Академический Документы
Профессиональный Документы
Культура Документы
FASE
DE
ANÁLISIS
Resumen
Contenido
VIII. FASE DE ANÁLISIS......................................................................................................... 4
VIII.I INTRODUCCIÓN .......................................................................................................... 4
VIII.2 LOS 7 DESPERDICIOS .................................................................................................. 8
Sobreproducción ............................................................................................................. 8
Inventario......................................................................................................................... 9
Reparaciones / Rechazos ................................................................................................. 9
Movimientos .................................................................................................................... 9
Reproceso ...................................................................................................................... 10
Transporte ..................................................................................................................... 10
Esperas ........................................................................................................................... 11
Otros desperdicios ......................................................................................................... 11
VIII.3 ANÁLISIS MULTI-VARI .............................................................................................. 12
Procedimiento de muestreo .......................................................................................... 12
Ejemplo .......................................................................................................................... 14
VIII.4 MODELO LINEAL SIMPLE ......................................................................................... 16
Método de mínimos cuadrados .................................................................................... 18
Inferencias respecto a la pendiente e intervalo de confianza para 1 ...................... 21
Coeficiente de correlación ............................................................................................. 22
Coeficiente de determinación ....................................................................................... 23
VIII.5 REGRESIÓN LINEAL MÚLTIPLE ................................................................................ 24
Valor p (p – value) ......................................................................................................... 25
VIII.6 PRUEBAS DE HIPÓTESIS ........................................................................................... 26
1. Conceptos básicos ..................................................................................................... 26
Hipótesis nula ............................................................................................................. 26
Estadístico de prueba ................................................................................................. 27
Tipos de errores ......................................................................................................... 27
2. Pruebas de una y dos colas ........................................................................................ 28
Prueba de una cola ..................................................................................................... 28
Prueba de dos colas ................................................................................................... 29
Significancia práctica vs significancia estadística ....................................................... 29
Potencia de la prueba (I - ) ....................................................................................... 30
Tamaño de muestra ................................................................................................... 34
Página 2 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 3 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Definir
Definir Medir Analizar
Analizar Mejorar
Mejorar Controlar
Controlar
VIII.I INTRODUCCIÓN
En esta fase se efectuará el análisis de los datos obtenidos en la etapa de Medición, con
el propósito de conocer las relaciones causales. La información de este análisis
proporcionará evidencias de las fuentes de variación y desempeño insatisfactorio, el
cual es de gran utilidad para la mejora del proceso.
Página 4 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 5 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Variación del
Proceso
Variación a Largo Variación a Corto Variación debida al Variación debida al Otras fuentes de
Plazo Plazo Equipo de Medición operador Variación
Página 6 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
QFD
FASE DE ANÁLISIS
Diagrama de
relaciones
Diagrama
Causa Efecto Diagrama de
Ishikawa
Diagrama
de Árbol
Definición
Y=X1 + X2+. .Xn
CTQs = Ys Medición Y,
Operatividad X1, X2, Xn
X's
Causas
Análisis del Modo y Efecto de potenciales
Falla (AMEF)
Pruebas
de
hipótesis
Diagrama
de Flujo
del X's vitales
Salidas de la Fase de Análisis
proceso No ¿Causa Si Causas raíz
o Causas raíz validadas Raíz? validadas
# de
Resultados Causa
Causa Causas Raíz
1 Ensamble de ojillos, bloques y SI ES CAUSA RAIZ
X
contrapesos no adecuados en
aspas.
2 Amortiguadores dañados. X
SI ES CAUSA RAIZ
3 Desgaste de bujes en los
carretes. NO ES CAUSA RAIZ
4 Fabricación y reemplazo de NO ES CAUSA RAIZ
ejes y poleas no adecuados en
ensamble de aspas.
Desalineamiento de poleas y
5 bandas de transmisión de SI ES CAUSA RAIZ X
aspas.
Método de Balanceo no
6 SI ES CAUSA RAIZ X
adecuado.
7 Desalineación de pinolas en NO ES CAUSA RAIZ
cuna.
