ARCHIVOS DE DATOS PARA EL MÓDULO 2 Mapa de Archivos PARETO PULSE COCHES REHEAT ARCHIVO PARETO.MTW Contiene defectos en
Views 226 Downloads 6 File size 1MB
ARCHIVOS DE DATOS PARA EL MÓDULO 2 Mapa de Archivos PARETO PULSE COCHES
REHEAT
ARCHIVO PARETO.MTW Contiene defectos en partes por turno, operario y máquina Defectos Rayas Rayas Sopladura Forma Rayas Sopladura Sopladura Forma Rayas Rayas Sopladura Rayas Rayas Sopladura Rayas Sopladura Rayas Rayas Rayas Sopladura Sopladura Rayas Rayas Sopladura Rayas Sopladura Rayas Rayas Rayas Rayas Rayas Rayas Rayas Rayas Rayas Sopladura Sopladura
Dia Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Lunes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes
Turno Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana
Operario A A A A B B B B C C C D D D A A B B B B B B C C D D A A A B B B B B B B B
Maquina 1 1 1 1 1 1 1 1 2 2 2 2 2 2 1 1 1 1 1 1 1 1 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1
Rayas Rayas Rayas Rayas Rayas Sopladura Sopladura Rayas Rayas Rayas Sopladura Sopladura Forma Rayas Rayas Rayas Forma Rayas Rayas Rayas Sopladura Sopladura Sopladura Forma Rayas Rayas Rayas Rayas Rayas Rayas Sopladura Sopladura Forma Rayas Rayas Rayas Rayas Rayas Rayas Rayas Rayas Forma Terminación Rayas Rayas Rayas Rayas Sopladura Sopladura Sopladura
Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Martes Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles
Mañana Mañana Mañana Mañana Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Tarde Tarde Tarde Tarde Tarde Tarde Tarde
C C D D A A A B B B B B C D D D D A A A A A A A B B B B B B B B B C C C C C D D D D D A A A A A A A
2 2 2 2 1 1 1 1 1 1 1 1 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1
Rayas Rayas Rayas Rayas Rayas Rayas Sopladura Forma Rayas Rayas Rayas Rayas Rayas Rayas Sopladura Rayas Rayas Rayas Rayas Rayas Sopladura Rayas Rayas Rayas Rayas Sopladura Forma Forma Rayas Rayas Rayas Rayas Rayas Sopladura Rayas Rayas Rayas Forma Rayas Rayas Sopladura Sopladura Rayas Rayas Rayas Sopladura Forma Forma Rayas Forma
Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Miércoles Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves Jueves
Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde
B B B B B B B B C C C C C C C D D D D D D A A A A A A A B B B B B B C C D D D A A A B B B B B B C C
1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 1 1 1 1 1 1 1 1 1 2 2
Rayas Rayas Terminación Rayas Rayas Rayas Rayas Rayas Rayas Sopladura Sopladura Forma Rayas Rayas Terminación Rayas Rayas Terminación Terminación Otros Rayas Rayas Rayas Rayas Rayas Rayas Rayas Rayas Rayas Otros Rayas Forma Forma Rayas Rayas Rayas Sopladura Terminación Rayas Otros Rayas Rayas Sopladura Sopladura Sopladura Forma Rayas Rayas Rayas Forma
Jueves Jueves Jueves Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Viernes Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado
Tarde Tarde Tarde Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Mañana Tarde Tarde Tarde Tarde Tarde Tarde Tarde
D D D A A A A B B B B B C C C D D D D D A A B B B B B C C C D D D A B B B C C D D D D A A A B B B B
2 2 2 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 2 2 2 2 2 2 1 1 1 1 2 2 2 2 2 2 1 1 1 1 1 1 1
Sopladura Rayas Sopladura Rayas Otros Sopladura Sopladura Rayas
Sábado Sábado Sábado Sábado Sábado Sábado Sábado Sábado
Tarde Tarde Tarde Tarde Tarde Tarde Tarde Tarde
B B B C C D D D
1 1 1 2 2 2 2 2
ARCHIVO COCHES Marca Modelo PVP Num.Cil. Cil.(cc) Pot.(CV) Long. Alfa Romeo 145 1.4 Bas 1780000 4 1351 90 Alfa Romeo 145 1.6 Bas 1940000 4 1596 103 Alfa Romeo 155 1.7Twi 2399000 4 1749 115 Alfa Romeo 155 2.5 V6 4105000 6 2492 166 Alfa Romeo 164 3.0 Su 5837000 6 2959 210 Audi 80 2.3 E 3931000 5 2309 133 Audi 80 2.8 E 4836000 6 2771 174 Audi A6 2.6 V6 4867000 6 2598 150 Audi Coupé 2.0 E 3695000 4 1984 115 Audi Cabrio 2.6 6055000 6 2598 150 Audi 80 2.6 Quat 4650000 6 2598 150 Audi 80 Avant S2 7197000 5 2226 230 Audi A6 2.8 V6 6102000 6 2771 174 Audi Coupe 2.6 5110000 6 2598 150 BMW 316 I 3295000 4 1596 102 BMW 318 I 3615000 4 1796 115 BMW 318 IS 3825000 4 1796 140 BMW 320 I 4140000 6 1991 150 BMW 325 I 5015000 6 2949 192 BMW 325 I Cabrio 6090000 6 2494 192 BMW M3 7780000 6 2990 286 BMW 518 I 4155000 4 1796 113 BMW 525 I 5805000 6 2494 192 BMW 530 I 7155000 8 2997 218 BMW M5 12080000 6 3795 340 BMW 730 I 8296000 8 2997 218 BMW 740 I 10270000 8 3982 286 BMW 850 CSI 18035000 12 5576 380 CITROEN AX 10 First 1171110 4 954 50 CITROEN AX 11 First 1242168 4 1124 60 CITROEN AX First To 1367817 4 1124 60 CITROEN AX 11 Pres 1361660 4 1124 60 CITROEN AX GT 3p 1558657 4 1360 75 CITROEN ZX Reflex 1749000 4 1360 75 CITROEN ZX Avanta 1950820 4 1360 75 CITROEN ZX Avanta 2026820 4 1360 75 CITROEN ZX Aura 1.8 2274970 4 1761 103
409 409 444 444 466 448 448 480 437 436 448 451 480 436 443 443 443 443 443 443 443 472 472 472 472 498 498 478 352 352 352 352 352 407 407 426 407
CITROEN CITROEN CITROEN CITROEN CITROEN CITROEN CITROEN CITROEN FERRARI FERRARI FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FIAT FORD FORD FORD FORD FORD FORD FORD FORD FORD FORD FORD FORD FORD FORD HONDA HONDA HONDA HONDA HONDA HONDA HONDA HYUNDAI HYUNDAI HYUNDAI HYUNDAI
ZX 2.0 I 16 3033889 ZX Prestig 2218620 Xantia 1.6 I 2303956 Xantia1.8 I 2711166 Xantia 2.0 3353458 Xantia 16V 4101899 XM 2.0 I 1 3903782 XM V6 I B 5669829 F355 Berlin 18626560 456 GT 34089000 Cinquecen 880000 Uno 60 Sti 1075000 Punto 55 S 1295000 Punto 75 S 1385000 Punto 90 S 1720000 Punto GT 2155000 Coupé 16V 3635000 Tipo 1.4S 3p 1740000 Tipo 1.6SX 2050000 Tipo 1.8GTI 2270000 Tempra 1.4 1860000 Tempra 1.6 2000000 Tempra 1.8 2450000 Croma 2.0IE 3065000 Ulysse 2.0S 3135000 Fiesta Che 1349000 Fiesta New 1539000 Fiesta SI 1 1669000 Fiesta SI1. 1779000 Fiesta XR2 2259000 Escort Valo 1769000 Escort Atla 2049000 Escort Ghia 2219000 Escort RS 2839000 Probe 2.0I 3709000 Mondeo CL 2469000 Mondeo Ghi 3239000 Scorpio Ser 3459000 Escort Cos 5429000 Civic DX 1 2100000 Civic Dre 2850000 CRX ESI 1 3200000 Concerto 2150000 Accord 2.0I 2550000 Accord Co 3380000 Legend 3.2 7550000 Accent 1.3 1595000 Accent 1.5 1880000 Lantra 1.8 2190000 Sonata 2. 2890000
4 4 4 4 4 4 4 6 8 12 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 6 4 4 4 4
1998 1905 1580 1761 1998 1998 1998 2963 3496 5474 704 1108 1108 1242 1581 1372 1995 1372 1581 1756 1372 1581 1756 1995 1998 1118 1297 1393 1597 1796 1299 1598 1796 1998 1991 1597 1988 1998 1993 1343 1590 1595 1493 1997 1977 3206 1341 1495 1836 1997
150 71 90 103 123 150 135 170 380 442 31 51 55 75 88 136 142 71 76 105 71 90 105 117 123 50 60 75 90 130 60 90 105 150 115 90 136 120 227 75 125 125 90 115 136 204 82 90 126 139
408 407 444 444 444 444 471 496 425 473 323 369 376 377 377 377 425 396 396 396 435 435 435 452 445 374 374 374 374 380 423 404 423 404 458 448 448 474 421 408 408 400 426 468 467 494 412 412 439 470
JAGUAR JAGUAR LADA LADA LANCIA LANCIA LANCIA LANCIA LANCIA LANCIA LANCIA LANCIA MASERATI MASERATI MASERATI MAZDA MAZDA MAZDA MAZDA MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MERCEDES MITSUBISHI MITSUBISHI NISSAN NISSAN NISSAN NISSAN NISSAN NISSAN NISSAN NISSAN NISSAN NISSAN NISSAN OPEL OPEL OPEL OPEL OPEL OPEL
XJ6 3.2 XJ6 4.0 S Samara 1.3 Samara 1.54 Y-10 Mia Delta 1.4IE Delta 1.8IE Delta 2.0 Dedra 1.6LE Dedra 2.0 Thema 2.0I Thema 3.0V Spyder E Ghibli Shamal 121 1.3 16V MX-5 1.8 16 626 2.0 1 Xedos 6 C180 C200 C220 E200 E220 E280 S280 E320 S320 E420 S500 S600 Colt 1600GL Galant 200 Micra 1.0L Micra 1.3B Sunny LX1.4 Sunny SLX Sunny LX 2D Primera 1. Primera 2. 100NX 2.16V Serena LX Serena SLX Serena LX 2 Corsa City1 Corsa Swin Corsa Swin Corsa GSI Astra Base Astra GL 1.
