Академический Документы
Профессиональный Документы
Культура Документы
ÍNDICE
Mediana……………………………………………………………………………………………………………………………………………..2
Caso práctico……………………………………………………………………………………………………………………………………………3
Procedimiento para graficar…………………………………………………………………………………………………………………….6
Interpretación……………………………………………………………………………………………………………………………………….8
Scatter Plot………………………………………………………………………………………………………………………………………...9
Caso práctico………………………………………………………………………………………………………………………………………..11
Procedimiento para graficar…………………………………………………………………………………………………………………13
Interpretación………………………………………………………………………………………………………………………………………15
Cálculo de PPK…………………………………………………………………………………………………………………………………...16
Caso práctico………………………………………………………………………………………………………………………………………..17
Procedimiento para graficar………………………………………………………………………………………………………………….18
Interpretación……………………………………………………………………………………………………………………………………...20
Gráfica Individual………………………………………………………………………………………………………………………………..21
Caso práctico…………………………………………………………………………………………………………………………………………22
Procedimiento para graficar………………..………………………………………………………………………………………………..23
Interpretación………………………………………………………………………………………………………………………………………25
Gráfica C…………………………………………………………………………………………………………………………………………….26
Caso práctico………………………………………………………………………………………………………………………………………..27
Procedimiento para graficar……………………………………………………………………………………………………….………..28
Interpretación……………………………………………………………………………………………………………………………………...30
MEDIANA
La mediana es un estadístico de posición central que parte la distribución en dos, es
decir, deja la misma cantidad de valores a un lado que a otro.
Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados
de menor a mayor.
Solo se puede usar para variables cuantitativas.
Fórmula de la mediana
La fórmula no nos dará el valor de la mediana, lo que nos dará es la posición en la que
está dentro del conjunto de datos. Debemos tener en cuenta, si el número total de datos
u observaciones que tenemos (n) es par o impar.
CASO PRÁCTICO
Caso 1: Una empresa de juguetes, desea organizar una fiesta infantil para los hijos de
los trabajadores con el fin de celebrar el Día del Niño. La empresa “Juguetero del Norte
S.A. de C.V.” pidió a todos sus empleados reportarse a Recursos Humanos con la
finalidad de inscribir a sus hijos menores de 12 años.
La lista levantada por la asistente registró un total de 77 niños de 0 a 12 años. El registro
arrojó los sig. datos:
NIÑO EDAD NIÑO EDAD NIÑO EDAD
1 3 27 9 53 4
2 6 28 9 54 5
3 9 29 7 55 5
4 2 30 4 56 9
5 4 31 8 57 8
6 6 32 1 58 2
7 9 33 4 59 5
8 10 34 2 60 3
9 12 35 2 61 3
10 12 36 5 62 6
11 12 37 3 63 7
12 12 38 6 64 8
13 5 39 4 65 5
14 8 40 4 66 5
15 9 41 7 67 5
16 2 42 9 68 9
17 7 43 7 69 10
18 4 44 6 70 10
19 8 45 10 71 10
20 3 46 11 72 12
21 5 47 11 73 12
22 5 48 11 74 5
23 5 49 12 75 8
24 12 50 12 76 8
25 12 51 6 77 3
26 10 52 7
Caso 2: La National Football League de Estados Unidos evalúa a los candidatos posición
por posición con una escala que va de 5 a 9.
La evaluación se interpreta como sigue: 8–9 debe empezar el primer año a jugar (Titular);
7.0–7.9 relevo en banca; 6.0–6.9 será un apoyo para el equipo (reemplazo), y 5.0–5.9
puede pertenecer al club y contribuir.
En la tabla se presentan posición, peso (lbs.), tiempo (segundos en correr 40 yardas), y
evaluación de 42 candidatos (USA today, 14 de abril de 2000).
a. Realice la mediana con los datos de peso.
b. Con los datos tiempo y peso, realice una tabla de dispersión para ver
la relación entre estas 2 variables.
