Interpretar los resultados clave para Análisis de capacidad binomial

Complete los siguientes pasos para interpretar un análisis de capacidad binomial. La salida clave incluye la gráfica de control, la gráfica binomial y el %defectuoso.

Paso 1: Determinar si el proceso es estable

Antes de evaluar la capacidad del proceso, determine si es estable. Si el proceso no es estable, las estimaciones de la capacidad del proceso podrían no ser fiables.

Utilice la gráfica P para monitorear visualmente el %defectuoso y determinar si el %defectuoso es estable y está bajo control.

Los puntos rojos indican subgrupos que no pasan al menos una de las pruebas para detectar causas especiales y no están bajo control. Los puntos fuera de control indican que el proceso pudiera no ser estable y que los resultados de un análisis de capacidad podrían no ser fiables. Usted debe identificar la causa de los puntos fuera de control y eliminar cualquier variación por causas especiales antes de que analice la capacidad del proceso.

En esta gráfica P, la mayoría de los puntos varía aleatoriamente y se encuentra dentro de los límites de control. No se observan tendencias ni patrones. Sin embargo, la proporción de unidades defectuosas para el día 19 está fuera de control. Antes de evaluar la capacidad del proceso, investigue y elimine cualquier causa especial que haya podido contribuir a la tasa extrañamente alta de defectuosos ese día.

Paso 2: Determinar si los datos siguen una distribución binomial

Antes de evaluar la capacidad del proceso, determine si este sigue una distribución binomial. Si los datos no siguen una distribución binomial, las estimaciones de la capacidad del proceso podrían no ser fiables. La gráfica que Minitab muestra para evaluar la distribución de los datos depende de si los tamaños de los subgrupos son iguales o diferentes.

Los tamaños de los subgrupos son iguales

Si todos los tamaños de los subgrupos son iguales, Minitab muestra una gráfica binomial.

Examine la gráfica para determinar si los puntos graficados siguen aproximadamente una línea recta. Si no es así, entonces es posible que sea falso el supuesto de que los datos de la muestra provienen de una distribución binomial.

Binomial

En esta gráfica, los puntos de los datos se encuentran cerca de la línea a lo largo de esta. Usted puede presuponer que los datos siguen una distribución binomial.

No binomial

En esta gráfica, los puntos de los datos no se encuentran a lo largo de la línea cerca de la parte superior derecha. Estos datos no siguen una distribución binomial y no se pueden evaluar de manera fiable utilizando el análisis de capacidad binomial.

Los tamaños de los subgrupos no son iguales

Si el tamaño de los subgrupos varía, Minitab muestra una gráfica de tasa de defectos.

Examine la gráfica para evaluar si el %defectuoso se encuentra distribuido aleatoriamente entre los diferentes tamaños de muestra o si está presente un patrón. Si los datos se ubican aleatoriamente alrededor de la línea central, usted concluye que los datos siguen una distribución binomial.

Binomial

En esta gráfica, los puntos están dispersos de manera aleatoria alrededor de la línea central. Usted puede presuponer que los datos siguen una distribución binomial. Por lo tanto, los datos se pueden evaluar utilizando el análisis de capacidad binomial.

No binomial

En esta gráfica, el patrón no es aleatorio. Para los tamaños de muestra que son mayores que 1900, la tasa de %defectuoso aumenta a medida que aumenta el tamaño de la muestra. Este resultado indica una correlación entre el tamaño de la muestra y el porcentaje de defectuosos. Por lo tanto, los datos no siguen una distribución binomial y no se pueden evaluar de manera fiable utilizando el análisis de capacidad binomial.

Paso 3: Evaluar el porcentaje de unidades defectuosas

Examinar la estimación de %defectuosos y el IC

Utilice la media de %defectuoso de los datos de la muestra para estimar la media de %defectuoso del proceso. Utilice el intervalo de confianza como un margen de error para la estimación.

El intervalo de confianza proporciona un rango de valores probables para el valor real del %defectuoso en el proceso (si usted pudiera recolectar y analizar todos los elementos que este produce). Con un nivel de confianza de 95%, usted puede estar 95% seguro de que el %defectuoso real del proceso se encuentra dentro del intervalo de confianza. Es decir, si usted recolecta 100 muestras aleatorias del proceso, puede esperar que aproximadamente 95 de las muestras produzcan intervalos que contengan el valor real de %defectuoso.

El intervalo de confianza ayuda a evaluar la significancia práctica de la estimación de la muestra. Si tiene un valor de %defectuoso máximo permitido que se base en el conocimiento del proceso o las normas de la industria, compare el límite de confianza superior con este valor. Si el límite de confianza superior es menor que el valor de %defectuoso máximo permitido, entonces usted puede estar seguro de que el proceso cumple con las especificaciones, incluso considerando la variabilidad del muestreo aleatorio que afecta a la estimación.

Estadísticos de resumen
(95.0% de confianza)  
%defectuoso: 0.39
IC inferior: 0.24
IC superior: 0.60
Objetivo: 0.50
PPM Def: 3931
IC inferior: 2435
IC superior: 6003
Z del proceso: 2.6579
IC inferior: 2.5120
IC superior: 2.8155
Resultados clave: %defectuoso, IC

Los resultados del análisis de capacidad binomial incluyen una tabla Estadísticos de resumen, ubicada en la porción inferior central de la salida. En esta tabla Estadísticos de resumen simulada, el objetivo (0.50) indica el valor máximo permitido de %defectuoso para el proceso. La estimación de %defectuoso es 0.39%, que es menor que el valor máximo permitido de %defectuoso. Sin embargo, el IC superior del %defectuoso es 0.60%, que excede el valor máximo permitido. Por lo tanto, usted no puede estar 95% seguro de que el proceso tiene capacidad. Tal vez tenga que utilizar un tamaño de muestra más grande o reducir la variabilidad del proceso para obtener un intervalo de confianza más estrecho para la estimación del %defectuoso.

Determinar si tiene suficientes datos para una estimación fiable

Utilice la gráfica %defectuoso acumulado para determinar si tiene suficientes muestras para una estimación estable del %defectuoso.

Examine el %defectuoso de las muestras ordenadas cronológicamente para ver cómo cambia la estimación a medida que recolecta más muestras. Lo ideal es que el %defectuoso se estabilice después de varias muestras, como lo indica el aplanamiento de los puntos graficados a lo largo de la línea de la media de %defectuoso.

Muestras suficientes

En esta gráfica, el %defectuoso se estabiliza a lo largo de la línea de la media de %defectuoso. Por lo tanto, el estudio de capacidad incluye suficientes muestras para producir una estimación estable y fiable de la media de %defectuoso.

Muestras insuficientes

En esta gráfica, el %defectuoso no se estabiliza. Por lo tanto, el estudio de capacidad no incluye suficientes muestras para estimar de manera fiable la media de %defectuoso.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política