5950000 7500000 796160 899000 1227000 1820000 2174000 2673000 2231000 3760000 3905000 5612000 6995200 8499200 11975500 1688960 3687000 2852600 4212600 4307000 5252000 5667000 5297000 5792000 6512000 8832000 7401000 10497000 9334000 13337000 19632000 2325000 3044220 1245000 1455000 1860000 2170000 2000000 2115000 2635000 3395000 2207000 3010000 2308000 1317000 1498000 1560000 2057000 1718000 1985000
6 6 4 4 4 4 4 4 4 4 4 6 6 6 8 4 4 4 6 4 4 4 4 4 6 6 6 6 8 8 12 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3239 3980 1288 1499 1108 1372 1750 1995 1581 1995 1995 2959 2790 2790 3217 1324 1839 1991 1995 1799 1998 2199 1998 2199 2799 2799 3199 3199 4196 4973 5987 1597 1997 998 1275 1392 1597 1974 1597 1998 1998 1597 1998 2283 1195 1195 1389 1598 1389 1389
200 223 61 68 51 71 101 139 90 139 117 175 225 279 326 73 133 117 146 122 136 150 136 150 193 193 220 231 279 320 394 113 137 55 75 87 102 75 102 125 143 98 126 75 45 45 60 106 60 82
499 499 401 420 342 401 401 401 434 434 460 460 406 422 410 380 395 469 456 449 449 449 474 474 474 511 474 511 474 511 511 399 462 369 369 423 414 414 440 440 413 431 431 431 373 373 373 373 405 405
OPEL OPEL OPEL OPEL OPEL OPEL OPEL OPEL OPEL OPEL OPEL PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PEUGEOT PORSCHE PORSCHE RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT RENAULT ROLLS ROYC ROLLS ROYC ROVER ROVER ROVER ROVER ROVER ROVER ROVER
Astra GLS 2356000 Astra Spor 2514000 Astra Cabri 3268000 Astra GL 1 2108000 Vectra Meri 2515000 Vectra Spor 3265000 Vectra CDX 3819000 Vectra GL 2749000 Calibra 2.0 3527000 Omega 2.0 3879000 Omega 3.0 5633000 106 Kid 3p 1205000 106 1.4 XT 1850000 106 Midnigh 1663000 205 Mito 1. 1343000 205 Mito D 1549000 306 XN 1.4 1756000 306 Style 1 2009000 306 XS 1.6 2160000 306 XT 1.6 2292000 306 XND 5p 2063000 405 Embass 2368000 405 Embass 2645000 605 SLI 3825000 605 SLDT 4268000 806 SR 2.0 3235000 968 CS 7651840 911 Turbo 19645440 Twingo 1210000 R-19 RL 1.2 1765000 R-19 Drive 1890000 R-19 S 1.8 2085000 R-19 Drive 2015000 R-19 S 1.9 2435000 R-21 Nev 2625000 R-21 GTD 2580000 Laguna RN 2350000 Laguna RXE 3075000 Safrane RN 3465000 Safrane RT 5540000 Safrane R 4655000 Corniche C 37760000 Touring Li 44652800 114 SLI 3p 1395000 214 I 3p 1631000 220 GSI 3p 2468000 218 SLD 5p 2442000 414 SLI 2195000 420 GSI 2591000 Montego 2. 1685000
4 4 4 4 4 4 6 4 4 4 6 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 6 4 4 4 4 4 4 4 4 4 4 4 6 4 8 8 4 4 4 4 4 4 4
1598 1799 1799 1700 1998 1998 2498 1686 1998 1998 2962 954 1360 1527 1124 1769 1360 1360 1587 1587 1905 1761 1905 1998 2088 1998 2990 3600 1239 1171 1390 1794 1870 1870 1721 2068 1794 1998 2165 2963 2499 6750 6750 1396 1396 1994 1769 1396 1994 1994
100 115 115 68 115 136 170 82 115 136 211 50 75 58 60 60 75 75 90 90 71 103 70 123 110 123 240 360 55 60 80 95 65 93 95 74 95 115 110 170 115 225 225 75 75 136 88 103 136 104
424 405 424 405 443 443 443 443 449 479 479 356 356 356 370 370 400 400 400 400 400 441 441 472 472 445 432 425 343 425 416 416 425 425 469 446 451 451 474 474 474 520 598 352 442 442 422 437 437 447
ROVER 620 I ROVER 623 SI ROVER 827 SI ROVER 825 SD SAAB 900 S 2.0 I SAAB 900 S 2.3 I SAAB 900 SE 2.5 SAAB 9000 CS 2.3 SAAB CD 2.3 I SEAT Marbella SEAT Ibiza 1.05 SEAT Ibiza 1.4 I SEAT Ibiza 1.4 I SEAT Ibiza 1.6 I SEAT Ibiza 1.6 I SEAT Ibiza 1.8 SEAT Ibiza 2.0 G SEAT Ibiza 1.9 D SEAT Ibiza 1.9 SEAT Cordoba 1. SEAT Cordoba 1. SEAT Cordoba 1. SEAT Cordoba 1 SEAT Toledo 1.8 SEAT Toledo 2.0 SEAT Toledo 1.9 SUZUKI Swift 1.0 GL SUZUKI Swift 1.3 GS TOYOTA Celica 2.0 TOYOTA Carina E 1 TOYOTA Carina E 2 TOYOTA Camry 2.2 TOYOTA Lexus GS 3 VOLKSWAGEN Polo 1.0 Fo VOLKSWAGEN Polo 1.3 Fo VOLKSWAGEN Polo 1.3 C VOLKSWAGEN Polo 1.6 C VOLKSWAGEN Golf 1.4 CL VOLKSWAGEN Golf 1.6 CL VOLKSWAGEN Golf 1.8 GL VOLKSWAGEN Golf 2.0 GT VOLKSWAGEN Golf 2.0 G VOLKSWAGEN Golf 1.9 C VOLKSWAGEN Vento 1.6 C VOLKSWAGEN Vento 1.8 G VOLKSWAGEN Vento 2.0 G VOLKSWAGEN Passat 1.8 VOLKSWAGEN Passat 2.0 VOLKSWAGEN Passat VR6 VOLKSWAGEN Corrado 16V
2900000 3830000 4910000 4367000 3368320 3905920 4597120 4520320 4520320 775000 1289000 1407700 1474300 1628000 1743600 1907000 2293000 1702300 2038600 1650000 1807000 2066000 1932000 1980000 2678000 2182000 1244000 1545000 4339800 2491300 2999800 4178800 7769000 1289000 1397000 1626000 1595000 1770000 2005000 2195000 2793000 3248000 1995000 2010000 2395000 3000000 2600000 3185000 3910000 4065000
4 4 6 4 4 4 6 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 6 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 6 4
1997 2259 2677 2499 1985 2290 2498 2290 2290 903 1043 1391 1391 1598 1598 1781 1984 1896 1896 1397 1598 1781 1896 1781 1984 1896 993 1299 1998 1587 1998 2164 2997 1043 1296 1296 1598 1391 1598 1781 1984 1984 1896 1598 1781 1984 1781 1984 2792 1984
115 158 169 118 130 150 170 146 146 42 45 60 60 75 75 90 115 68 75 60 75 90 68 90 115 68 56 71 175 116 133 136 212 45 55 55 75 60 75 90 115 150 64 75 90 115 90 115 174 135
465 465 488 488 464 464 464 476 478 347 381 381 381 381 381 381 381 381 381 411 411 411 411 432 432 432 374 374 442 453 453 472 495 471 471 471 471 402 402 402 402 402 402 438 438 438 460 460 460 405
VOLVO VOLVO VOLVO VOLVO VOLVO VOLVO VOLVO VOLVO VOLVO VOLVO
440 GLE 1.8 440 GLT 460 GLE 1.8 460 Turbo 480 S 850 GLE 850 GLT 940 GLE 2.3 940 GLT 960 2.5 24V
2695000 3190000 2695000 3370000 3395000 4195000 4730000 3620000 3950000 4890000
4 4 4 4 4 4 5 4 4 6
1794 1998 1794 1721 1998 2435 2435 2316 1986 2473
90 110 90 120 110 144 170 116 155 170
431 431 440 440 426 466 466 479 479 487
