Control de fases en Lean Six Sigma 2025: control estadístico de procesos (SPC)

1. Introducción: Les doy la bienvenida a todos a mi nueva clase sobre análisis de datos usando Minitab. En estas series, vamos a hablar de gráficos de control. como les prometí en mi canal de Telegram que estaré lanzando el capítulo de la tabla de control a detalle para que todas las dudas básicas que tenemos, nos aclaren. Entonces el enfoque de todo este programa es entender qué son los gráficos de control, cuáles son los diferentes tipos de gráficos de control que tenemos. Ventura usa gráficos de control. ¿ Cuáles son nuestros límites de control, cuál es la central que yace en una carta de control? Uso de gráficos de control para detectar causa común y la variación de causa especial. Uso de pruebas para causas especiales y tablas de control. ¿ Cuáles son los diferentes tipos de pruebas cuál utilizar cuándo, qué evitar? Todo se cubrirá en esta sesión. Para quién es esta clase? Esta es una pregunta importante que tienen muchos participantes que debería estar asistiendo a esta clase o no es para mí? Entonces si eres estudiante de Lean Six Sigma, Green Belt o Black Belt o un cinturón amarillo. O eres uno que quiere entender las estadísticas, control de procesos, eso se trata de gráficos de control. ¿ Cómo puedo monitorear estadísticamente mi proceso? Quieres aplicar estadísticas, quieres entender diferentes técnicas gráficas, agarra todo lo que quieras entender una de las herramientas más importantes de Seven QC, que es gráficos de control. Debes retomar este programa porque es bueno aclarar todas tus dudas. Algunas de las conclusiones clave que tendrás de este taller es que entenderás exactamente qué son las cartas de control. Venture lo uso límites de control de agua. ¿ Cuál es la diferencia entre límite de especificación y límite de control? ¿ Y cómo hago la prueba para detectar causas especiales? ¿ Cuáles son las pruebas que se utilizan para identificar la causa común? Y cuáles son los diferentes tipos de errores que comete la gente cuando está trabajando con gráficos de control. Todos estos temas se tratarán en detalle. Estaré montando un taller separado, cual estaremos hablando. Prácticamente haciendo todo. Estaré subiendo la ficha de datos de mi proyecto. Obtendrás muchos proyectos en los que trabajar. Además, si tiene alguna consulta que esté relacionada con su proceso donde se le dibuja gráfico de control pero no está recibiendo respuesta. Serás libre, siéntete libre de escribirme o poner tus comentarios en la sección de discusión y te ayudaré, ¿no? Entonces comencemos. 2. Proyecto de clase y cómo subirlo: Tenemos que hacer un proyecto cada vez que estamos aprendiendo algo. Y la mejor parte pero Skillshare es que anima a los profesores a crear proyectos que los participantes y los alumnos necesitan aprender del curso, aplicar los conceptos. Por lo que voy a adjuntar esta hoja de Excel como plan de proyecto. Esto tiene muchos ejemplos de datos que estoy usando durante el curso, como los datos de longitud del eje de leva, datos paraguas, datos de moldeo por inyección todavía prestan. Hay muchos ejemplos que están disponibles por aquí, que te ayudarán a entender el concepto. Número uno. Número dos, tienes estos datos los cuales pueden ayudarte a hacer tu proyecto y completarlo. Ahora algunos de ustedes podrían ser nuevo libro Skillshare para ayudarle a entender cómo hago un proyecto y presentar un proyecto, voy a orientarlos. Entonces, antes que nada, tendrías una ficha técnica como esta. Esta es la ficha técnica del producto que voy a compartir con ustedes. Entonces por ejemplo, estoy tomando mi paraguas p data, escríbelo directamente, me lleva a ese lugar donde se guardan mis datos. Copio estos datos a MinitaB y hago mi ejercicio. Tengo mis datos. Qué tipo de caso de uso de datos lo estaremos cubriendo a detalle. Solo trato de mostrarte cómo subes tu proyecto. Por lo que he creado mis gráficos de control y sigo adelante y paraguas defectuosos tamaño de subgrupo. Y hago clic en Ok, una vez que tenga lista mi gráfica, lo que tengo que hacer es simplemente copiar esta gráfica. Puedo ponerlo en pintura. Y guardo este archivo. Ahora, volvamos a Skillshare. En Skillshare, una vez completado el proyecto, tienes una sección a continuación sobre revisión, discusión y proyecto y las fuentes. Así que da clic en Proyecto y Recursos. Y se puede ver un botón de color verde por aquí diciendo crear proyecto. Es necesario dar click en este Crear proyecto. Te lleva a una pantalla como esta, donde te está pidiendo a la foto que quieres presentar en tu proyecto. Por lo que subiré una fotografía que acabo de crear. Se está subiendo. Ahora presenté el título del proyecto. He hecho el p-chart usando conjunto de datos paraguas. Eres libre de usar todo el conjunto de datos que he subido todos los proyectos porque esto te dará confianza y voy a compartir comentarios contigo. Pero si tienes datos relacionados con los tutos y quieres que te ayude, aún puedes subirlos. No te voy a pedir los datos, pero te ayudaré en la interpretación. Yo tengo. Lee esto. Por datos defectuosos. Si tengo más contenido, puedo seguir adelante y agregar más contenido. Si deseas mantener tus proyectos privados, puedes hacer clic en él. Pero yo diría que todos aprendimos compartiendo unos con otros. Y luego subo y he publicado. Una vez que lo publiques, podría tardar unos minutos o unos minutos a pocas horas para que el proyecto esté disponible. Lo que pasa es como capacitador, me sale una alerta por aquí de que alguien ha creado un nuevo proyecto y necesito dar un feedback. Entonces voy aquí y doy un feedback, que me ayudará a entender lo que has hecho y puedo compartir los comentarios. Por lo que esto te animará a asegurarte de completar tu proyecto. Ahora volvamos a este gráfico. Sí. Entonces si tienes alguna duda, eres libre de abrir una discusión y decir empezar en una posición, hacer una pregunta sobre el proyecto. Entonces tengo una pregunta. Puedespreguntar. ¿ Me pueden ayudar con más ejemplos de B tilde? Sólo lo estoy anotando. Entonces si tiene alguna pregunta, sólo estoy dando una pregunta hipotética. Y puedo bajar y decir, Post. Cuando planteo esto, está disponible y es deber de un maestro responder de nuevo a esto. Con esto, tus dudas se aclararán. Sea lo que sea que estés aprendiendo en la clase, lo solicitarás. Esta clase no sólo va a cubrir las prácticas, sino que también querrá aclarar todos los conceptos que a veces se vuelven confusos. ¿ Verdad? Entonces con esto, sigamos con nuestro ejercicio de aprendizaje. 3. ¿Qué tan detallado es este curso sobre Gráfico de control: Hola amigos. Les doy la bienvenida a esta clase de gráficos de control, que es una metodología de control de procesos estadísticos. La mayoría de nosotros, cuando estamos haciendo Six Sigma como proyectos greenbelt o proyecto Six Sigma Black Belt. Estamos utilizando gráficos de control. Algunos de los participantes son, algunas de las personas en la oficina también usan gráficos de control como un siete Q. C2. Es bueno que todos sepamos practicar gráfico de control o cómo desarrollar el gráfico de control utilizando diferentes herramientas. Tienes plantillas que están disponibles en un sesgo. Algunas personas usan MinitaB, algunas personas usan JMP. En esta clase. Lo que voy a cubrir es a partir de lo básico. Aunque es posible que esté al tanto de las cartas de control. Es posible que estés al tanto de ciertos conceptos a un alto nivel. Te voy a llevar paso a paso en este curso, que va a cubrir ¿qué son las gráficas de control? ¿ Qué son los límites de control? ¿ Qué es una línea central en la gráfica de control? ¿ Cómo detecto la radiación? Ejemplos de causa común y variación de causa especial? ¿ Cómo puedo usar lluvia de ideas para investigar este problema? ¿ Qué tipo de diferencia? ¿ Cuáles son los diferentes tipos de pruebas que están disponibles para nosotros? ¿ Cuáles son los diferentes tipos de gráficos de control dependiendo del tipo de datos que necesita construir? Vamos a retomar muchos ejemplos donde trataremos de entender los conceptos desde cero. Entonces vamos a aprender ¿cómo aplico realmente qué gráfico de control se usará? No sólo en teoría, sino también en términos prácticos, donde te daré un caso de uso y te preguntaré o te guiaré a través del proceso de selección de la gráfica de control correcta. Post, que también te estaré mostrando cómo construir esta gráfica de control usando MinitaB y cómo identificamos la variación de causa especial dentro del proceso. Muchos ejemplos por aquí, lo que te facilita entenderlo y aplicarlo a pesar de que eres de diferentes industrias. Por lo que primero explicaré el concepto. ¿ Cuál es el problema que enfrenta el ingeniero de calidad? ¿ Cuáles son los datos que está recabando? Y en base a los datos, que es la gráfica de control correcta que necesita ser recogida. Así que espero que disfruten aprendiendo a través de mí, no sólo la práctica de crear el gráfico de control, sino también sobre los conceptos que son muy importantes para nosotros para asegurar que somos capaces de despejar nuestra barra y durante la presentación. Lo siguiente importante que voy a agregar es el proyecto. Así que por favor miren eso en el siguiente video. 4. ¿Qué es los gráficos de control: Entonces, ¿qué son las gráficas de control? Tenemos B como entendemos, ¿verdad? Es un gráfico que te ayuda a encontrar si tu proceso está en control. El proceso de audio está fuera de control. Te ayuda a identificar la presencia de variación de causa especial si existe en tu proceso. Siempre que haya variación de causa especial que esté presente en su proceso, se dice que su proceso es inestable, lo que significa que es necesaria una acción correctiva en su proceso. Las cartas de control se utilizan como la herramienta siete QC. También se utiliza en la fase de control de sus proyectos Green Belt y Black Belt. Y siempre es bueno comprobar si mi proceso que estoy ejecutando hoy no está en control o está fuera de control, o son sus posibilidades de salir de control? Queremos identificar la variación de las causas especiales, y queremos arreglarla. Tablas de control y nada más que gráficas que trazan los datos del proceso en secuencia de orden de tiempo. Habrías oído hablar del concepto de trama de series de tiempo. Entonces sí, es una gráfica de series de tiempo o gráfico de corridas, pero el elemento adicional que se agrega en la gráfica de control, línea central más fácil, control superior y límite de control inferior. Y estos lo hicieron, estas líneas se dibujan con base en los datos que usted ha proporcionado. La línea central representa la media del proceso. Los límites de control representan la variación del proceso. Por defecto, los límites de control se dibujan a una distancia de aproximadamente tres desviaciones estándar por encima y por debajo de la línea central. Así que cuando tengo un gráfico de corridas, técnicamente un gráfico ordenado por tiempo, pero tengo elementos adicionales que me da más información como la línea central, mi límite de control