Control de procesos para análisis de capacidad

Utilice Capacidad normal para evaluar la capacidad potencial (corto plazo) y general del proceso con base en una distribución normal. Utilice Capacidad no normal para evaluar la capacidad del proceso con base en una distribución no normal.

Adición de un análisis de capacidad

Para agregar un análisis de capacidad, arrastre y coloque el análisis desde el Activos panelsobre el lienzo. Minitab Solution Center Agrega una tarjeta de activo de marcador de posición que contiene el título predeterminado, una representación del recurso y una lista desplegable que contiene los datos asociados con el panel. Seleccione los datos que desea utilizar. A continuación, seleccione Abrir para abrir el cuadro de diálogo para el análisis de capacidad.

Ingresar los datos

El análisis de capacidad requiere que los datos estén en una sola columna de la hoja de cálculo.

Columna de datos

Ingrese la columna de datos numéricos que desea analizar.

Tamaño del subgrupo

En Capacidad normal, introduzca una columna que identifique el subgrupo para cada medición o introduzca un número que indique el tamaño del subgrupo. Ingrese un número para subgrupos del mismo tamaño. Por ejemplo, si cada subgrupo contiene medidas para cinco elementos, escriba 5. Si ha recopilado datos a lo largo del tiempo sin subgrupos, utilice un tamaño de subgrupo de 1. Si introduce una columna de ID de subgrupo, no es necesario que los tamaños de los subgrupos sean iguales.
Nota

Las observaciones dentro de cada subgrupo deben estar en filas adyacentes de la hoja de trabajo. Para obtener más información sobre el uso de columnas para definir subgrupos, vaya a Uso de subgrupos para evaluar la capacidad del proceso.

En esta hoja de trabajo, la columna Diámetro contiene los diámetros de los aros de pistón. La columna ID de subgrupo identifica el subgrupo de cada medición.
C1 C2
Diámetro ID de subgrupo
74.030 1
74.002 1
74.019 1
73.992 1
73.995 2
73.992 2

Ajustement de la distribution

Para Capacidad normal, seleccione una distribución no normal que se ajuste a sus datos. Para producir una estimación confiable de la capacidad del proceso, los datos deben seguir la distribución que usted seleccione. Para obtener más información sobre cómo elegir una distribución adecuada para datos no normales, vaya a Análisis de capacidad con datos no normales.

Spécification inférieure y Spécification supérieure

Introduzca el valor mínimo o máximo aceptable para el producto o servicio. Si no es posible que las mediciones caigan por encima o por debajo de este valor, seleccione esta opción Límite para definir el límite de especificación como límite.

Nota

Cuando usted define un límite de especificación como un límite, Conectadas informa los índices de capacidad esperados relacionados con el límite de especificación/límite como valores faltantes (*). Por lo tanto, defina un límite de especificación como un límite solo si es teóricamente imposible que las mediciones se encuentren más allá del límite de especificación. Por ejemplo, un límite de especificación superior de 100% de pureza es un límite porque no es posible exceder 100% de pureza. Un límite de especificación inferior de 0% de pureza es un límite porque no es posible bajar de 0% de pureza.

Parámetros históricos (opcional)

Para Capacidad normal, si conoce la media histórica o la desviación estándar histórica de su proceso, o si tiene una estimación obtenida a partir de datos anteriores, introduzca el valor que se utilizará en el análisis.

Moyenne historique
Ingrese un valor para la media de la distribución de la población.
Ecart type historique
Ingrese un valor para la desviación estándar de la distribución de la población.

Si usted no ingresa parámetros históricos, Conectadas estima la media y la desviación estándar a partir de los datos de la muestra y utiliza esas estimaciones para calcular la capacidad del proceso.

Nota

Si desea especificar el método que Connect utiliza para estimar la desviación estándar de los datos de muestra, seleccione Estimation.

Transformation

Para Capacidad normal, puede transformar los datos para que se ajusten a una distribución normal con el fin de satisfacer las suposiciones del análisis.
Aucune transformation
No utilice una transformación si los datos ya siguen una distribución normal.
Transformation par puissance de Box-Cox (W = Y^λ)
Utilice la transformación de Box-Cox si todos los datos no normales son positivos (> 0) y usted desea obtener estimaciones de la capacidad dentro de los subgrupos (potencial), así como de la capacidad general. La transformación de Box-Cox es una transformación simple y fácil de entender.
Seleccione el valor lambda (λ) que Connect utiliza para transformar los datos.
  • Utiliser λ optimal: Utilice la lambda óptima, la cual debería producir la transformación con el mejor ajuste. Connect redondea la expresión lambda óptima a 0,5 o al entero más cercano, a menos que el intervalo de confianza de la expresión lambda no contenga un valor redondeado.
  • λ = 0 (ln): Utilice el logaritmo natural de los datos.
  • λ = 0.5 (raíz cuadrada): Utilice la raíz cuadrada de los datos.
  • Otro (ingrese un valor entre -5 y 5): Utilice un valor especificado para lambda. Otras transformaciones comunes son el cuadrado (λ = 2), la raíz cuadrada inversa (λ = −0,5) y la inversa (λ = −1). En la mayoría de los casos, no se debe usar un valor fuera del rango de −2 y 2.
Transformation de Johnson (pour une analyse globale uniquement)
Utilice la transformación de Johnson si los datos no normales contienen valores negativos (o 0) o si la transformación de Box-Cox no es efectiva. La función de transformación de Johnson es más complicada que la de Box-Cox, pero es muy efectiva para encontrar una transformación apropiada.
En Valeur p pour la sélection du meilleur ajustement, introduzca un valor entre 0 y 1. El valor que introduzca define el nivel de significación para una prueba de normalidad de los datos antes y después de la transformación. Un valor más alto hace que el criterio de normalidad sea más riguroso. Un valor más bajo hace que el criterio de normalidad sea menos exigente.