ARCHIVO REHEAT.MTW de Minitab Son datos de productos congelados, se quiere determinar cuanto tiempo toma y la temperatura de cocción de un plato congelado, de forma que el sabor obtenido sea el mejor. Se hacen experimentos con los resultados evaluados en base a la calidad del plato de 0 a 10. Operator A B A B A A B A B A A B B B B B A A A A B A B B B B B B B A B
Temp
Time 350 350 350 350 350 350 350 350 375 375 375 375 375 375 375 375 400 400 400 400 400 400 400 400 425 425 425 425 425 425 425
Quality 24 26 28 30 32 34 36 38 24 26 28 30 32 34 36 38 24 26 28 30 32 34 36 38 24 26 28 30 32 34 36
0.1 0.2 1.1 1.5 3.8 5.4 6.9 6.6 0.2 0.2 0.7 2.9 5.2 6.9 7 6.9 0 0.7 1.4 3.8 6.8 8 7.4 7.2 0.2 0.2 1.8 4.8 6.5 8.5 8.4
A A A B A A B A B A B A B A B A A
425 450 450 450 450 450 450 450 450 475 475 475 475 475 475 475 475
38 24 26 28 30 32 34 36 38 24 26 28 30 32 34 36 38
7.3 0.4 1.9 5 7.2 7.8 7.2 5.7 3.9 0.3 4.4 6.7 6.9 5.8 4.1 0.4 0.2
ARCHIVO PULSE.MTW Contiene el pulso de personas por sexo, si corren o no etc. Pulse1
Pulse2 64 58 62 66 64 74 84 68 62 76 90 80 92 68 60 62 66 70 68 72 70 74 66 70 96 62 78 82 100 68 96 78 88 62 80 62 60
88 70 76 78 80 84 84 72 75 118 94 96 84 76 76 58 82 72 76 80 106 76 102 94 140 100 104 100 115 112 116 118 110 98 128 62 62
Ran
Smokes 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2
Sex 2 2 1 1 2 2 2 2 2 2 1 2 1 2 2 2 1 1 1 2 2 2 2 1 2 2 1 2 1 2 2 2 1 1 2 2 2
Height 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 1 1
66 72 73.5 73 69 73 72 74 72 71 74 72 70 67 71 72 69 73 74 66 71 70 70 75 61 66 68 68 63 70 68 69 69 62.75 68 74 71
Weight 140 145 160 190 155 165 150 190 195 138 160 155 153 145 170 175 175 170 180 135 170 157 130 185 140 120 130 138 121 125 116 145 150 112 125 190 155
72 62 76 68 54 74 74 68 72 68 82 64 58 54 70 62 48 76 88 70 90 78 70 90 92 60 72 68 84 74 68 84 61 64 94 60 72 58 88 66 84 62 66 80 78 68 72 82 76 87
74 66 76 66 56 70 74 68 74 64 84 62 58 50 62 68 54 76 84 70 88 76 66 90 94 70 70 68 84 76 66 84 70 60 92 66 70 56 74 72 80 66 76 74 78 68 68 80 76 84
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
1 2 2 1 1 2 2 2 1 2 1 2 2 2 1 1 1 2 2 2 1 2 1 2 1 1 2 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
69 70 72 67 69 73 73 71 68 69.5 73 75 66 69 66 73 68 74 73.5 70 67 72 75 68 69 71.5 71 72 69 67 68 66 65.5 66 62 62 63 67 65 66 65 65 65 64 67 69 68 63 62 63
170 155 215 150 145 155 155 150 155 150 180 160 135 160 130 155 150 148 155 150 140 180 190 145 150 164 140 142 136 123 155 130 120 130 131 120 118 125 135 125 118 122 115 102 115 150 110 116 108 95
90 78 68 86 76
92 80 68 84 76
2 2 2 2 2
1 2 2 2 2
2 2 2 2 2
64 68 62 67 61.75
125 133 110 150 108
Anch.
Altu. 171 171 170 170 176 169 169 178 172 172 169 169 178 172 170 170 170 171 170 171 171 175 175 175 175 186 186 185 155 155 155 155 160 170 170 170 170
Malete. 143 143 144 144 139 141 141 143 137 138 141 139 143 137 139 139 139 139 139 135 133 141 141 141 139 142 142 133 135 135 135 135 135 140 140 146 140
Peso 320 320 525 525 504 430 430 510 295 250 430 370 510 230 435 435 435 435 435 230 405 460 460 460 460 500 500 320 265 265 265 265 265 343 343 488 343
Consumo 1140 1160 1205 1290 1500 1270 1330 1440 1190 1370 1430 1560 1540 1400 1190 1205 1240 1315 1330 1450 1460 1360 1480 1565 1650 1725 1790 1865 690 690 690 705 772 935 960 1015 1030
6.3 6.1 6.4 7.3 7.5 6.4 6.7 7 6 6.7 7.9 7.7 8 7.9 5.6 5.7 6.4 6.8 6.6 6.8 6.5 6.6 6.8 8 9 8 8.5 8.5 4.6 4.5 4.5 4.6 5.1 5.4 5.4 5.5 5.6
Velo.max Acele. 178 12.5 185 11 191 11.8 215 8.4 240 8 200 9.8 220 8 209 9.9 196 10.9 222 8 210 9.5 242 6.1 218 9.1 212 9.5 195 12.7 201 11.3 213 10.2 214 10 233 8 229 8.6 250 6 211 10.6 230 8.6 235 7.7 250 5.9 235 8.3 250 6.9 250 6 151 17.4 167 11.9 167 11.9 151 17.4 176 10 172 11.9 172 11.9 165 13.6 188 10.2
172 170 175 175 175 175 179 179 194 192 149 156 162 162 162 162 177 170 170 170 169 169 169 176 182 160 160 160 160 163 168 168 168 168 177 175 175 176 173 170 170 169 169 171 178 181 162 162 168 177
137 140 139 138 138 139 138 146 117 130 * 143 141 145 145 145 144 134 144 145 143 144 144 144 143 171 132 132 132 132 133 135 135 135 135 131 137 137 139 142 135 135 125 139 138 139 140 139 139 138 141
343 343 480 480 480 480 455 720 220 170 271 275 275 275 275 295 350 350 350 500 500 500 500 340 250 250 250 250 250 490 380 490 380 360 480 480 490 267 190 190 300 370 * 405 436 430 303 303 352 373
1150 1035 1170 1176 1238 1325 1310 1505 1350 * 1690 675 760 840 880 965 1000 1250 1030 1050 1150 1030 1035 * 1140 1220 1510 785 825 830 925 955 1065 1085 1120 1165 1215 1215 1287 1245 1275 925 985 1050 1240 1295 1550 905 * 905 * 1130 1280
5.9 4.4 5.8 6.1 6.2 6.4 6.5 8
220 167 175 187 198 213 205 217 295 302 127 152 150 170 178 200 208 161 170 183 163
11.6 4.3 4.8 4.7 5.3 6 5.5 7 5.4 6.1 6.9 5.4 * 6.7 6.4 7.2 5.1 4.4 5.6 6.2 6.3 5.4 5.5 6.3 6.1 6.1 5.5 6.3 6.2 7.9 5.4 5.9 6.4 6.3 6.5 7.1 8.3
7 6.5
8.5 13.7 13.4 11 10.1 9.6 9.8 10.1 4.7 5.2 28 16 16.5 12 11.5 8 9.2 15.5 12.4 12 14.4 *
188 190 177 143 153 167 177 200 153 177 187 208 204 180 204 192 232 170 195 190 172 * 197 200 223 174 176 189 192
12 10.5 13.1 18.1 14.8 12.8 11.2 8.5 17.7 12.3 10.6 8.7 10.6 13.5 9.6 11.2 6.1 11.3 8.7 9.3 10.8 10.2 8.1 12.8 11.7 10 10.2
179 179 162 162 151 170 170 176 170 170 175 175 171 177 185 165 167 175 170 172 172 172 174 174 174 189 174 189 174 189 189 169 173 158 158 167 167 167 170 170 168 169 171 169 161 161 161 161 169 169
138 138 133 140 143 140 140 140 143 143 143 143 131 130 130 147 123 140 136 142 142 142 143 143 143 149 143 150 143 150 150 136 140 143 143 139 139 139 139 139 131 183 182 183 142 142 142 142 141 141