superior, y menor límite de control. Me ayuda a identificar facilidad mi audiencia proceso, mi proceso no es estable. Los puntos que caen aleatoriamente dentro de los límites de control indican que su proceso está en control y exhibe solo variación de causa común. Entonces la variación de causa común podría ser cualquier cosa que sea aleatoria, ¿verdad? Por lo que a veces cuando estoy hablando, pueden ser un rezago de 1 segundo. Eso podría ser por los costos comunes. Pero si estoy hablando y no puedes escucharme, Esa es una causa especial. O mi micrófono no funciona o mi red no funciona. He hecho clic en el botón de silenciar. Habrá una causa especial que necesita investigación. Y esos se pueden identificar cuando los puntos caen fuera del límite de control. ¿ Se exhiben un guiño? Ya vuelvo entonces. Incluso si el proceso está dentro del límite del contenedor, pero el patrón no aleatorio, indican que el proceso está fuera de control. La variación de causa especial está presente en su proceso, lo que requiere que tome medidas. ¿ Cuándo utilizo gráficos de control? Esa es una pregunta común que tienen las personas, si estás monitoreando y procesando audio en curso tratando de obtener comprensión de tu nuevo proceso. gráficos de control son una herramienta muy útil. Puede usar gráficos de control para demostrar si su proceso es estable y consistente o de qué tipo. Un proceso estable es aquel que solo incluye variación de causa común y no tiene ningún punto fuera de control. Verifique que su proceso sea estable antes de realizar el análisis de capacidad. Por lo que recuerdas en la fase de medida de tu proyecto, tratas de hacer un análisis de capacidad es cómo capacidades tu proceso si estás haciendo un proyecto Six Sigma. Algunos pros, algunas organizaciones también hacen un análisis de capacidad sobre una base regular para validar si el proceso es estable. Por lo que tienes que hacer este análisis sólo después de saber que tu proceso es David. Si un proceso no es estable, no deberías estar haciendo un análisis de capacidad o ese reporte pero obtendrás no es un reporte válido. Evaluar la efectividad del cambio de proceso. Este es también un escenario más donde se usan gráficos de control. Cuando los gráficos de control, es fácil comparar los cambios en la media del proceso, cambios en la variación del proceso. Comunicar el desempeño de su proceso durante un periodo de tiempo específico. Como te dije que se pueden tirar los gráficos se dibujan en una secuencia de orden de tiempo. Cuáles son los límites de nuestro control. Cubriremos esto en el siguiente video. 5. ¿Qué son los límites de control?: Entendamos cuáles son nuestros límites de control, límites de control. Su gráfico de control representa variación de su proceso que le ayuda. Indico proceso más fácil en control o es su proceso fuera de control controles remotos controlados, límites y nada líneas horizontales que se dibujan por encima y por debajo de la línea central. Eso te ayudará a juzgar. Nuevamente, ¿mi proceso es estable o no? Los límites de control de esa persona se basan en la variación aleatoria en el proceso. Por defecto, Minitab establece los límites de control como tres desviaciones estándar por encima y por debajo de la línea central. Este es un ejemplo sencillo, los límites de control. Por lo que podría tener los datos de su proceso que se está dibujando en secuencia de orden de tiempo. Esa línea roja en la parte superior, que se llama como UCL, es tu límite de control superior. Y la NCL es un límite de control inferior. La línea verde es tu línea central. Podemos ver en este proceso que tengo dos puntos, que son dos puntos de datos que están más allá del límite de control superior. Está indicando que el proceso está fuera de control. Entonces significa que hay una variación de causa especial y necesitamos investigarla. Entendamos la diferencia entre límite de control y límite de especificación en el siguiente capítulo. 6. ¿Qué son la línea central en límites de control?: En este capítulo vamos a entender las terminologías importantes como ¿cuál es la línea central y cuáles son los límites de control? Entonces, ¿qué es una línea central en un gráfico de control? La línea dental en su carta de control representa el promedio del proceso, no necesariamente su proceso deseado. Esta noche el promedio de especificación dado por el cliente. Es lo que realmente está sucediendo y sucediendo en tu proceso. La línea central es una línea de referencia horizontal en una gráfica de control que es un valor promedio. Y se basa en las características de calidad que utiliza la línea central para observar cómo funciona el proceso cuando se compara con el promedio. Si el proceso está en control, los puntos variarán aleatoriamente alrededor de la línea central. Ver este ejemplo. Lo harás, la línea verde, que ves en pantalla, es tu línea central. Se trata del promedio del proceso. Cada punto de datos podría ser un subgrupo de números. Entonces subgrupo, podría ser una muestra de subgrupo de cinco elementos, diez elementos, y así sucesivamente. Y se toma ese promedio y se toma el promedio de todos los datos para derivar en esta línea verde, que es su línea central. En este ejemplo, la gráfica de barras X muestra la longitud del árbol de levas de fabricación durante el período de la línea central muestra la media del proceso. Y el subgrupo significa muy aleatoriamente alrededor del proceso. Entonces ves que los puntos van hacia arriba y hacia abajo alrededor de la línea verde. Y esto está sucediendo debido a la presencia de alguna variación de causa común en su proceso. Adjudicación de precaución siempre que estés trabajando. No te confundas entre la línea central con el valor objetivo de tu proceso. El valor objetivo proviene de la especificación de su cliente, ¿verdad? ¿ Cuál es el resultado deseado? Esa es la línea objetivo, pero el resultado real es tu línea central. Entonces ambos son diferentes. Uso de la carta de control para detectar la radiación. Esto lo cubriremos en el próximo capítulo. 7. Detecta variaciones: Comencemos a entender ¿cómo puedo usar gráficos de control para detectar variaciones en mi proceso? Las gráficas de control se utilizan para monitorear dos tipos de variación del proceso. Como les dije en el capítulo anterior, habla de la variación de causa común y de la radiación de causa especial. ¿ Cuáles son la variación de causa común y la variación de causa especial podría ser una pregunta que podría tener. Y cómo se ve la variación de causa especial cuando se está trabajando en la gráfica de control. ¿ Cómo puedo identificar variación de causa especial en mi gráfica de control? El uso de lluvia de ideas para investigar variación de causas especiales es una solución. Si identifica la variación de causa especial y su gráfico, vamos a cubrir todo en detalle. No corrija en exceso su proceso de variación de causa común. Ese es un error común que comete la gente. Debido a que algunos deshacerse de la variación de causa común deben estar presentes en su proceso porque es natural. Entonces vamos a entender que algún grado de variación es naturalmente en cualquier proceso. Si comienzo mi entrenamiento, podría estar sentado todos los días por la mañana a las diez en punto para empezar a grabar mi entrenamiento. Algunos días podría estar presente en el tendón. Hagamos un ejemplo más sencillo. Ordeno comida en speakeasies swaggy que entregaré la comida en 40 minutos. Por ejemplo, podría entregar la comida en 38 minutos. Al día siguiente, pedí la comida del mismo lugar y a través de 3D, pero el pedido podría llegar a ser entregado en 30 minutos. Tercer día, podría ser entregado en 32 minutos, 45 minutos. Cualquiera que sea la pequeña variación que haya ahí. Y es aceptable que viene por la variación de causa especial. Variación de causa común. La variación de causa común es un proceso natural y variación inesperada en el proceso. La variación por causa especial es una variación inesperada en el proceso, que se debe a algunas ocurrencias inusuales. Es importante identificar y tratar de eliminar la variación de causa especial en el proceso. Entonces por ejemplo, hago un pedido en chirriante. Dijeron que se entregará en 40 minutos, pero ya son dos horas y no pueden entregar mi pedido. Definitivamente me preocuparía. Ni siquiera esperaría dos horas inmediatamente después de 45 minutos, llamaría y diría ¿dónde está mi pedido? Y dicen que está en camino. Una hora más tarde significa después de 60 minutos, yo otra vez bastante es mi orden. Y dijeron porque hay fuertes lluvias, el conductor está atascado en el camino y de ahí, el retraso en la entrega. 8. Ejemplos de variación de causa común y de causa especial: Hola amigos. Sigamos entendiendo cuáles son las diferentes causas de variación en nuestro análisis de datos para el uso de gráficos de control, estamos usando, estamos tratando entender todos los conceptos relacionados con las células de control. Una de las cosas importantes que aprendemos nuestras diferentes causas de variación, que está provocando que la gráfica de control se mueva hacia arriba y hacia abajo. Las causas pueden ser algo así como una variación de causa común o una variación de causa especial. Si ves al Agricultor a la derecha, el granjero límite a la derecha, recibe una bolsa de huevos, que son una caja de x, que son una mezcla de blanco y de color. Cuando se mete en la causa raíz del problema, se da cuenta de que todos sus huevos, ahí nuestro Lee mezclado de color x, están poniendo huevos blancos y están vinculados color x, el poder. Entonces es una variación de causa común. Por lo que necesita investigar y tratar de reducir, minimizar. Se puede ir, él no puede eliminar material, tratar de minimizar la variación de causa común. El polvoriento granjero de la izquierda también recibe una caja de x, que son una mezcla de blanco y de color. Cuando investiga en su granja de pólvora, va a la causa raíz del problema. Se dio cuenta de que hay una raza particular de gallinas que están poniendo color x resto de las manos y su granja avícola o todos los huevos blancos de Lane. Significa que hay una causa asignable a este problema. Y de ahí, necesita investigar qué causó que esta mano pusiera la x de color Podría ser en la alimentación, tuvo un problema, o el pájaro es de un lugar diferente, o es una mezcla, ahí sería alguna causa asignable a ella. Y las gráficas de control te ayudan a identificar la variación de causa común y la variación de causa especial. Tomemos algunos ejemplos más de causa común y variación de causa especial. Entonces, por ejemplo, si un panadero está haciendo una hogaza de pan, la fluctuación de temperatura dentro de la vieja ligeramente bebé pesa un centígrado hacia arriba y hacia abajo es aceptable y eso se debe a una causa común variación de la naturaleza del equipo. Pero supongamos que si la temperatura se baja drásticamente, entonces podría deberse a alguna causa asignable como el panadero se olvidó de cerrar la ventana. Las causas especiales te ayudan a identificar la causa asignable que debe