Вы находитесь на странице: 1из 55

2013

Sociedad Nacional de
Industrias.
Centro de Desarrollo
Industrial
Wilfredo Elas Pimentel Serrano,

MANUAL DE INTERVENCION PAIS


FASE III-ANALIZAR
2013

MANUAL PARA INTERVENCION PAIS


BLACK BELT
LEAN SIX SIGMA
FASE III-ANALIZAR
Propuesta elaborada para ser discutida y Mejorada con el aporte
de los Black Belt del Programa OPTISIGMA
Desarrollada en la ciudad de Lima Per en 2013.

El Manual de Intervencin para proyectos Lean Six Sigma es un material


que tiene el propsito de ayudar a los estudiantes del programa Black
Belt, en la formulacin de sus Proyectos Lean Six Sigma.
Es un documento abierto y receptivo a sugerencias y mejoras,
actualmente se encuentra en su fase aplicativa y puesta en prctica con
los participantes de los Black Belt formados por la Sociedad Nacional de
Industrias y de otras instituciones especializadas
La publicacin de la Versin N01 en la Fase ANALIZAR, est prevista para
su mejora hasta el 31de Diciembre 2013
Se invita a todo el pblico lector hacer llegar las sugerencias y
recomendaciones para mejorar el presente proyecto a los autores del
proyecto
Sociedad Nacional de Industrias: www.sni.org.pe/
Centro de Desarrollo Industrial: www.cdi.org.pe/
Wilfredo Elas Pimentel Serrano: wilpicos@yahoo.com,

Edicin 2013

Lima Per 2013

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

MANUAL DE INTERVENSION PAIS


LEAN SIX SIGMA

Edicin 2013

FASE III - ANALIZAR


2013

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

INTRODUCCION
Lean Six Sigma, es una de las estrategias de gestin ms completas y con ms
xito de los ltimos 25 aos, permite la consecucin de niveles de eficacia y
eficiencia, absolutamente extraordinarios: 3.4 defectos por milln de
oportunidades, concentrndose en los procesos de negocio y en los
componentes que comprometen esos procesos.
Es un enfoque disciplinado, que busca eliminar los defectos que ocurren en los
productos, procesos y transacciones de la organizacin, disminuyendo el costo
de las operaciones y de los bienes, sobre la base del procesamiento estadstico
de la informacin y el uso de las herramientas Lean. Es un proceso prctico y
activo que logra resultados, ha demostrado ser la va ms rpida para mejorar
los procesos con una estrategia que conduce a la excelencia y eficiencia de
clase mundial.
Considerando la necesidad de apoyar el sostenimiento de las empresas en la
regin, el BID viene auspiciando la implementacin de esta metodologa en el
Per, a travs del Programa Optisigma que es conducido por el Centro de
Desarrollo Industrial de la SNI. Los logros alcanzados por los Proyectos Lean Six
Sigma son presentados en la Semana de la Calidad anualmente.
El CDI tiene la responsabilidad de multiplicar este programa por lo que busca el
perfeccionamiento de nuestros futuros Black Belts y Green Belts. El presente
Manual de Intervencin Pas, pretende ayudar en la formulacin de ms
proyectos Lean Six Sigma y descubrir nuevas oportunidades para que las
empresas en diferentes sectores, organismos pblicos y privados, puedan
beneficiarse en la mejora de sus procesos en forma rpida con alto impacto,
esfuerzos razonables y mnimo riesgo.
En ese sentido, el presente material, est centrado en desarrollar la metodologa
del Lean Six Sigma, teniendo como soporte el uso del Minitab para los
desarrollos estadsticos. Consideramos que la profundizacin de los conceptos
estadsticos por la amplitud y profundidad requiere ser complementados con la
lectura de material especializado en cada tema.
El Manual focaliza cada una de las fases del Lean Six Sigma, as como los
contenidos mnimos con los cuales se puede formular el proyecto. Solo el trabajo
sostenido y la profundizacin en el estudio le permitirn al Black Belt tener
avances ms especficos y pueda ir incorporando mayores conceptos que le
permitan obtener las mejores soluciones en sus proyectos.
Director del CDI

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

INDICE

Edicin 2013

1. Objetivos
2. Estadstica Bsica y las 7 herramientas de Calidad
2.1
Estadstica Bsica
2.2
Las 7 Herramientas de Calidad
3. Anlisis del Modo y Efecto de Falla
3.1
AMEF
3.2
Propsito del AMEF
3.3
Tipos de AMEF
3.4
Modos de Fallas, Efectos y Causas
3.5
Numero de Prioridad de Riesgo
3.6
Procedimiento para la elaboracin de un AMEF de Proceso
4. Prueba de Hiptesis
4.1
Prueba de Hiptesis
4.2
Estadstico de Prueba
4.3
Tipos de Errores
4.4
Resumen de Pruebas de Hiptesis
5. Anlisis de Regresin y Correlacin
5.1
Relaciones entre variables
5.2
Metodologa del Anlisis de Regresin
5.3
Diagrama de Dispersin
5.4
Coeficiente de Correlacin de Pearson
5.5
Regresin Simple
5.6
Regresin Mltiple
5.7
Regresiones No Lineales
6. Anlisis de Varianzas
6.1
ANOVA de un Factor o Direccin
6.2
ANOVA de Diseo en Cuadrada Latino
7. Tablas de Contingencia
7.1
Tablas de Contingencia
7.2
Prueba Chi Cuadrada

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Esquema General de la Fase Analizar1

Voz del Cliente

Caracterstica
Critica de
Calidad

Mediciones

Prueba de
Hipotesis

Herramientas de
Calidad

Causa Raz

Diagramas Flujo
del Proceso

Fase Mejorar

World Enterprise.- Lean Six Sigma

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

AMEF
ANALISIS DEL
MODO EFECTO
Y FALLA

Objetivos

Esta fase tiene como objetivo identificar las causas de variacin y defectos en el
proceso. Se formulan las hiptesis sobre las posibles Causas Raz y se
desarrollan las pruebas estadsticas que permiten determinar cules son las
causas reales. Se afinan cules son los objetivos definitivos de mejora y los
ahorros por alcanzar.

Edicin 2013

Las herramientas que se utilizan son: Las herramientas de calidad, AMEF,


Anlisis de Varianza, Intervalos de confianza, Relacin y Correlacin, Pruebas T,
etc, y en general las diversas herramientas estadsticas que permitan confirmar
la Causas Raz.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Estadstica Bsica y las 7


Herramientas de Calidad
2.1

Estadstica Bsica

Siempre es recomendable revisar los aspectos fundamentales de la estadstica,


permiten fijar los conceptos y las posibilidades de convertir rpidamente
problemas de la vida real en problemas estadsticos, ensayar una solucin en
este campo del conocimiento y luego desarrollar las soluciones en la vida real.
Aun cuando lo indicado en el prrafo anterior pareciera obvio, en la prctica no lo
es, los mejores resultados se van logrando en la medida de que se ejercita la
estadstica, en muchos casos se ha observado que los proyectistas pueden
haber desarrollado importantes avances, sin embargo estas no podran ser
sostenibles por existir incoherencias en el marco terico estadstico.

Edicin 2013

Para efectos de este captulo se revisarn los conceptos fundamentales en


relacin a las Medidas de Tendencia Central y de Dispersin.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Medidas de Tendencia Central


CUADRO BASE DE ESTADSTICAS BASICAS
NOMBRE:

Medidas de Tendencia Central: Media, Mediana, Moda

PROCESO:

N 1

SUBPROCESO:

RESPONSABLE:

FUENTE:

DEFINICION (Que significa)


Media Aritmtica: Corresponde a la suma de todos los datos dividido por el nmero total de ellos.
Mediana: Es el valor ocupado por la posicin central cuando los datos se ordenan de acuerdo a su
magnitud de menor a mayor. Si el conjunto de valores es un nmero par, entonces se calcula la media
aritmtica o promedio a los dos valores del centro.
Moda: Corresponde al valor de los datos que ms se repite.
PROPSITO (Para qu sirve)
Las medidas de tendencia Central son los valores numricos que tienden a localizar en algn sentido
la parte central de un conjunto de datos.
La media caracteriza al conjunto de datos.
La mediana permite conocer el valor que divide en dos partes la muestra.
La moda sirve para describir una distribucin si slo se desea tener una idea aproximada y rpida de
donde est la mayor concentracin de observaciones.
APLICACIN ( Modo de Uso)
Media

Mediana

1. Sumar los valores de un conjunto de


datos.
2. Dividir la suma entre el nmero total de
valores.
3. Utilizar la frmula de clculo: :,
Sumatoria de todos los datos/Nmero total
de datos
(X1 * n1) + (X2 * n2) + .....+ (Xn-1 * nn-1) + (Xn * nn)

Xm =

-------------------------------------------------------------------------n

Moda
Identificar el
dato que ms
se repite. El
valor de la
moda
corresponder
al dato que
se repita con
mayor
frecuencia

valores extremos, que se aparten en exceso del resto de la serie. Estos valores podran
condicionar en gran medida el valor de la media, perdiendo representatividad.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

OBSERVACIONES
La Media Aritmtica, presenta el problema de que su valor se puede ver muy influido por

Medidas de Dispersin

10

CUADRO BASE DE ESTADSTICAS BASICAS


NOMBRE:
PROCESO:

La Varianza, la Desviacin Estndar, Rango y Coeficiente de


Variacin

N 2

SUBPROCESO:

RESPONSABLE:
DEFINICION (Que significa)
Varianza: Mide la distancia existente entre los valores de la serie y la media
Desviacin Estndar : Raz cuadrada de la varianza
Rango: Mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el
valor ms bajo

Coeficiente de variacin de Pearson: Cociente entre la desviacin tpica y la media.