Página 7 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Las actividades que no agregan valor se clasifican como Muda: Las actividades por las
que paga el cliente se considera que agregan valor. Imai proporciona 7 categorías
comunes en la industria:
Sobreproducción
Inventarios
Reparaciones / Rechazos
Movimientos
Proceso adicional
Transporte
Espera
Sobreproducción
En JIT producir mucho antes es tan malo como producir después de cuando se requiere
el producto. Las partes necesitan estar disponibles en cierto lugar, a cierto tiempo, en la
cantidad requerida de acuerdo al programa del cliente.
Página 8 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Inventario
Son formas de inventario que no agrega valor o Muda: las partes, WIP, inventarios de
materia prima, materiales indirectos y productos terminados, estos:
Requieren espacio en la planta
Requieren transporte
Requieren montacargas
Requieren transportadores
Requieren personal adicional para su manejo
Requieren el pago de un interés financiero por el costo de los materiales
Además el inventario almacenado en varias etapas puede ser afectado de estas formas:
Se empolva
Se deteriora
Se hace obsoleto
Se humedece
Se daña en el manejo
Reparaciones / Rechazos
Movimientos
El uso eficiente del cuerpo humano es crítico para el bienestar del operador, los
movimientos extra innecesarios causan desperdicio de energías. Los operadores no
deben caminar demasiado, cargar pesado, doblarse periódicamente, tener cosas lejos,
repetir movimientos, etc. Se deben desarrollar nuevas herramientas para hacer el
Página 9 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
trabajo más fácil, incluyendo el rediseño del layout con un enfoque ergonómico. Cada
estación debe ser analizada de acuerdo a los requisitos de ergonomía y movimientos.
Reproceso
Consiste de pasos adicionales o actividades en el proceso de manufactura, puede
describirse como:
Transporte
Todas las formas de transporte son Muda (excepto el llevarle el producto al cliente), ya
que implica el uso de montacargas, transportadores, movedores de pallets y camiones.
La causa puede ser una distribución de planta inadecuada, celdas mal diseñadas, uso de
proceso en lotes, tiempos de proceso largos, áreas grandes de almacenamiento, o
problemas de programación. El transporte en general se debe minimizar.
Página 10 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Esperas
El muda de espera ocurre cuando un operador está listo para la siguiente operación,
pero debe permanecer ocioso en espera, ya sea por falla en máquinas, falta de partes,
actividades de seguimiento descuidadas o paros de línea. Un técnico de mantenimiento
es espera de una refacción es parte de muda. El muda de espera se caracteriza por:
Operadores ociosos
Fallas de maquinaria
Tiempos de preparación y ajuste muy largos
Programación de tareas no balanceado
Flujo de materiales en lotes
Reuniones largas e innecesarias
(Imai, 1997)
Otros desperdicios
Además de los siete desperdicios clásicos listados previamente, otras fuentes son;
Recursos mal utilizados
Recursos subutilizados
Conteos
Búsqueda de herramientas o partes
Sistemas múltiples
Intervenciones manuales múltiples
Aprobaciones innecesarias
Fallas mayores de máquinas
Muda causado por enviar productos malos a los clientes
Muda causado por proporcionar un mal servicio a los clientes
(Metcalf, 1997)
Página 11 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
El CEP permite el monitoreo de variables como las quejas del cliente, la presión, la
temperatura al tomar mediciones en ciertos intervalos. Pero en el caso de temperatura
de hornos o el espesor de una placa varían dependiendo del lugar donde se tomen.
La variación puede ser de pieza a piezas, tiempo a tiempo o dentro de la pieza, para
analizar estos tres tipos de variación se utiliza la carta Multi-vari. También sirven para
investigar la consistencia de un proceso.
Procedimiento de muestreo
Página 12 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 13 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
La interpretación de la carta es aparente una vez que se grafican los valores. Las
ventajas de las cartas Multi-vari son:
Por ejemplo:
Ejemplo
Un fabricante de láminas planas de aluminio lleva control del espesor después del
rolado en caliente. La especificación es de 0.245” ± 0.005”. El proceso ha producido
desperdicio ya que su Cp es de 0.8, el costo del desperdicio es de $20,000 por mes. Se
ha pensado en adquirir otra máquina con un costo de $800,000 y 6 meses de
instalación.
Página 14 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
8 AM 9 AM 10 AM 11 AM 12 AM
.0.2510”
0.2500”
0.2490”
Izquierda
Máximo
Derecha
Mínimo
El costo total de las mejoras fue de $8,000 tomando dos semanas para el proyecto y el
Cp >1 cumpliendo con las especificaciones establecidas.