enfocarse. Un ejemplo más es registrar la información de contacto del cliente. Si hay una persona con experiencia, podría estar cometiendo errores muy mínimos. tanto que si se trata de una persona nueva, existe la posibilidad de que comete muchos errores. Por lo que significa que necesita capacitarse y necesita que le enseñen algunos trucos que le puedan ayudar a hacer este trabajo de manera más eficiente. Tomemos un ejemplo más para entender la causa común y variación de causa especial en detección de moho en juguetes de plástico. Por lo que cuando los juguetes de plástico y hacen ligera variación, los juguetes de plástico es aceptable porque esa es la naturaleza de todo el proceso. Estás poniendo el molde en el, lo siento, el plástico derretido en el molde y ya está subiendo. Pero supongamos que la calidad de la materia prima es mala. Al minuto que sale el juguete y lo sostengo, estalla, es muy duro. Podría deberse a una causa asignable que la materia prima no sea de la calidad que necesitamos y afecta la resistencia y la consistencia del producto. ¿ Qué son las variaciones de causa especial? ¿ Y cómo se ve cuando estás trabajando en el chat? Un proceso es estable si no tiene ninguna variación de causa especial, causa común con siempre existe, ¿verdad? Gráficos de control y gráficos de ejecución proporcionan una buena ilustración de la estabilidad del proceso o inestabilidad es mi hermano Steven, o suena tabla. Podemos utilizar, pero uno de ellos, el proceso debe ser estable antes sus capacidades evalúen o mejoren nuestras iniciadas. Si mi proceso no es estable, recoger un proyecto de Six Sigma no es aceptable, significa que no funciona. Si miraras la gráfica de control, que está por aquí, te darás cuenta de que esta gráfica de control tiene alguna variación aleatoria. Y estas variaciones se encuentran entre los dos límites de control que se identifican usando la línea de lectura. Todos los puntos están fluctuando aleatoriamente alrededor de la línea verde, que es mi línea central. Esto lo demuestra claramente y ni siquiera está violando ninguna de mis ocho reglas de la carta de control. Estaré hablando a detalle de las diferentes pruebas que realizamos en las gráficas de control en los siguientes videos. Si tu carta de control se ve algo así con muchos puntos rojos y dice un 11155 y ve 333. Significa que el proceso no es estable y ha violado la regla número uno, regla número cinco, y número tres en este caso. Y estadísticas de que el proceso no es estable. Hay algunas variaciones de causa especial que hay que investigar. Si tiene alguna duda o alguna duda o aclaración, no dude en preguntar en la sección de discusión a continuación. En caso de intentar aplicar los conceptos fuera y asegurarse de completar el proyecto y subirlo. En el siguiente video, vamos a aprender sobre el uso ideas para investigar la variación de causas especiales. 9. Uso de la lluvia de ideas para investigar variaciones de causa especial: Seguimos entendiendo las diferentes causas de variación en cómo debo investigar sobre las variaciones de causa especial que hemos identificado durante el, en la carta de control. Por lo que podemos utilizar la lluvia de ideas como un ejercicio muy bueno para investigar la variación de causa especial. Un buen punto de partida para investigar la variación de causa especial es reunir a varios expertos en variación de causa especial es reunir a procesos, reunir a los expertos en la materia por allí. uso de gráficos de control aumenta los operadores de proceso, los ingenieros de proceso, y la prueba de calidad nos para hacer lluvia de ideas por qué una muestra en particular. Están fuera de control. Porque sabes que cuando estás dibujando la gráfica de control, está en secuencia de orden de tiempo y tendrás un ID de muestra que lo identificará. Podemos ir a investigar lo que sucedió durante esa instancia. Dependiendo de su proceso, también puede incluir artículos durante la próxima reunión. Cuando estés investigando la variación de causa especial, debes responder algunas de estas preguntas. Con las muestras estaban fuera de control. ¿ Qué prueba para causas especiales hizo la muestra? ¿ Qué significa cada prueba de campo? ¿ Y cómo yo qué busco? Estamos en todas las posibles razones para la prueba de campo. El método común de lluvia de ideas es hacer preguntas sobre por qué ocurrió una falla en particular. Para determinar la causa raíz, puede usar el método 5-Why. Sigue preguntando el por qué, por qué, por qué, hasta llegar a la causa raíz del problema. También debes usar un diagrama de causa y efecto, o el diagrama de la espiga o el diagrama de Ishikawa como lo llamas. Comprender los diferentes tipos de diferentes tipos de causas que están causando variación de causa especial. Al igual que si se trata de los hombres método material, y así sucesivamente. Recuerda, no sobreactues tu proceso para la variación de causa común. Pero es importante evitar la variación de causa especial. Tratar de eliminar la variación de causa común debe hacer que la materia sea peor. Considera un proceso de horneado de pan, una ligera deriva y la temperatura que es causada por los órganos y termostato hasta parte de la variación natural de causa común para el proceso. Si intentas reducir esta variación natural del proceso ajustando manualmente la temperatura, configurando y bajando, probablemente aumentarás la variable t en lugar de disminuirla. Se le llama como sobrecorrección. Si tiene alguna duda o necesita aclaración sobre alguno de este tema, no dude en preguntar en la sección de discusión a continuación. Y como siempre, intenta aplicar este concepto y completa tu proyecto. Puedes desenterrar algunas gráficas de control existentes que tienes y tratar de averiguar qué hay hay una tabla de procesos. ¿ Existe alguna variación de causa especial? En el siguiente video, vamos a conocer qué prueba para causas especiales se incluyen en Minitab. 10. ¿Qué pruebas para causas especiales se incluyen en Minitab?: Hola amigos. Vamos a entender qué prueba para causas especiales se incluyen en MinitaB. Cuando estamos tratando de entender la estabilidad del proceso usando gráficos de control. Prueba número 11, más de tres sigma de la línea central. Se trata de las pruebas más comunes que siempre buscamos. Esta prueba identifica el subgrupo que tiene inusual en comparación con los otros subgrupos. Estos son universalmente reconocidos como necesarios para detectar situaciones fuera de control. Si una pequeña deriva en el proceso fuera de intereses, también debe hacer la prueba número dos para complementar la prueba número uno con el fin de crear una carta de control que tenga una mayor sensibilidad. Pruebe el número 29 puntos seguidos en el mismo lado de la línea central. Esta prueba cambia identifica el tamiz en el centro de proceso o variación. Si un pequeño cambio en el proceso es de interés, debes usar test también, junto con test1 para entender qué ha causado esta variación de causa especial en tu proceso. Porque si el proceso está en un lado de la línea central continuamente por nueve bytes, la probabilidad de que ese punto salga de tres Six Sigma. Tres Sigma en un lado es muy natural. Y podemos entender el motivo ello o investigar el motivo de ello con más confianza. Prueba número 36 puntos seguidos, todos aumentando o disminuyendo. Esta prueba detecta la tendencia. Esta prueba busca series largas de puntos consecutivos que están aumentando o disminuyendo constantemente el valor. Como puedes ver en este ejemplo, si está aumentando continuamente por seis puntos, esta también es una probabilidad de que se salga de control. Y ya lo es, el proceso está fuera de control y continúa. Es una causa especial. Escribir algo sucedió en el proceso lo cual hizo continuamente las variables o el proceso dieran muestras que estaban aumentando o disminuyendo consistentemente en valor. En este ejemplo, se está incrementando en valor. Escritorio número 414 puntos en una fila alternando hacia arriba y hacia abajo. Una prueba para detectar variación sistemática. Si quieres que el patrón de variación en el proceso sea aleatorio. Pero un punto que prueba de campo podría indicar que el patrón de variación es este número por dos de cada tres puntos, más de dos sigma o dos desviación estándar de la línea central en el mismo lado. Por lo que como se puede ver, hay dos ejemplos de la prueba número cinco. Por aquí. Esta prueba detecta cambios de pared en el proceso con mucha facilidad. Escritorio número 64 de cinco puntos, más de una desviación estándar de la línea central en el mismo lado. Entonces si ves este ejemplo, tenemos cuatro o cinco los cuales estaban en el mismo estilo y lo harán a más de una Sigma de distancia. Estos escritorio número seis detecta pequeño cambio en el proceso como las otras pruebas decentemente. Así que número 715 puntos en una fila dentro de una sigma de la línea central en cada lado. Pueden ver que en este ejemplo, estos 15 puntos están muy cerca de la línea central. Es como si estuvieran entrelazando la línea central de manera muy eficiente. Esto detecta un patrón de variación que a veces se confunde como una evidencia de buen control. Esto detecta control, esta prueba detecta límites de control que son demasiado anchos. Porque lo habrías dicho con base en tus viejos límites de control de procesos que son demasiado amplios o a menudo causados por los datos estratificados, lo cual ocurre cuando la causa sistemática de radiación está presente en cada subgrupo. Ese es el número 88 puntos seguidos a más de una Sigma de la línea central. A cada lado. Esta prueba se llama como un patrón de mezcla. Está en el botón del mezclador. Los puntos tienden a caer lejos de la línea central en lugar de caer cerca de la línea central que vimos en la prueba anterior. Si tienes alguna consulta relacionada con los diferentes tipos de pruebas que acabas de aprender. Siéntase libre de preguntar en la sección de discusión a continuación. Asegúrate de intentar aplicar los conceptos fuera y asegurarte completar el proyecto y subirlo. Gracias. 