.
PROPSITO (Para qu sirve)
Las medidas de dispersin estudian la distribucin de los valores de la serie, analizando si estos se

encuentran ms o menos concentrados, o ms o menos dispersos. En el anlisis estadstico no basta el clculo


e interpretacin de las medidas de tendencia central o de posicin, ya que, por ejemplo, cuando pretendemos
representar toda una informacin con la media aritmtica, no estamos siendo absolutamente fieles a la realidad,
pues suelen existir datos extremos inferiores y superiores a la media aritmtica. La Dispersin se refiere a la
variabilidad entre los valores, es decir, qu tan grandes son las diferencias entre los valores. La idea de
dispersin se relaciona con la mayor o menor concentracin de los datos en torno a un valor central,
generalmente la media aritmtica

APLICACIN ( Modo de Uso)

Medidas de Dispersin
1 La varianza ser siempre un valor positivo o cero,

1. Varianza: Es la medida de dispersin ms importante en el caso de que las puntuaciones sean iguales.
en la Estadstica, est asociada su clculo a la media
Aritmtica. La varianza es siempre un valor positivo (x) 0 ,
sus unidades estn siempre dadas al cuadrado.
2. Desviacin estndar. La desviacin estndar mide
la dispersin de los datos respecto del promedio

2 Si a todos los valores de la variable se les suma


un nmero la varianza no vara.

OBSERVACIONES
1 La varianza, al igual que la media, es un ndice muy sensible a las puntuaciones extremas.
2 En los casos que no se pueda hallar la media tampoco ser posible hallar la varianza.
3 La varianza no viene expresada en las mismas unidades que los datos, ya que las desviaciones
estn elevadas al cuadrado..

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

3 Si todos los valores de la variable se multiplican


por un nmero la varianza queda multiplicada por el
3. El Rango: Es la medida de dispersin ms sencilla se cuadrado de dicho nmero.
define como:
4 Si tenemos varias distribuciones con la misma
R = Dato Mayor - Dato Menor .
media y conocemos sus respectivas varianzas se
puede calcular la varianza total

11

2.2

Las 7 Herramientas de Calidad

En la fase de anlisis se procura una participacin ordenada de los involucrados


en el proceso, as como de todos aquellos miembros de la organizacin que
puedan aportar con un adecuado encaminamiento de las variables que
intervienen en el proceso.
De ah que, un primer paso es usar las herramientas de Calidad, dado que la
visibilidad y la sencillez de los recursos que emplea, como son los grficos
motivan una amplia participacin de gran parte de los empleados.
En la mayora de los casos, el uso de las herramientas de calidad, facilitar
enormemente la tarea de centrar y orientar el esfuerzo de anlisis, por lo que los
proyectistas debern esforzarse por hacer el mejor uso de estas herramientas.
Las siete herramientas fundamentales dan objetividad a las observaciones, para
reducir la persistencia de los enfoques abstractos y de las observaciones
llevndolos a una data numrica. Las herramientas que se conocen bajo este
concepto son:
Histogramas
Diagrama de Pareto
Diagrama de Causa Efecto
.Diagrama de Dispersin.
Lluvia de Ideas.
Estratificacin.
Grficas y Cuadros de Control

Edicin 2013

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

12

Histogramas
CUADRO BASE: HERRAMIENTAS DE CALIDAD
NOMBRE:

Histograma

PROCESO:

SUBPROCESO:

RESPONSABLE:
DEFINICION (Que significa)
Es la presentacin de datos en forma ordenada, mediante un grfico constituido por rectngulos
de igual ancho y altura proporcional a las cantidades que representan
PROPSITO (Para que sirve)
La naturaleza grfica del histograma permite ver pautas que son difciles de observar en una
simple tabla numrica, adems permite resaltar el centro y la dispersin de los datos de la
muestra. La sencillez de construccin e interpretacin de los histogramas hace de ellos una
herramienta efectiva para el anlisis elemental de datos. Por otro lado permite clarificar el patrn
de variacin y por ende desarrollar una explicacin razonable de dicha variacin.
UTILIZACIN (Como se aplica)

Edicin 2013

1. Determinar el rango de los datos: RANGO es igual al dato mayor (D1) menos el dato menor
(D2); R = D1 - D2
2. Clculo del nmero de clase: Un criterio usado frecuentemente es que el nmero de clases
debe ser aproximadamente la raz cuadrada del nmero de datos, por ejemplo, la raz cuadrada
de 30 (nmero de artculos) es mayor que cinco, por lo que se seleccionan seis clases. Nc = 6
3. Clculo de longitud de clase: Es igual a la divisin entre el rango y el nmero clase (aproximar
a nmero ms cercano). LC = R / Nc
4. Construir los intervalos de clases: Los intervalos resultan de dividir el rango de los datos en
relacin al resultado del PASO 2 en intervalos iguales.
5. Realizar tabla de frecuencias: En el se exponen la frecuencia de cada intervalo de clase y en
ocasiones, segn sea necesario, la frecuencia acumulada (se obtiene de dividir cada frecuencia
con el total de la muestra y se suman progresivamente) Nota: La frecuencia es el nmero de
veces que se repite un dato
6. Graficar el histograma: Se hace un grfico de barras, las bases de las barras son los
intervalos de clases y altura son la frecuencia de las clases. Si se unen los puntos medios de las
bases superiores de los rectngulos se obtiene el polgono de frecuencias.
PASO 7 Identificar y clasificar el patrn de variacin; desarrollar una explicacin lgica y
pertinente del patrn.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

13

Diagrama de Pareto
CUADRO BASE: HERRAMIENTAS DE CALIDAD
NOMBRE:

Diagrama de Pareto

PROCESO:

N 2
SUBPROCESO:

RESPONSABLE:
DEFINICION (Que significa)
El Diagrama de Pareto es un grfico de barras verticales, que representa factores sujetos
a estudio en forma ordenada de ocurrencia o de importancia, de mayor a menor, con el
objeto de determinar qu problemas resolver y en qu orden realizarlos.
PROPSITO (Para qu sirve)
Sirve para que se pueda asignar un orden de prioridades de no conformidades,
reprocesos, reclamos, etc. Mediante el Diagrama de Pareto se pueden detectar los
problemas que tienen ms relevancia mediante la aplicacin del principio de Pareto
(pocos vitales, muchos triviales) que dice que hay muchos problemas sin importancia
frente a solo unos graves.
UTILIZACIN (Como se aplica)
1. Decidir el problema a investigar y como recolectar los datos.
2. Estratificar, en la medida de lo posible, los datos segn diferentes causas, tipos de no
conformidades, etc.
3. Construir un histograma de frecuencias.
4. Dibujar un polgono de frecuencias acumulado, uniendo los puntos graficados como
frecuencias acumuladas.

Edicin 2013

OBSERVACIONES

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

14

Diagrama de Causa Efecto


CUADRO BASE: HERRAMIENTAS DE CALIDAD
NOMBRE:

Diagrama de Causa y Efecto

PROCESO:

N 3

SUBPROCESO:

RESPONSABLE:
DEFINICION (Que significa)
Muestra la relacin entre una caracterstica de la calidad y sus factores causales.
PROPSITO (Para qu sirve)
El empleo de este diagrama facilita en forma notable el entendimiento y compresin del proceso,
ya que es necesaria la participacin de todo el personal involucrado en el proceso para su
construccin y uso. Adems, este diagrama, ilustra claramente las diferentes causas que afectan
un proceso, identificndolas y relacionndolas unas con otras. Para cada efecto surgirn varias
categoras de causas principales que pueden ser resumidas en las llamadas 6 Ms: Mano de
obra, mquinas, mtodos. Materiales Mediciones y Medio Ambiente.
UTILIZACIN (Como se aplica)
1. Describir el defecto o la caracterstica de la calidad.
2. Seleccionar una caracterstica de la calidad y escribirla en el extremo derecho de la flecha
horizontal principal.
3. Elaborar una lista con todos los factores que podran tener influencia sobra la caracterstica de
la calidad con la participacin de todos los integrantes del equipo de trabajo. Se recomienda
aplicar la tcnica de lluvia de ideas.
4. Estratificar estos factores de acuerdo a las 6 Ms. Sobre las ramas de los factores principales
anotar los subfactores que afectan o influencian los principales.

Edicin 2013

OBSERVACIONES

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

15

Diagrama de Dispersin

CUADRO BASE: HERRAMIENTAS DE CALIDAD


NOMBRE:

Diagrama de Dispersin

PROCESO:

SUBPROCESO:

RESPONSABLE:
DEFINICION (Que significa)
Un diagrama de dispersin es una representacin grfica de la relacin entre dos variables,
muy utilizada en las fases de Comprobacin de teoras e identificacin de causas raz.
PROPSITO (Para qu sirve)
Establecer el grado de correlacin existente entre dos factores, dos variables o dos causa.
Si existe correlacin al controlar la(s) variable(s) independiente(s), se est controlando el
efecto del factor dependiente.
UTILIZACIN (Como se aplica)
1. Recolectar de 50 a 100 pares de datos (X,Y), pero al menos 30 pares, cuyas relaciones
se desean estudiar, y preparar una tabla.
2. Decidir las escalas a utilizar en las abscisas y en las ordenadas de manera que ambas
longitudes sean aproximadamente iguales. Cuando las variables sean un factor y una
caracterstica de la calidad, usar la abscisa para el factor y la ordenada para la
caracterstica de la calidad.
3. Registrar los datos en el grfico. Cuando se obtengan los mismos valores para diferentes
observaciones, se registran estos puntos haciendo crculos concntricos, una o ms veces.
4. Registrar todos los aspectos que puedan ser de utilidad, tales como: Titulo del diagrama,
periodo de tiempo, numero de pares de datos, ttulos y unidades de cada eje, nombre de la
persona que hizo el diagrama, etc.

