Professional Documents
Culture Documents
Fecha de entrega: 11-May-2012 Materia: Estadstica en administracin Escuela: Universidad Regional del Norte Proyecto: Anlisis de dos proveedores Beneficio/Ahorro potencial: Calidad de ensamble Participantes Francisco Duran Luis Carlos Martinez
Profesor: Alumno:
Definicin del Problema Se requiere seleccionar al proveedor que tenga la mayor probabilidad de dar un valor de dimetro de 21.635 0.010, que es el funcional respecto a la contraparte actual. Resumen Definicin: Dos proveedores de una pieza tienen diferencias dimensionales en un dimetro que afecta el ensamble y desempeo de una bomba de gasolina. Medicin: Se tomaron mediciones de el dimetro a piezas de dos proveedores. Anlisis: Se realizo un anlisis estadstico de datos agrupados. Mejorar: Se selecciono al proveedor que mas se acerca a los requerimientos. Conclusin: Se selecciono al proveedor Nichols.
Page 1
En el departamento de Fuel Handling de la empresa se tiene la necesidad de seleccionar de entre dos proveedores de piezas Eccentric Ring, esto debido a que entre ellos existen diferencias dimensionales que afectan directamente en el desempeo de la pieza. Para esto se realizo un estudio dimensional a piezas de ambos proveedores, con el fin de analizar la informacin y de esta manera tomar la mejor decisin.
Page 2
Estadstica en administracin
Estudio dimensional
DEFINICION
Dimetro: El dimetro es el segmento de recta que pasa por el centro y une dos puntos
opuestos de una circunferencia, una superficie esfrica o una curva cerrada:
Page 3
Estadstica en administracin
Estudio dimensional Especificacin: En la siguiente figura podemos observar la dimensin de inters para este estudio:
DEFINICION
Esta dimensin es importante ya que nos definir el GAP entre este componente y su contraparte, el cual es determinante para la presin de la bomba.
Page 4
Estadstica en administracin
MEDICION
Porite 21.6244 21.6173 21.6270 21.6231 21.6204 21.6239 21.6241 21.6282 21.6159 21.6220 21.6319 21.6165 21.6259 21.6211 21.6257 21.6183 21.6302 21.6219 21.6328 21.6320 21.6240 21.6244 21.6300 21.6311 21.6329 21.6248 21.6164 21.6249 21.6173 21.6270 21.6231 21.6204 21.6239 21.6241 21.6282 21.6159 21.6220 21.6458 21.6437 21.6453 21.6428 21.6429 21.6458 21.6452 21.6438 21.6463 21.6448 21.6449
Nichols 21.6424 21.6452 21.6445 21.6423 21.6445 21.6441 21.6429 21.6460 21.6438 21.6436 21.6436 21.6427 21.6457 21.6450 21.6466 21.6434 21.6435 21.6454 21.6452
Page 5
Estadstica en administracin
Tabla de Frecuencias
ANALISIS
Numero de Clase
Limite Superior
Marca de Clase
Limite Inferior
Frecuencia Acumulada
Frecuencia
K 1 2 3 4 5 6 7 8 9 10
LIi 21.61585 21.61765 21.61935 21.62105 21.62275 21.62445 21.62615 21.62785 21.62955 21.63125
LSi 21.61765 21.61935 21.62105 21.62275 21.62445 21.62615 21.62785 21.62955 21.63125 21.63295
fi 6 1 2 4 9 4 2 2 3 4
Fi 6 7 9 13 22 26 28 30 33 37
hi 0.16 0.03 0.05 0.11 0.24 0.11 0.05 0.05 0.08 0.11
