Los usuarios con privilegios de ingeniero pueden especificar preferencias predeterminadas para todos los análisis de capacidades. Estas preferencias son los ajustes iniciales para todos los análisis de capacidades. Para cambiar la configuración por medida, ve a Especificar configuración de capacidad para cada compás.
Preferencias compartidas
Esta configuración global establece las preferencias compartidas para cada análisis de capacidades. Escoger Preferencias
en el Ingeniería portal, luego navega hasta .
Especifica las tolerancias y preferencias de visualización que se comparten entre los análisis de capacidades.
- Tolerancia de K * σ
- Introduzca el ancho 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).
El valor K representa el ancho de una tolerancia bilateral. Si desea utilizar una tolerancia unilateral, ingrese un valor de tolerancia bilateral que sea el doble de la tolerancia unilateral. Por ejemplo, si quieres usar una tolerancia unilateral de 3σ, introduce 6.
- Mostrar métricas de rendimiento
- Seleccione cómo desea que se muestren los valores fuera de especificación esperados y.
- Partes por millón: Mostar los valores en partes por millón (PPM).
- Porcentajes: Mostrar los valores como porcentajes.
- Mostrar métricas de capacidad
- Selecciona las medidas de capacidad a mostrar.
- Estadísticos de capacidad (Cp, Pp): Calcular y mostrar los índices de capacidad, como CP y Pp.
- Valores Z de referencia (nivel de σ): Calcular y mostrar los valores de nivel Z. La opción de utilizar el nivel Z suele depender de las prácticas de la empresa o de la industria.
Análisis de capacidades normales
Este entorno global establece los métodos de estimación para cada análisis de capacidades. Escoger Preferencias en el Ingeniería portal, luego navega hasta .
- Método de estimación de la desviación estándar dentro de subgrupos (tamaño del subgrupo > 1)
- Seleccione un método para estimar la desviación estándar dentro del subgrupo cuando el tamaño del subgrupo sea mayor que 1.
- 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.
- 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.
- Método de estimación de la desviación estándar dentro de subgrupos (tamaño del subgrupo = 1)
- Seleccione un método para estimar la desviación estándar dentro del subgrupo cuando el tamaño del subgrupo sea igual a 1.
- Promedio del rango móvil: 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.
- Mediana del rango móvil: 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.
- Raíz cuadrada 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.
- Longitud del rango móvil
- Ingrese el número de observaciones utilizadas para calcular el rango móvil. La longitud debe ser de 100 kg. La longitud predeterminada es 2, porque los valores consecutivos tienen la mayor probabilidad de ser similares.
- Utilizar constantes de eliminación de sesgo
- 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.
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.
Análisis de capacidades entre/dentro de la capacidad
Este entorno global establece los métodos de estimación para cada análisis de capacidades intermedio. Escoger Preferencias en el Ingeniería portal, luego navega hasta .
- Método de estimación de la desviación estándar dentro de subgrupos
- Selecciona un método para estimar la desviación estándar dentro del subgrupo.
- 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.
- 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.
- Método de estimación para la desviación estándar entre subgrupos
- Seleccione un método para estimar la desviación estándar entre subgrupos.
- Promedio del rango móvil: 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.
- Mediana del rango móvil: 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.
- Raíz cuadrada 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.
- Longitud del rango móvil
- Ingrese el número de observaciones utilizadas para calcular el rango móvil. La longitud debe ser de 100 kg. La longitud predeterminada es 2, porque los valores consecutivos tienen la mayor probabilidad de ser similares.
- Utilizar constantes de eliminación de sesgo
- 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.
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.