Página 15 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
En una gráfica de dispersión indicando la línea de mejor ajuste se tiene con Minitab:
𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝜖
R-Sq 77.0%
75 R-Sq(adj) 74.2%
70
Error
65
60
55
50
45
30 40 50 60 70
Tiempo de estudio (horas)
Página 16 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝜖
Página 17 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Es el procedimiento para encontrar la línea recta que mejor “ajuste” a los datos, esto se
puede intentar hacer visualmente, tratando de minimizar la diferencia entre los puntos
y la línea, la ecuación de la recta de predicción es:
̂0 + 𝛽
𝑦̂ = 𝛽 ̂1 𝑥 + 𝜖
La respuesta Y y los coeficientes con gorro son los coeficientes estimados de la recta de
regresión con datos de la muestra.
70
65
60
55
50
30 40 50 60 70
Tiempo de estudio (horas)
Página 18 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Una vez calculados Beta 0 y Beta 1, se sustituyen sus valores en la ecuación de la recta
de regresión para obtener la ecuación de predicción de mínimos cuadrados o “línea de
regresión”.
Página 19 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Analysis of Variance
Source DF SS MS F P
Regression 1 536.92 536.92 26.85 0.001
Residual Error 8 159.98 20.00
Total 9 696.90
Página 20 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Aquí el cuadrado medio del error MSE = 20 es la desviación estándar del error :
En este caso
(𝑆^2𝑥𝑦 )
̂1 𝑆𝑥𝑦 = 𝑆𝑦 2 −
𝑆𝑆𝐸 = 𝑆𝑦 2 − 𝛽
𝑆𝑥 2
𝑛
̅̅̅ ^2
𝑆𝑦 2 = ∑(𝑦𝑖 − 𝑦)
𝑖=1
S = 4.47
Página 21 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
0.6955−0
𝑡= =5.18
4.47/√1110
𝜎
̂𝑒
̂1 ± 𝑡𝛼
𝛽1 = 𝛽 ,𝑛−2
2 √ 𝑆𝑥 2
4.47
𝛽1 = 0.6955 ± 2.306 = 0.6955 ± 0.3094 = (0.386, 0.1005)
√1110
Coeficiente de correlación
Página 22 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
r se encuentra entre -1 y 1
El numerador de r es el mismo que para 𝛽1 por tanto tienen el mismo signo y será
cero cuando 𝛽1 = 0
Un valor positivo de r implica que la recta va hacia arriba a la derecha. Un valor
negativo de r indica que la recta va hacia abajo a la derecha
Cuando r = 0 no hay correlación, los puntos están muy dispersos alrededor de la
recta, puede ser que haya un patrón curvilíneo
Cuando r = 1 o -1, todos los puntos se encuentran en la recta y SSE es igual a cero
Cualquier otro valor de r sugiere el grado en el cual los puntos tienden a estar
relacionados linealmente
772
𝑟= = 0.878
√(1110)(696.9)
Coeficiente de determinación
𝑟 2 = (0.878)2 = 0.771
Por tanto se decir que el 77% de la variación en calificaciones puede ser explicada por la
variación en horas de estudio.
Página 23 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Es una extensión de la regresión lineal simple a más variables independientes, por tanto
se podría explicar una mayor proporción de la variación de y.
Página 24 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Valor p (p – value)
O sea que un valor pequeño de p es indicador de que la hipótesis nula es falsa, los
paquetes estadísticos proporcionan el valor exacto de p.
Página 25 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
significativa
P <= 1% Hay una alta diferencia
estadística significativa
(Langley, 1971)
El valor de p – value del coeficiente Beta 1 de 0.001 indica una ecuación válida y el
estudiante debe dedicar varias horas al estudio. El coeficiente de determianción fue de
0.77 por lo que el coeficiente de correlación es de 0.8775. El valor p – value de la
regresión es de 0.001 indicando que el coeficiente de correlación es significativo.
Hipótesis nula
Es la hipótesis que sea probar, se establece a partir del problema y de indica como Ho.
Por ejemplo:
Al investigar si una semilla mejora el rendimiento. Ho: R1 = R2
Se trata de probar si el promedio del proceso A es mayor que el promedio del
proceso B. Ho: A <= B
La hipótesis nula solo puede rechazarse o no rechazarse (no se puede aceptar), cuando
se rechaza la Ho, se acepta la hipótesis alterna (su complemento) Ha.
