Видео

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario! Te invito a suscribirte al canal, si ya lo estas, muchas gracias!

You are welcome, thanks for watching this video tutorial!

¡Muchas gracias por el comentario!

Hola! Gracias por el comentario! Si, será un tema para próximos videos tutoriales. Estoy retomando el buscar subir un tutorial por semana, podría ser uno de los temas ya sea de esta semana o la siguiente.

El software estadístico se llama Minitab.

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

Que bueno que el video haya sido de utilidad para solucionar dudas sobre el tema. Muchas gracias por el comentario. Te invito a suscribirte al canal y recomendar los videos. Gracias nuevamente!

Comparto la liga de Minitab Support donde puede encontrar la descripción del ejercicio, así como el archivo con el raw data para ser analizado (archivo .MTW, es un formato de Minitab) support.minitab.com/es-mx/datasets/control-charts-data-sets/can-weight-data/

Gracias por ver el video tutorial y visitar el canal. Es correcto, en teoria podría usarse cualquiera de las opciones de test de normalidad. La más común que se utiliza es la prueba de Anderson - Darling, que como puedes ver en el Software es una de las opciones. Otro método es KS (Kolmogorov - Smirnov). Sea cual sea la opción, de igual forma todas esas opciones en su reporte de salida en Minitab te va a dar el valor de probabilidad (P-Value) y es ese valor lo que usamos para la prueba de hipótesis del test de normalidad.

¡Muchas gracias por el comentario y aportación! De acuerdo con lo que comentas, por eso es importante no sólo el conocimiento de la herramienta como tal del DoE, si no también del conocimiento de los procesos, características de calidad en estudio, especificaciones y en general diría de la física del problema. Saludos!

Hola, gracias por tu comentario. Sí es posible realizar estudios de capacidad cuando la característica y/o variable en estudio tiene solo una especificación. A esto se llama especificaciones unilaterales, en tu caso al solo tener USL, seria el único valor que ingreses cuando hagas el estudio. Si no se tiene un LSL, no es necesario agregar algún valor para ese campo. Pero dado la descripción que compartes, no estoy seguro si el USL la forma de plantearlo es correcto, habría que revisar un poco más a detalle tu caso. Generalmente los limites de especificación y/o requerimiento cuando hablamos de datos por variables, están definidos por alguna especificación de ingeniería, diseño, dibujos o planos, documentos como tal especificaciones, procedimientos. En el caso que mencionas, cual es el requerimiento para el número de días de entrega? Se entiende que si bien son datos variables, los datos serán discretos (no continuos), por que básicamente representan un numero de días. La naturaleza de los datos explicaría por que no pasan la prueba de normalidad, recordemos que la distribución normal es una distribución de variable continua. En palabras más simples, variables discretas básicamente son números enteros, variables continuas son números con decimales. Lo que podrías hacer sería revisar si se tiene como una especificación y/o requerimiento de números de días para hacer una entrega. Es decir, las entregas no pueden ser mayores a X cantidad de días, eso podría tomarse como tu USL. Luego al recolectar la data donde se revisen fechas y por ende determines un conjunto de datos que representen una muestra donde se muestren cuales han sido los días de entrega de ciertos envíos o pedidos. Ese conjunto de data se podría contrastar vs el USL que es tu requerimiento pero para que ese estudio sea lo más representativo habría que determinar que distribución seguirá ese conjunto de datos y sobre dicha distribución hacer el análisis. Gracias por visitar el canal, saludos!

Hola efectivamente, mis datos son discretos al ser días y siguen una distribución Weibull de 3 parámetros. Configuré el USL en 0 días porque lo datos que he usado son los impactos en la fecha de entrega real ( entrega real- entrega acordada con cliente) entonces si es 0 es que se ha entregado a tiempo, si es positivo es que se ha entregado antes y negativo, se ha entregado después. No hay LEI porque siempre que el impacto sea menor que 0, es un resultado beneficioso para el cliente. El Ppk según la media y la distrbución, me dio 0.01 que es muy pequeño porque la distancia de la media (-0.92) al USL de 0 es muy pequeña respecto la gran dispersión de los datos. He explicado para razonar ese análisis de capacidad tan pequeño que el problema es la alta variabilidad porque la media si se acerca al 0 es correcta.

Revisar nombre de la columna de frecuencias que no tenga un guión T. Eso significaría que la data la esta tomando como texto y no numérica. Generalmente esa es la razón por la cual a veces no detecta la columna de frecuencias. Si es el caso, solo cambia el tipo de datos de esa columna, de texto a numérico.