11. ¿Qué pruebas debo usar para detectar patrones específicos de variaciones de causa especial?: Entendamos qué pruebas debo utilizar para detectar un patrón específico en la variación de causa especial. Aprendimos sobre diferentes tipos de pruebas en el video anterior, deberíamos aprender cómo, ¿cómo puedo usarlos más apropiadamente? Aplica ciertas pruebas basadas en tus conocimientos sobre el proceso. ¿ Es probable que el proceso esté moviendo el turno o hay una variación aleatoria dependiendo de eso, se aplicará la prueba. Si es probable que sus datos puedan contener un patrón particular, los buscará utilizando la prueba respectiva. Agregar más pruebas al tarro no es correcto. Sólo aumentará las posibilidades de encontrar un falso negativo, falso positivo o una falsa señal que el proceso está fuera de control. Cuando en realidad el proceso no está fuera de control. Cuando aumentas varias pruebas o cuando usas varias pruebas juntas, aumentan las posibilidades de obtener señal de falta de control. Vamos a entender cómo si, en caso de que estés trabajando con datos variables, estarás usando gráficos de control de variables. Si no está seguro de qué prueba aplicar, por opción predeterminada, Minitab siempre aplica la regla número uno, la prueba número uno, es decir, cuántos amortiguados el punto de datos está fuera de la desviación estándar de tres. Pero aparte de eso, podrías intentar usar test1, test2 y test seven. Cuando aplique esto en base a los límites de control, si se basan a partir de los datos. Después de establecer los límites de control, debe utilizar los valores conocidos para ese límite. Entonces no necesitamos la prueba número siete. El número 11 de los límites de control, detecta un único punto fuera de control. Eso es a nueve puntos seguidos en un lado de la línea central detecta el posible cambio en el proceso. Estos siete demasiados puntos alrededor una desviación estándar de la línea central. Detecta si los límites de control son demasiado amplios y los límites de control Vida son causados por datos estratificados, lo que ocurre cuando se tiene una fuente sistemática de radiación dentro de cada subgrupo. Déjanos entender si estás trabajando con datos de atributos de defectos y defectuosos. En este caso, no está seguro de qué prueba usar UGA gratis para usar el escritorio número uno y el número dos. prueba número uno está a aproximadamente 1 del límite de control. Este número dos es de nueve puntos y dibuja en un lado de la línea central, detectando el posible desplazamiento. Después de que se establezca el proceso. Usted es límites de control siempre se dibujan en base a los valores de los datos que usted ha suministrado. Estaremos haciendo muchos ejercicios prácticos en las próximas lecciones. Así que mantente conectado. Y si tiene alguna duda y pregunta, no dude en escribir en la sección de discusión a continuación, y asegúrese de tratar de aplicar los conceptos fuera. Por favor asegúrese de hacer su proyecto y subir el proyecto. Escribe tu opinión y comparte tus pensamientos sobre cómo te sentiste esta clase cuando este número. En el siguiente video, vamos a conocer qué prueba es aplicable en mis gráficos de control. 12. ¿Qué pruebas están disponibles con mi gráfico de control?: Entendamos qué prueba es aplicable en mi controlador. Eso es número uno a ocho están disponibles en la mayoría de la gráfica de control de variables. Tenga en cuenta que solo la prueba de uno a cuatro están disponibles en la gráfica R y S y la gráfica de rango móvil, que es el número uno a cuatro están disponibles gráficos de control inexactos. ¿ Qué prueba es aplicable en mi carta de control? A tiempo mejor control Jan Minitab solo realiza una prueba para puntos que van más allá de los límites de control. Ese es su número uno, nuestra prueba número uno, que la prueba siete asume que los puntos son independientes porque los puntos trazados están en tiempo ordenados, el ponderado hacia combinar la información de los subgrupos anteriores y los puntos no son independientes. Si tiene alguna pregunta, no dude en preguntar en la sección de discusión a continuación. En el siguiente video, vamos a entender cuáles son los diferentes tipos de datos y cómo he trabajado con ellos en las gráficas de control. 13. Tipos de datos para gráficos de control: En este video, vamos a entender los diferentes tipos de datos que tenemos para nuestras gráficas de control. ¿ Qué tipo de datos tengo? Esta es la pregunta que quieres responder. Tú, si tus datos son sobre continuos, determina si tienes algo así como longitud por B, que es un tipo de datos continuo de tu proceso. Entonces vas a usar gráficos de control continuo como gráfico IMR, Nuestro x-bar R-chart, x-bar S chart. Pero si tienes algún proceso multivariante, entonces vas a usar controles multivariados. Si sus datos son un atributo como defectos y defectuosos, vamos a utilizar gráficos de control de proceso de atributos, que son como gráfico n, gráfico P, gráfico C. Hay algunos gráficos que se llaman como un gráfico de proceso muy cuando, que estaremos cubriendo por separado. Entonces, ¿qué tipo de datos tengo? gráficos de control que utilice dependen si recopila los datos continuos o los datos de atributos. Si tienes contenido múltiple, variable continua, considera si tienes datos multivariados. Mike, las variables continuas son números infinitos como 84704 algo, por lo que puedes dividirlos sin fin. Los datos de atributos tienen dos subtipos, binomial y Poisson. Los valores de un atributo de datos están restringidos a categorías específicas son valores distintos. Por ejemplo, los datos de atributos podrían ser como caminos y sentir. El número de defectos y una muestra también puede ser un atributo de datos que se cae una distribución de Poisson. La medición continua generalmente proporciona más información que los datos de ese atributo. ¿ Recuerdas esto? Sin embargo, los datos de atributo son generalmente más fáciles de recopilar porque solo hay que aceptar, pero es defecto o un efectivo y cuántos defectos si es defectuoso. ¿ Los datos de atributos a menudo se recopilan cuando las mediciones continuas son difíciles de obtener? Los datos de atributos son a menudo calificación subjetiva que son asignados por los operadores y la persona de control de calidad. Porque siento que es un defecto que conté. Si no siento que sea diferente, no llegaré a esa dependencia ¿está ahí? Entendamos los datos del proceso de control. Los datos continuos miden las características como prestar, peso, temperatura, etc. Los datos a menudo incluyen valores fraccionarios o decimales. Por ejemplo, un fabricante de fabricación de alimentos quiere investigar si el peso del producto de cereal es consistente a lo largo del tiempo. Para recolectar estos datos, el analista de calidad registra el trigo a partir de una muestra de las cajas de cereales. Si tiene alguna pregunta, no dude en preguntar en la sección de discusión. Y asegúrate de completar tu proyecto e intentar aplicar estos conceptos. Escribe tu opinión. 14. Caso de uso: ayuda al ingeniero de calidad: Sigamos con nuestra comprensión de las cartas de control. Las cartas de control también se denominan como control estadístico de procesos, SPC. Hacemos este ejercicio durante la fase de control de nuestro proyecto Six Sigma. Spc fue desarrollado por el Dr. Stewart en 1924. Dijo que ustedes, como va el concepto, y es una función de x No sólo debemos vigilar el proyecto, por qué, sino que también debemos vigilar y controlar los combustibles vitales son los x's que están contribuyendo a esa y Por lo tanto, al monitorear continuamente la x e y juntos usando la gráfica de control, se vuelve fácil para el propietario del proyecto y el propietario del proceso monitorear el rendimiento y mantenerla en control. Controlan los procesos de manera proactiva. No lo es. Puede identificar claramente cuáles son las causas naturales y las causas asignables al agua. Las causas naturales no son causa común y las causas asignables no son más que causa especial. También te ayuda a identificar y prevenir el proceso de estas causas especiales. Si nos fijamos en una gráfica de control, esto es sólo una muestra. Tendrá límite de control superior y límite de control inferior, que se crean aproximadamente una desviación estándar de tres desde la línea central, que suele ser la media del proceso. Y estos tres números se están calculando a partir de los datos del proceso que has capturado. Cualquier cosa fuera del límite de control superior está fuera del límite de control inferior interno se llama como variación de causa especial y su causa asignable. Si estás viendo una variación en tu proceso que se enreda o va alrededor de la línea central. Estos se deben a la variación de causa común. Esto es sólo una representación de muestra. La razón por la que tomó tres desviaciones estándar de la línea central es que si se recuerda, en el búnker, 99.73% de los datos se está cubriendo dentro más o menos tres estándar desviación. Entonces sea cual sea la variación que estés viendo es 0.135 a la izquierda y 0.135 a la derecha. Eso es por la variación de causa especial. Ahora, de nuevo, lo que cubrí antes, sólo lo estoy repitiendo porque esto es muy importante y también es una pregunta de entrevista. ¿ Cuál es la diferencia entre límite de control y especificación? El límite de control se está calculando a partir de los datos que controlan el libro y el control inferior. Y describe el agua. ¿ Qué es capaz de lograr este proceso? Los límites de especificación, por otro lado, son dados por el cliente y la administración. Y especifican cuál es el requisito del proceso. Describe lo que el proceso debe lograr para poder ser llamado continuamente como un proceso capaz y es capaz de cumplir con los requisitos del cliente. Por lo que de nuevo, límites de control desde la especificación de datos, límites del cliente. Los límites de control te ayudan a calcular y te ayudan a identificar la causa común y la variación de causa especial. Si tiene puntos de datos dentro del límite de control, pero fuera del límite de especificación, significa que su proceso no es capaz. Estaremos viendo esos ejemplos en el futuro. Cuando tenemos estas gráficas de control, ¿les he mostrado que es una desviación estándar más o menos tres? Pero esos cálculos dependen del tipo de datos que tengas. Cuando estás haciendo gráfico de control. Tenemos datos variables y datos de atributos. Los datos legibles también se denominan datos continuos. Donde tienes puntos decimales como longitud, tiempo, distancia. Estos tienen se pueden dividir continuamente. Entonces, si su subgrupo mide uno, entonces vamos por gráfico X IMR o gráfico de rango móvil individual. Si el tamaño de la muestra es de entre 29, opta por X-bar, R-chart o invierno. Pero si la muestra de nuestro subgrupo es mayor a diez, es más fácil para nosotros calcular la desviación estándar porque tengo más número de puntos de datos en cada muestra, entonces estaré dibujando una gráfica de barras X S. Por otro lado, si tengo un dato de atributo o datos discretos, los datos de atributo pueden ser de dos tipos. ¿ Es un dato defectuoso o es datos defectuosos? ¿ Qué estamos monitoreando? Si son datos defectuosos y el tamaño de la muestra es constante, podría ser cualquier número, será 1020304023 o 12. Pero ese número, lo que sea que estés tomando es constante. Después vamos por NP Chart porque los límites de control se están calculando base en las fórmulas de la tiza subyacente. La muestra variable. Por datos defectuosos. Al igual que por ejemplo, quiero calcular el número de defectuosos. Pero hoy hice una producción de 100 unidades a más robustas, hice una producción de 95 unidades antes de ese día eran 96 unidades. Por lo que mi tamaño de muestra es de lectura diaria. Estaré usando el gráfico p. Estaremos viendo ejemplos de Peter, donde entenderás que los límites de control para una gráfica P y una gráfica U son en zigzag. Eso lo cubriremos. Note preocupes. Vamos a tener mucha práctica para que todos estos conceptos se vuelvan muy fáciles de grabar para ti. Vamos