430 430 330 440 195 320 320 320 480 480 550 550 400 420 420 290 135 452 450 430 430 430 520 520 520 525 520 525 520 525 525 240 450 206 206 440 431 431 480 480 328 750 750 750 260 280 280 260 360 360
1800 1825 920 920 800 1100 * 1200 1250 1140 1260 1250 1330 1335 1400 * 1415 835 990 4455 1230 1350 1365 1410 1360 1370 1490 1890 1490 1890 1620 2000 2180 945 1270 795 810 1075 1075 1105 1075 1160 1150 1405 1485 1480 * 835 870 885 905 930 1005
7.8 8 5.9 5.8 4.7
211 219 145 150 150 *
7.3 7.2 5.2 6.8 6.7 7.7 10.5
* 185 206 180 210 190 220 230 258 270 164 197 200 216 193 198 210 200 210 230 215 235 225 250 250 250 190 205 150 170 177 184 168 190 205 210 150 170
9.1 5.3 6 6.1 6.3 6.4 6.5 6.5 6.6 6.6 7.9 8.6 8.2 10.3 9.4 10 11.8 5.6 6.3 4.8 4.9 5.1 5.3 4.5 5.4 6.3 6.5 7.8 8.3 * 5.2 5.2 6 5.3 5.1 5.7
9 9 16 14 15.8 11.8 9.6 13.4 9.4 12.6 8.1 6.2 5.7 5.3 11.4 8.7 10.4 9.3 12.2 10.8 10.4 11.5 10.6 9.1 10.8 8.3 8.9 7.2 8.3 6.5 9.8 9.8 16.4 12 12.6 11.2 17 10.6 10 8.2 18 13 *
145 145 145 192 160 175
19.5 19.5 18 9.8 16 13
169 169 169 169 170 170 170 170 169 179 179 157 157 158 157 157 169 169 169 169 169 169 169 180 180 182 173 177 163 170 170 170 170 170 173 173 175 175 181 181 181 183 183 156 168 168 168 168 168 171
141 141 141 141 140 140 140 140 132 145 145 137 137 140 137 137 138 138 138 138 138 141 141 142 142 171 125 131 142 141 141 141 141 141 143 139 143 143 141 141 141 152 153 138 140 140 140 140 140 142
500 360 360 360 530 530 530 530 300 530 530 215 215 215 290 290 340 340 340 340 340 470 470 497 497 340 250 123 168 463 386 386 463 463 674 420 452 452 480 480 480 380 380 230 357 357 357 410 410 520
1090 1095 1150 1070 1150 1240 1290 1180 1220 1455 1605 760 820 860 765 880 1020 1020 1060 1060 1080 1100 1125 1325 1430 1510 1320 1470 790 965 945 1025 1030 1080 1065 1125 1240 1280 1380 1465 1565 2430 2640 835 1030 * 1170 1170 1020 1170 1075
5.3 6.1 6.1 4.5 5.8 6 6.7 4.8 6.1 6.6 7.2 5.1 5.3 3.7 5.2 3.9 5 5 5.4 5.4 4.6 5.5 4.9 6.8 4.9 7.2 7.2 8.3 5.1 5.3 5.1 6 4.6 4.4 5.9 4.5 6.3 6.1 7 8.2 5.5 11.5 12 5 6 4.3 5.5 5.8 6.8
190 200 200 164 198 210 233 176 205 210 240 150 172 155 164 156 165 165 180 180 162 185 165 199 192 177 252 280 150 155 * 173 181 161 183 185 170 180 200 189 220 195 210 * 200 * 166 163 202 175 180 202 180
11.5 9.5 9.5 16 10.5 9.5 7.8 14.5 10 11 8.8 19.2 13.1 16.9 13.9 15.1 14.9 14.9 12.9 12.9 16.9 11.9 16.4 12.1 11.6 13.1 6.5 4.8 14 12.2 10.7 15.7 11.3 10.7 12.5 13.9 10.6 11.9 9.6 12.9
10.7 13.6 8.8 13.6 11.4 8.8 10.5
172 172 173 173 171 171 171 176 176 150 164 164 164 164 164 164 164 164 164 164 164 164 164 166 166 166 157 157 175 169 169 177 179 165 165 165 165 169 169 169 169 170 169 169 169 169 172 172 172 169
138 138 139 139 144 144 144 142 142 144 142 142 142 142 142 142 142 142 142 141 141 141 141 142 142 142 135 135 130 141 141 140 142 142 142 142 142 140 140 140 140 140 140 142 142 142 143 143 143 131
430 430 530 530 451 451 451 485 560 262 270 270 270 270 270 270 270 270 270 455 455 455 455 550 550 550 363 365 283 470 470 515 404 245 245 245 245 400 400 400 400 400 400 550 550 550 495 495 495 370
1255 1320 1460 1460 1285 1285 1285 1355 1355 680 895 905 930 905 930 985 1030 1000 1030 1020 1030 1080 1100 1090 1105 1105 730 780 1250 1085 1150 1180 1680 955 955 970 990 1000 1045 1035 1140 1195 1085 1060 1075 1105 1220 1240 1365 1175
6.5 6.9 7.5 4.9 7 6.6 7 6.9 6.9 5.1 5.4 5.3 5.3 5.6 5.6 5.5 5.7 4.4 4.4 5.3 5.6 5.6 4.5 5.5 6.3 4.2 4.1 4.7 6.5 5.5 5.9 6.5 7.8 5.3 4.9 4.9 5.3 5.2 5.3 5.6 5.8 6.3 4.3 5.8 6 6 5.8 6 7.4 6
196 217 214 190 200 210 225 210 210 135 138 157 157 170 170 182 195 161 165 157 170 182 161 182 196 165 145 * 165 * 225 195 205 205 230 145 156 156 172 157 168 180 198 215 156 168 180 198 178 195 224 208
10.8 8.8 8.9 11.3 11 10 9.2 10 10 19.2 22.3 15.8 15.8 12.1 12.1 11.4 10.3 15.2 14.4 16.1 12.5 11.7 16.5 12 10.5 16.5
8.1 11.3 9 9.7 8.8 21.4 16.3 16.3 12.5 16.7 14 12.1 10.9 8.7 17.6 14.4 12.5 10.4 14.4 11.8 8.7 9.3
169 169 169 169 171 176 176 175 175 175
139 139 139 139 133 140 140 141 141 141
330 330 400 400 160 514 514 500 500 491
1020 1035 1035 1060 1030 1300 1330 1370 1400 1600 *
5.1 5.8 5.1 6.4 5.9 6.4 6.6 7.1 7.1
175 185 175 200 185 203 215 190 200 210
11.5 10.5 11.5 9 10.5 10.3 8.9 11.2 9.6 9.7
ARCHIVO REHEAT.MTW de Minitab
Activity 2 2 3 1 2 1 3 2 2 2 1 2 3 2 3 3 2 3 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2
Son datos de productos congelados, se quiere determinar cuanto tiempo toma y la temperatura de cocción de un plato congelado, de forma que el sabor obtenido sea el mejor. Se hacen experimentos con los resultados evaluados en base a la calidad del plato de 0 a 10. Operator A B A B A A B A B A A B B B B B A A A A B A B B B B B B B A B A A A
Temp 350 350 350 350 350 350 350 350 375 375 375 375 375 375 375 375 400 400 400 400 400 400 400 400 425 425 425 425 425 425 425 425 450 450
Time 24 26 28 30 32 34 36 38 24 26 28 30 32 34 36 38 24 26 28 30 32 34 36 38 24 26 28 30 32 34 36 38 24 26
Quality 0.1 0.2 1.1 1.5 3.8 5.4 6.9 6.6 0.2 0.2 0.7 2.9 5.2 6.9 7 6.9 0 0.7 1.4 3.8 6.8 8 7.4 7.2 0.2 0.2 1.8 4.8 6.5 8.5 8.4 7.3 0.4 1.9
2 2 2 2 2 3 2 3 3 3 2 3 3 2 2 2 0 3 2 2 2 3 2 1 2 2 2 3 2 2 2 2 2 3 2 2 2 2 2 2 1 3 2 2 2 2 2 1 3 3
B A A B A B A B A B A B A A
450 450 450 450 450 450 475 475 475 475 475 475 475 475
28 30 32 34 36 38 24 26 28 30 32 34 36 38
5 7.2 7.8 7.2 5.7 3.9 0.3 4.4 6.7 6.9 5.8 4.1 0.4 0.2
1 1 2 3 2
Raiz cuadrada de Pot.(CV) Pot2 9.4868 10.1489 10.7238 12.8841 14.4914 11.5326 13.1909 12.2474 10.7238 12.2474 12.2474 15.1658 13.1909 12.2474 10.0995 10.7238 11.8322 12.2474 13.8564 13.8564 16.9115 10.6301 13.8564 14.7648 18.4391 14.7648 16.9115 19.4936 7.0711 7.746 7.746 7.746 8.6603 8.6603 8.6603 8.6603 10.1489