Muchas gracias por el comentario!

¡Muchas gracias por el comentario! Sí esta semana estaré retomando algunos temas en el canal. Habrá una serie de videos para herramientas de solución de problemas como 8D y 5W. Gracias por visitar el canal!

¡Muchas gracias por el comentario! Te invito a suscribirte al canal dónde podrás encontrar otros tutoriales de temas y herramientas estadísticas y calidad.

¡Muchas gracias por el comentario!

Buenas tardes, gracias por tu pregunta y una disculpa por la demora en contestar. En estricta teoría la distribución normal es simétrica. Un ejemplo de distribución asimétrica es la distribución F (Fisher]). Sé que existen formas de medir la simetría de una distribución de probabilidad, pero no tengo mucha información de momento ni un tutorial sobre el tema. Contestaré en base a mi experiencia analizando datos, en la práctica al momento de que realices un histograma del conjunto de datos para visualizar la distribución, no necesariamente siempre se va a apreciar simétrico, es decir la forma en que están distribuidos los datos respecto a una media, moda y mediana, las cuales en una distribución normal todas ellas coinciden. Puede ser que observes un sesgo ya sea al lado izquierdo o derecho, pero la pregunta es si ese sesgo es significativo para efecto de tus pruebas de hipótesis para comprobar una distribución. En ocasiones aunque no observes perfectamente la simetría, tu prueba de normalidad de datos puede arrojar que los datos siguen un tipo de distribución normal, o lo contrario, si te rechaza la prueba de normalidad quiere decir que esa asimetría que observas no ayuda a la normalidad de los datos y por ende cuando haces el test del tipo de distribución que siguen, vas a confirmar que se asemejan mas a un tipo de distribución asimétrica, ya sea Fisher o Weibull (también es un buen ejemplo de distribución asimétrica). En conclusión lo correcto es siempre hacer prueba de hipótesis sobre el tipo de distribución que queremos comprobar siguen los datos o usar la herramienta de identificación individual de la distribución para saber cual es la distribución que mejor se ajusta. Esta herramienta si cuento con un video tutorial en el canal para consulta. Muchas gracias por la pregunta, espero haber respondido tu duda.

¡Muchas gracias por el comentario!

Gracias por el comentario. Si se refiere a las gráficas del capability six pack report, en el canal está un video tutorial sobre el tema. Aquí la liga: ruclips.net/video/y6OF2nmcxdQ/видео.html

@@qualitybreach ok,gracias lo voy a buscar

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

Muchas gracias por el comentario. Sí, es correcto lo que mencionas. Si los datos no siguen una distribución normal y las técnicas de normalización no pueden ser usadas ya sea por procedimientos de la organización y/o por que simplemente la data no se ajustó tampoco a ser normalizada. Existe una herramienta que se llama identificación individual de la distribución y esta herramienta hace la evaluación si se ajustan a otro tipo de distribuciones como: Weibull, Lognormal, Logística, Exponencial, etc. Para mayor detalle si gustas consultar un video tutorial en el canal con este tema de la herramienta de identificación individual de la distribución. Aquí la liga: ruclips.net/video/KEK8lq52-j4/видео.html

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¡Muchas gracias por el comentario!

¿Se refiere a los limites de especificación? Esos están dados por ingeniería de producto como especificaciones, generalmente aparecen en los planos o dibujos de los componentes, su valor nominal y respectivas tolerancias para cada característica de calidad que debe cuidarse.

¡Muchas gracias por el comentario!

Muy buena pregunta. Si puede pasar que los datos no se ajusten a ningún tipo de distribución. Existe una rama de la estadística llamada estadística no paramétrica, también conocida como de distribuciones libres. La estadística no paramétrica tiene herramientas de análisis estadísticos equivalentes que pueden ser usados en el análisis de datos. Por lo general esas herramientas que trabajan o utilizan la mediana como un estadístico descriptivo de referencia de los datos para probar hipótesis, ejemplo si quieres comparar diferentes poblaciones, la estadística descriptiva utilizará la mediana. No tengo un video tutorial en el canal de estas herramientas, pero puede ser un buen tema para incluirlo en futuros videos.

Seria de gran ayuda un tutorial para explicar lo no paramétrico, justo me encuentro en ese caso en que no se ajusta a ningun tipo distribución :(

¡Muchas gracias por el comentario!