprenderé?
2do Medio > Física Ley de Hooke Resortes y fuerzas Analiza la siguiente situación Aníbal trabaja en una fábrica de entretenimientos electrónicos. Es el encargado de diseñar algunas de las máquinas que
Más detallesCapítulo 2. Metodologías de selección de personal
Capítulo 2. Metodologías de selección de personal 2.1 Introducción La selección de personal es una actividad en la cual toda empresa invierte parte de sus recursos, debido a que es una tarea de vital importancia.
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 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 detallesRegulador PID con convertidores de frecuencia DF5, DV5, DF6, DV6. Página 1 de 10 A Regulador PID
A Página 1 de 10 A Regulador PID INDICE 1. Regulador PID 3 2. Componente proporcional : P 4 3. Componente integral : I 4 4. Componente derivativa : D 4 5. Control PID 4 6. Configuración de parámetros del
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 detallesControl de Calidad en Laboratorios
Metodos de control de calidad en laboratorios Funcionar bien en las pruebas de suficiencia (homologación). Funcionar bien en los ensayos de colaboración Un aspecto importante del sistema de gestión de
Más detallesMedias Móviles: Señales para invertir en la Bolsa
www.gacetafinanciera.com Medias Móviles: Señales para invertir en la Bolsa Juan P López..www.futuros.com Las medias móviles continúan siendo una herramienta básica en lo que se refiere a determinar tendencias
Más detallesFUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA
FUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA El análisis de Weibull es la técnica mayormente elegida para estimar una probabilidad, basada en datos medidos o asumidos. La distribución
Más detalles