a continuar. Entonces si tengo datos de defectos, Es que el tamaño de la muestra es constante, entonces utilizo c-chart. Si el tamaño de la muestra es confiable, voy por Utah. Lo que fácilmente trato de recordar es si es defectuosa, entonces es una pieza, toda la pieza se vuelve defectuosa. Por eso tenemos P y NP Chart. Porque es constante, vamos por NP y porque es variable, es un p-chart. El otro es obviamente C. Y porque C es para constante sentado y otro es Utah. Entonces traté de usar este jingle para recordar aquello que se van a usar. Entonces, si es defectuoso, es P o NP dependiendo del tamaño de la muestra. Si es defecto que es C y U. Y entre C y UC es lo que constante y Q es qué variable? Tomemos un caso de uso. Aunque. Hay un ingeniero de calidad que está en una parte automotriz. Él quiere quiere monitorear que cómo se está haciendo la longitud de los ejes de levas. Cuenta con tres máquinas que utiliza la empresa. Trabajan 24 por siete en tres turnos diferentes. Entonces lo que hace el ingeniero es que ha tomado una muestra de cinco de cada máquina durante cada turno, usted habría adivinado fácilmente porque la longitud de la muestra es un dato continuo. El tamaño de la muestra es de cinco. Significa que está entre 28 y voy a ir por X-bar R-chart. Entonces entendamos cómo vamos a hacer esto. Ya les compartí la ficha técnica, ¿no? Si llega a la hoja principal, tiene datos de longitud del eje de leva. Yo sólo tengo que venir y dar clic por aquí. Me lleva a esa parte donde están presentes los datos, ¿verdad? Te he dado muchos datos pero no tienes que buscar. Sólo tiene que utilizar la hoja de medios para la cirugía. Tengo máquina 123 e IDs de muestra. Entonces sólo voy a copiar todos estos datos y pegarlos en mi ficha técnica. Entonces voy a tomar todos estos datos. Tengo mi MinitaB a mano. Voy a pegar estos datos aquí. Entonces voy a dar clic en gráficos de control Stat, variable con algún grupo. Y es porque sé que es un tamaño de subgrupo menor a ocho. Voy a ir por X-bar R-chart. Deja que venga el pop-up. Sí. Entonces todas las observaciones en la carta en columna norte, sí. Nuestras observaciones del subgrupo están en uno. Entonces lo estoy dejando así y voy a seleccionar Máquina 123 y el tamaño del subgrupo es cinco, ¿no? Y también puedo usar el ID del subgrupo porque puedo ver que tengo 111115, ¿verdad? Voy a dar clic en, Ok. De verdad voy a querer hacer algunos errores para que entiendas qué errores debemos evitar. Ahora, está diciendo gráfico de barras X de máquina a máquina. Dago click en Salida Para ver todo. Se ha creado un gráfico para cada máquina. Por lo tanto, gráfico de barras X para la máquina uno. Y si miras por aquí, puedes encontrar un punto rojo fuera del límite de control superior e inferior. Entonces es una variación de causa especial. Pero en el gráfico de rangos, todo está en control. Vamos a desplazarnos hacia abajo. A ver, máquina a máquina al proceso parece estar en control, y el rango también parece estar en control. Si veo la barra x en la cárcel por árbol de máquinas, otra vez, tengo dos puntos de datos los cuales están fuera de control. Ahora una cosa más que hay que observar es el límite de control superior. Déjame acercarme un poco. El límite de control superior para la máquina uno es 6.64301 y el inferior está bien. 98. Vayamos a la máquina dos. Es seiscientos cinco noventa y ocho. Si voy a máquina tres es 60298. Entonces, se puede ver que el límite de control superior se está calculando por separado porque los límites de control provienen de los datos del proceso. Y hay una variación, el límite de control, porque hay una variación en los datos. A pesar de que el límite de control superior es 602, tenemos puntos que van más allá de los límites de control. ¿ Verdad? Y de la misma manera, les pediría que miren los límites de control para la carta de lluvia entre la máquina uno. máquina dos tiene un rango de 0 a siete, y la máquina, lo siento, la maquinaria ha oscilado entre 0 y siete. máquina dos tiene un rango de 0 a dos, y la máquina uno tiene un rango de 0 a cinco. Esto te da una idea que refuerza el concepto que tus límites de control se están calculando a partir de los datos del proceso. Puedo hacer el mismo gráfico y llegar a múltiples gráficas. Y puedo ver lo mismo, pero yo diría, vale, puedo ir a X-bar, R-chart, ir a la prueba, y seleccionar la prueba que son importantes. Entonces si recuerdas, dijimos que debes estar probando para test1 y test2 para entenderlo muy bien. Así que vamos a dar clic en, De acuerdo, vamos a hacer clic en Ok, y vamos a rehacer este gráfico. Usted puede ver que Minitab se recalcula. Si ve la gráfica de barras X para la máquina uno, sigue siendo el mismo punto de datos fuera del límite de control. Ahora bien, si estás comparando esto, puedes ver que porque dije lo mismo por ella está mostrando muy claramente que el proceso es muy agudo y muy estrecho. Y CMV de cuatro pulgadas también es muy menor. Y la máquina de tres y la máquina de tres R-chart. En la parte inferior se puede ver muy claramente que dice la razón de la prueba para el gráfico de barras x en la máquina uno, prueba un campo 1, más de tres desviación estándar de la línea central. Prueba falla en el punto número ocho. Para que puedas seguir adelante e identificar el subgrupo de a donde el número de punto es ocho, y luego investigar qué pasó ese día. Aprendimos ¿verdad? Tenemos que hacer lluvia de ideas para, para arreglar la variación de causa especial. Los resultados de la prueba para la gráfica de barras x para la máquina tres, prueba 11 a partir de tres desviación estándar de la línea central. Esta prueba ha fallado en dos lugares, Punto número 2, número 14. Por lo que se vuelve muy útil para nosotros investigar lo que sucedió en esa fecha en particular. Seguiremos con más ejemplos en el siguiente video. 15. Caso de uso: proceso de enlatado: Hagamos nuestro próximo ejercicio de ayudar al ingeniero de calidad con la lata de espera. Un ingeniero de calidad en una empresa de contabilidad evalúa si el proceso de llenado está en control. Como ustedes saben, se trata de bebidas gaseosas. Si son más de lo requerido, provocará una fuga o la explosión de la caja. Y si es muy menos el cliente está insatisfecho. Para comprobar si el proceso Él tiene el control. El ingeniero recolecta un subgrupo de n gans para minimizar la variación dentro del grupo. Esa es una variación puede hacer dentro de cada subgrupo. La ingeniería recopila los datos del subgrupo dado en un corto período de tiempo. Ahora, vamos a entender ¿qué tipo de gráfico debo usar? Cuál es el proceso que estamos tomando los datos variables porque quiero recoger cuánta cantidad de líquido se llena y cuál es el tamaño del subgrupo. Son diez. Por lo que necesito usar una gráfica de x-bar S. Vamos a entrar en nuestro archivo de proyecto. En la cadena principal, tienes los datos. Haga clic en él. Te llevará al lugar donde los datos estén complacidos. Voy a copiar estos datos en Minitab. Ahora haga clic en gráficos de control Stat. Datos legibles con subgrupo y x-bar S gráfico como mi número de muestras en cada subgrupo es diez, es más de ocho. Todas las observaciones están en una columna. Sí, así que voy a poner como el tamaño del subgrupo o el ID del subgrupo. Voy a mencionarlo porque va a ser 1 tercio, solo voy a dar clic en la opción x-bar s para ambas pruebas y prefiero hacer la prueba número dos también. Da clic en Ok, haz clic en OK. Ahora déjame ver la salida. Entonces la salida que obtuvimos es el gráfico de barras X, donde podemos ver que la prueba ha fallado. En el punto número tres, el rango no ha fallado, pero el gráfico de barras X ha fallado. Entonces prueba1, 1 de cada tres, más de tres desviación estándar de la línea central. El test falló en el punto número tres. Pero pedirle al ingeniero de calidad que vuelva a los datos y vea que ¿qué pasó cuando él, cuándo se recogieron estos datos? Y lo que pasó durante este proceso, que el proceso estaba fuera de control. Y como pueden ver, el proceso está fuera de control en la parte inferior. Para limitar. Significa que se sintió menos cantidad de líquido. El ingeniero de calidad ahora necesita traer fuerte que lo que sucedió durante esa hora. ¿ Y es algo que es una causa asignable? ¿ Y cómo podemos evitar que suceda ese costo especial? ¿ Otra vez? Tomemos el siguiente ejemplo en el siguiente video. 16. Caso de uso: proceso de moldeo por inyección: Ahora ayudemos al otro ingeniero de calidad de una empresa plástica. Si puedes ver esto, es un proceso de moldeo de plástico. Una pequeña animación que es azul por VR, se muestra por aquí. Por lo que se puede ver que el molde de plástico viene por aquí. Pasa por el canal donde hay mucho calor. De ahí que el plástico se derrita. Se mete en la sección de moldeo donde se guarda la comida y cuando sale el producto, es un bonito juguete que podemos vender en el mercado. Por lo que el caso de uso es el ingeniero de calidad para una empresa de piezas de plástico monitores y proceso de moldeo por inyección. La máquina tiene un tinte que crea £5 en una sola vez y que el ingeniero recoge 20 subgrupos de cinco partes cada uno. Ellos ingenian monitores tanto dentro de variación de subgrupos como entre variación de grupo al mismo tiempo. N entre los lotes. Entonces, mientras estamos tratando de monitorear el proceso de moldeo por inyección de plástico, tenemos un tamaño de subgrupo de cinco y Él está seleccionando 20 puntos de datos de subgrupos. Entonces, obviamente, ¿cuáles son los datos que vamos a mirar? ¿ Con qué tipo de gráfico necesitamos trabajar? El tamaño de mi muestra es menor a ocho, por lo que necesito usar un gráfico R de barras X. Obviamente son los datos variables. Vayamos a nuestras tablas de control. Tengo mis datos de moldeo por inyección por aquí. Voy a copiar los datos de los pods y el subgrupo en MinitaB. Ahora, esta vez voy a mostrarles este proceso usando la función asistente en MinitaB. Por lo que al hacer clic en Asistente, vaya a gráficos de control. Son datos continuos. Datos recogidos en el subgrupo Sí. ¿ El subgrupo es menor a ocho? Sí. Entonces voy por un x-bar a cargo. Se puede ver lo intuitivo que es por aquí trabajar con muchos tocados. Mis datos están presentes en parte. No es un tamaño constante, Así que no he visto la columna WhatsApp group ID está por aquí. ¿ Cómo determino los límites de control y la línea central? Digo estimarlo a partir de los puntos de datos. Se ha identificado de inmediato que hay ciertos puntos donde los datos se están perdiendo en x-bar y R-chart. Por lo que me voy como está y da clic en. De acuerdo. Cuando miro la salida, ha creado mi X-bar R-chart cuatro partes. Es el proceso que está siendo es un proceso que estamos monitoreando grapa. Dice, no, el proceso no está ahorrando. El proceso que estamos monitoreando no es estable. Los subgrupos están fuera de control en la gráfica de barras X. Ten en cuenta que puedes ver un 0.7% de subgrupos fuera de control por casualidad. Pero más que eso se llama como una variación de causa especial. Cuando miramos este