12.2474 8.4261 9.4868 10.1489 11.0905 12.2474 11.619 13.0384 19.4936 21.0238 5.5678 7.1414 7.4162 8.6603 9.3808 11.6619 11.9164 8.4261 8.7178 10.247 8.4261 9.4868 10.247 10.8167 11.0905 7.0711 7.746 8.6603 9.4868 11.4018 7.746 9.4868 10.247 12.2474 10.7238 9.4868 11.6619 10.9545 15.0665 8.6603 11.1803 11.1803 9.4868 10.7238 11.6619 14.2829 9.0554 9.4868 11.225 11.7898
14.1421 14.9332 7.8102 8.2462 7.1414 8.4261 10.0499 11.7898 9.4868 11.7898 10.8167 13.2288 15 16.7033 18.0555 8.544 11.5326 10.8167 12.083 11.0454 11.6619 12.2474 11.6619 12.2474 13.8924 13.8924 14.8324 15.1987 16.7033 17.8885 19.8494 10.6301 11.7047 7.4162 8.6603 9.3274 10.0995 8.6603 10.0995 11.1803 11.9583 9.8995 11.225 8.6603 6.7082 6.7082 7.746 10.2956 7.746 9.0554
10 10.7238 10.7238 8.2462 10.7238 11.6619 13.0384 9.0554 10.7238 11.6619 14.5258 7.0711 8.6603 7.6158 7.746 7.746 8.6603 8.6603 9.4868 9.4868 8.4261 10.1489 8.3666 11.0905 10.4881 11.0905 15.4919 18.9737 7.4162 7.746 8.9443 9.7468 8.0623 9.6437 9.7468 8.6023 9.7468 10.7238 10.4881 13.0384 10.7238 15 15 8.6603 8.6603 11.6619 9.3808 10.1489 11.6619 10.198
10.7238 12.5698 13 10.8628 11.4018 12.2474 13.0384 12.083 12.083 6.4807 6.7082 7.746 7.746 8.6603 8.6603 9.4868 10.7238 8.2462 8.6603 7.746 8.6603 9.4868 8.2462 9.4868 10.7238 8.2462 7.4833 8.4261 13.2288 10.7703 11.5326 11.6619 14.5602 6.7082 7.4162 7.4162 8.6603 7.746 8.6603 9.4868 10.7238 12.2474 8 8.6603 9.4868 10.7238 9.4868 10.7238 13.1909 11.619
9.4868 10.4881 9.4868 10.9545 10.4881 12 13.0384 10.7703 12.4499 13.0384
po toma y la temperatura
idad del plato de 0 a 10.
ARCHIVOS DE DATOS PARA EL MÓDULO 3 Mapa de archivos DETERGENTE PULSE
ARCHIVO DETERGENTE.MTW Contiene datos de peso en gramos de 500 paquetes de detergente con peso nominal de 4 grs. indicando en cuál de las 2 líneas se ha llenado: Peso en gr Línea de llenado 3996 2 3935 1 4093 2 3993 1 4041 1 4034 2 4047 1 4085 2 4096 2 3971 1 4036 1 3951 1 4068 2 4051 2 4079 2 4042 2 4082 2 4128 2 4082 1 3895 1 3954 1 4022 1 4091 2 4113 1 4082 2 3995 1 3986 1 4065 1 4057 2 4179 2 4022 2 4057 2 4099 2 3980 1 4054 1 4162 2 4113 2
4048 4061 4142 4008 4100 3892 3965 4105 4034 4173 4109 4104 4143 3959 3975 4009 3968 4008 4014 4121 3903 4096 4160 3954 4176 4039 3952 4170 3988 4064 3948 3992 4106 3956 4146 3971 4040 3980 4060 4090 4003 4038 3925 4048 4145 3982 3899 4128 3927 4174
2 2 2 2 2 1 1 2 1 2 2 2 2 1 1 1 1 1 1 2 1 2 2 1 2 2 1 2 1 2 1 1 2 1 2 1 1 1 2 2 1 1 1 1 2 1 1 2 1 2
4023 3938 3986 4046 4115 4096 3965 3926 3988 3946 4154 3976 4009 3943 4107 4070 4119 4016 3995 4021 4027 3957 4094 4031 4008 4062 3978 3928 4057 4052 3969 4065 4062 4090 4063 4131 3973 4059 3980 4090 4015 4005 4017 4028 4043 4078 4069 4058 4032 4005
1 1 1 2 2 2 1 1 1 1 2 1 2 1 2 1 2 2 1 2 2 1 2 2 2 1 1 1 1 1 1 2 1 2 2 2 2 2 1 2 1 2 1 2 1 2 2 1 2 2
4098 4047 4097 4021 3925 3960 4157 4026 3930 3969 4070 3935 4022 4040 4126 4120 4065 4034 4076 4025 4090 4052 4117 4086 4142 4118 4183 4112 4055 4012 3976 3973 4148 4121 3958 4020 4036 4000 4067 4075 3981 3997 4008 4036 4079 3986 4123 3994 4158 4002
2 1 2 1 1 1 2 1 1 1 1 1 2 1 2 2 2 2 1 2 2 1 2 2 2 2 2 2 1 2 1 1 2 2 1 1 1 1 1 2 1 1 1 1 2 1 2 2 2 1
4042 4023 4111 4187 3970 4046 4086 4040 4039 3934 3984 3993 4042 3927 3928 4041 3987 3982 4095 4073 4196 4078 4068 4078 4143 3977 4069 4088 3956 4033 4088 4046 4044 4085 4029 4011 4173 4052 4105 4132 4094 4036 4009 4008 4063 4092 4030 4042 4008 4087
2 2 2 2 1 1 2 2 1 1 2 1 1 1 1 1 1 1 2 2 2 2 1 1 2 1 2 1 2 1 2 1 2 2 1 2 2 1 1 2 2 2 2 1 1 2 1 1 1 2
4002 4074 4050 4106 4092 4056 4064 4068 3969 4061 4138 4125 3997 3944 4047 4020 3896 4119 4005 3903 4143 4085 4041 3971 4087 4097 3945 4077 4044 4098 4069 4056 4015 3982 4181 4046 4061 3958 4018 4173 4020 4097 4029 4107 3957 4158 4098 3975 4042 4024
1 2 2 1 2 2 1 2 1 1 2 2 2 1 2 1 1 2 1 1 2 1 1 1 2 1 1 2 2 2 2 2 1 2 2 1 2 1 1 2 1 2 1 2 1 2 2 2 1 1
4111 4048 4015 4050 4076 4134 4047 4041 4055 4080 4008 4082 3958 3965 4038 4070 3967 4094 4006 4130 4047 4069 4172 3979 3997 4123 4188 4118 4033 4043 3966 4162 4035 4057 3889 3987 4050 3973 4067 4159 4022 4134 3978 4002 3991 4069 4059 3953 4156 4077
2 2 1 1 2 2 2 2 2 2 1 2 1 2 1 1 1 2 2 2 1 1 2 1 1 2 2 2 2 1 1 2 2 2 1 1 1 1 2 2 1 2 1 1 1 1 2 1 2 2
4030 3975 4133 4030 4070 3983 4025 4115 4135 4085 3980 4015 4091 4110 3957 3962 3983 4069 4073 4054 4016 4143 4032 3998 3968 4004 4083 4019 4185 3988 3952 4120 4025 4053 3998 3982 4160 4153 4120 3962 4093 4155 4086 4006 4035 4056 4088 4060 3877 4060
2 1 2 2 2 1 1 2 2 2 1 1 2 2 1 1 1 1 2 2 1 2 2 1 1 2 2 1 2 2 1 2 2 2 1 1 2 2 2 1 2 2 2 1 2 2 2 2 1 1
4027 3954 3968 4083 3999 4125 4036 3914 3964 3976 4031 4015 4141 4101 4043 3946 3989 3956 3977 4053 3977 4082 4119 3971 4009 4098 3948 3983 4064 4022 4102 3894 3985 3961 4195 4066 4018 4126 3988 4103 4070 4158 4083 4049 3999 4094 4070 4000 4151 4013
1 2 1 2 1 2 1 1 2 1 1 1 2 2 1 1 1 1 1 1 1 2 2 1 1 2 1 1 1 2 1 1 1 1 2 1 1 2 1 2 1 2 2 2 2 2 2 2 2 1
4013 4067 3978 3982 4080 4096 4202 3975 4021 4004 4080 4136 4063 4139 4016 4047 4068 4067 4114 3993 4018 3890 3927 4059 4004 4048 3989 4027 4024 3923 4081 4103 4013 4094 3933 4101 4134 3892 4175 3927 3984 3898 4109 4100 4073 4101 4005 4125 4036 4146
1 1 1 1 2 2 2 1 1 1 2 2 2 2 1 1 1 2 2 1 1 1 1 1 2 1 1 1 1 1 2 2 2 1 1 2 2 1 2 1 1 1 2 2 1 2 1 2 1 2
4029 4102 4019 4074 3962 3925 4039 3929 4008 4064 4001 3992 4029
1 2 2 2 1 1 2 1 1 2 1 1 2
ARCHIVO PULSE.MTW Contiene el pulso de personas por sexo, si corren o no etc. Pulse1 64 58 62 66 64 74 84 68 62 76 90 80 92 68 60 62 66 70 68 72 70 74 66 70 96 62 78 82 100 68 96 78 88 62 80 62 60 72 62