Estimation para Capacidad normal

(pour effectif de sous-groupes > 1)
Seleccione un método para estimar la desviación estándar dentro de los subgrupos cuando tenga múltiples observaciones en cada subgrupo.
  • Rbarra: Rbarra es el promedio de los rangos de los subgrupos. Este método es una estimación común de la desviación estándar y funciona mejor con tamaños de subgrupo de 2 a 8.
  • Sbarra: Sbarra es el promedio de las desviaciones estándar de los subgrupos. Este método proporciona una estimación más precisa de la desviación estándar que Rbarra, especialmente con tamaños de subgrupo > 8.
  • Desviación estándar agrupada: La desviación estándar agrupada es el promedio ponderado de las varianzas de los subgrupos, que otorga a los subgrupos más grandes más influencia en la estimación general. Este método proporciona la estimación más precisa de la desviación estándar cuando el proceso está bajo control.
(pour effectif de sous-groupes = 1)
Seleccione un método para estimar la desviación estándar dentro del subgrupo cuando tenga observaciones individuales. Cuando el tamaño del subgrupo es 1, no se pueden calcular las desviaciones estándar de la muestra ni los rangos dentro de los subgrupos. En su lugar, Connect estima la desviación estándar utilizando rangos móviles.
  • Moyenne de l'étendue mobile: El promedio de rango móvil es el valor promedio del rango móvil de dos o más puntos consecutivos. Este método se usa generalmente cuando el tamaño del subgrupo es 1.
  • Médiane de l'étendue mobile: La mediana de rango móvil es el valor de la mediana del rango móvil de dos o más puntos consecutivos. Es el mejor método cuando los datos tienen rangos extremos que podrían influir en el rango móvil.
  • Racine carrée de MSSD: La raíz cuadrada de MSSD es la raíz cuadrada de la media de las diferencias cuadráticas entre puntos consecutivos. Utilice este método cuando no pueda presuponer razonablemente que por lo menos 2 puntos consecutivos se recopilaron en condiciones similares.
Utiliser l'étendue mobile de longueur
Ingrese el número de observaciones utilizadas para calcular el rango móvil.La longitud debe ser ≤ 100. La longitud predeterminada es 2, porque los valores consecutivos tienen la mayor probabilidad de ser similares.
Constantes de eliminación de sesgo
Usted puede elegir utilizar constantes de eliminación de sesgo en los cálculos de la desviación estándar dentro de los subgrupos y general. Las constantes de eliminación de sesgo reducen el sesgo que puede ocurrir cuando un parámetro se estima a partir de un pequeño número de observaciones. A medida que aumenta el número de observaciones, las constantes de eliminación de sesgo tienen menos efecto en los resultados calculados.
  • Usar constante de eliminación de sesgo: Utilice constantes no sesgadas en la estimación de la desviación estándar dentro del subgrupo.Esta opción se aplica a los métodos de Sbarra, desviación estándar agrupada y raíz cuadrada de MSSD.
  • Utiliser des constantes de correction de biais pour calculer les écarts types: Utilice constantes de eliminación de sesgo en la estimación de la desviación estándar general.
Nota

Con frecuencia, la decisión de utilizar constantes de eliminación de sesgo depende de la política de la empresa o de las normas de la industria.

Estimation para Capacidad no normal

Usted puede hacer que Conectadas estime los parámetros de la distribución no normal utilizada para el análisis de capacidad o puede elegir ingresar algunos o todos los siguientes parámetros.

Estimation des paramètres de la loi de distribution
Estime los parámetros de distribución a partir de los datos de la muestra. Connect calcula cualquiera de los siguientes parámetros que no especifique.
  • Définir une forme (Weibull ou gamma) ou une échelle (autres lois de distribution) à: Ingrese el parámetro de forma o escala, dependiendo del tipo de distribución que usted seleccionó. El parámetro de forma afecta la forma de la distribución, como por ejemplo su asimetría. El parámetro de escala afecta la dispersión de los datos.
  • Définir un seuil à: Si usted seleccionó una distribución de 3 parámetros, ingrese el parámetro de valor umbral. El parámetro de valor umbral establece la ubicación mínima de la distribución de los datos.
    Nota

    Para obtener más información sobre la forma, la escala o el umbral de una distribución, vaya a Procesar datos para el análisis de capacidad no normal y haga clic en el parámetro sobre el que desea obtener más información.

