Si tienes datos no normales, Puede transformar sus datos o Seleccione una distribución no normal que se ajuste a sus datos.
Transforma sus datos y Use un análisis de capacidades normal
Si una transformación de Box-Cox es efectiva para sus datos, Puede especificar el valor de lambda para transformar y usar un análisis de capacidades normal.
- Ve a la Componentes página y selecciona un producto. A continuación, seleccione el paso de flujo de proceso de su producto.
- Abra el paso del proceso y vaya a la Resumen del proceso sección.
- Seleccione Configuración adicional para acceder al gráfico de control y a las opciones de análisis de capacidades para cada medida.
- Seleccione Análisis de capacidad normal 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.
- Seleccione el valor lambda (λ) para transformar los datos.
- λ óptimo: Utilice la lambda óptima, la cual debería producir la transformación con el mejor ajuste.
- λ = 0 (ln): Utilice el logaritmo natural de los datos.
- λ = 0.5 (raíz cuadrada): Utilice la raíz cuadrada de los datos.
- Especificar λ: 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.
- Seleccione Aceptar.
Elige una distribución adecuada y Use un análisis de capacidades no anormal
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.
- Ve a la Componentes página y selecciona un producto. A continuación, seleccione el paso de flujo de proceso de su producto.
- Abra el paso del proceso y vaya a la Resumen del proceso sección.
- Seleccione Configuración adicional para acceder al gráfico de control y a las opciones de análisis de capacidades para cada medida.
- Seleccione Ajustar distribución. En la mayoría de los casos, lo mejor es User los conocimientos de ingeniería e históricos del proceso para identificar una distribución que se ajuste a los datos del proceso. Sin embargo, Minitab® El software estadístico dispone de muchas herramientas, como Individual Distribution Identification, que pueden ayudarte a evaluar el ajuste de distintas distribuciones.
- Selecciona la distribución que mejor se ajuste a sus datos.
- Seleccione Aceptar.
Comparación de los modelos de capacidad normal y no normal
Considere lo siguiente cuando decida User una distribución no normal o una distribución normal con una transformación.
- Por lo general, usted debería elegir el modelo que sea más efectivo para los datos. Si una distribución no normal o una transformación es igualmente efectivas, algunos profesionales recomiendan User un modelo no normal, porque Use 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 el proceso con el tiempo, trate de elegir una distribución o transformación que probablemente caracterice el proceso de forma adecuada y consistente en el tiempo. El hecho de usar la misma distribución o transformación permite comparar fácil y directamente los índices de los análisis repetidos.
- Capacidad normal
-
- Use 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
-
- Use 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.