Para interpretar un diagrama de dispersin, primero debemos observar si hay o no puntos


alejados en el diagrama. En general los puntos que estn muy alejados del grupo principal,
son producto de errores de medicin o de registro de datos, o fueron causados por algn
cambio en las condiciones de operacin. Para el anlisis de la regresin (en caso que se
hiciera) se debe excluir estos puntos. Se recomienda realizar regresin para un mejor
estudio de la relacin entre las variables dependiente e independiente.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

OBSERVACIONES

16

Lluvia de Ideas
CUADRO BASE: HERRAMIENTAS DE CALIDAD
NOMBRE: Brainstorming o
N 5
Lluvia de ideas
PROCESO:

SUBPROCESO:

RESPONSABLE:
DEFINICION (Que significa)
Es una herramienta de trabajo grupal que facilita el surgimiento de nuevas ideas sobre un tema o
problema determinado. La lluvias de ideas (Brainstorming), es una tcnica de grupo para generar
ideas originales en un ambiente relajado.
PROPSITO (Para qu sirve)
La lluvia de ideas se utiliza cuando exista la necesidad de: liberar la creatividad de los equipos,
generar un nmero extensos de ideas, involucrar oportunidades para mejorar; permitiendo:
plantear y resolver los problemas existentes, plantear posibles causas y soluciones alternativas,
desarrollar la creatividad, discutir conceptos nuevos y superar el conformismo y la monotona.
UTILIZACIN (Como se aplica)
1. Se define el tema o el problema. Se nombra a un conductor del ejercicio.
2. Se emiten ideas libremente sin extraer conclusiones en esta etapa, sin criticarlas. Se listan las
ideas sin repetirlas.
3. El ejercicio termina cuando ya no existen nuevas ideas
4. Se analizan, evalan y organizan las mismas, para valorar su utilidad en funcin del objetivo que
pretenda lograr con el empleo de esta tcnica.

Edicin 2013

OBSERVACIONES

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

17

Estratificacin

FICHA TCNICA DE HERRAMIENTAS ESTADSTICAS


NOMBRE: Estratificacin

N 6

PROCESO:

SUBPROCESO:

RESPONSABLE:
DEFINICION (Que significa)
Es una herramienta de trabajo grupal que facilita la segmentacin de una condicin macro, por
medio del cual se describe con ms detalle las diferentes estructuras de sus partes, es una tcnica
de grupo para focalizar determinadas caractersticas de una condicin macro en unidades de
menor tamao y ms compactas que puedan ser analizadas con mayor facilidad
PROPSITO (Para qu sirve)
La segmentacin se utiliza para tener una mejor comprensin de la condicin macro, por ejemplo
si se desea evaluar una condicin de data mensualizada, se puede estratificar en semanas, luego
en das. Permite que las unidades de anlisis sean mejor comprendidas, de manera que se pueda
establecer condiciones ms especficas de anlisis.
UTILIZACIN (Como se aplica)
1. Se define la condicin Macro.
2. Se emiten ideas libremente las diferentes caractersticas por medio de las cuales se puede
desarrollar una estratificacin.
3. El ejercicio termina cuando ya se han identificado las unidades base en las cuales deseamos
expresar las condiciones de anlisis
4. Se analizan, evalan y organizan cada una de las unidades estratificadas, para valorar su
utilidad en funcin del objetivo que pretenda lograr con el empleo de esta tcnica.

Los Cuadros y Grficos de Control ya se ha estudiado en la Fase


Medir (Cuadernillo naranja)

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

OBSERVACIONES

18

Anlisis del Modo y


Efecto de Falla (AMEF)

3.1

AMEF

El AMEF o FMEA por sus siglas en ingls ( Failure Mode and Effect Analisis) es
una tcnica esencialmente de accin preventiva que fu utilizada por primera vez
en 1960 en la Industria Aeroespacial durante la misin del Apolo, posteriormente
en 1974 se desarrolla el estndar MIL-STD-1629, Procedure for Performing a
Failure Mode, Effects and Criticality Analysis.
Permite detectar anticipadamente los posibles modos de falla, es considerado
como un enfoque sistematizado de actividades para: Reconocer y Evaluar Fallas
Potenciales y sus Efectos.

3.2

Evaluar el diseo del proceso o servicio.


Identificar fallas potenciales de procesos o servicios.
Categorizar los defectos para la medicin del desempeo.
Priorizar las acciones para reducir el riesgo.
Formular el plan de control del proceso.
Evaluar objetivamente la ocurrencia de causas y la habilidad de los
controles para detectar la causa cuando ocurre.
Clasificar el orden potencial de deficiencias de producto y proceso.
Enfocar la prevencin y eliminacin de problemas del producto y proceso
Reducir el tiempo y costo de redesarrollo del producto
Documentar y dar seguimiento a acciones tomadas para reducir el riesgo

Edicin 2013

Propsitos del AMEF

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Cundo iniciar un AMEF

19

Al disear los nuevos Productos y Procesos.


Cambio de diseos o procesos existentes.
Evitar nuevas incidencias despus de completar la Solucin de Problemas

3.3

Tipos del AMEF

Se suelen identificar en la metodologa dos tipos de AMEF


AMEF de Diseo:

Incluye definir las caractersticas del


producto.

AMEF de Proceso:

incluye los planos y las especificaciones


tcnicas correspondientes.

AMEF de diseo (DAMEF)


Usualmente utilizada para facilitar el anlisis de los componentes de diseo.
Identificar los Modos de Efectos y Fallas en relacin a la funcionalidad prevista.
Se enumeran los criterios de valor y de utilidad que espera el cliente en relacin
al producto a disear. Se identifican los requerimientos de produccin y el flujo
del diseo del producto.
El diseo debe incluir desde la obtencin de los materiales, el abastecimiento al
proceso productivo, los procesos, distribucin y el uso por el usuario final. Se
identifican las reas de mayor sensibilidad para establecer los mecanismos de
control.

AMEF de Proceso (PAMEF)


Permiten analizar cmo afectan al proceso los modos de Efecto y Falla en la
ejecucin del proceso productivo. Es de uso permanente en los anlisis de
calidad.
Es la fuente de referencia para resolver situaciones de incapacidad para producir
los requerimientos establecidos en las caractersticas del producto, o en
Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Permite documentar el modo de efecto o falla que se han identificado y


los errores en la fase de diseo.
Facilita la incorporacin de las iniciativas de los clientes, priorizando las
mejoras al diseo, desarrollo, validacin, prueba y anlisis
Facilita la evaluacin objetiva de diseo, sus requerimientos funcionales
y alternativas.
Facilita la identificacin de los requerimientos de manufactura, ensamble,
servicio y reciclado para la etapa de produccin.
Facilita informacin relevante para la planeacin de nuevos diseos, su
desarrollo y validacin.

situaciones en las cuales se hayan identificado fallas que no


detectadas en el AMEF de diseo.

3.4

han sido

20

Analizar nuevos procesos


Identificar deficiencias en el plan de control del proceso.
Establecer la prioridad de las acciones.
Evaluar el riesgo de cambios en el proceso
Identificar variables potenciales a considerar en la mejora de procesos

Modos de Fallas, Efectos y Causas

Modo de Falla
Es la forma en que un producto o proceso puede fallar para cumplir con las
especificaciones o requerimientos en cada una de las reas sensibles que se ha
determinado. Usualmente responde a la siguiente pregunta:

De qu forma podra fallar el producto?


Fallas en la forma de entradas a un proceso
Los detalles ocultos que no han sido adecuadamente cumplidos que un
trabajador observa en el proceso y que no los informa.
Los incumplimientos de las especificaciones que no son detectados,
corregidos o removidos.
Diseo

Proceso

No satisface expectativas

No conformidades (roto, flojo,


fugas, dimensiones erradas,
deformaciones, etc.)
Omisiones

Excesivas consideraciones

Produccin
innecesaria,
mermas, reprocesos

Resultados inesperados

Mayor Tiempo Respuesta

Efecto

Cules fueron los impactos de la falla en las salidas?


Diseo

Proceso

Rechazos
Errores en la produccin
Altos costos

Producto deficiente
Interrupcin del proceso
Pedida de recursos

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Es el impacto en el Cliente como consecuencia de que un Modo de Falla, que no


se ha identificado y corregido.

21
Causa
Es la variable que genera el Modo de Falla. Son las fuentes de variacin donde
ocurre el Modo de Falla.
Es la clave que incide en las variabilidades del proceso, se les conoce como
Variables de Entrada (KPIVs)
Cules son las causas potenciales de la falla?

3.5

Diseo

Proceso

Materia Prima inadecuada


Tolerancias erradas
Configuraciones

Error de desempeo
No cumple requerimientos
Mecanismos con fallas
Error tipogrfico en
documentos
Nmero incorrecto de rdenes
de compra, produccin, etc.
Prdida de llamadas en hora
pico

Nmero de Prioridad del Riesgo (RPN)

El RPN es una salida del AMEF


El RPN se utiliza para la priorizacin de los elementos del AMEF
Se determina sobre la base de tres caractersticas
Ocurrencia de las Causas
Severidad de los Efectos
Habilidades de deteccin con los controles actuales
La escala para medir la Severidad, Ocurrencia y Detencin puede ser
desarrollada en equipo

Severidad (del Efecto)


Importancia del efecto en los requerimientos del cliente, riesgos por la
ocurrencia de la falla (1 = No Severa, 10 = Muy Severa)
Deteccin (Habilidad del control actual)
Habilidad del sistema de control actual para detectar o prevenir causas o
fallas (1=Posible detectar, 10=Nunca se podr detectar)

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Ocurrencia (de la Causa)


Frecuencia por la cual una causa o falla ocurre (1=No Posible, 10= Muy
Posible)

22
3.6

Procedimiento para la elaboracin del AMEF (Diseo o


Proceso)

AMEF Entradas y Salidas


Se listan los flujos del proceso, Entradas, Salidas y Caractersticas / artculos,
diagrama de bloque de referencia, QFD.
Entradas
Anlisis Murphy
Mapas y grficos del proceso
Matriz C&E
Historia del proceso o servicio
Procedimiento del proceso
Salidas
Listado inicial de defectos a ser medidos
Lista de acciones priorizadas
Elementos iniciales para el plan de control del proceso

Se evalan las entradas y caractersticas de la funcin requerida para producir


la salida. Se identifican las interfaces entre las funciones y las actividades. Se
determinan todas las necesidades de anlisis para cumplir con el diseo
establecido, incluido los abastecimientos de los materiales, el proceso de
transformacin y la entrega al proceso siguiente

Identifica potenciales modos de falla del proceso


Evala los efectos de las fallas potenciales
Identifica las causas potenciales en el proceso
Focaliza las fallas
Identificar las variables del proceso en base a las ocurrencias
Lista de manera ordenada y clasificada las fallas, estableciendo las
prioridades
Establece los riesgos de las acciones preventivas y correctivas
Documentar los resultados del proceso
Identifica deficiencias del proceso para las acciones de la fase controlar
Identifica caractersticas crticas de los productos y facilita los planes de
control

Edicin 2013

Teniendo en cuenta la teora, se pueden formular diversos formatos para el


AMEF. El modelo utilizado por el CDI es el siguiente:

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

23

Edicin 2013

a. Establecer los modos potenciales de falla.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

24

b. Describir las condiciones actuales:


Anotar los controles actuales que estn dirigidos a prevenir o detectar la
causa de la falla.