gráfico, esta vez, tenemos un problema en el R-gráfico X-bar. Al subgrupo anterior le faltaba el punto en el límite superior de control. Y al siguiente subgrupo le falta el punto por debajo del límite de control inferior. Definitivamente se requiere el ingeniero de calidad investigue lo ocurrido durante el punto número 13 y la muestra que se recolectó durante el punto número 14. También encontramos que el gráfico de anillos también está teniendo un límite fuera de control. Lo que significa que el rango, la muestra que se recolectó durante el punto número ocho tuvo una amplia variedad de radiación. Entonces, ¿fue una causa asignable o hay un sesgo? ¿ Cuándo se recogen los demás datos? El ingeniero necesita investigarlo. Siempre que estamos haciendo un gráfico R de barras X, buscamos ciertos patrones. ¿ Existe una tendencia global como la forma en que estás viendo por aquí? ¿ Ves algún patrón cíclico? Actualmente en estos datos? No estoy viendo ninguna tendencia global. No estoy viendo ningún patrón cíclico. ¿ Existe un cambio en el proceso? Eso lo veo, sí. Hay un leve por lo que el punto estaba abajo y luego hay una nave que va para arriba. Está a la deriva, como si estuviera completamente abajo y arriba. No veo ninguna deriva por aquí. ¿ Es eso una oscilación de datos? No por el momento. ¿ Se pueden ver algunos patrones de mezcla? Puedo ver un poco por aquí. ¿ Se puede ver algún exceso fuera de control? Lo puedo ver tanto en mi x-bar como en R-chart. Por lo que dice muy claramente el gráfico de barras X ha pasado por alto el límite de control en por el número 1314. El R-chart se salió de control durante el punto número ocho, lo que nos facilita entenderlo. ¿ Por qué deberíamos ir a investigar, verdad? No necesitaría preocuparse por la precisión de los límites de la carta de control porque 70% o más puntos de datos están incluidos en el cálculo. Sus datos han pasado una prueba de correlación. La correlación entre los puntos de datos conjugativos dentro de cada subgrupo es menor a 0.02. Significa que la aleatoriedad está ahí cuando se recolectó la muestra. Pero sí, hemos encontrado que el proceso está fuera de control, que está solicitando al ingeniero de calidad que investigue el asunto. Espero que estén disfrutando los ejercicios prácticos de la carta de control. También le solicitaría practicar todo esto desde la ficha técnica y subirlo en el apartado de proyectos. Si tiene alguna pregunta, no dude en preguntar en la sección de preguntas y respuestas. Seguiremos con un ejemplo más en el siguiente video. 17. Uso de datos de pH de detergente de caso: Ayudemos al ingeniero de calidad de una empresa de detergentes. Este es un caso de uso donde el ingeniero de calidad quiere establecer los datos de pH. El ingeniero de calidad quiere mapear y monitorear al fabricante del detergente líquido y quiere evaluar si el proceso está en control. ingeniero mide el pH o aclara conjugar dos lotes de detergente. Y debido a que los datos no se recopilan en subgrupo, se requiere que use la gráfica IMR. Está usando 25 lotes constitutivos y pregunta qué está midiendo es el pH, que es un dato continuo. Vamos a utilizar un gráfico IMR. Te voy a mostrar una vez más nuestros tipos de gráficos de control porque esto te ayudará a recordarlo de por vida. En carta de control, el tipo de datos que estamos midiendo su pH, que es un tipo de datos variable. Cada lote está seleccionando un valor de muestra y por eso nosotros, n es igual a uno. Y de ahí vamos a ir con el gráfico IMR. Pasemos al archivo del proyecto. Este es el archivo de datos del proyecto que he enviado nuestro subido en la sección de discurso. Desplácese hacia abajo, encontrará los datos de pH del detergente. Haga clic en él. Te llevará al lugar donde estén presentes los datos. Ahora voy a copiar estos datos en Minitab. Yo he hecho frente. He copiado estos datos en Minitab. Necesito ahora construir mi gráfico IMR. Hay dos maneras. Uno, puedo ir a estadísticas, trotar velas, y luego ir a gráficos extraños para individuales y hacer clic en IMR. Pero esta vez usemos la asistencia. Entonces voy a hacer asistente, da clic en gráfico de control. El tipo de datos es continuo, es el subgrupo de datos recolectados. Sepa que voy a usar el gráfico IMR. El volumen de datos es Beard. Y quiero estimar los límites de control y la línea central a partir de los datos. Se dice muy claramente el punto número tres. Hay un punto posible que está fuera de control. Como ingeniero de calidad, nunca borro ningún punto de datos porque ese es un punto para que yo investigue. Simplemente hago clic en Ok y ven a ver mi salida. Sí. El gráfico IMR para la paz es este proceso significa mesa. Dice, no, la media del proceso no es estable por 4% de tiempo. El proceso puede no ser estable porque el porcentaje de los puntos de datos están fuera de control en la carta ocular. Ten en cuenta que 0.7% de fuera de control es por casualidad, aunque el proceso sea estable. Pero ahora tengo más datos que está fuera de control y este punto de datos ha perdido en la prueba número uno, podría llover gráfico de rango móvil. Mi proceso no está fuera de control. Buscamos ciertos patrones cada vez que construimos nuestras gráficas de control, como tendencias, desplazamiento cíclico, derivas, mezcla de oscilaciones y puntos excesivos fuera de control. En mi proceso actual, puedo ver muy claramente que hay un punto fuera de control. No estoy viendo mezcla en oscilaciones, turnos y deriva en mi actual capítulo de control. La variación del proceso es Steven, ningún punto está fuera del límite de control en el gráfico de rango móvil, pero hay 1 que está fuera de control en el charter individual, el que compruebo. Si los datos no son normales, se puede ver que esto podría ser una tasa de falsa alarma. Por lo que hay que hacer también la prueba de normalidad, que se ha cubierto en la otra serie. Como ingeniero de calidad, el consejo que le daría a este ingeniero es asegurar que la calidad consiga monitorear e investigar lo sucedido durante el punto número ocho. Espero que hayas entendido el concepto y puedas aplicar esto en tu propio proyecto utilizando tus propios datos. Aparte de eso, le pediría que practique el uso del conjunto de datos que se da aquí. 18. Uso de datos de longitud de la barra de acero: Pasemos al siguiente caso de uso en las gráficas de control. Aquí, ayudemos al ingeniero de calidad que quiere determinar si el proceso de corte de barras de acero está en control. Se ingenian mide la longitud de cinco barras de acero, algunas carpas, barcos. Puedes adivinar cuál es el tipo de datos que estamos usando? ¿ Y qué tipo de carta de control deberíamos usar para determinar si el proceso está en control? ¿ Puedes ayudar al ingeniero de calidad? ¿ Se puede escribir en la sección de preguntas y respuestas que qué tipo de gráficos de control de fecha deberíamos usar? Gracias por estar comprometido. Tienes razón. Como la gráfica de control está disponible, es decir, la longitud de la barra de estado y el tamaño de mi subgrupo está entre 2528, es decir, el tamaño de mi subgrupo actual es cinco. Voy a seguir adelante con el R-gráfico X-bar. Tomemos el archivo del proyecto. Tengo mi archivo de proyecto de datos, el cual ya compartí con ustedes en este proyecto. Por lo que debe ir a recoger datos de tierra de barras de acero. Haga clic en él. Te llevará al lugar donde estén presentes los datos. Voy a copiar estos datos en Minitab. Sí, los datos están presentes en Minitab. He copiado los datos de mi ficha técnica. Hagamos el análisis. Hago clic en gráficos de control Stat, variable ese subgrupo x-bar a cargo. He colocado longitud en la columna de datos e ID de subgrupo en el tamaño del subgrupo. Voy a la x-bar u opción y voy a la sección de prueba y me aseguro de que se seleccionen los test número 12. Recuerdan que aprendimos esto durante la etapa más temprana. ¿ Qué prueba usar? Cuando hago clic en Ok, hago clic en Ok. Minitab va a hacer el análisis y sacarme. Si ves esto, nos ha preparado el gráfico de barras X. Puedo ver muy claramente que no hay puntos de datos que se vayan fuera de control. Cualquiera que sea la variación que estamos viendo en el proceso se debe a alguna variación de causa común, necesitamos continuar monitoreando este proceso. Como puedo ver que hay un punto de datos tocando casi el límite de control superior. No he solicitado al ingeniero de calidad que recoja algunos datos más para estar seguro de que los datos se procesan en control. Te solicitaría hacer el ejercicio similar, crear tu proyecto y subir el proyecto en la sección de proyecto. Estaré encantado de revisar tu proyecto y darte la retroalimentación. Y esto me dará confianza que todos ustedes están disfrutando de lo que están aprendiendo y también son capaces de aplicar lo que están aprendiendo. Sigamos con otro ejemplo en la siguiente clase. 19. Usar datos de llamadas de caso sin respuesta: Hola amigos. Supongo que estás disfrutando y aprendiendo mucho de esta gráfica de control. Lecciones. Hemos visto ejemplos de x-bar, R-chart, X-bar chart, y gráfico IMR. Hasta ahora, entremos en el tipo de atributo de datos. Aquí tenemos un ejemplo del call center. El supervisor de un centro de llamadas quiere determinar si el proceso de contestación de llamadas está en control. El supervisor registra un total de llamadas entrantes y el número de metas sin respuesta durante 21 días. Como ya sabéis, si somos el cliente y estamos llamando a bunny para una consulta y nuestro teléfono no se contesta. Nos sentimos frustrados. Y entonces no queremos volver a esa empresa a trabajar de nuevo, a asociarnos con ellos o comprarles los productos. De ahí que la llamada sin respuesta sea un problema importante en la industria del contact center. Y tenemos que ayudar al supervisor a entender cómo puede reducirlo y si actualmente está su proceso en control o no? Debido a que el tipo de datos es recuento de defectuosos, no se contesta todo el objetivo, por lo que no es defecto, pero es defectuoso. ¿ Y puedes controlar diariamente el número de llamadas entrantes? Son variables. De ahí que tengamos que usar el personaje. Tipo de datos es atributo porque es el número de llamadas. Y mis tipos de datos sub tipo de datos es defectuoso porque no contesto una parte del colon, así que correcto. O contesto el color, no contesto la llamada. Cada columna es una pieza. El número total de llamadas recibidas en un día es un número variable. De ahí que sea un tamaño de muestra variable, y por lo tanto necesitamos ir con el p-chart. Vayamos a ver nuestros datos en la hoja Excel. ¿ El archivo de datos del producto que ya he compartido contigo? Haga clic en una respuesta. Convocatorias. Aquí están presentes datos, y puedo ver muy claramente que en pocos días, tengo veintitrés cincuenta y tres llamadas a 65 llamadas a 58 llamadas, y así sucesivamente. Tengo el número de llamadas que no se contestan. Entonces seguiría adelante y copiaría estos datos en Minitab. He copiado los datos en Minitab. Ahora necesito realizar la prueba. Puedo seguir adelante, clic en gráficos de control Stat. El