Utiliser les estimations historiques
Especifique las estimaciones históricas de los parámetros. Ingrese constantes o una columna utilizando el orden de parámetros que se muestra. El número de constantes y filas en la columna debe ser igual al número de parámetros en la distribución.

Opciones

En este tema se describe el conjunto completo de opciones para Capacidad normal. Si realiza un Capacidad no normal, solo verá un subconjunto de estas opciones.

Cible (ajoute Cpm au tableau)

Si el proceso tiene un objetivo, ingrese el valor. Si ingresa un valor objetivo, Conectadas calcula el Cpm, un índice de capacidad que también considera qué tanto se desvían los datos del objetivo.

Utiliser la tolérance de K × σ pour les statistiques de capabilité

Ingrese la amplitud de la tolerancia en número de desviaciones estándar (σ). Por opción predeterminada, la tolerancia tiene una amplitud de 6 desviaciones estándar (3 desviaciones estándar a cada lado de la media del proceso).

Connect interpreta el valor K como el ancho de una tolerancia de dos lados. Si desea utilizar una tolerancia unilateral, ingrese un valor de tolerancia bilateral que sea el doble de la tolerancia unilateral. Por ejemplo, si desea utilizar una tolerancia unilateral de 3 σ, ingrese 6.

Exécution de l'analyse

De forma predeterminada, Connect realiza análisis de capacidad dentro de subgrupo y generales. Si usted no desea realizar alguno de los análisis, deseleccione esa casilla.

Analyse à l'intérieur des sous-groupes
Realice el análisis dentro de los subgrupos, que indica la capacidad potencial (corto plazo) del proceso. Este análisis estima qué tan bien funcionaría el proceso si se eliminaran otras fuentes de variación sistémica, además de los cambios rápidos y graduales entre los subgrupos.
Nota

Si usted aplica la transformación de Johnson a los datos, no se puede calcular el análisis dentro de los subgrupos. En ese caso, Connect solo informa de la capacidad general.

Analyse globale
Realice el análisis general, que indica la capacidad real (largo plazo) del proceso. Este análisis estima lo que el cliente experimenta realmente.

Affichage

Seleccione cómo desea que se muestren los valores fuera de especificación esperados y observados:
  • Parties par million: Mostar los valores en partes por millón (PPM).
  • Pourcentages: Mostrar los valores como porcentajes.
Inclure les intervalles de confiance
Seleccione esta opción para mostrar los intervalos de confianza para los índices de capacidad.
Nivel de confianza
Ingrese un nivel de confianza entre 0 y 100. Por lo general, un nivel de confianza de 95% funciona adecuadamente. Un nivel de confianza de 95% indica que si usted tomara 100 muestras aleatorias del proceso, podría esperar que aproximadamente 95 de las muestras produjeran intervalos de confianza que contengan el valor real del índice de capacidad del proceso (si fuera posible recolectar y analizar todos los datos del proceso).
Para un conjunto determinado de datos, un nivel de confianza más bajo produce un intervalo de confianza más estrecho y un nivel de confianza más alto produce un intervalo de confianza más amplio. La amplitud del intervalo también tiende a disminuir con tamaños de muestra más grandes. Por lo tanto, convendría usar un nivel de confianza que no sea 95%, dependiendo del tamaño de la muestra, como se indica a continuación:
  • Si el tamaño de la muestra es pequeño, un intervalo de confianza de 95% pudiera ser demasiado amplio para ser útil. Al usar un nivel de confianza más bajo, como 90%, se obtendrá un intervalo más estrecho. Sin embargo, la probabilidad de que el intervalo contenga el índice de capacidad del proceso disminuye.
  • Si el tamaño de la muestra es grande, convendría considerar el uso de un nivel de confianza más alto, como 99%. Con una muestra grande, un nivel de confianza de 99% aún podría producir un intervalo razonablemente estrecho, incrementando al mismo tiempo la probabilidad de que el intervalo contenga el índice de capacidad del proceso.
Intervalles de confiance
Seleccione el tipo de intervalo o borde de confianza que desea mostrar:
  • Unilatéral: Muestra bordes de confianza inferiores para índices de capacidad y bordes de confianza superiores para PPM o % fuera de los límites de especificación. Utilice bordes de confianza unilaterales para lo siguiente:
    • Para estar más seguro de que un índice de capacidad sea mayor en comparación con un valor requerido. Por ejemplo, para estar más seguro de que Cp es mayor que 1.33.
    • Para estar más seguro de que PPM o % fuera de los límites de especificación es menor que un valor requerido. Por ejemplo, para estar más seguro de que PPM Total fuera de especificación es menos que 100.
  • Bilateral: Mostrar un intervalo de confianza que tenga límites de confianza inferior y superior.