Clculos
Anlisis de elementos limitados
Revisiones de Diseo
Prototipo de Prueba
Prueba Acelerada

c. Determinar el grado de ocurrencia:


Es necesario estimar el grado de ocurrencia de la causa de la falla
potencial. Se utiliza una escala de evaluacin del 1 al 10. El 1 indica
remota probabilidad de ocurrencia, el 10 indica muy alta probabilidad de
ocurrencia.

Calificacin

Remota FALLAS
ESCASAS

Muy Poca

Poca

Moderada

Alta

Muy Alta

Probabilidad
de Falla

Criterios

Falla improbable. No EXISTEN


Menor a 1 en 1 ANTECEDENTES, No se conocen fallas
milln
que se hayan producido en procesos
semejantes.
Fallas aisladas, notado por clientes
1 en 100,000
especiales que desarrollan productos
especiales
Fallas aisladas, notado por clientes que
1 en 25,000
interactan con productos con procesos
semejantes.

1 en 5,000

1 en 500

1 en 100

1 en 50

1 en 10

1 en 5

10

>1 en 3

Fallas ocasionales, notados por los clientes


con experiencia en nuestros productos

Fallas repentinas, notado por clientes,


generan inconvenientes de mayor grado
para el cliente.
Es casi inevitable, genera un impacto serio
en el Proceso y en el Poder del Cliente

Tablas weps/julio 2013

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Ocurrencia

25

CENTRO DE DESARROLLO INDUSTRIAL

AMEF
Proceso

ANALISIS DEL MODO Y EFECTO DE LA FALLA


AMEF No.
FECHA DE JUNTA DE REVISION:

AMEF DE:
Diseo

Diseo/Proceso

Descripcin

Nombre del Diseo/proceso:

Gerencia:
Departamento:

Nmero:
Modelo:

Formulado por:

Departamentos involucrados:

Situacin Actual

Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso

Modo de Falla

Efecto de la Falla

Acciones
Actuales

O
C
U
R

No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3
postulantes
ingreso

Informacion
Incompleta
Proceso Admision
en la Universidad

Causa de la
Falla

1. Etapa de
Convocatoria

S
E
V
E

D
E
T
E

NPR

Acciones
Recomendadas

Responsable

Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas

O
C
U
R

S
E
V
E

D
E
T
E

NPR

Ocurrencia de la causa
de la falla potencial. Se
utiliza una escala de
evaluacin del 1 al 10

CARACTERISTICA CRITICA DE
CALIDAD
CTQ

d. Determinar el grado de severidad:


Para estimar el grado de severidad, se debe de tomar en cuenta el efecto
de la falla en el cliente. Se utiliza una escala del 1 al 10: el 1 indica una
consecuencia sin efecto. El 10 indica una consecuencia grave.

Calificacin

Criterio

No

Falla no es Notable. No afecta al proceso, al producto y al cliente

Muy poco

Poco

Menor

Moderado

Significativo

Alto

7,8

Muy Alto

Extremo

10

Falla Perceptible con evaluacin simple. Cliente no molesto. No


afecta en el desempeo del artculo o sistema.
Falla Perceptible sin evaluacin. Cliente algo molesto. Poco
efecto en el desempeo del artculo o sistema.
Falla Perceptible sin evaluacin. Cliente algo insatisfecho. Efecto
moderado en el desempeo del artculo o sistema.
Falla Perceptible sin evaluacin. Cliente algo insatisfecho. Afecta
el desempeo del artculo o sistema. Necesita correcciones
Cliente inconforme. El desempeo del artculo se ve afectado,
pero es operable y est a salvo. Se puede recuperar.
El cliente est insatisfecho. El desempeo del artculo se ve
seriamente afectado, aun se puede considerar funcional,
posibilidad de reproceso. No recomendable para ser usado
El cliente muy insatisfecho. Daa al Cliente, Artculo inoperable,
Alto costo de recuperacin. Alto Riesgo en el empleo. Reproceso
del 90% del producto
Efecto Muy Riesgoso. Expone al operador y al proceso, daa al
cliente, Producto desechado.

Tablas weps/julio 2013


Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Efecto

26
CENTRO DE DESARROLLO INDUSTRIAL

AMEF
ANALISIS DEL MODO Y EFECTO DE LA FALLA
AMEF No.
FECHA DE JUNTA DE REVISION:

AMEF DE:
Proceso
Diseo
Diseo/Proceso

Descripcin

Nombre del Diseo/proceso:

Gerencia:
Departamento:

Nmero:
Modelo:

Formulado por:

Departamentos involucrados:

Situacin Actual

Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso

Modo de Falla

Informacion
Incompleta
Proceso Admision
en la Universidad

1. Etapa de
Convocatoria

Efecto de la Falla

Causa de la
Falla

Acciones
Actuales

O
C
U
R

S
E
V
E

No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3 10
postulantes
ingreso

D
E
T
E

NPR

Acciones
Recomendadas

Responsable

Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas

O
C
U
R

S
E
V
E

D
E
T
E

NPR

Para estimar el grado


de severidad, se debe
de tomar en cuenta el
efecto de la falla en el
dao al cliente. Se
utiliza una escala del 1
al 10

e. Determinar el grado de deteccin:

Probabilidad

Calificacin

Criterio

Muy Alta

Defecto Obvio. Es una caracterstica funcional. Controles


seguros para detectar

Muy Alta

Defecto es una caracterstica funcional inmediatamente


percibida por los operarios y clientes

Alta

Defecto es una caracterstica funcional percibida con


facilidad por operarios y clientes

Defecto es una caracterstica del producto. Muy probable


a ser detectados durante el proceso de produccin,
mediante los mecanismos de control

Defecto es una caracterstica del producto. Muy probable


a ser detectados durante el proceso de produccin,
mediante los mecanismos de control y con supervisin
directa

Defecto es una caracterstica de los procesos y


actividades del producto. Muy probable a ser detectados
durante la revisin de los procesos y actividades con el
apoyo de especialistas

Alta

Moderada

Moderada

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Se estimar la probabilidad de que el modo de falla potencial sea detectado


antes de que llegue al cliente. El 1 indicar alta probabilidad de que la falla se
pueda detectar. El 10 indica que es improbable ser detectada.

Baja

Defecto es una caracterstica de los procesos y


actividades del producto. Muy probable a ser detectados
durante la revisin de los procesos y actividades mediante
ensayos de laboratorio

Muy Baja

Defecto es una caracterstica de los materiales que no


han sido considerados en las especificaciones tcnicas
de diseo.

No se puede detectar el defecto en el diseo y en el


proceso. Se requiere instrumentos y personal
especializado en las caractersticas propias de los
materiales o del servicio. Usualmente servicios de
terceros

10

No se puede detectar el defecto en el diseo y en el


proceso. Esta relacionada con la naturaleza propia de la
durabilidad de los materiales o del servicio. Necesita
Trabajos de Investigacin.

Remota

Casi Imposible

27

Tablas weps/julio 2013

CENTRO DE DESARROLLO INDUSTRIAL

AMEF
ANALISIS DEL MODO Y EFECTO DE LA FALLA
AMEF No.
FECHA DE JUNTA DE REVISION:

AMEF DE:
Proceso
Diseo
Diseo/Proceso

Descripcin

Nombre del Diseo/proceso:

Gerencia:
Departamento:

Nmero:
Modelo:

Formulado por:

Departamentos involucrados:

Situacin Actual

Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso

Modo de Falla

Informacion
Incompleta
Proceso Admision
en la Universidad

1. Etapa de
Convocatoria

Efecto de la Falla

Causa de la
Falla

Acciones
Actuales

O
C
U
R

S
E
V
E

D
E
T
E

NPR

Acciones
Recomendadas

No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3 10 2
postulantes
ingreso

Responsable

Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas

O
C
U
R

S
E
V
E

D
E
T
E

NPR

Se estimar la probabilidad
de que el modo de falla
potencial sea detectado antes
de que llegue al cliente. El 1
indicar alta probabilidad de
que la falla se pueda detectar.
El 10 indica que es
improbable ser detectada

DEL DIAGRAMA DE ISHIKAWA,


DIAGRAMA ARBOL, DIAGRAMA
RELACIONES

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

CARACTERISTICA CRITICA DE
CALIDAD
CTQ

f.