Pulse2 88 70 76 78 80 84 84 72 75 118 94 96 84 76 76 58 82 72 76 80 106 76 102 94 140 100 104 100 115 112 116 118 110 98 128 62 62 74 66
Ran
Smokes 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2
Sex 2 2 1 1 2 2 2 2 2 2 1 2 1 2 2 2 1 1 1 2 2 2 2 1 2 2 1 2 1 2 2 2 1 1 2 2 2 1 2
Height 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1
66 72 73.5 73 69 73 72 74 72 71 74 72 70 67 71 72 69 73 74 66 71 70 70 75 61 66 68 68 63 70 68 69 69 62.75 68 74 71 69 70
Weight 140 145 160 190 155 165 150 190 195 138 160 155 153 145 170 175 175 170 180 135 170 157 130 185 140 120 130 138 121 125 116 145 150 112 125 190 155 170 155
Activity 2 2 3 1 2 1 3 2 2 2 1 2 3 2 3 3 2 3 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2
76 68 54 74 74 68 72 68 82 64 58 54 70 62 48 76 88 70 90 78 70 90 92 60 72 68 84 74 68 84 61 64 94 60 72 58 88 66 84 62 66 80 78 68 72 82 76 87 90 78
76 66 56 70 74 68 74 64 84 62 58 50 62 68 54 76 84 70 88 76 66 90 94 70 70 68 84 76 66 84 70 60 92 66 70 56 74 72 80 66 76 74 78 68 68 80 76 84 92 80
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 1 1 2 2 2 1 2 1 2 2 2 1 1 1 2 2 2 1 2 1 2 1 1 2 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2 1 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
72 67 69 73 73 71 68 69.5 73 75 66 69 66 73 68 74 73.5 70 67 72 75 68 69 71.5 71 72 69 67 68 66 65.5 66 62 62 63 67 65 66 65 65 65 64 67 69 68 63 62 63 64 68
215 150 145 155 155 150 155 150 180 160 135 160 130 155 150 148 155 150 140 180 190 145 150 164 140 142 136 123 155 130 120 130 131 120 118 125 135 125 118 122 115 102 115 150 110 116 108 95 125 133
2 2 2 3 2 3 3 3 2 3 3 2 2 2 0 3 2 2 2 3 2 1 2 2 2 3 2 2 2 2 2 3 2 2 2 2 2 2 1 3 2 2 2 2 2 1 3 3 1 1
68 86 76
68 84 76
2 2 2
2 2 2
2 2 2
62 67 61.75
110 150 108
2 3 2
ARCHIVOS DE DATOS PARA EL MÓDULO 4 Mapa de archivos PESOS PULSE PUNTOS_RX CEREBRO RESIDUOS Ejemplo: Una línea de llenado de paquetes debe llenar 4 kg en cada uno. Se toman 20 muestras y se pesan en gramos:
Pesos 4035 3928 3974 4024 3949 4017 4009 3983 3969 3979 3970 3997 3955 3984 4034 3964 3969 3995 3991 3988
ARCHIVO PUNTOS_RX.MTW X
Y 1.0419 0.2313 3.9113 3.913 4.1251 0.6399 4.9837 2.9609 0.1064 3.2944 1.7959 4.4906 1.3232 0.406
13.023 16.4953 28.8893 32.8623 35.7745 17.0317 34.0061 27.0021 10.2112 21.7729 22.7822 29.0109 18.524 17.7324
ARCHIVO CEREBRO.MTW Nombre Peso total (kgPeso cerebro (g) Zorro blanco 3.38 44.5 Búho 0.48 15.5 Castor 1.35 8.1 Vaca 465 423 Lobo gris 36.33 119.5 Cabra 27.66 115 Corzo 14.83 98.2 Cobaya 1.04 5.5 Vervet 4.19 58 Chinchilla 0.43 6.4 Ardilla 0.1 4 Ardilla ártica 0.92 5.7 Rata africana 1 6.6 Musaraña 0 0.14
0.7498 3.7309 1.3626 0.3194 4.9198 4.9699 1.2351 4.3841 3.0166 2.0734 4.174 1.7504 3.7985 4.8115 1.439 4.879 4.8717 3.9591 4.8814 0.1703 1.2865 0.8069 0.8631 2.8896 1.2012 0.1498 3.7274 0.9256 0.6973 2.1619 0.2435 0.4348 4.3498 3.7273 0.911 3.8812 2.5 12
ARCHIVO RESIDUOS.MTW
14.1805 31.8958 21.8475 19.0498 34.9526 38.4555 16.9255 30.4883 25.0134 22.4536 29.1249 21.9985 26.2615 35.2962 20.4422 38.1152 34.8812 30.6333 32.5794 8.9585 19.5526 18.3349 17.1237 27.2717 22.8602 15.2259 29.776 13.7623 12.6159 23.1912 18.0998 15.423 27.8229 28.1968 18.2094 30.1827 40 60
Topo Armadillo Tree Hyrax Zarigüeya Elefante asiáti Gran murciélag Burro Caballo Erizo Patas monkey Gato Galago Jineta Jirafa Gorila Foca gris Rock hyrax Persona humana Elefante africa Zarigüella de Rhesus monkey Canguro Marmota Hamster Ratón Pequeño murci Slow loris Okapi Conejo Oveja Jaguar Chimpance Mandril Erizo del desie Armadillo gigan Rock hyrax Mapache Rata americana Topo del este Topo rata Almizcle Cerdo Echidna Tapir Tenrec Phalanger Tree shrew Zorro rojo
0.06 3.5 2 1.7 2547 0.02 187.1 521 0.79 10 3.3 0.2 1.41 529 207 85 0.75 62 6654 3.5 6.8 35 4.05 0.12 0.02 0.01 1.4 250 2.5 55.5 100 52.16 10.55 0.55 60 3.6 4.29 0.28 0.08 0.12 0.05 192 3 160 0.9 1.62 0.1 4.24
1 10.8 12.3 6.3 4603 0.3 419 655 3.5 115 25.6 5 17.5 680 406 325 12.3 1320 5712 3.9 179 56 17 1 0.4 0.25 12.5 490 12.1 175 157 440 179.5 2.4 81 21 39.2 1.9 1.2 3 0.33 180 25 169 2.6 11.4 2.5 50.4
X 1.04185 0.23129 3.9113 3.913 4.12512 0.63987 4.98369 2.96085 0.10635 3.29437 1.79592 4.49059 1.32325 0.406 0.74985 3.7309 1.36255 0.31936 4.91976 4.96988 1.23507 4.38413 3.01659 2.07339 4.174 1.75039 3.79849 4.81151 1.43903 4.87897 4.87167 3.95905 4.88136 0.17029 1.28646 0.8069 0.86312 2.88961 1.2012 0.14982 3.7274 0.92558 0.6973 2.16195 0.24348 0.4348 4.34982 3.72729
Y 18.0899 16.0308 29.6501 29.7359 30.7384 17.3818 35.21 25.6314 15.4889 27.1189 21.2583 32.6554 19.1882 16.2046 17.4462 29.2728 19.2741 15.793 34.8713 34.7539 19.2883 32.2554 25.5766 21.586 31.4337 20.5674 29.2888 33.8393 19.3294 34.5135 34.0387 30.0292 34.7271 15.4243 18.8098 17.4371 17.7384 25.1772 18.8126 15.3833 29.1058 17.8978 17.6353 22.4571 15.8191 16.8297 31.6999 29.137
0.91105 3.88122
17.9504 29.7899
Peso cerebro (g)
ARCHIVO PULSE.MTW Contiene el pulso de personas por sexo, si corren o no etc. Pulse1
Pulse2
Ran
Smokes
Sex
Height
64 58 62 66 64 74 84 68 62 76 90 80 92 68 60 62 66 70 68
88 70 76 78 80 84 84 72 75 118 94 96 84 76 76 58 82 72 76
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 2 1 1 2 2 2 2 2 2 1 2 1 2 2 2 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
66 72 73.5 73 69 73 72 74 72 71 74 72 70 67 71 72 69 73 74
72 70 74 66 70 96 62 78 82 100 68 96 78 88 62 80 62
80 106 76 102 94 140 100 104 100 115 112 116 118 110 98 128 62
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2