Datos de 42 candidatos a la national football league de Estados Unidos
Paso 2: Copiar y pegar los datos del caso 1 en las primeras columnas
Paso 3: Buscar en la parte superior izquierda: Stat, seleccionar Basic Statistics y luego
dar clic a Display Descriptive Statistics
Paso 4: Una vez realizado el paso 3, se abrirá una ventana como esta:
Caso 1: MEDIANA de edad de 80 niñoa de 0-12 años de “Juguetera del Norte S.A. de C.V” Caso 2: MEDIANA de peso de 42 jugadores de la NFL de Estados Unidos
INTERPRETACIÓN:
Caso 1: La mediana de edad de 77 niños (0-12 años) hijos de los trabajadores de
“Juguetera del Norte S.A. de C.V.” es de 7 años.
Caso 2: La mediana de peso de 42 jugadores de la NFL de Estados Unidos es de 307.50
Lbs.
SCATTER PLOT
También conocido como gráfico de dispersión, gráfico de puntos, diagrama de XY,
diagrama de dispersión o Scattergram, es un diagrama que utiliza coordenadas
cartesianas para mostrar los valores de 2 variables para un conjunto de datos.
Los datos se muestran como un conjunto de puntos, cada uno con el valor de una
variable que determina la posición en el eje horizontal (x) y el otro para la posición en el
eje vertical (y).
Permite estudiar las relaciones entre 2 conjuntos asociados de datos que aparecen en
pares (x,y), el diagrama muestra estos pares como una nube de puntos.
Se utiliza para:
Descubrir y mostrar las relaciones entre 2 conjuntos asociados de datos y confirmar las
relaciones anticipadas.
Puede estudiar la relación entre: 2 factores o causas relacionadas con la calidad, 2
problemas de calidad y 1 problema de calidad y su posible causa.
Los diagramas de dispersión son ideales cuando se tienen datos numéricos emparejados
y se desea ver si una variable afecta a la otra.
TIPOS DE CORRELACIÓN:
Se pueden interpretar varios tipos de correlación a través de los patrones mostrados en
los diagramas de dispersión:
Positivo (los valores aumentan juntos) Negativo (un valor disminuye a medida que
el otro aumenta)
INTERPRETACIÓN DE CORRELACIONES
• Si r = 1: Correlación positiva perfecta. El índice refleja la dependencia total
entre ambas dos variables, la que se denomina relación directa: cuando una de
las variables aumenta, la otra variable aumenta en proporción constante
• Si 0 < r < 1, existe una correlación positiva
• Si -1 < r < 0, existe una correlación negativa
• Si r = -1: Indica una correlación negativa perfecta y una dependencia total
entre ambas variables lo que se conoce como "relación inversa", que es cuando
una de las variables aumenta, la otra variable en cambio disminuye en
proporción constante
Si r = 0: En este caso no hay una relación lineal. Aunque no significa que las variables
sean independientes, ya que puede haber relaciones no lineales entre ambas
variables.
CASO PRÁCTICO
Caso 3: La National Football League de Estados Unidos evalúa a los candidatos posición
por posición con una escala que va de 5 a 9.
La evaluación se interpreta como sigue: 8–9 debe empezar el primer año a jugar (Titular)
; 7.0–7.9 relevo en banca; 6.0–6.9 será un apoyo para el equipo (reemplazo), y 5.0–5.9
puede pertenecer al club y contribuir.
En la tabla se presentan posición, peso (Lbs.), tiempo (segundos en correr 40
yardas), y evaluación de 42 candidatos (USA Today, 14 de abril de 2000).
b. Con los datos tiempo y peso, realice una tabla de dispersión para ver la relación
entre estas 2 variables.
Paso 2: Copiar y pegar los datos del caso 3 en las primeras columnas
Paso 4: Para efectos del caso práctico 3, seleccionamos: With Regression, que
nos ayudará a identificar si hay relación entre nuestras 2 variables: PESO y
TIEMPO y hacemos clic en OK.