28

Calcular el nmero de prioridad de riesgo (NPR):


Es un valor que establece una jerarquizacin de los problemas a travs
de la multiplicacin del grado de ocurrencia, severidad y deteccin, ste
provee la prioridad con la que debe de atacarse cada modo de falla,
identificando tems crticos.
NPR = Grado de Ocurrencia * Severidad * Deteccin.
Prioridad de NPR:
500 1000 Alto riesgo de falla
125 499
Riesgo de falla medio
1 124
Riesgo de falla bajo
0
No existe riesgo de falla
Se deben atacar los problemas con NPR alto, as como aquellos que
tengan un alto grado de ocurrencia no importando si el NPR es alto o
bajo.
Severidad Ocurrencia
1
1

Deteccin

RPN

Resultado

1
10

1
10

10
1
10
1
1
10

100
10
100
10
100
1000

Proceso Exitoso
Redisear el Sistema de Control
Redisear el Proceso y el Sistema
de Control
No entregar al cliente
No entregar al cliente
Redisear el Proceso
No entregar al cliente
Redisear el Sistema

1
1

1
10
10
1
10
1
1
10
10
10
10
10
Tablas weps/julio 2013

CENTRO DE DESARROLLO INDUSTRIAL

AMEF

Diseo/Proceso

Descripcin

Nombre del Diseo/proceso:

Gerencia:
Departamento:

Nmero:
Modelo:

Formulado por:

Departamentos involucrados:

Situacin Actual

Descripcin del
Funcin del
Diseo/Proceso Diseo/Proceso

Modo de Falla

Informacion
Incompleta
Proceso Admision
en la Universidad

1. Etapa de
Convocatoria

Efecto de la Falla

Causa de la
Falla

Acciones
Actuales

O
C
U
R

S
E
V
E

D
E
T
E

No indica fecha
Desconcierto en los
de examen de Fe de Erratas 3 10 2
postulantes
ingreso

NPR

Acciones
Recomendadas

60

CARACTERISTICA CRITICA DE
CALIDAD
CTQ

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Responsable

Fecha:
Hoja 1 de 1
Situacin Actual
Acciones
Adoptadas

O
C
U
R

establece una jerarquizacin


de los problemas a travs de
la multiplicacin del grado de
ocurrencia, severidad y
deteccin, ste provee la
prioridad con la que debe de
atacarse cada modo de falla,
identificando tems crticos

S
E
V
E

D
E
T
E

NPR

Edicin 2013

ANALISIS DEL MODO Y EFECTO DE LA FALLA


AMEF No.
FECHA DE JUNTA DE REVISION:

AMEF DE:
Proceso
Diseo

g. Acciones recomendadas:

29

Anotar la descripcin de las acciones preventivas o correctivas


recomendadas, incluyendo responsables de las mismas. Anotando la
fecha compromiso de implantacin. Se pueden recomendar acciones
encaminadas hacia:
Eliminar o disminuir la OCURRENCIA de la causa del modo de
falla. (modificaciones al diseo o al proceso, Implementacin de
mtodos estadsticos, ajuste a herramental, etc.
Reducir la SEVERIDAD del modo de falla. (Modificaciones en el
diseo del producto o proceso).
Incrementar la probabilidad de DETECCIN. (Modificaciones en el
diseo del producto o proceso para ayudar a la deteccin).
h. Una vez realizadas las acciones correctivas o preventivas, se
recalcula el grado de ocurrencia, severidad, deteccin y el NPR.
i.

Cada vez que haya alguna modificacin en el proceso o en el


producto se debe de actualizar el A.M.E.F.

Edicin 2013

Actualizacin del AMEF


El AMEF se actualiza siempre que se considere un cambio en el diseo,
aplicacin, ambiente, material del producto, o en los procesos de manufactura o
ensamble.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

30

Pruebas de Hiptesis
4.1

Pruebas de hiptesis

En cada prueba estadstica, se comparan algunos valores observados con


relacin a los esperados, comparando estimaciones de parmetros (media,
desviacin estndar, varianza)
Estas estimaciones de los verdaderos parmetros son obtenidos usando una
muestra de datos y calculando los estadsticos correspondientes.
La prueba de Hiptesis tiene la capacidad para detectar una diferencia entre lo
que es observado y lo que es esperado.

Identificacin de hiptesis
Hiptesis nula Ho
La que contrastamos
Los datos pueden refutarla
No debera ser rechazada
sin una buena razn.

Hip. Alternativa Ha
Niega a H
0
Los datos pueden mostrar
evidencia a favor
No debera ser aceptada sin una
gran evidencia a favor.

Qu hacer: La teora
no coincide con sus
predicciones?

40
Edicin 2013

X 20

Hiptesis nula Ho

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

31

4.2

Estadstico de prueba

Edicin 2013

Para probar la hiptesis nula se calcula un estadstico de prueba con la


informacin de la muestra el cual se compara a un valor crtico apropiado. De
esta forma se toma una decisin sobre rechazar o no rechazar la Ho

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

32

Es la probabilidad que tendra una regin crtica que comenzase


exactamente en el valor del estadstico obtenido de la muestra.
Es la probabilidad de tener una muestra que discrepe an ms que la
nuestra de H0.
Es la probabilidad de que por puro azar obtengamos una muestra ms
extraa que la obtenida.
p es conocido despus de realizar el experimento aleatorio
El contraste es no significativo cuando p>a

Edicin 2013

El contraste es estadsticamente significativo cuando p<a


Es decir, si el resultado experimental discrepa ms de lo tolerado a priori.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

33

4.3

Tipos de errores

Ho en realidad es
Verdadera

Ho en realidad es falsa

No hay evidencia
para rechazar Ho

p = 1-

p=

Decisin correcta

Error tipo II

Rechazar Ho

p=

p=1-

Error tipo I

Decisin correcta

Edicin 2013

Decisin realizada

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

34
Resumen de Pruebas de Hiptesis

Edicin 2013

4.4

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Resumen de Pruebas de Hiptesis

35

Pruebas de VARIANZA
Data Normal

Data No Normal

probar la igualdad entre dos varianzas


poblacionales que provienen de
poblaciones que tiene una distribucin
normal

Homogeneidad de
Varianza de
Levene

Esta prueba se utiliza para probar


hiptesis acerca de la igualdad de
varianza de una variable. La hiptesis
nula para la prueba de homogeneidad
de varianza es que la variable exhibe
igual varianza dada frente a la
alternativa de que la variable no exhibe
igual varianza

si se cumple la condicin de
Homogeneidad homogeneidad de varianzas o
de Varianza de homoscedasticidad, de esta condicin
Barlett
depender la formulacin del
contraste de medias.

Pruebas de PROMEDIOS

Prueba t de
2 muestras

ANOVA 1
Factor

Para comparar las medias de dos muestras


independientes (muestras no relacionadas).
Se usa para diseos experimentales en los
cuales se estudia una variable independiente
bajo dos condiciones.
Idealmente los sujetos se deben de asignar
aleatoriamente a dos grupos, de forma que
cualquier diferencia en las respuestas sea
debido al tratamiento y no a otros factores

Se utiliza cuando queremos contrastar ms de


dos medias, por lo que puede verse como una
extensin de la prueba t para diferencias de
dos medias

Manual de Intervencin Pas.

Data No Normal
Comparar la media de dos muestras
relacionadas y determinar si existen
diferencias entre ellas. Se utiliza como
alternativa a la prueba t de Student
cuando no se puede suponer la
normalidad de dichas muestras

Prueba de
Mann
Whitney

Esta prueba estadstica es til cuando


las mediciones se pueden ordenar en
escala ordinal (es decir, cuando los
valores tienden a una variable continua,
pero no tienen una distribucin normal) y
resulta aplicable cuando las muestras
son independientes.

Prueba de
KruskalWallis

La prueba de Kruskal-Wallis, es una


alternativa a la prueba F del
anlisis de varianza para diseos de
clasificacin simple. En este caso
se comparan varios grupos pero usando
la mediana de cada uno de
ellos, en lugar de las medias.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Prueba t de
1 muestra

Data Normal
Permite contrastar hiptesis referidas a una
media poblacional. Si tenemos una muestra, a
travs de esta prueba podemos contrastar la
Prueba de
hiptesis nula de igualdad de la muestra con
Signos o
respecto a la poblacin de la que se extrae.
Wilcoxon
Para esto, tendramos que conocer la media de
la poblacin

ANOVA 2
Factores

Correlacin

En estadstica, prueba de la mediana de


Mood es un caso especial de la prueba
de chi-cuadrado de Pearson. Es una
prueba no paramtrica que pone a
prueba la hiptesis nula de que las
medias de las poblaciones de las que se
extraen dos muestras son idnticas.

Se utiliza para ver si las variables s X y Y estn


Prueba de
correlacionadas dado que, de no ser as, la
Friednan
correlacin sera 0. Es cero es decir, no existe.

Esta prueba puede utilizarse en aquellas


situaciones en las que se seleccionan n
grupos de k elementos de forma que los
elementos de cada grupo sean lo ms
parecidos posible entre s, y a cada uno
de los elementos del grupo se le aplica
uno de entre k ''tratamientos'', o bien
cuando a cada uno de los elementos de
una muestra de tamao n se le aplican
los k ''tratamientos''

Investigar si existe una asociacin entre las


dos variables testeando la hiptesis de
independencia estadstica. La fuerza de la
asociacin y de relacin entre las variables y a
partir de ella ser posible predecir el valor de
una variable a partir de la otra.