Hi 0.16 0.19 0.24 0.35 0.59 0.70 0.76 0.81 0.89 1.00
Hi 1.00 0.84 0.81 0.76 0.65 0.41 0.30 0.24 0.19 0.11
Xi 21.6168 21.6185 21.6202 21.6219 21.6236 21.6253 21.6270 21.6287 21.6304 21.6321 Promedio
Xifi 129.70 21.62 43.24 86.49 194.61 86.50 43.25 43.26 64.89 86.53 21.6241
Promedio
Proveedor Porite
K(Clases) 10
A(Ancho) 0.0017
U 0.00005
LI 21.61585
LS1 21.61765
TOTAL
37
Page 6
Estadstica en administracin
Tabla de Frecuencias
ANALISIS
Frecuencia Acumulada
Frecuencia Relativa
Numero de Clase
Limite Superior
Marca de Clase
Limite Inferior
Proveedor Nichols
Promedio
Xifi 86.57 43.29 86.57 64.93 43.29 64.93 108.23 64.94 43.29 43.29 21.6444 K(Clases) Xm(Valor menor) 10 21.6423
K 1 2 3 4 5 6 7 8 9 10
LIi 21.64229 21.64281 21.64323 21.64366 21.64408 21.64451 21.64493 21.64536 21.64578 21.64620
LSi 21.64281 21.64323 21.64366 21.64408 21.64451 21.64493 21.64536 21.64578 21.64620 21.64663
fi 4 2 4 3 2 3 5 3 2 2
Frecuencia
Fi 4 6 10 13 15 18 23 26 28 30
hi 0.13 0.07 0.13 0.10 0.07 0.10 0.17 0.10 0.07 0.07
Hi 0.13 0.20 0.33 0.43 0.50 0.60 0.77 0.87 0.93 1.00
Hi 1.00 0.87 0.80 0.67 0.57 0.50 0.40 0.23 0.13 0.07
Xi 21.6425 21.6430 21.6434 21.6439 21.6443 21.6447 21.6451 21.6456 21.6460 21.6464 Promedio
A(Ancho) 0.0004
U 0.00005
LI 21.64229
LS1 21.64281
TOTAL
30
Page 7
Estadstica en administracin
ANALISIS
Histograma Porite
Normal 12 10 8
Frecuencia
Mean StDev N 21.62 0.004957 37
Histograma Nichols
Normal 6 5 4 3 2 1 0 21.6415
Mean StDev N 21.64 0.001230 30
6 4 2 0
Frecuencia
21.615
21.630
21.635
21.6425
21.6465
Se puede observar que la distribucin de Porite aparentemente es mas normal que el de Nichols.
Page 8
Estadstica en administracin
ANALISIS
Frecuencia
6 5 4 3 2 1 0 21.6150 21.6175 21.6200 21.6225 21.6250 Marca de Clase 21.6275 21.6300 21.6325
21.642
21.643
21.646
Page 9
Estadstica en administracin
ANALISIS
30 25 20 15 10 5 21.6150 21.6175 21.6200 21.6225 21.6250 Marca de Clase 21.6275 21.6300 21.6325
Frecuencia Acumulada
20
15
10
Se puede observar que aproximadamente 25 piezas estn por debajo del valor mnimo.
Se puede observar que aproximadamente 25 piezas estn debajo del limite mximo.
Page 10
Estadstica en administracin
ANALISIS
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0 21.6150
0.0 21.642
21.643
21.646
Se puede observar un 40% de las piezas estn encima del valor mnimo.
Se puede observar que aproximadamente un 40% de las piezas esta encima del valor mximo.
Page 11
Page 12
Variabilidad
s2
Variabilidad: Nos Indica cuan dispersos estn los Datos. Rango: La diferencia absoluta entre el mayor y el menor de los valores en la serie de Datos. Varianza: El promedio del cuadrado de la desviacin de cada dato con respecto a la media. Se representa con la letra s2 Desviacin Estndar: Es el promedio de las distancias de cada Dato a la media. Es calculada al sacarle la raz cuadrada a la Varianza. Coeficiente de Variacin: Indica que tan grande es la desviacin estndar con respecto a la media.