Paso 5: Se abrirá una nueva ventana donde tendremos que seleccionar las variables
que queremos utilizar. Para este caso doble clic a PESO y TIEMPO, luego clic en OK.
Resultado de Scatter Plot para analizar la relación entre PESO y TIEMPO de 42 jugadores de la NFL.
INTERPRETACIÓN:
Se puede observar una correlación positiva. Lo que indica que, a mayor peso del
jugador, más tiempo es el requerido para correr 40 yardas.
CÁLCULO DE PPK
Ppk (Process Performance Key) es un indicador del desempeño del proceso basado
en la variación del proceso a lo largo del conjunto completo de datos. Cuando se calculan
del mismo conjunto de datos, el Cpk y el Ppk pueden compararse para analizar las
fuentes de variación del proceso.
El Ppk se basa en la desviación estándar general de los datos en lugar de la desviación
estándar dentro de los subgrupos.
CASO PRÁCTICO
Caso 4: Los ingenieros de calidad de Littelfuse, en uno de los GEMBA WALKS que
realizan descubrieron que uno de los torques utilizados en una línea de producción no
contaba con etiqueta de identificación ni de calibración.
Se contactó al técnico de calibración para revisar los documentos correspondientes y
verificar que el torque pudiera ser identificado y calibrado de acuerdo con las
especificaciones de la celda.
El técnico realizó la calibración correspondiente y proporcionó los siguientes datos del
torque.
Tabla de lecturas:
DESCRIPTION 15 N.m TOLERANCE ±3 UNITS N.m
LECTURA E. SCREWDRIVER TEST LECTURA E. SCREWDRIVER TEST LECTURA E. SCREWDRIVER TEST
1 15.178348 21 14.841724 41 15.027483
2 15.131304 22 15.115498 42 15.129119
3 15.027964 23 15.085996 43 14.977116
4 14.929876 24 14.805392 44 14.856788
5 15.010598 25 14.888372 45 15.108134
6 14.80748 26 15.282522 46 14.982894
7 14.979688 27 14.971138 47 15.077754
8 14.906396 28 14.879912 48 15.190037
9 15.106684 29 15.190993 49 15.029192
10 15.07017 30 14.806496 50 14.889894
11 15.320964 31 14.760188 51 15.259534
12 15.296804 32 15.350826 52 15.160046
13 15.247792 33 14.878826 53 15.079496
14 14.75674 34 15.027854 54 15.185978
15 15.120063 35 15.099914 55 14.890568
16 15.253286 36 14.897978 56 14.992482
17 15.301942 37 15.203188 57 15.103518
18 15.27703 38 14.813752 58 14.946586
19 15.150408 39 15.183146 59 15.014994
20 14.997804 40 14.993822 60 14.912948
Paso 2: Copiar y pegar los datos del caso 4 en las primeras columnas
Paso 3: Localizar en la parte superior Stat, luego Quality Tools, después Capability
Analysis y Normal
Paso 4: Se abrirá una ventana como la de la imagen, para este caso utilizaremos
E. SCREW DRIVER TEST para la columna individual y MUESTRA para el Sub grupo.
La tabla de lecturas ya nos especifica que el torque es de 15 N.m. con un rango
de + -3, por lo que para sacar los límites utilizaremos los datos proporcionados.
Después, clic en ACEPTAR.
MUESTRA
MUESTRA
INTERPRETACIÓN:
Los valores obtenidos en las lecturas del torque se agrupan en la media o cerca de ella
indican que el torque es funcional y está dentro de las tolerancias +-3 N.m.
El Ppk es de 6.31 lo que nos dice que el torque está controlado.
Este torque pertenece a una de las líneas modelo de la planta, donde generalmente
se utilizan controles automáticos para el producto que ahí se procesa.