2 2 2 2 1 2 2 1 2 1 2 2 2 1 1 2 2
1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 1
66 71 70 70 75 61 66 68 68 63 70 68 69 69 62.75 68 74
60 72 62 76 68 54 74 74 68 72 68 82 64 58 54 70 62 48 76 88 70 90 78 70 90 92 60 72 68 84 74 68 84 61 64 94 60 72 58 88 66 84 62 66 80 78 68 72 82
62 74 66 76 66 56 70 74 68 74 64 84 62 58 50 62 68 54 76 84 70 88 76 66 90 94 70 70 68 84 76 66 84 70 60 92 66 70 56 74 72 80 66 76 74 78 68 68 80
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 1 2 2 1 1 2 2 2 1 2 1 2 2 2 1 1 1 2 2 2 1 2 1 2 1 1 2 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 2 2 2 2
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
71 69 70 72 67 69 73 73 71 68 69.5 73 75 66 69 66 73 68 74 73.5 70 67 72 75 68 69 71.5 71 72 69 67 68 66 65.5 66 62 62 63 67 65 66 65 65 65 64 67 69 68 63
76
76
2
1
2
62
87 90 78 68 86 76
84 92 80 68 84 76
2 2 2 2 2 2
2 1 2 2 2 2
2 2 2 2 2 2
63 64 68 62 67 61.75
Weight 140 145 160 190 155 165 150 190 195 138 160 155 153 145 170 175 175 170 180 135 170 157 130 185 140 120 130 138 121 125 116 145 150 112 125 190
Activity 2 2 3 1 2 1 3 2 2 2 1 2 3 2 3 3 2 3 2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1
155 170 155 215 150 145 155 155 150 155 150 180 160 135 160 130 155 150 148 155 150 140 180 190 145 150 164 140 142 136 123 155 130 120 130 131 120 118 125 135 125 118 122 115 102 115 150 110 116
2 2 2 2 2 2 3 2 3 3 3 2 3 3 2 2 2 0 3 2 2 2 3 2 1 2 2 2 3 2 2 2 2 2 3 2 2 2 2 2 2 1 3 2 2 2 2 2 1
108
3
95 125 133 110 150 108
3 1 1 2 3 2
ARCHIVOS DE DATOS DEL MÓDULO 5. PRUEBAS NO PARAMÉTR Mapa de Archivos RADON EXH_STAT CARTOON EXH_TABL
ARCHIVO RADON.MTW Se hace experimentos en una camara experimental usando 4 dispositivos diferentes y se mide la radiación por el dispositivo Filter 26 21 16 28 27 19 21 26 25 16 20 25 25 21 23 26 21 23 17 25
Membrane Open Cup 45 36 33 34 26 33 46 29 25 30 32 36 33 28 22 34 30 34 26 33 37 33 34 29 44 28 43 27 35 27 38 30 38 29 45 28 39 31 39 27
Badge 21 23 27 29 24 26 27 26 24 25 31 28 30 30 31 29 29 29 30 28
ARCHIVO EXH_STAT.MTW Values
Mat-A 4.9 5.1 4.6 5 5.1 4.7
Mat-B 13.2 8.2 10.9 14.3 10.7 6.6
PriceIndex 14 8.8 11.2 14.2 11.8 6.4
0 50 56 72 80 80
Achievement DBP1 77 88 85 74 75 62
90 72 61 66 81 69
4.4 4.7 4.6
9.5 10.8 8.8 13.3
ARCHIVO CARTOON:MTW
9.8 11.3 9.3 13.6
80 99 101 110 110 110 120 140 144 145 150 180 201 210 220 240 290 309 320 325 400 500 507
80 70 83
59 70
Pruebas OTIS
ID
Color 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
ED 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Location 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Otis 1 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
Cartoon1 107 106 94 121 86 99 114 100 85 115 101 84 94 87 104 104 97 91 83 93 92 91
4 9 4 8 5 7 8 2 3 8 7 7 4 1 9 5 6 1 4 0 2 5
23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
3 3 3 3 3 1 1 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
88 90 103 93 106 98 103 109 107 108 107 87 113 80 91 102 83 108 86 96 101 97 88 104 87 86 90 102 105 115 88 111 95 104 79 82 123 106 125 98 95 129 90 111 99 116 106 107 100 124
2 5 6 9 2 3 6 5 8 8 3 6 5 0 5 8 4 9 4 6 5 6 3 4 7 1 6 6 2 7 4 8 5 5 7 3 8 9 9 7 7 9 7 6 4 9 8 8 7 8
73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122
0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2
3 3 3 3 3 3 3 3 3 3 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4
98 124 84 91 118 102 95 90 86 104 111 105 110 80 78 120 110 107 125 117 126 98 111 110 120 114 117 105 97 86 111 93 115 102 111 82 117 132 113 130 122 133 103 118 119 97 123 113 110 119
6 9 1 8 6 6 7 4 1 6 9 1 1 0 4 9 9 8 7 9 8 4 8 8 9 8 6 7 6 1 7 1 8 2 7 1 8 9 7 9 9 9 7 9 9 8 9 8 8 8
123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
116 113 128 113 110 114 132 110 122 123 131 131 121 125 101 120 99 128 129 125 107 102 125 129 122 124 115 117 132 109 107 116 118 124 102 110 119 99 102 115 105 104 112 117 108 135 133 105 124 112
5 8 9 8 5 7 9 7 7 9 9 9 9 9 6 8 9 8 8 8 8 8 9 8 3 7 8 8 7 8 9 8 8 9 9 9 7 3 7 7 8 7 7 9 9 8 8 6 7 9
173 174 175 176 177 178 179
ARCHIVO EXH_TABL.MTW
1 1 1 1 1 1 1
2 2 2 2 2 2 2
4 4 4 4 4 4 4
128 96 110 108 125 111 103
(Una parte)
Democrat 28 22
Republican Other 18 27
Outcomes 4 1
Observed 0 1 2 3 4 5
39 166 298 305 144 48
9 8 8 8 7 4 4
S NO PARAMÉTRICAS
DBP2
Growth 62 85 78 66 80 91
Treatment 15.1 13 16.2 14.9 13.2 13.8
1 1 3 1 1 3
EnzymeActivity 0.15 0.26 0.23 0.99 0.55 0.26
69 77 84
Real1
13.1 13 12.9 11.9 17 12.8 14.7 12 15
2 2 2 1 3 2 3 2 3
16.5
3
Cartoon2 4 * 9 2 8 5 * 8 9 1 * 2 * 7 6 * 5 * 3 * 3 9 6 * 5 * 0 * 4 * 1 * 2 * 2
Real2 * 6 3 6
5 0 8 *
7 5
5 4 * *
8
5 * * *
2 5
0 6 * * * * * *
3
1
-0.22 0.99 0.55 0.66 0.77 0.99
1 4 2 9 0 3 5 4 8 8 2 4 4 3 6 9 1 9 4 3 3 3 1 2 3 1 5 2 2 8 3 8 4 5 4 2 8 7 9 6 7 9 6 2 5 7 7 5 6 9
*
* 4
*
3 *
8 6 *
4 3 *
2 1 *
2 2 *
7 *
6 *
2 4 1 *
2 4 1 *
5 2 * * * *
5 1 * * * *
4 2 2 * *
4 0 0 * *
4 * * * * * * *
1 * * * * * * *
6 *
4 *
7 8 4 *
5 6 3 *
4 7 3 3 3 7 6 *
4 7 5 1 1 7 4 *
2 3
1 5
7 6 4 3 6 4 4 3 0 4 9 0 0 0 1 9 6 6 8 9 8 5 6 7 7 7 7 6 6 1 5 0 7 3 3 1 5 9 8 7 9 9 5 9 9 8 9 7 7 7
1 6 * *
1 5 * *
3 * * * * *
4 * * * * *
6 *
3 *
0 0 1 *
0 0 1 *
6 * * *
5 * * *
5 * * * *
5 * * * *
6 * * * * * * *
4 * * * * * * *
5 4 *
2 4 *
4 * *
3 * *
1 6 *
4 4 *
3 *
0 *
7 6 7 6 3 6
8 4 4 6 5 6
7 6 9 5 7 6 8 8 7 9 9 9 8 8 6 9 6 9 6 6 8 7 8 8 0 6 8 6 6 5 5 7 5 9 5 7 5 2 8 7 6 6 7 9 9 8 8 4 7 9
*
* 5
*
5 *
4 *
2 *
5 4 2 4 6 7 8 7 *
5 6 5 2 7 7 8 8 *
4 6 *
6 7 *
8 5 7 8 6 * *
7 2 4 5 4 * *
2 6 *
3 7 *
5 5 5 9 6 6 6 5 7 2 4 5 *
2 7 5 2 5 5 7 2 7 4 0 6 *
3 * *
0 * *
6 *
5 *
8 7 5 9 9
8 7 3 8 8
9 8 8 8 6 3 3
9 7 4 6 8 4 2
