Utilice el histograma de capacidad para ver los datos de su muestra en relación con el ajuste de distribución y los límites de especificación.
Compare la curva de distribución con las barras del histograma para evaluar si sus datos parecen seguir la distribución que usted eligió para el análisis. Si las barras varían considerablemente respecto de la curva, sus datos podrían no seguir la distribución que eligió y las estimaciones de la capacidad podrían no ser fiables para su proceso. Si no está seguro de cuál es la distribución que mejor se ajusta a sus datos, utilice Identificación de distribución individual para identificar una distribución o transformación apropiadas.
Para un análisis más completo de los supuestos para análisis de capacidad no normal, utilice Análisis de capacidad Seis en uno no normal.
Examine visualmente los datos en el histograma en relación con los límites de especificación inferior y superior. Lo ideal es que la dispersión de los datos sea más estrecha que la dispersión de especificación y que todos los datos estén dentro de los límites de especificación. Los datos que están fuera de los límites de especificación representan elementos no conformes.
Para determinar el número real de elementos no conformes en el proceso, utilice los resultados de PPM < LEI, PPM > LES y PPM Total. Para obtener más información, vaya a Todos los estadísticos y gráficas.
En estos resultados, la dispersión del proceso es mayor que la dispersión de especificación, lo que sugiere una capacidad deficiente. Aunque gran parte de los datos se encuentra dentro de los límites de especificación, muchos elementos no conformes están por debajo del límite de especificación inferior (LEI) y por encima del límite de especificación superior (LES).
Evalúe si el proceso está centrado entre los límites de especificación o en el valor objetivo, si usted tiene uno. El pico de la curva de distribución muestra dónde se encuentra la mayoría de los datos.
En estos resultados, aunque las observaciones de la muestra se encuentran dentro de los límites de especificación, el pico de la curva de distribución no está en el objetivo. La mayoría de los datos excede el valor objetivo y se encuentra cerca del límite de especificación superior.