(X i X) 2
i 1
n 1
(X i X) 2
i 1 n
n 1
Page 13
Variabilidad Nichols
A nderson-D arling N ormality Test A -S quared P -V alue M ean S tD ev V ariance S kew ness Kurtosis N M inimum 1st Q uartile M edian 3rd Q uartile M aximum 21.644 21.644 9 5 % C onfidence Inter vals
Mean Median 21.6435 21.6440 21.6445 21.6450
0.41 0.331 21.624 0.005 0.000 0.049515 -0.722185 37 21.616 21.621 21.624 21.628 21.633 21.626 21.626 0.006
0.44 0.280 21.644 0.001 0.000 -0.04330 -1.14208 30 21.642 21.643 21.644 21.645 21.647 21.645 21.645 0.002
21.615
21.620
21.625
21.630
21.643
21.644
21.645
21.646
95% C onfidence Interv al for M ean 95% C onfidence Interv al for M edian 95% C onfidence Interv al for S tDev 0.004
95% C onfidence Interv al for M ean 95% C onfidence Interv al for M edian 95% C onfidence Interv al for S tDev 0.001
Variabilidad Porite Rango Varianza ( 2 ) Desviacion Estandar () Coeficiente de Variacin (CV) 0.0170 0.000025 0.00496 0.022937 % Nichols 0.0042 0.000002 0.00123 0.005683 %
Page 14
En ambos casos el valor de P es > = a 0.05. Por lo tanto ambos casos son distribuciones normales.
Como las dos muestras provienen de una distribucin normal, se puede aplicar el TLC, ya que en ambos casos n>30, de esta manera es posible estimar las probabilidades necesarias.
Page 15
= 21.62413
= 0.00496 n = 37 X= Variable aleatoria (21.625) P (X < 21.625) = P(Z < Z1) : XZ & 21.625Z1
= 21.64439
= 0.00123 n = 30 X= Variable aleatoria (21.645) P (Z > 21.645) = P(Z > Z1) : XZ & 21.645Z1
Page 16
Page 17
PORITE: Nos interesa la probabilidad de que el valor del dimetro sea menor al limite mnimo (21.625). P (X < 21.625) = P( Z< Z1) = P(Z< 1.0669) NICHOLS: Nos interesa la probabilidad de que el valor del dimetro sea mayor al limite mximo (21.645). P (X > 21.645) = P(Z > Z1) = P(Z > 2.7171) P(Z < 1.0669) = 0.8577 = 85.77% P(Z > 2.7171) = 1-0.9967 = 0.0033 = 0.33%
La probabilidad sale directa, ya que se mide para valores menores que Z1 de izquierda a derecha.
La probabilidad es el complemento del valor de la tabla, ya que se busca para valores mayores que Z1
Page 18
Para realizar dicho estudio, se puede utilizar el anlisis de distribucin muestral para la varianza. Actualmente tenemos la siguiente situacin: PORITE: 2 = 21.62413 Fuera de tolerancia por 0.00087 1- 2 = 0.02026 Debido a que el proveedor Nichols tiene mayor probabilidad de producir piezas buenas, es recomendable calcular la probabilidad de que sus piezas sean como mximo 0.019 mas grandes que las de Porite para alejarse del limite alto. NICHOLS: 1 = 21.64439
Page 19
Distribucin Muestral
Z=
1;2 ;(1;2)
12
22
0.019 ;(21.64439;21.62413)
0.001232 0.004962 : 30 37
0.019 ;(0.02026)
0.0000015129 : 30 37
= 0.0000246016
Z = -1.4906
Page 20
Distribucin Muestral
A partir de estos datos podemos checar la tabla de distribucin Z.
Z = -1.4906 0.0681
Page 21
Distribucin Muestral
Nos interesa la probabilidad de Nichols tenga valores de 0.019 mas grandes que Porite como Mximo. P ( X1 X2 < 0.019) = P (Z < Z1) = P (Z < -1.4906 ) = 0.0681= 6.81%
La probabilidad sale directa, ya que se mide para valores de menores que Z1 de izquierda a derecha.
Page 22
Conclusion
En base a esta informacion se puede tomar la eleccion de el Proveedor Nichols, que tiene solo un 0.33% de producir piezas fuera de spec, y ademas tiene un 6.81% de probabilidad de que sus valores salgan como maximo 0.019 mas grandes que Porite.
Page 23