GRÁFICA INDIVIDUAL
Es una gráfica de valores individuales que muestra un punto para el valor real de cada
observación en un grupo, lo que hace que sea más fácil determinar los valores atípicos
y ver la dispersión de la distribución.
Una gráfica de valor individual funciona mejor cuando el tamaño de la muestra es menor
que 50 aproximadamente.
CASO PRÁCTICO
Caso 5: En una empresa se hacen impresiones en láminas de acero, que posteriormente
se convierten en recipientes de productos de otras empresas. Un aspecto importante
para vigilar en dicha impresión es la temperatura de “horneada” que, entre otras cosas,
adhiere y seca la pintura una vez que ésta se imprimió.
En una fase particular de la horneada se tiene que la temperatura de cierto horno debe
ser 125°C, con una tolerancia de 65°C. Si no se cumple con tal rango de temperatura,
entonces se presentan problemas en la calidad final de la impresión.
a. Realizar una gráfica Individual para analizar la temperatura del horno y ver la
variación existente durante los 3 días.
Paso 2: Copiar y pegar los datos del caso 5 en las primeras columnas
Paso 3: Buscar en la parte superior la pestaña que diga: Stat, desplegamos el menú
con un clic y buscamos Control Charts, se abrirá un submenú y buscamos Variables
Charts for Individuals y luego I-MR
Paso 4: Al seleccionar I-MR, se abrirá una nueva ventana. Damos doble clic en la
variable que deseamos utilizar. Para este caso práctico usaremos Temperatura en
Horno, después OK.
INTERPRETACIÓN:
La gráfica muestra que no hay puntos fuera de los límites de control, pero existe mucha
variación en el rango móvil, tiende a subir y bajar con frecuencia.
En las últimas muestras de temperatura solo asciende, pero sin rebasar los 133.05°C.
En base a esto, los ingenieros decidieron realizar el mantenimiento al horno para
posteriormente evaluar su comportamiento.
GRÁFICA C
Estudia el comportamiento de un proceso considerando el número de defectos
encontrados al inspeccionar una unidad de producto o servicio.
La gráfica C debe utilizarse sólo cuando el área de oportunidad de encontrar defectos
permanece constante.
Las gráficas C tienen los siguientes objetivos:
• Reducir el costo de tener que repetir trabajos.
• Informar a supervisores y a la administración acerca del nivel de calidad.
• Determinar qué tipo de defectos no son permisibles en un producto o servicio, e
informar sobre la probabilidad de ocurrencia de defectos en un área o proceso de
trabajo.
CASO PRÁCTICO
Caso 6: Un fabricante de balones de basketball desea monitorear los defectos en los
balones de 29.5 pulgadas. Los técnicos registran el número de granos anti-derrapantes
incompletos por cada subgrupo de 10 balones por hora y utilizan una gráfica C para
monitorearlo.
Tabla de datos obtenidos
Núm. de Núm. de
Muestra Produccion (n) Defectos Muestra Produccion (n) Defectos
1 80 7 16 80 16
2 80 13 17 80 35
3 80 12 18 80 24
4 80 4 19 80 21
5 80 9 20 80 19
6 80 12 21 80 20
7 80 15 22 80 17
8 80 17 23 80 21
9 80 8 24 80 20
10 80 14 25 80 15
11 80 19 26 80 17
12 80 14 27 80 19
13 80 8 28 80 22
14 80 22 29 80 21
15 80 14 30 80 14
Paso 2: Copiar y pegar los datos del caso 6 en las primeras columnas.
Paso 4: Se abrirá una ventana como la de la imagen. Damos doble clic en la variable
que utilizaremos. En este caso práctico seleccionaremos Número de Defectos y luego
OK.
INTERPRETACIÓN:
La gráfica muestra que, en promedio, los técnicos encuentran 16.3 granos anti-
derrapantes incompletos en cada muestra. La muestra 4 y 17 están fuera de control.
Los técnicos deben tratar de identificar cualquier causa especial que contribuya al
número fuera de granos incompletos.