La correlacin de Spearman mide el


grado de asociacin entre dos variables
cuantitativas que siguen una tendencia
siempre creciente o siempre
decreciente. es ms general que el
Coeficiente de correlacin de Pearson,
la
correlacin de Spearman, en cambio se
puede calcular para relaciones
exponenciales o logartmicas entre las
variables

El
Coeficiente
de
Correlacin
de
Spearman

36

Edicin 2013

Regresin

Se utiliza con datos separados en categoras


formadas de acuerdo con dos factores. Primero
se requiere una prueba de interaccin entre los Prueba de la
dos factores. Despus una prueba para
Mediana
determinar si el factor de rengln tiene algn
Mood
efecto, y tambin para determinar si el factor
de columna tiene algn efecto.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

37

Anlisis de Regresin y Correlacin


5.1

Relaciones entre Variables

Facilita el estudio de las posibles relaciones entre las variables y siempre que
estos sean de naturaleza cuantitativa. Es importante tener en cuenta que estas
observaciones deben pertenecer a un mismo grupo de unidades observadas
Expresa matemticamente la relacin existente entre las variables de
estudio siempre en cuando sta sea posible.
Permite la prediccin de resultados teniendo como supuesto bsico una
de las variables con un valor determinado.
Las variables que determinan una razn de comportamiento se
determinan variables explicativas, usualmente es el Eje X y a las
variables se les conoce como las Xs
La variable resultante se le conoce como la Y, o tambin f(x)
La Ecuacin final es Y = F(x)
Se usa con variables continuas

5.2

Metodologa del Anlisis de Regresin


a. Representar los datos en un grfico
b. Identificar su aspecto y sus desviaciones
c. Ingresar la Informacin numricas de los datos y su posible
relacin al MINITAB
d. Interpretacin de los resultados

5.3

Diagrama de Dispersin

Edicin 2013

Se pueden desarrollar diversas graficas de dispersin:

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

38
Identificacin del aspecto del diagrama de dispersin
El aspecto general del grfico viene dado por la direccin, forma y fuerza del
mismo:
Direccin:
Forma:
Fuerza:

positiva o negativa
disposicin de los puntos (rectilnea o curvilnea)
cuanta ms amorfa sea la disposicin de los puntos
en el grfico, menor su relacin

Es importante en este primer ejercicio tener una idea aproximada de la


tendencia de los puntos del diagrama, porque nos orientar el modelo al cual
podemos ajustar, as mismo de los elementos atpicos que requieren un
particular anlisis.
El diagrama de dispersin slo muestra el aspecto general de la relacin entre
las dos variables.
En situaciones no muy evidentes, un simple cambio de escala puede hacernos
cambiar la forma de pensar

5.4

Coeficiente de Correlacin de Pearson

Se necesita una medida numrica que complemente al grfico y que,


independientemente de las dimensiones de los valores de las variables, nos
informe sobre la fuerza de la relacin existente.
Una medida es el Coeficiente de Correlacin.Establece si existe una relacin entre las variables y responde a la pregunta,
Qu tan evidente es esta relacin?"

r es el Coeficiente de Correlacin
Utiliza valores estandarizados, por lo tanto es adimensional
Es afectada por las observaciones atpicas
Una r positiva o negativa, solo indica una relacin positiva o
negativa entre las variables.

Si "r" > 0, la correlacin lineal es positiva (si sube el valor de una variable sube
el de la otra). La correlacin es tanto ms fuerte cuanto ms se aproxime a 1.
Por ejemplo en las personas a mayor altura habra mayor peso.
Si "r" < 0, la correlacin lineal es negativa (si sube el valor de una variable
disminuye el de la otra). La correlacin negativa es tanto ms fuerte cuanto ms
se aproxime a -1.Poe ejemplo en las personas a mayores niveles de gordura
menor capacidad de velocidad en los deportes.
Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Los valores que puede tomar el coeficiente de correlacin "r" son: -1 < r < 1

Si "r" = 0, no existe correlacin lineal entre las variables. Aunque podra existir
otro tipo de correlacin (parablica, exponencial, etc.)

39

De todos modos, aunque el valor de "r" fuera prximo a 1 o -1, tampoco esto
quiere decir obligatoriamente que existe una relacin de causa-efecto entre las
dos variables, ya que este resultado podra haberse debido al puro azar.
El coeficiente de correlacin de Pearson slo mide relacin LINEAL

5.5

Regresin Simple

Si la correlacin entre las dos variables indica una relacin fuerte, sera muy
interesante poder resumir el grfico en forma de una ecuacin matemtica.
Si la nube de puntos se asemeja a una forma lineal, la recta que ajusta se
le llama recta de regresin.
Describe un cambio en la respuesta a medida que cambia la otra
variable, se necesita tener presente las condiciones en las cuales se
hicieron la toma de muestras.
Ninguna recta puede pasar exactamente por todos los puntos, se
necesita una manera de construirla que asegure su paso tan cerca de
todos los puntos como sea posible

Es una medida de la bondad de ajuste del modelo de regresin hallado.


El coeficiente de determinacin es simplemente el cuadrado del coeficiente de
correlacin.
El coeficiente de Determinacin vara entre 0 y 1.
2

R indica qu porcentaje de la variabilidad de la variable de respuesta Y


es explicada por su relacin lineal con X

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

El Coeficiente de Determinacin.

La parte de la variable Y que no es explicada por el modelo se llama residual.


Una vez dibujada la recta de regresin, existe un valor residual para cada dato: e
=yy

40

Regresin para Y vs. X


Informe de resumen
Y: Y
X: X

Grfica de lnea ajustada para modelo lineal


Y = - 0.000000 + 0.5000 X

Existe una relacin entre Y y X?

X
20
30
28
34
40
36
28
24

0.05 0.1

> 0.5

20

No

P = 0.000
La relacin entre Y y X es estadsticamente significativa
(p < 0.05).

Y
10
15
14
17
20
18
14
12

% de variacin explicado por el modelo

15

10

0%

100%

20

R-cuad (aj) = 100.00%


El modelo de regresin puede explicar 100.00% de la
variacin en Y.

Negativo

Correlacin entre Y y X
Sin correlacin

-1

30
X

35

40

Comentarios
La ecuacin ajustada para el modelo lineal que describe la
relacin entre Y y X es:
Y = - 0.000000 + 0.5000 X
Si el modelo se ajusta adecuadamente a los datos, esta
ecuacin se puede utilizar para predecir Y para un valor de
X, o hallar la configuracin de X que corresponda a un
valor o rango de valores deseados para Y.

Positivo

25

Una relacin estadsticamente significativa no implica que X


se la causa de Y.

1.00
La correlacin positiva (r = 1.00) indica que cuando X
aumenta, Y tambin tiende a aumentar.

Regresin para Y vs. X


Informe de seleccin de modelo
Y: Y
X: X

Grfica de lnea ajustada para modelo lineal


Y = - 0.000000 + 0.5000 X
20
18

16
14
12
10
20

25

30
X

35

40

R-cuadrado (ajustado)
Valor p, modelo
Valor p, trmino lineal
Valor p, trmino cuadrtico
Valor p, trmino cbico
Desviacin estndar de los residuos

Modelo seleccionado
Lineal
100.00%
0.000*
0.000*
0.000

Modelos alternativos
Cuadrtica
Cbico
100.00%
100.00%
0.000*
0.000*
0.000
0.000

* Estadsticamente significativo (p < 0.05)

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Estadsticas

41

Anlisis de los residuos


La disposicin de los residuos sirve para comprobar si la recta sirve para ajustar
los datos
Dibujando sus valores en el eje de ordenadas frente a las predicciones deben
presentar una forma uniforme, centrada en el valor 0, a lo largo de toda la recta,
sin que aparezca ningn valor extrao

Grficas de residuos para Y

X
24
22
30
30
44
36
24
15

Grfica de probabilidad normal

vs. ajustes
2

90

Residuo

P or centaje

99

50

0
-2

10
1

-5.0

-2.5

0.0
Residuo

2.5

-4
10.0

5.0

12.5

15.0
V alor ajustado

Histograma
2

1
0

17.5

20.0

vs. orden

Residuo

Fr ecuencia

Y
10
15
14
17
20
18
14
12

-2
-4

-4

-3

-2

-1
0
Residuo

3
4
5
6
O r den de obser vacin

10/07

Grfica de lnea ajustada

Y = 6.586 + 0.2992 X

25

Regresin
IC de 95%
IP de 95%

20

S
R-cuad.
R-cuad.(ajustado)

1.97646
68.3%
63.0%

15

10

5
20

25

30
X

35

40

45

10/07

El intervalo de confianza es una banda con un 95% de confianza de encontrar la


Y media estimada para cada valor de X [Lneas rojas]

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

15

El intervalo de prediccin es el grado de certidumbre de la difusin de la Y


estimada para puntos individuales X. En general, 95% de los puntos individuales
(provenientes de la poblacin sobre la que se basa la lnea de regresin), se
encontrarn dentro de la banda [Lneas azules]

42

Regresin para Y vs. X


Informe de resumen
Y: Y
X: X

Grfica de lnea ajustada para modelo lineal


Y = 6.586 + 0.2992 X

Existe una relacin entre Y y X?


0

0.05 0.1

> 0.5

P = 0.011
La relacin entre Y y X es estadsticamente significativa
(p < 0.05).

% de variacin explicado por el modelo


100%

R-cuad (aj) = 63.05%


El modelo de regresin puede explicar 63.05% de la
variacin en Y.

Negativo
-1

15

10

0%

Correlacin entre Y y X
Sin correlacin

Positivo

20

30
X

40

Comentarios

0.83
La correlacin positiva (r = 0.83) indica que cuando X
aumenta, Y tambin tiende a aumentar.

5.6

20

No

La ecuacin ajustada para el modelo lineal que describe la


relacin entre Y y X es:
Y = 6.586 + 0.2992 X
Si el modelo se ajusta adecuadamente a los datos, esta
ecuacin se puede utilizar para predecir Y para un valor de
X, o hallar la configuracin de X que corresponda a un
valor o rango de valores deseados para Y.
Una relacin estadsticamente significativa no implica que X
se la causa de Y.

Regresin mltiple

Cuando se usa ms de una variable independiente para predecir los valores de


una variable dependiente, el proceso se llama anlisis de regresin mltiple,
incluye el uso de ecuaciones lineales.
La regresin mltiple expresa el valor de la variable dependiente Y, como funcin
de las variables independientes X1, X2, ...,Xk
La ms simple es la regresin lineal y el modelo al que se debieran ajustar los
datos es:

Coeficiente de correlacin mltiple


R2 (ajustada) es el porcentaje de variacin explicado por la regresin, ajustado
por el nmero de trminos en el modelo y por
el nmero de puntos de
informacin.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Yi = + 1X1i + 2X2i + ...+ +kXki + i

respiracin
71
53
55
48
69
84
21
68
68

Potasio
388
258
292
205
449
331
114
580

(ppm)
2414
10693
11682
12560
2464
2607
16205
2005

622

1825

Grfica de superficie de respiracin vs. Potasio, (ppm)

43

80

r espir acin

60
40

600

20

400
0

5000
(ppm)

P otasio

200
10000

15000

24/07

Ecuacin de regresin
Respiracin = 101.088 - 0.0403421 Potasio - 0.00387683 (ppm)
S = 8.17212

R-cuad. = 84.84%

R-cuad.(ajustado) = 79.79%

Supuestos de la regresin lineal


Los principales supuestos que se hacen en el anlisis de regresin lineal son los
siguientes:
La relacin entre las variables Y y X es lineal, o al menos bien
aproximada por una lnea recta.
El trmino de error tiene media cero.
El trmino de error tiene varianza constante.
Los errores no estn correlacionados.
Los errores estn normalmente distribuidos.
El valor p para la regresin se usa para ver si el modelo completo de regresin
es significativo.
Ho: El modelo no es significativo en la prediccin de la respuesta.
Ha: El modelo es significativo en la prediccin de la respuesta.
.Relaciones

no Lineales

Edicin 2013

La relacin entre x e y no tiene porqu ser lineal.