tipo de datos es gráfico de atributos, y ya sé que necesito construir un p-chart. Hago clic en él. Veo llamadas sin respuesta y el tamaño del subgrupo es de llamadas totales. Voy a la opción de gráfico P, voy a la prueba, y puedo determinar cuáles son todas las pruebas que quiero probar. Entonces voy a dar clic en todas las cuatro pruebas para ver si alguna de estas falla en el escritorio. Dé clic en Ok, hago clic en Ok, se producen mis datos. Vamos a ver la salida. Podemos ver el p-gráfico para los montos se llaman. Y mis datos están muy dentro del límite de control. Y no ha violado ninguna de las cuatro pruebas que realizamos en el p-chart. Una cosa interesante que podrías haber observado es que las líneas son en zigzag. El límite de control no es la línea recta como la forma en que vio en la gráfica R de barras X o la gráfica IMR. ¿ Se puede adivinar la razón por la que? ¿ Tienes razón? Debido a que mi tamaño de muestra está usando, mis límites de control también varían en consecuencia. Y de ahí que la gráfica p tendría es exactamente la prueba se realiza y no hay radiación. El proceso está en control. La variación se debe a la variación de causa común. Si has hecho el mismo ejercicio, te solicitaría que copies esta gráfica, guardes, y la subas en la sección de proyectos de este curso. Estaré encantado de revisar su proyecto y estaremos encantados de compartir mis comentarios. Si tienes otros datos relativos a los defectuosos, quieres que lo revise. Por favor, súbalo como proyecto. No vas a violar ninguna NDA porque no vas a compartir los datos. Ya vas a compartir el gráfico conmigo. Asegúrese de no cargar ninguno de los datos de su empresa en Skillshare. Simplemente cargarás esa información donde necesites aclaración sin revelar el nombre del cliente o de la empresa desde donde estás subiendo. Gracias. Aprenderemos más en la próxima sesión. 20. Use Case Defective Umbrella P chart: Hagamos un ejemplo más de lo destacado. En la vida real. La mayoría de las veces nos dedicamos a la fabricación y producción. Incluso si estamos en la industria de servicios, consideramos que el cliente siempre está monitoreando como en defectos y defectuosos. Y de ahí, te estoy mostrando cada vez más ejemplos para los diferentes tipos de atributos de gráficos de control. Entonces esto es de nuevo, un lugar más donde el supervisor de una unidad de manufactura paraguas quiere evaluar la calidad de la producción. Como saben que ahora es una temporada de monzones en India, la venta de paraguas está en su apogeo. Entonces si la configuración de fabricación no produce paraguas de buena calidad, incluso no podrán venderlo. Y los paraguas restantes se quedarán atrás con ellos como acciones, que sólo podrán estar vendiendo el próximo ejercicio o el próximo mes próximamente. Entonces para evitar eso, el supervisor quiere registrar el número total de paraguas que se fabricaron todos los días y el número de defectuosos durante 21 días en una serie. Porque el 21 es un buen número, podemos seguir adelante con esto. Nuevamente, repito ya que estamos comprobando si hay datos defectuosos y el tamaño de la muestra es confiable. Voy por el lanzador. Vayamos a copiar los datos de nuestra hoja de datos en Minitab, lo cual ya he hecho. Voy a la hoja principal, tengo datos paraguas. Déjame desplazarme hacia arriba los datos del paraguas. Y he copiado estos datos de aquí al MinitaB. Voy a asistente, voy a gráfico de control, voy al p-chart y número C de columnas defectuosas. Por lo que es paraguas defectuoso que es tamaño de subgrupo constante. Conocer la columna de tamaño de subgrupo es producto total. Quiero estimarlo a partir de los datos y doy clic en Ok. Paraguas defectuoso de Pascua se cobrará por paraguas defectuosos. ¿ La proporción de artículos defectuosos es la tabla? Sí, es estable. La proporción de artículos defectuosos tabla, no hay subgrupo, razón por la cual salir de la habitación. Se vería cuando estoy haciendo el p-chart usando el asistente, mis límites de control están saliendo como una línea recta en lugar de la línea en zigzag. Ese es un problema con el p-chart. Si estoy usando un asistente, si hubiera hecho lo mismo usando estadísticas, gráficos de control, datos de atributos, y p-chart. Tomado el defectuoso. Y para reproducir cuáles son la opción p-chart, vaya a la prueba y asegúrese de que toda la directiva de escritorio haga clic en Ok, haga clic en ok. Ahora puedes ver que está mostrando el p-chart para paraguas como una línea en zigzag. ¿ Verdad? Perfecto. No obstante, debido a que la línea está muy lejos, está bien. Aunque fuera una línea recta porque no te estás perdiendo ningún punto. A menos que viéramos lo que vimos antes donde teníamos la llamada cuando teníamos este tipo de líneas en zigzag. Y de ahí aquí era muy importante que usáramos lo normal. Entraremos a la tabla de control de estadísticas y haciéndolo. Maravilloso. Me alegra que hayas estado practicando conmigo muchos casos prácticos sobre aprenderlo mucho. Si tiene alguna duda, no dude en escribir en la sección de preguntas y respuestas o en la sección de discusión debajo de esta. Estaré encantado de responder tus consultas y estaré encantado de ayudarte con cualquier duda que tengas. Sigamos por otros ejemplos en el siguiente video. 21. Use Case Hospital Medical Records Datos de defectos: Continuemos con el siguiente ejemplo en las gráficas de control. Este es un ejemplo de un caso de uso del hospital. El hospital mantiene los registros médicos del paciente. Como ingeniero de calidad, hay un problema que estamos enfrentando. El supervisor de un pequeño hospital quiere asegurarse de que el número de flechas en los registros médicos del hospital permanezca en control porque se trata la vida del paciente. Registros del supervisor, el número total de registros médicos que se llenaron cada día, y el número de registros que son incompletos o inexactos que son defectuosos. Entonces como ustedes saben que el número total de registros que pasamos cada día es un número variable y estamos hablando de un registro defectuoso. Entonces, ¿puedes adivinar cuál es el tipo de gráfico que necesitamos preparar? Sí, tienes razón. Tenemos que preparar el p-chart. Entonces debido a que los datos están relacionados con los conteos de defectuosos, vamos a usar la imagen. Nuevamente para recapitular. Nuestros datos son datos de atributos, tamaño de muestra variable defectuoso. De ahí que vamos a usar beta. El motivo por el que sigo mostrándote esto una y otra vez es para asegurar que esto quede impreso en tu mente. Ahora vamos a nuestro archivo de proyecto. En el archivo del proyecto, hay que ir a buscar los datos que se refieren a las historias clínicas. Por lo que se puede ver que son registros médicos defectuosos. Daré clic en esto y me llevará al lugar cuando esté ahí el registro defectuoso. Voy a copiar estos datos. Y podemos ver muy claramente que los tamaños de muestra usan y los defectuosos también son diferentes. Entonces estos son el número total de registros, estos otros defectuosos. Voy a copiar esto en mente. Minitab. Sí, aquí tengo los datos. Como vamos a utilizar la gráfica P, puedo ir a gráficos de control stat, gráficos atributos, y seleccionar el p-chart. El número total de la variable es defectuosa, y el tamaño del subgrupo es el número total de registros. Yo iría a gráfico P e iría a la prueba y aseguraría que todas las protestas estén activas. Dé clic en Ok, hago clic en Abrir. Ha salido la salida. Vayamos a la ventana de salida y busquemos lo que ha pasado. Podemos ver que hay múltiples lugares donde la gráfica P tiene en la prueba número uno. Es el punto número 810 treinta y cinco, cincuenta y seis setenta y cinco ochenta y siete ochenta y nueve. Tenemos que ir a nuestros datos y mirar lo pasó ese día que tenemos tantos de los factores. Los defectuosos están por debajo del límite de control inferior y así como el límite de control superior. obstante, este es un cambio positivo que tenemos haciendo menos defectuosos. Pero tenemos que entender cómo pueden ser tan cuidadosos y por qué no podemos reforzar el mismo patrón todo el tiempo para que nuestros límites de control cambien. También se puede ver que los datos, los límites de control son altamente zigzagueantes debido a que el tamaño de datos disponible está desgastando. Cada día lleva puesta mi talla de muestra. Y en base a eso, los límites de control de los ratones son altamente zig-zag. De acuerdo, entonces ahora espero que hayas entendido lo que hay que hacer. Es necesario investigar el asunto. En la materia los expertos acuden al punto número ocho e investigan lo ocurrido ese día. Entonces vendría aquí e iría al punto número ocho y vería que, Oh, de 1700 registros, 1778 registra sólo vectores 3D. Es algo positivo. Pero por qué no puedo repetir este comportamiento una y otra vez por otro esto, si fuera posible tener algunos buenos datos sobre las fechas particulares, me gustaría reforzar y repetir el buen comportamiento. Espero que lo entiendas. Te solicitaría practicar archivo de proyecto creativo. Guarde este archivo de proyecto como una imagen y asegúrese de que lo suba. En la sección de proyectos. He creado un video separado que cuenta cómo puedo subir el proyecto. Me gustaría revisar tu proyecto y darte la retroalimentación y compartir la experiencia que has conseguido aprendiendo a mi clase. Continuaré el resto en el siguiente video. 22. Usar los datos de bombillas defectuosas de caso: Tomemos un ejemplo más sobre datos defectuosos. Aquí tenemos los datos de la bombilla. Ayudemos al ingeniero de calidad en esta empresa. El ingeniero de calidad evalúa si el proceso utilizado para fabricar bombillas está en control o no. Como ustedes saben, el bulto puede ser completamente defectuoso o es que pone en la luz. No puede ser medio defectuoso. De ahí que se trate de un dato defectuoso y datos no diferenciados. El ingeniero prueba 500 bombillas cada hora para turno de 38 horas. Como el tamaño de la muestra es constante, vamos a utilizar los datos defectuosos. Para un tamaño de muestra constante. El Ingeniero registra el número de bombillas que no se encendieron. De ahí que esté grabando las bombillas defectuosas. Como entendiste. Estamos contando el número de defectuosos con el tamaño de muestra constante. Vamos a utilizar el gráfico np. Tomemos el resumen de nuestros tipos de gráficos de control. Estamos viendo datos de atributos, estamos viendo datos defectuosos, y estamos viendo un tamaño de muestra constante. Veamos ahora el conjunto de datos que tenemos. Busca los datos de esta bombilla. Yo sólo soy Sí. Por lo tanto los datos de la bombilla defectuosa. Tengo dos campos sobre este grupo ID y defectuosos el número de bombillas que no se encontraban dentro del subgrupo. Los datos están por aquí. Voy a copiar estos datos en Minitab. El ID del subgrupo, que se mira por aquí es un identificador, pero el tamaño del subgrupo está diciendo 500. Vayamos a MinitaB. Y he pegado mis datos por aquí. Ya que es un tamaño de muestra constante. Para datos defectuosos, voy a dar clic en Stat. Gráficos de control. Datosde atributo, np dot. Estoy seleccionando los vectores y el tamaño del subgrupo es de 500. Voy a NP Chart. Haga clic en Test y asegúrese de que las cuatro marcas estén marcadas. Da clic en Ok. Da clic en Ok. Ahora reflexionemos en la gráfica de control. Podemos ver que en este punto, la prueba número tres ha fallado. Y en este punto la prueba número uno ha fallado. Entonces cuál es la prueba número 11, más de tres desviación estándar de la línea central. Esta prueba ha fallado en el punto número 16. Hay 36 puntos seguidos, todos aumentando o disminuyendo. Esto ha ocurrido en el punto número nueve. Si ves desde el punto número 32, número nueve, tenemos una tendencia decreciente continua. Por lo que quisiéramos investigar lo que sucedía durante estos seis barcos que el número de bombillas que eran efectivas, se reducía constantemente. Porque es un comportamiento positivo. Y queremos reforzar este comportamiento positivo. Si los datos se hubieran desplazado por completo y estarían entre 02, nuestros límites de control habrían cambiado. Por lo tanto, como ingeniero de calidad, no solo estás mirando algo que está fuera del límite de control superior, sino que también podrías querer reflexionar sobre el comportamiento de los datos que pueden evitar que las cosas se salgan de control. Bueno. Entonces espero que hayas entendido esto. Si tienes alguna duda, no olvides hacer tus preguntas en la sección de discusión a continuación, estaré encantado de responderlas. Continuaré con el siguiente ejemplo en el siguiente video. Hasta entonces, feliz practicando y feliz aprendizaje. 