Estadstica en administracin

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

Estadstica en administracin DEFINICION

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

Inspeccin : Fue evaluado el dimetro interior de la pieza..

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

Estudio dimensional Datos no agrupados:

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 Relativa Acumulada Decreciente

Frecuencia Acumulada

Frecuencia Relativa Frecuencia Relativa 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

Xm(Valor menor) 21.6159

XM(Valor mayor) R(Rango) 21.6329 0.0170

A(Ancho) 0.0017

U 0.00005

LI 21.61585

LS1 21.61765

TOTAL

37

Podemos observar un total de 37 lecturas

Page 6

Estadstica en administracin

Tabla de Frecuencias

ANALISIS

Frecuencia Acumulada

Frecuencia Relativa

Frecuencia Relativa Acumulada

Frecuencia Relativa Acumulada Decreciente

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

XM(Valor mayor) R(Rango) 21.6466 0.0042

A(Ancho) 0.0004

U 0.00005

LI 21.64229

LS1 21.64281

TOTAL

30

Podemos observar un total de 30 lecturas.

Page 7

Estadstica en administracin

Histograma Porite VS Nichols

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

21.620 21.625 Valor de diametro

21.630

21.635

21.6425

21.6435 21.6445 21.6455 Valor de diametro

21.6465

Se puede observar que la distribucin de Porite aparentemente es mas normal que el de Nichols.

Page 8

Estadstica en administracin

Polgono de Frecuencias Porite VS Nichols

ANALISIS

Poligono de frecuencias Porite

9 8 7
5.0 4.5 4.0 Frecuencia 3.5 3.0 2.5 2.0

Poligono de Frecuencias Nichols

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

21.644 21.645 Marca de Clase

21.646

Podemos observar de manera visual en forma de lineal lo mencionado en el histograma.

Page 9

Estadstica en administracin

Ojiva Menor Que Porite VS Nichols

ANALISIS

Ojiva Menor Que -Porite

40 35
Frecuencia Acumulada

Ojiva Menor Que -Nichols

30 25

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

5 21.642 21.643 21.644 21.645 Marca de Clase 21.646

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

Ojiva Mayor Que Porite VS Nichols

ANALISIS

Ojiva Mayor Que -Porite

1.0

Ojiva Mayor Que -Nichols

1.0

Frecuencia Acumulada Decreciente

0.8

Frecuencia Acumulada Decreciente

21.6175 21.6200 21.6225 21.6250 Marca de Clase 21.6275 21.6300 21.6325

0.8

0.6

0.6

0.4

0.4

0.2

0.2

0.0 21.6150

0.0 21.642

21.643

21.644 21.645 Marca de Clase

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

Estadstica en administracin ANALISIS

Medidas de tendencia central

Medidas de tendencia central

Tenemos 3 Estadsticos Disponibles: Media, Mediana, Moda. Media: Es la suma de los valores que integran a la muestra divididos entre el nmero de valores que integran la muestra. Mediana: El valor central cuando los nmeros han sido ordenados de menor a mayor o viceversa. Moda: Es el valor que aparece con ms frecuencia en una lista de datos.

Porite Media Mediana Moda 21.62413514 21.6241 21.6244

Nichols 21.6443905 21.6444998 21.6452

Page 12

Estadstica en administracin ANALISIS

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

Estadstica en administracin ANALISIS

Variabilidad Porite VS Nichols

Variabilidad Porite
A nderson-D arling N ormality Test A -S quared P -V alue M ean S tDev V ariance S kew ness Kurtosis N M inimum 1st Q uartile M edian 3rd Q uartile M aximum 21.622 21.622 9 5 % C onfidence Inter vals
Mean Median 21.622 21.623 21.624 21.625 21.626

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.

Estadstica en administracin Mejora

Teorema de Limite Central

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

Estadstica en administracin Mejora

Teorema de Limite Central

Para este estudio se necesita decidir de entre los dos proveedores, cual tiene la mayor probabilidad de que sus piezas estn fuera del rango de 21.625 21.645

En base a los datos del problema: PORITE: NICHOLS:

= 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

; 21.625;21.62413 0.00087 0.00087 Z1 = = = 0.00496 = .00081541 = 1.0669 0.00496

37 6.08276

; 21.645;21.64439 0.00061 0.00061 Z1 = = = 0.00123 = 0.0002245 = 2.717149 0.00123

30 5.47722

P(X < 21.625) = P(Z < 1.0669)

P(X > 21.645) = P(Z > 2.717149)

Page 16

Estadstica en administracin Mejora

Teorema de Limite Central

A partir de estos datos se puede checar la tabla de Z.

Nichols :Z1= 2.717149 0.9967

Porite : Z1 = 1.0669 0.8577

Page 17

Estadstica en administracin Mejora

Teorema de Limite Central

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

Estadstica en administracin Mejora

Distribucin Muestral (t-Student)

Se puede observar que existe un 85.77 % de probabilidad de que el proveedor Porite produzca piezas por debajo de el limite inferior. Debido a esto y para poder tomar una mejor decisin, es conveniente analizar la probabilidad de que ambos proveedores produzcan piezas dentro de tolerancia.

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

Estadstica en administracin Mejora

Distribucin Muestral

PORITE(2): x2 = 21.62413 2 = 0.00496 n2 = 37 Esto significa: P ( X1 X2 < 0.019) = P (Z < Z1)

NICHOLS(1): x1 = 21.64439 1 = 0.00123 n1 = 30

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

; 0.00126 ; 0.00126 ; 0.00126 = 0.0000007153= 0.00084577 0.00000005043:.000000664908

Z = -1.4906

Page 20

Estadstica en administracin Mejora

Distribucin Muestral
A partir de estos datos podemos checar la tabla de distribucin Z.

Z = -1.4906 0.0681

Page 21

Estadstica en administracin Mejora

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

Estadstica en administracin Conclusion

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