Los software informticos ajustan los datos a curvas no lineales (exponenciales,
parablicas, etc.) y calculan el valor de Rr2 para medir la fuerza de esa relacin

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

X
12
14
15
16
18
20
22
24

44

Regresin para Y vs. X


Informe de seleccin de modelo
Y: Y
X: X

Grfica de lnea ajustada para modelo cuadrtico


Y = - 293.8 + 37.78 X - 1.055 X**2
50
40
30
Y

Y
10
15
45
44
46
44
14
12

20
10
0
12

14

16

18
X

20

22

24

Estadsticas
Modelo seleccionado
Cuadrtica
65.26%
0.031*
0.012*
0.012*
10.125

R-cuadrado (ajustado)
Valor p, modelo
Valor p, trmino lineal
Valor p, trmino cuadrtico
Valor p, trmino cbico
Desviacin estndar de los residuos

Modelos alternativos
Lineal
Cbico
0.00%
58.93%
0.847
0.095
0.847
0.400
0.519
0.657
18.492
11.009

* Estadsticamente significativo (p < 0.05)

Regresin para Y vs. X


Informe de resumen
Y: Y
X: X

Grfica de lnea ajustada para modelo cuadrtico


Y = - 293.8 + 37.78 X - 1.055 X**2
45

Existe una relacin entre Y y X?


0

0.05 0.1

> 0.5

No

30

P = 0.031
La relacin entre Y y X es estadsticamente significativa
(p < 0.05).

15

0
12

15

18
X

21

24

Comentarios
% de variacin explicado por el modelo
0%

100%

R-cuad (aj) = 65.26%


El modelo de regresin puede explicar 65.26% de la
variacin en Y.

La ecuacin ajustada para el modelo cuadrtico que


describe la relacin entre Y y X es:
Y = - 293.8 + 37.78 X - 1.055 X**2
Si el modelo se ajusta adecuadamente a los datos, esta
ecuacin se puede utilizar para predecir Y para un valor de
X, o hallar los valores de configuracin para X que
correspondan a un valor o rango de valores deseado para
Y.

Edicin 2013

Una relacin estadsticamente significativa no implica que X


sea la causa de Y.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

45

Anlisis de Varianzas
ANLISIS DE LA VARIANZA (ANOVA), compara la variabilidad de las medias
muestrales (a travs de la varianza muestral) con la variabilidad de los
elementos dentro de la muestra.
Descompone la variabilidad total en componentes independientes que puedan
asignarse a causas distintas
Se usa ANOVA, para comparar 2 o ms medias poblaciones al mismo tiempo,
El mtodo ANOVA tiene los siguientes supuestos:
La varianza es la misma para todos los tratamientos del factor en todos sus
niveles
Las mediciones individuales dentro de cada tratamiento se distribuyen
normalmente. El trmino de error tiene un efecto distribuido normalmente e
independiente

6.1

ANOVA de un factor o direccin


ANOVA de un factor y una variable de bloqueo
ANOVA de un factor y dos variables de bloqueo CUADRADO
LATINO
ANOVA de un factor y tres variables de bloqueo CUADRADO
GRECOLATINO

ANOVA de un Factor o Direccin o de una Va

El ANOVA de una va tambin ofrece:

Estadsticos a nivel de grupo para la variable dependiente.


Un contraste de igualdad de varianzas
Un grfico de medias de grupo.
Contrastes de rango, comparaciones de pares mltiple, y contrastes, para
describir la naturaleza de la diferencia entre los grupos.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Permite contrastar la hiptesis de que las medias de dos o ms grupos no son


diferentes significativamente.

Un primer paso importante en el anlisis de la varianza es establecer la validez


de los supuestos.

46

Edicin 2013

Un supuesto del ANOVA es que las varianzas de los grupos sean equivalentes.
Que sean una data Normal

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

ANOVA Prueba de hiptesis para probar la igualdad de medias de varias


poblaciones para un factor
Lecturas
Lectura 1
Lectura 2
Lectura 3
Lectura 4
Lectura 5

Presin 1
184.0
185.0
184.5
183.5
184.5

Presin 2
183.0
182.5
184.0
183.5
183.5

Presin 3
181.5
182.0
182.5
183.0
183.5

Presin 4
183.5
184.0
181.5
183.5
182.0

47

Ho:1 2 3 ......... a
Ha : Algunas . son.diferentes

Grafica de Puntos

Pruebas de Normalidad y de Homogeneidad de Varianzas


Resumen para mediciones

Prueba de igualdad de varianzas para mediciones

P rueba de normalidad de A nderson-Darling

182

183

184

185

0.46
0.239

M edia
Desv .Est.
V arianza
A simetra
Kurtosis
N

183.25
0.99
0.99
-0.290808
-0.608000
20

M nimo
1er cuartil
M ediana
3er cuartil
M ximo

181.50
182.50
183.50
184.00
185.00

Prueba de Bartlett

Presion 1

Estadstica de prueba
Valor P

2.16
0.540

Prueba de Levene

Presiones

A -cuadrado
V alor P

Presion 2

Estadstica de prueba
Valor P

0.54
0.660

Presion 3

Interv alo de confianza de 95% para la media


182.79

183.71

Interv alo de confianza de 95% para la mediana


182.62

Intervalos de confianza de 95%

Presion 4

183.88

Interv alo de confianza de 95% para la desv iacin estndar

Media

0.76

1.45

0
1
2
3
4
5
Intervalos de confianza de Bonferroni de 95% para Desv.Est.

Mediana
182.5

183.0

183.5

184.0

24

24

ANOVA Condiciones
Todas las poblaciones son normales
Todas las poblaciones tiene la misma varianza
Los errores son independientes con distribucin normal de media cero
La varianza se mantiene constante para todos los niveles del factor

Fuente GL SC CM F P
Presiones 3 8.950 2.983 4.87 0.014
Error 16 9.800 0.613
Total 19 18.750
S = 0.7826 R-cuad. = 47.73% R-cuad.(ajustado) = 37.93%
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Nivel N
Presion 1 5
Presion 2 5
Presion 3 5
Presion 4 5

Media Desv.Est. --+---------+---------+---------+------184.300 0.570


(------*------)
183.300 0.570
(------*------)
182.500 0.791 (------*------)
182.900 1.084
(------*------)
--+---------+---------+---------+------182.0 183.0 184.0 185.0

Grficas de residuos para mediciones

Grfica de caja de mediciones

Grfica de probabilidad normal

185

vs. ajustes

99

1
Residuo

90

P or centaje

184
mediciones

48

50
10
1

-1
-2

-1

0
Residuo

183

182.5

183.0

Histograma

Presion 1

Presion 2

Presion 3

Presion 4

1.5

-1
0.0

Presiones
24

184.5

3.0

Residuo

Fr ecuencia

181

184.0

vs. orden

4.5

182

183.5
V alor ajustado

-1.5

-1.0

-0.5
0.0
Residuo

0.5

1.0

6
8
10
12
14 16
O r den de obser vacin

18

20

24

Agrupar informacin utilizando el mtodo de Tukey


Presiones N Media Agrupacin
Presin 1 5 184.3000
A
Presin 2 5 183.3000
AB
Presin 4 5 182.9000
AB
Presin 3 5 182.5000
B
Las medias que no comparten una letra son significativamente diferentes.
Intervalos de confianza simultneos de Tukey del 95%
Todas las comparaciones de dos a dos entre los niveles de Presiones
Nivel de confianza individual = 98.87%

Presiones -+---------+---------+---------+-------Presin 2
(--------*---------)
Presin 3 (--------*--------)
Presin 4 (---------*--------)
-+---------+---------+---------+--------3.0 -1.5
0.0
1.5
Presiones = Presin 2 restado de:
Presiones Inferior Centro Superior
Presin 3 -2.2175 -0.8000 0.6175
Presin 4 -1.8175 -0.4000 1.0175
Presiones -+---------+---------+---------+-------Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Presiones = Presion 1 restado de:


Presiones Inferior Centro Superior
Presin 2 -2.4175 -1.0000 0.4175
Presin 3 -3.2175 -1.8000 -0.3825
Presin 4 -2.8175 -1.4000 0.0175

Presin 3
(---------*--------)
Presin 4
(--------*---------)
-+---------+---------+---------+--------3.0 -1.5
0.0
1.5

49

Presiones = Presin 3 restado de:


Presiones Inferior Centro Superior
Presin 4 -1.0175 0.4000 1.8175
Presiones -+---------+---------+---------+-------Presin 4
(---------*--------)
-+---------+---------+---------+--------3.0 -1.5
0.0
1.5
Agrupar informacin utilizando el mtodo de Fisher
Presiones N Media Agrupacin
Presin 1 5 184.3000 A
Presin 2 5 183.3000 A B
Presin 4 5 182.9000 B
Presin 3 5 182.5000 B
Las medias que no comparten una letra son significativamente diferentes.
Intervalos de confianza individuales de Fisher del 95%
Todas las comparaciones de dos a dos entre los niveles de Presiones
Nivel de confianza simultnea = 81.11%
Presiones = Presin 1 restado de:
Presiones Inferior Centro Superior
Presin 2 -2.0493 -1.0000 0.0493
Presin 3 -2.8493 -1.8000 -0.7507
Presin 4 -2.4493 -1.4000 -0.3507
Presiones ----+---------+---------+---------+----Presin 2
(--------*-------)
Presin 3 (--------*--------)
Presin 4 (-------*--------)
----+---------+---------+---------+-----2.4 -1.2
0.0
1.2
Presiones = Presin 2 restado de:
Presiones Inferior Centro Superior
Presin 3 -1.8493 -0.8000 0.2493
Presin 4 -1.4493 -0.4000 0.6493