Página 26 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Estadístico de prueba
Para probar la hipótesis nula, se calcula un estadístico de prueba a partir de los datos de
la muestra, para que después se compre con un valor crítico apropiado, para tomar una
decisión sobre la hipótesis nula.
Tipos de errores
Cuando se formulan conclusiones en relación a una población con base en datos de una
muestra, se pueden cometer dos tipos de errores:
El grado de riesgo alfa, normalmente se acuerda entre las partes (siendo el más común
5%) . Es deseable un bajo sin embargo se incrementa el error . Para un mismo
tamaño de muestra y están relacionados inversamente. Al incrementar el tamaño
de muestra se reducen ambos y .
Página 27 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 28 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 29 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Potencia de la prueba (I - )
Considerar una hipótesis nula donde se considera que la media poblacional tiene una
media 0 = 70 y una 𝜎𝑋̅ = 0.8. El intervalo de confianza para un nivel del 95% de
confianza es 70 ± (1.96)*(0.8) = 68.43 y 71.57. Se acepta la hipótesis de que 0 = 70 si la
X media de la muestra se encuentra en esos límites. El riesgo alfa es el que la media de
la muestra exceda esos límites. ¿Qué pasa si se recorre ’0 = 71, se puede detectar este
corrimiento? El riesgo de que la hipótesis sea aceptada aún con el corrimiento de la
media poblacional se denomina riesgo .
Distribution Plot
Normal, Mean=70, StDev=0.8
0.5
0.4
0.3
Density
0.2
0.1
0.025 0.025
0.0
68.4 70 71.6
X
Página 30 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Distribution Plot
Normal, Mean=71, StDev=0.8
0.5
0.4
0.3
Density
0.762
0.2
0.1
0.0
71 71.57
X
C = criterio de rechazo
En este caso:
𝑍𝛼 𝜎
𝐶 = 𝜇𝑜 +
√𝑛
Para construir una curva de potencia de la prueba (1 – beta) contra valores alternativos
de . En general si se incrementa alfa, beta se reduce y la potencia (1 – beta) se
incrementa. En este caso si se toma el caso de dos colas donde se reparte el valor alfa se
tiene:
Página 31 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Distribution Plot
Normal, Mean=70, StDev=0.8
0.5
0.4
0.3
Density
0.2
0.1
0.025 0.025
0.0
68.4 70 71.6
X
C1 = 68.43
C2 = 71.57
𝑍𝛼/2 𝜎
𝐶1 = 𝜇𝑜 −
√𝑛
𝑍𝛼/2 𝜎
𝐶2 = 𝜇𝑜 +
√𝑛
𝜇𝑜 − 𝜇1 𝜇𝑜 − 𝜇1
= 𝐹𝑧 ( + 𝑍𝛼/2 ) − 𝐹𝑧 ( − 𝑍𝛼/2 )
𝜎/√𝑛 𝜎/√𝑛
Página 32 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
=1-NORMSDIST((71.57-B44)/0.8) + NORMSDIST((68.43-B44)/0.8)
Mu 1 - Beta
67.0 0.9630716
67.2 0.9379146
67.4 0.9010401
67.6 0.8502489
67.8 0.7845066
68.0 0.7045429
68.2 0.6131479
68.4 0.5149939
68.6 0.4159611
68.8 0.3221290
69.0 0.2387355
69.2 0.1694250
69.4 0.1159994
69.6 0.0787007
69.8 0.0568684
70.0 0.0497043
70.2 0.0568684
70.4 0.0787007
70.6 0.1159994
70.8 0.1694250
71.0 0.2387355
71.2 0.3221290
71.4 0.4159611
71.6 0.5149939
71.8 0.6131479
72.0 0.7045429
72.2 0.7845066
72.4 0.8502489
72.6 0.9010401
72.8 0.9379146
73.0 0.9630716
Página 33 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
1 - Beta
1.2000000
1.0000000
0.8000000
0.6000000
1 - Beta
0.4000000
0.2000000
0.0000000
67.2
67.6
68.0
68.4
68.8
69.2
69.6
70.0
70.4
70.8
71.2
71.6
72.0
72.4
72.8
Mu
Se puede decir que se gana en potencia al aceptar un valor menor de error alfa. AL
aumentar el tamaño de muestra se reducen tanto los errores alfa como los beta.