23. Uso de los datos de defectos de papel pintado de caso: Ahora pasaremos a un ejemplo más. Aquí trataremos de ayudar al ingeniero de calidad en una empresa de fabricación de papel tapiz. Como ustedes saben, post COVID, la mayoría de las familias han decidido renovar la casa porque estuvieron en casa los últimos dos años. Y se dan cuenta de que sus compañeros de casa reurbanización. Por lo que hay mucha demanda por el papel tapiz. Y de ahí que sea importante que el ingeniero de calidad fabrique papeles pintados de buena calidad. Pero un propósito, como ustedes saben, vienen con varios diseños. Y Prince, quiere entender que es la mesa de proceso de impresión o no. Tres horas, el ingeniero toma una muestra de 100 pies de papel tapiz y cuenta el número de defectos de impresión, como distorsión del patrón y falta de tinta. Ya que estamos viendo los diferentes datos con un tamaño de muestra constante. ¿ Se puede adivinar qué tipo de carta de control deberíamos estar construyendo? ¿ Tu derecho? Necesito construir para el tamaño de muestra constante para diferentes datos. Nuevamente, te llevaré a través de los tipos de gráficos de control. Por lo que estamos viendo defectos de datos de atributos y un tamaño de muestra constante. Entonces vamos a retomar convulsión. Pasemos a nuestro archivo de proyecto. Busque los datos del defecto del papel tapiz. Lo puedo encontrar por aquí. Hago clic en él. Me lleva al lugar donde están presentes los datos del fondo de pantalla. Aquí el ID de la muestra es sólo para identificar la entidad id debe contar el número de defectos, cada muestra es de unos 100 pies, ¿verdad? Voy a copiar estos datos en Minitab. Yo he hecho lo mismo. Te acuerdas que tengo que ver con jot, ¿correcto? Hago clic en gráficos de control Stat, gráficos de atributos y C para el tamaño constante de la muestra. Voy a medir los defectos. Voy a ir a la gráfica C y asegurarme de que todas mis pruebas sean seleccionadas. Dé clic en Ok, hago clic en Ok. Ahora echemos un vistazo a la salida. Existe la salida de la gráfica c. Como el tamaño de la muestra es constante, mi límite de control superior e inferior son líneas rectas. Puedo ver que la prueba uno ha fallado en dos puntos por el número 12 y el chico número 13. Si no quiero contar en qué punto está, puedo mirar la referencia que MinitaB también ha fallado la prueba en el punto número 2, número 30, investiga un asunto que por qué hizo tantos defectos sucedenen estos días? Si bien hubo tantos errores de impresión altos que se encontraron durante estos dos turnos. Y de nuevo, por lo que volvió a tener el control. Por lo que definitivamente debería ser una causa asignable que necesita ser arreglada. Bueno. Si tienes alguna duda, no olvides hacer tus preguntas en la sección de discusión a continuación, estaré encantado de responder a todas tus consultas y no olvides completar tu proyecto y subir en la sección de proyectos. Te invitaría a hacer múltiples proyectos para que tengas confianza en lo que estás aprendiendo. Y esto me da mucha confianza, incluso como facilitador, que he sido de ayuda en tu viaje de aprendizaje. Gracias. 24. Usar errores de medicamentos de caso de defecto: Tomemos un ejemplo más. A medida que la pandemia acaba de superar, es importante que comprobemos si todos los hospitales están trabajando bajo control. Se trata de una cantidad en Junior que está comprobando si los registros en los medicamentos o los medicamentos se están dando al ritmo correcto y de otro carácter. Por lo que el Director de la calidad para un grupo de hospital quiere ***** la tasa de error de medicación. Ejemplo de errores incluyen entrega de medicamentos en el momento equivocado, la entrega de la dosis incorrecta, o la entrega del medicamento equivocado por completo. El director registra el número de pacientes y el número de errores de medicación cada semana durante 32 semanas. Como se puede entender, el número de pacientes será variable. Y nos estamos refiriendo a los datos de defectos como dosis incorrecta, edad, sincronización incorrecta, entrega de medicamentos por drones. Vamos a usar el Utah. Déjame llevarte a través de los tipos de gráficos de control. Es el atributo de datos, es el defecto de los datos legibles tamaño de muestra. De ahí que le voy a usar a su carta. Vayamos al archivo de datos de nuestro proyecto. Busquemos error de medicación. Se trata de flechas de curación, el número de errores de medicación que ocurrieron esa semana. Pacientes en el número total de pacientes cada semana. Mencionada por aquí. Entonces cuando voy por aquí, puedo ver cuántos errores y cuántos pacientes pueden ver muy claramente que el tamaño del paciente está leyendo. Copiaré estos datos en Minitab. Los datos están en Minitab. Ahora, hagamos el análisis. Haga clic en Stat, haga clic en gráficos de control, haga clic en gráficos de atributos, haga clic en Utah. Las flechas están por aquí. El tamaño del subgrupo es del paciente. Voy a la gráfica U, clic en la prueba y me aseguro de que toda la barda para escritorio seleccionada. Dé clic en, De acuerdo, hago clic en Ok. Mi salida está presente. Vamos a jalarlo hacia arriba. Ahora. Podemos ver que hay múltiples puntos en los que se ha llenado la prueba uno. Con base en los datos, se está calculando el límite de control superior y el límite de control inferior. Podemos encontrar que o bien hay muy menos flechas son, hay error muy alto. Entonces en, en ambos lados, la desviación estándar de tres está consiguiendo esta nota. Entonces si hay consistentemente, en realidad esto tiene un efecto positivo. Si está recibiendo menos errores por el número de pacientes, es un esfuerzo positivo. Entonces como una cantidad diseñada, los puntos en la parte inferior serán un punto de investigación que ¿cómo podemos manejarlo tan bien? Mientras que los puntos de duda en la parte superior más allá de los límites de control superiores son los lugares de preocupación que ¿por qué nos hemos perdido y nos encontramos con tantas flechas? ¿ Y nos costó la vida al paciente? Entonces como la persona de calidad para este grupo de hospitales, es sumamente crítico que investigues en este asunto porque la prueba ha fallado en múltiples puntos. Y recuerden, los límites de control no son límite de especificación. Según el límite de especificación, el grupo de hospitales podría haber acordado que al 10% de errores es aceptable o 7% de errores es aceptable. Por lo que todos los puntos más allá eso harán que tu proceso sea menos capaz. Eso lo he cubierto en el otro video, que habla de la hipótesis. Sigamos enfocándonos sólo en las gráficas de control en este capítulo. Antes de ir más allá y llevarte de vuelta a mi archivo de proyecto, puedes ver que hay múltiples ejemplos los cuales se dan por aquí. Yo te invitaría a practicarlas porque esto te dará confianza de continuar y entender los conceptos. Hemos cubierto múltiples ejemplos hasta ahora. Deja que te lleve bien. Vimos ese ejemplo de error de medicación. Vimos el ejemplo del papel tapiz. Vimos el ejemplo de la bombilla defectuosa. Vimos ese ejemplo paraguas. Vimos el ejemplo del expediente médico del hospital. Vimos el ejemplo del contact center. Vimos el ejemplo de p-hat detergente. Vimos la longitud de la barra de acero. Vimos el moldeo por inyección. Entonces, ¿qué significa? Ya te he llevado a través múltiples ejemplos en cada uno de los gráficos que te invitaría a practicarlo todo porque esto te dará confianza de cómo investigamos. El lema es mi proceso en control. ¿ Qué investigación debo hacer? Con eso? Voy a parar por aquí y estoy deseando sus consultas en la sección de discusión. Y tu proyecto terminado, subido en la sección de proyectos. Feliz aprendizaje y seguir creciendo. Gracias. Nos vemos en la siguiente lección. 25. Gracias Nota por mis estudiantes: Muchas gracias por completar esta serie en gráficos de control. Habrías practicado todos los ejemplos que te mostré en esta lección. Tendrás también factores que usando los datos que ya he compartido contigo, deberías tener, también debes tratar de practicar gráficos de control usando tus propios datos, lo que te dará una nivel de confianza. Yo vestí, has aprendido mucho y espero que tus conceptos también sean muy claros. Por favor sígueme en Skillshare. Este es mi perfil y seguiré subiendo nuevos videos a medida que vayamos adelante. Para aquellos que estén interesados en hacer alguna capacitación corporativa. Hago hi capacitacion corporativa interactiva donde hago programas. Tengo cuadernos de trabajo especialmente diseñados para mis participantes. Dependiendo de la empresa en la que estén trabajando. Se puede ver así como todo el mundo se dedica a esta fotografía. Estos son solo un atisbo de algunos de los entrenamientos que he realizado. He hecho muchos programas virtuales durante la pandemia, que cuenta con más de mil horas de capacitación. Estos son sólo fragmentos de algunos de ellos. Para los que quisieran mantenerse en contacto conmigo. Puedes conectarte conmigo en LinkedIn. Tengo un canal de Telegram que se llama como seis subrayado. Seis, número seis subrayan enfermo. Bueno, puedes conectarte conmigo por allá también. Mi ID de correo electrónico también se muestra en la pantalla. Si tiene alguna consulta, no dude en ponerse en contacto conmigo. Si tienes alguna duda. No olvides utilizar la sección de discusión que se da a continuación. Tengo muchas ganas de tu proceso de aprendizaje y espero poder ser de ayuda en tu viaje de aprendizaje. Muchas gracias.