Presiones = Presin 3 restado de:


Presiones Inferior Centro Superior ----+---------+---------+---------+----Presin 4 -0.6493 0.4000 1.4493
(-------*--------)
----+---------+---------+---------+-----2.4 -1.2
0.0
1.2

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Presiones ----+---------+---------+---------+----Presin 3
(-------*--------)
Presin 4
(--------*-------)
----+---------+---------+---------+-----2.4 -1.2
0.0
1.2

6.2

ANOVA Diseo en Cuadrado Latino

50

En el Diseo en cuadro latino (DCL) se controlan dos factores de bloque y uno


de tratamientos; los tres factores tienen la misma cantidad de niveles
En el Diseo en cuadro Grecolatino (DCGL) se controlan tres factores de
bloque y un factor de tratamiento, los cuatro factores utilizan la misma cantidad
de niveles
Situacin Esquemtica
Tipo Terreno
1
2
3
4

CR 1
A=17
B=11
C=15
D=15

CR 2
D=11
C=11
B=15
A=17

Resultados
Tipo Aditivo Combustible
Clase de Vehculos
Tipo de Terreno

Aditivo
A
D
C
B
B
C
D
A
C
B
C
D
D
A
B
C

Tipo
Terreno
1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4

CR 3
C=10
D=11
C=10
B=11

CR 4
B=11
A=15
D=8
C=11

Recorrido del Vehculo en Kilmetros


A,B,C,D
Camionetas Rurales CR1, CR2, CR3, CR4
Tipo 1, Tipo 2, Tipo 3, Tipo 4

Camioneta
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

Grfica de efectos principales para Rendimiento

Rendimien
to
17
11
10
11
11
11
11
15
15
10
10
8
15
17
11
11

Modelo lineal general: Rendimiento vs. Aditivo, Tipo Terreno,


Camioneta
Factor
Aditivo
Tipo Terreno
Camioneta

Tipo Niveles
fijo
4
fijo
4
fijo
4

Valores
A, B, C, D
1, 2, 3, 4
1, 2, 3, 4

Anlisis de varianza para Rendimiento, utilizando SC ajustada para


pruebas
Fuente
GL SC Sec. SC Ajust. CM Ajust. F
Aditivo
3 66.383 46.792 15.597
6.95
Tipo Terreno 3 6.367 6.838
2.279
1.02
Camioneta
3 25.542 25.542
8.514
3.80
Error
6 13.458 13.458
2.243
Total
15 111.750

P
0.022
0.449
0.077

S = 1.49768 R-cuad. = 87.96% R-cuad.(ajustado) = 69.89%


Medias ajustadas

El efecto significativo se encuentra en el


factor de bloque Aditivo ya que su
valor-p 0.022 es menor que =0.05 y los
otros dos no, por lo tanto se concluye
que al aceptar la Hiptesis nula en estos
dos
factores,
se
consideran
estadsticamente iguales

16
15

Media

14
13
12
11
A

Aditivo
26/07

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Grfica de efectos principales para Rendimiento

51
Grficas de residuos para Rendimiento
Grfica de probabilidad normal

vs. ajustes
2

90

Residuo

P or centaje

99

50
10
1

1
0
-1

-2

-1

0
Residuo

10

12

14
V alor ajustado

Histograma

18

vs. orden
2

6
4

Residuo

Fr ecuencia

16

1
0
-1

-1.5

-1.0

-0.5

0.0
0.5
Residuo

1.0

1.5

2.0

5 6 7 8 9 10 11 12 13 14 15 16
O r den de obser vacin

Edicin 2013

26/07

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

52

Tablas de Contingencia
7.1

Tablas de contingencia

Permite el estudio de variables cualitativas o cuantitativas cuyos datos estn


recogidos en forma de tabla de frecuencias.
El denominador comn es que tienen una misma clase de distribucin terica: la
distribucin 2 (chi-cuadrado ji-cuadrado).
En esencia se van a abordar tres tipos de problemas:
Prueba de Bondad de Ajuste,
Consiste en determinar si los datos de cierta muestra corresponden a
cierta distribucin poblacional.
Prueba de Homogeneidad de varias muestras cualitativas,
Consiste en comprobar si varias muestras de un carcter cualitativo
proceden de la misma poblacin.
Prueba de Independencia,
Consiste en comprobar si dos caractersticas cualitativas estn
relacionadas entre s.

7.2

Prueba Chi2

Prueba de Bondad de Ajuste,


Permite validar las hiptesis sobre la distribucin terica en la poblacin que se realiza
en la estadstica paramtrica, por ejemplo los contrastes de hiptesis, intervalos de
confianza, regresin lineal, etc.

Edicin 2013

Se desea probar si un dado de una casa de juegos tiene perfeccin en su construccin


o est cargado. Los resultados obtenidos en 100 lanzamientos son como sigue

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Valor del dado


1
2
3
4
5
6

Desarrollando los clculos respectivos


obtenemos la frecuencia esperada

Veces que
aparece

(1/6)*100

12
22
25
20
16
5

valor

veces

Probabilidad

1
2
3
4
5
6

12
22
25
20
16
5

0.166
0.166
0.166
0.166
0.166
0.166

53

Calculamos Chi cuadrada


(Veces-Frecuencia Esperada)2/Frecuencia
Esperada
Suma Chi Cuadrada= 16.10603

Frecuencia
Esperada
16.6
16.6
16.6
16.6
16.6
16.6

Chi cuadrada
1.27470
1.75663
4.25060
0.69639
0.02169
8.10602

Funcin de distribucin acumulada


Chi-cuadrada con 5 GL
x P( X <= x )
16.1 0.993436 Calculando el valor d P (1-0.993436) = 0.006564
Por tanto, podemos considerar que el p-valor es significativo (menor a 0.05). Concluiremos, que
las evidencias que haba en un principio, permiten aceptar que el dado no es correcto.

Prueba de Homogeneidad de varias muestras cualitativas


Estamos interesados en determinar si los datos correspondientes a dos o ms
muestras aleatorias provienen de la misma poblacin
valor

No desarrollan
Enfermedad
60
15

Edicin 2013

Fumadores
No fumadores

Desarrollan
Enfermedad
20
45

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Prueba Chi-cuadrada: Des Enfermedad, No Des Enfermedad

Des
No Des
Enfermedad Enfermedad
20
60
37.14
42.86
7.912
6.857

Total
80

45
27.86
10.549

15
32.14
9.143

60

65

75

140

Total

Chi-cuadrada = 34.462, GL = 1, Valor P = 0.000

En
los
resultados
aparecen las frecuencias
esperadas
bajo
el
supuesto
de
homogeneidad. Con un pvalor de 0,000 hay
suficiente evidencia en
contra de que la hiptesis
nula sea cierta. Por tanto,
la rechazaramos; parece
evidente
que
los
fumadores no provienen
de la misma poblacin y
estn ms propensos a
desarrollar enfermedad.

54

Prueba de Independencia
Mide relaciones entre variables:
Mide relaciones entre variables categricas, donde no es posible aplicar
los mtodos clsicos de Inferencia Estadstica como la Regresin Lineal.
Tambin es aplicable a variables cuantitativas si no se verifican los
supuestos necesarios a satisfacer por otras tcnicas estadsticas.
Establecer la relacin entre grupos etreos y el nivel de violencia que se ve en
los programa de televisin

valor
Violencia Moderada
Gran Violencia

Nios
12
20

Jvenes
15
18

Adultos
25
10

Prueba Chi-cuadrada: Grupo1, Grupo 2, Grupo 3

Total

Grupo1
12
16.64
1.294

Grupo 2
15
17.16
0.272

Grupo 3 Total
25
52
18.20
2.541

20
15.36
1.402

18
15.84
0.295

10
16.80
2.752

48

32

33

35

100

Chi-cuadrada = 8.555, GL = 2, Valor P = 0.014

El valor del estadstico del contraste es 8.555. El p-valor asociado a este valor es 0,014.
Al ser menor a 0.05 deberemos rechazar la hiptesis nula de independencia, y por lo
tanto concluir que existen diferencias entre el tipo de televisin observada y el grupo
etario.

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Los conteos esperados se imprimen debajo de los conteos observados


Las contribuciones Chi-cuadradas se imprimen debajo de los conteos esperados

55

Carta de Gestin de la Fase Analizar


ETAPA

FECHA

NOMBRE DEL PROYECTO:

h form acin

FECHA
NOMBRE DE LA EMPRESA:

No.

h asesora
h auditora

COMPROMISOS

RESPONSABLES

FECHA

% AVANCE
COMPROMISOS

Examinar los procesos e


identificar los potenciales
"cuellos de botella", as como las
1
desconexiones y redundancias
que puedan contribuir al
problema.
Analizar el tiempo de ciclo y de
valor, localizando reas en las
2
que se dedican tiempo y recursos
a tareas no crticas para el cliente.
Analizar los datos del proceso y
su rendimiento actual,
3 comprender las razones de la
variacin del proceso e identificar
las causas potenciales.

Desarrollar hiptesis de causaefecto para explicar el problema.

AVANCE TERCERA FASE ANALIZAR

Manual de Intervencin Pas.

Lean Six Sigma. Fase ANALIZAR

Edicin 2013

Investigar y verificar la hiptesis


causa-efecto, con el fin de
certificar que se han puesto al
descubierto los factores que
5
explican directamente la relacin
causa / efecto de la salida del
proceso, en relacin a las
entradas que impulsan al mismo.

Вам также может понравиться