Tamaño de muestra
En los ejemplos anteriores se asume que se da alfa y el tamaño de muestra, sin embargo
el procedimiento ideal es primero determinar los errores y deseados y con ello
determinar el tamaño de muestra necesario para obtener el nivel de confianza
planeado.
El tamaño de muestra depende de:
Página 34 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Ejemplo:
Si además del error alfa se especifica el error beta para el caso de una prueba de una
cola se tiene:
𝜎 2 (𝑍𝛼 + 𝑍𝛽 )^2
𝑛≥
(𝜇𝑜 − 𝜇1)^2
Página 35 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
5.8(1.645+1.28)^2
𝑛≥ = 50
(3−2)^2
1.645√5.8
𝐶=2 + = 2.556 s
√𝑛
Ejemplo:
Dados los siguientes valores de tiempos de espera de cuatro clientes: 28.7, 27.9, 29.2 y
26.5
Página 36 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Para una muestra pequeña (n < 30) con desviación estándar S, se usa la distribución t de
Student:
Página 37 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Dado que se utiliza una distribución Chi cuadrada, este intervalo no es simétrico
respecto al varianza muestral
4. Pruebas de hipótesis
Página 38 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 39 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 40 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Ejemplo: el tiempo promedio que una persona ahorra en un banco es de 5 años con una
desviación estándar de 0.12 años. Se verificaron 5 cuentas nuevas resultando en 5.10,
4.90, 4.92. 4.87, 5.09, 4.89, 4.95 y 4.88 ¿Se puede afirmar con un 95% de confianza que
las nuevas cuentas se guardan por un periodo más corto que el original?
-1.645 -1.18 0
Página 41 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Para este caso se utiliza la distribución t de Student (usada cuando n < 30), su estadístico
de prueba es:
El valor crítico t0.025, 24 = -2.064 y t0.975,24 = 2.064 que definen las zonas de rechazo
-2.064 0 2.064 tc = 5
Página 42 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 43 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Ejercicio: Una nueva bujía se prueba para desgaste. Una muestra de seis bujías dieron
los resultados siguientes: 58, 49, 44, 50 y 47 milésimas de pulgada de desgaste. El diseño
clásico tiene un desgaste promedio de 55, a un 95% de nivel de confianza ¿es mejor el
nuevo diseño?
Ejemplo: Un experimento muy caro se evalúa para producir diamantes sintéticos por
una nueva técnica, se han generado cinco de ellos con pesos: 0.46, 0.61, 0.52, 0.57 y
0.54 quilates. Si el peso promedio se encuentra por encima de los 0.50 quilates el
proyecto es rentable, probar esto a un 95% de nivel de confianza ¿cuál es la
recomendación?
Paso 1. Establecer las hipótesis Ho y H1 (la Ho siempre lleva el signo =, <=, >=)
Paso 2. Determinar el valor crítico del estadístico con el que se va a comparar (con base
en alfa y n), este define las zonas o zona de rechazo
Página 44 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Prueba la diferencia entre 2 medias muestrales cuando se conocen las varianzas de las
poblaciones y se consideran iguales.
Máquina 1 Máquina 2
3.125 3.11
3.12 3.095
3.135 3.115
3.13 3.12
3.125 3.125
̅̅̅1 = 3.127
𝑋
𝑆1 = 0.0057
̅̅̅2 = 3.113
𝑋
𝑆2 = 0.0115
4(0.0057)2 +4(0.0115)^2
𝑆𝑝 = √ = 0.0091 df. = 5 + 5 = 8
8
3.127 − 3.113
𝑡= = 2.43
1 1
0.0091√ +
5 5
Página 45 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Prueba la diferencia entre 2 medias muestrales cuando se conocen las varianzas de las
poblaciones y se consideran iguales.
Máquina 1 Máquina 2
3.125 3.11
3.12 3.095
3.135 3.115
3.13 3.12
3.125 3.125
̅̅̅1 = 3.127
𝑋
𝑆1 = 0.0057
̅̅̅2 = 3.113
𝑋
𝑆2 = 0.0115
3.127 − 3.113
𝑡= = 2.44
√(0.0057)^2 + (0.0115)^2
5 5
El valor crítico para t0.025,5 = 2.571 (prueba de dos colas), no se rechaza la Ho (a pesar de
estar muy cerca)
Página 46 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Prueba t pareada
Se utiliza para probar la diferencia entre dos medias muestrales de tratamientos a los
mismos sujetos. Los datos se toman en pareas y se calcula la diferencia de cada par.
