En este tema
- Elegir entre un análisis no normal o un análisis normal con una transformación
- Elegir una distribución adecuada para el análisis de capacidad
- Usar Identificación de distribución individual para encontrar una distribución o transformación adecuada
- Ejemplo de cómo usar Identificación de distribución individual para comparar los ajustes de las distribuciones y transformaciones
- Comparación de los modelos de capacidad normal y no normal
Elegir entre un análisis no normal o un análisis normal con una transformación
- Seleccione un modelo de distribución no normal que se ajuste a los datos y luego analice los datos utilizando un análisis de capacidad para datos no normales, como el Análisis de capacidad no normal.
- Transforme los datos de manera que la distribución normal sea un modelo apropiado y utilice un análisis de capacidad para datos normales, como el Análisis de capacidad normal.
Elegir una distribución adecuada para el análisis de capacidad
La selección de una distribución adecuada es un primer paso esencial para llevar a cabo un análisis de capacidad. Si la distribución elegida no se ajusta a los datos de manera adecuada, entonces las estimaciones de capacidad serán inexactas.
- Utilice los conocimientos de ingeniería o históricos del proceso.
En la mayoría de los casos, lo mejor es utilizar los conocimientos de ingeniería e históricos del proceso para identificar una distribución que se ajuste a los datos del proceso. Por ejemplo, ¿siguen los datos una distribución simétrica? ¿Qué distribución ha funcionado en el pasado en situaciones similares?
- Utilice la prueba de Anderson-Darling.
A veces puede ser difícil determinar la mejor distribución con base en la gráfica de probabilidad y las medidas de bondad de ajuste. Utilice la Tabla de percentiles de Identificación de distribución individual para varias distribuciones seleccionadas para ver cómo cambian sus conclusiones dependiendo de la distribución elegida.
- Evalúe cómo diferentes distribuciones afectan sus conclusiones.
Si varias distribuciones proveen un ajuste adecuado a los datos y también proveen conclusiones similares, entonces es probable que no importe cuál distribución elija usted. Por el contrario, si las conclusiones difieren dependiendo de la distribución elegida, se recomienda que incluya en el informe la conclusión más conservadora o que recolecte más información.
Usar Identificación de distribución individual para encontrar una distribución o transformación adecuada
Utilice Identificación de distribución individual antes de realizar un análisis de capacidad para determinar qué distribución o transformación es la más adecuada para sus datos.
- Elija .
- Elija si los datos están ordenados en una sola columna o en filas.
- Elija Usar todas las distribuciones y transformaciones o Especificar y elija hasta 4 distribuciones y transformaciones que se probarán.
- Análisis de capacidad no normal
- Análisis de capacidad no normal para múltiples variables
- Análisis de capacidad Seis en uno no normal
- Análisis de capacidad normal
- Análisis de capacidad Seis en uno normal
- Análisis de capacidad normal para múltiples variables
- Análisis de capacidad de subgrupos/corto plazo
Ejemplo de cómo usar Identificación de distribución individual para comparar los ajustes de las distribuciones y transformaciones
Por ejemplo, una ingeniera recopila datos sobre el grado de deformación en unas losetas. La distribución de los datos es desconocida, de modo que ella realiza la Identificación de distribución individual con los datos para comparar la bondad de ajuste entre la distribución exponencial y la distribución normal después de una transformación de Johnson.
Distribución exponencial
Esta gráfica de probabilidad indica que la distribución exponencial no es un buen ajuste; el valor p es lo suficientemente bajo como para rechazar la hipótesis nula de que los datos siguen una distribución exponencial.
Distribución normal con transformación de Johnson
Sin embargo, después de aplicar una transformación de Johnson, los datos siguen de cerca una distribución normal, porque el valor p es grande y casi todos los puntos de los datos se encuentran dentro de los límites de confianza de la gráfica de probabilidad normal.
Comparación de los modelos de capacidad normal y no normal
- Por lo general, usted debería elegir el modelo que sea el más efectivo para sus datos. Si una distribución no normal o una transformación son igualmente efectivas, algunos profesionales recomiendan utilizar un modelo no normal porque utiliza las unidades reales de los datos. Sin embargo, otros tal vez prefieran el modelo normal, porque proporciona estimaciones tanto de la capacidad general como de la capacidad a corto plazo del proceso.
- Si planea realizar análisis de capacidad repetidos para su proceso en el tiempo, trate de elegir una distribución o transformación que probablemente caracterice de forma adecuada su proceso consistentemente en el tiempo. El hecho de usar la misma distribución o transformación le permite comparar fácil y directamente los índices de los análisis repetidos.
- Capacidad normal
-
- Utiliza los datos reales o transformados para el histograma.
- Calcula la capacidad a corto plazo, de supgrupos/corto plazo (cuando existe variación tanto dentro de los subgrupos como entre los subgrupos) y general.
- Dibuja una curva normal en el histograma para ayudarle a determinar si la transformación logró hacer que los datos siguieran una distribución normal.
- Capacidad no normal
-
- Utiliza las unidades reales de los datos para el histograma.
- Calcula solo la capacidad general.
- Dibuja la curva de la distribución no normal elegida en el histograma para ayudar a determinar si los datos se ajustan a la distribución especificada.