Ejemplo: Calcular si hay diferencia a un 95% de nivel de confianza con dos operadores
que miden el mismo grupo de muestras:
Página 47 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Cuando la población es normal, las pruebas de hipótesis para comparar una varianza
poblacional 2x con un valor 2o fijo son:
Este estadístico de prueba se compara con el valor crítico 2 o 2/2 dependiendo si la
prueba es de una o dos colas, los grados de libertad son d.f. = n – 1.
Página 48 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Tabla de contingencia
(Oi – Ei) / Ei
Página 49 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 50 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Como el estadístico calculado de Chi cuadrada es menor que su valor crítico de 5.99, la
hipótesis nula no puede ser rechazada indicando que no evidencia suficiente para decir
que las habilidades de los inspectores son diferentes.
Los grados de libertad asociados a las varianzas de las dos muestras se representan por
1 y 2 respectivamente.
Por costumbre se toma la varianza S12 como la mayor respecto a S22 . Para esta prueba
se utilizan las tablas F, abajo se muestra la de =0.05.
Página 51 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Los valores críticos para F pueden se usados con una cola (=0.05, 95% de confianza) o
con dos colas (/2=0.05, 90% de confianza).
Usando todo el riesgo alfa del lado derecho, el valor crítico de F es F0.05, 8, 6 = 4.15, este
valor define donde inicia la zona de rechazo.
Página 52 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Fc = 900^2/300^2 = 9
Por tanto se rechaza Ho y hay evidencia suficiente para decir que la variación se ha
reducido.
Página 53 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
http://www.uncp.edu/home/frederick/DSC510/m510ANOVA.htm
Página 54 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Donde:
Fórmulas
Página 55 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Página 56 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
Ejemplo: Se comparan las salidas de tres máquinas, determinar is hay una diferencia
significativa en los resultados con =0.05.
Fuente de
SS DF MS F
variación
Máquinas 137.2 2 68.6 33.2
Error 24.8 12 2.067
Total 162 14
Página 57 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
El ANOVA de dos vías es una continuación del ANOVA de una vía. En el ANOVA de dos
vías hay tres componentes de varianza: Tratamientos del factor A, Tratamientos del
factor B y error experimental (se refiere como columnas, renglones y error).
Materiales de estudio
Instructor 1 2 3 Suma n Promedio Cuadrado
88 68 76
84 62 70
1 690 9 76.667 52900
92 72 78
60 44 60
68 50 52
2 500 9 55.556 27778
58 52 56
Página 58 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
La diferencia entre sigmas total y del error se debe a la diferencia significativa de los
instructores y loa materiales de estudio. Si no hubiera habido diferencias significativas,
las sigmas hubieran sido similares.
Para ayudar a localizar el problema verdadero del sistema, se pueden utilizar diversas
herramientas como son:
Página 59 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
El método de los 5 porqués para el análisis de causa raíz se describe como hacer cinco
veces la pregunta ¿Porqué?, por ejemplo:
Las cinco preguntas no son mandatorias, si no hay necesidad de preguntar más pararle y
si hay necesidad hacer más preguntas.
Página 60 de 61
FASE DE ANÁLISIS P. Reyes enero 2009
5Ws – 1H (o 2H)
Es una técnica ya común, se originó con periodistas que preguntaban para conseguir la
historia completa, se trata de preguntar ¿Quién?, ¿Qué?, ¿Cuándo?, ¿Dónde?, ¿Por
qué? Y ¿Cómo?. En el área de calidad se aplica en cada rama del diagrama de Ishikawa
para llegar a la causa raíz.
Resultados de Acción
O Controles de D
Función S Causa(s)
Efecto (s) c Diseño o e R Responsable S O D R
del Producto/ Modos de Falla e Potencial(es) Acción Acción
Potencial (es) c Proceso t P y fecha límite e c e P
Paso del Potenciales v o Mecanismos Sugerida Adoptada
de falla u Actuales e N de Terminación v c t N
proceso . de falla
r c
Página 61 de 61