9 6 5 8 8 1 1
MAPA DE ARCHIVOS CAMSHAFT RR_CRUZ GAGEAIAG RR_ANID VITA_C HUMEDAD TILES MOTORES CLORO VISITAS TEJIDO BANCO
GAGELIN PINTADO_HORNO
ARCHIVOS DE DATOS DEL MÓDULO 6. CEP ARCHIVO CAMSHAFT Length 601.4 601.6 598 601.4 599.4 600 600.2 601.2 598.4 599 601.2 601 600.8 597.6 601.6 599.4 601.2 598.4 599.2 598.8 601.4 599 601 601.6 601.4 601.4 598.8 601.4 598.4 601.6 598.8 601.2 599.6 601.2 598.2 598.8 597.8 598.2 598.2
ARCHIVO RR_CRUZ.MTW Supp1 598 599.8 600 599.8 600 600 598.8 598.2 599.4 599.6 599.4 599.4 600 598.8 599.2 599.4 599.6 599 599.2 600.6 598.8 598.8 599.8 599.2 599.4 600 600.2 600.2 599.6 599 599 599.8 600.8 598.8 598.2 600 599.2 599.8 601.2
Supp2 601.6 600.4 598.4 600 596.8 602.8 600.8 603.6 604.2 602.4 598.4 599.6 603.4 600.6 598.4 598.2 602 599.4 599.4 600.8 600.8 598.6 600 600.4 600.8 600.8 597.2 600.4 599.8 596.4 600.4 598.2 598.6 599.6 599 598.2 599.4 599.4 600.2
Pieza
Operario 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 5 5 5
1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1
598.2 601.2 600 598.8 599.4 597.2 600.8 600.6 599.6 599.4 598 600.8 597.8 599.2 599.2 600.6 598 598 598.8 601 600.8 598.8 599.4 601 598.8 599.6 599 600.4 598.4 602.2 601 601.4 601 601.2 601.4 601.8 601.6 601 600.2 599 601.2 601.2 601.2 601.2 601 601 601.4 601.4 598.8 598.8
600.4 600.2 599.6 599.6 599.6 600.2 599.2 599 599.6 600.4 600 599 599.6 599.4 599.2 597.8 600.4 599.6 600 600.8 600.4 599.4 599 598.4 599 599.6 598.8 599.2 599.6 598.6 599.8 599.6 599.2 599.6 600.2 599.8 599.6 600 599.6 599.2 598.6 599.6 601.2 599.6 600.2 600 600 599.4 599.8 599.2
599 599.4 598 597.6 598 597.6 601.2 599 600.4 600.6 599 602.2 599.8 599.8 601 601.6 601.6 600.2 601.8 601.2 597.6 599.8 602.8 600 599.6 602.2 603.8 603.6 601.8 602 603.6 600.8 600.2 600.4 600.2 602.2 598 598.4 600.8 602.8 597.6 601.6 603.4 597 599.8 597.8 602.4 602.2 600.6 596.2
5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 10 10 10 10 10 10 10 10
2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3
598.8 598.2 601.8 601 601.4 601.4 599 601.4 601.8 601.6 601.2
599.6 599.4 600 600 599.2 599.4 599.6 599.8 599 599.6 599.4
602.4 601.4 599.2 601.6 600.4 598 601.2 604.2 600.2 600 596.8
10
3
ARCHIVO VITA_C.MTW Contiene datos de muestras de 5 comprimidos tomados cada 15 minutos durante un periodo de 10 horas estos datos se muestran en la columna de Pesos Peso 3.254 3.224 3.272 3.227 3.249 3.226 3.208 3.201 3.254 3.231 3.25 3.236 3.244 3.275 3.194 3.225 3.253 3.203 3.261 3.261 3.252 3.245 3.23 3.263 3.221 3.228 3.206 3.236 3.241 3.257 3.221
ARCHIVO CRANKSH.MTW Representa los movimientos hacia arriba y hacia abajo de una línea de referencia por una flecha
AtoBDist Month -0.44025 5.90038 2.08965 0.09998 2.01594 4.83012 3.78732 4.99821 6.91169 1.93847 -3.09907 -3.18827 5.28978 0.56182 -3.1896 7.93177 3.72692 3.83152 -2.17454 2.81598 4.52023 3.95372
Day 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 10 10 10 10 10 10 10
28 28 28 28 28 29 29 29 29 29 30 30 30 30 30 4 4 4 4 4 5 5
3.223 3.199 3.253 3.226 3.186 3.213 3.246 3.216 3.221 3.243 3.218 3.235 3.234 3.236 3.187 3.198 3.209 3.232 3.213 3.253 3.282 3.228 3.211 3.234 3.238 3.237 3.258 3.223 3.22 3.196 3.207 3.235 3.233 3.254 3.23 3.262 3.194 3.193 3.186 3.217 3.263 3.217 3.228 3.214 3.236 3.218 3.22 3.229 3.23 3.208
7.99326 4.98677 -2.03427 3.89134 1.99825 0.01028 -0.24542 2.08175 -4.86937 -2.69206 -3.02947 2.99932 3.50123 -1.99506 -1.62939 2.14395 -1.90688 8.02322 4.75466 1.1424 0.9379 -7.30286 -5.22516 -4.06527 -1.91314 2.0459 4.93029 0.03095 -2.80363 -3.12681 -4.57793 -3.17924 -2.44537 1.36225 0.92825 -0.24151 -0.83762 -1.99674 4.90024 1.28079 2.87917 1.83867 -0.75614 3.72977 3.77141 -4.04994 3.89824 1.76868 2.2731 -3.82297
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
5 5 5 6 6 6 6 6 7 7 7 7 7 8 8 8 8 8 11 11 11 11 11 12 12 12 12 12 13 13 13 13 13 14 14 14 14 14 15 15 15 15 15 18 18 18 18 18 18 18
3.232 3.253 3.243 3.271 3.216 3.214 3.237 3.215 3.229 3.238 3.234 3.246 3.251 3.262 3.225 3.236 3.207 3.231 3.249 3.223 3.229 3.22 3.224 3.218 3.188 3.232 3.23 3.194 3.135 3.224 3.205 3.154 3.224 3.19 3.242 3.245 3.209 3.25 3.232 3.244 3.25 3.224 3.268 3.26 3.268 3.242 3.269 3.251 3.291 3.282
-2.26821 -2.07973 0.01739 3.71309 1.72573 3.07264 0.15676 -0.05666 3.81341 -3.78952 -3.81635 -4.8882 -3.24534 -0.27272 -4.33095 -1.83547 -3.98876 -4.97431 -5.1405 -0.10379 2.21033 5.13041 -1.89455 0.95119 -5.15414 4.82794 0.13001 -0.09911 -1.15453 2.29868 5.15847 0.08558 -3.09574 5.16744 0.29748 -4.66858 -2.13787 -0.0045 0.18096 4.30247 -2.21708 7.17603 5.86525 0.95699 -4.03441 -2.05086 -3.10319 -1.83001 5.03945 1.96583
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
18 18 18 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20 20 20 20 21 21 21 21 21 21 21 21 21 21 22 22 22 22 22 22 22 22 22 22 25 25 25 25 25 25 25
3.263 3.243 3.258 3.233 3.28 3.272 3.214 3.275 3.264 3.271 3.277 3.284 3.273 3.298 3.273 3.272 3.3 3.242 3.268 3.283 3.268 3.255 3.274 3.293 3.257 3.254 3.249 3.248 3.223 3.276 3.277 3.249 3.268 3.276 3.25 3.26 3.281 3.301 3.262 3.239 3.256 3.275 3.249 3.302 3.283 3.296 3.253 3.251 3.26 3.295
-0.21026 0.27517 -5.32797
10 10 10
25 25 25
3.261 3.258 3.252 3.262 3.288 3.311 3.293 3.297 3.254 3.286 3.267 3.262 3.216 3.255 3.241 3.279 3.304 3.268 3.2501
ARCHIVO CLORO.MTW En una industria química se toma una muestra cada 15 minutos y se mide el pH y la concentración de cloro de la solución, los datos se muestran a continuación: Fecha 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002
Hora 6:15 6:30 6:45 7:00 7:15 7:30 7:45 8:00 8:15 8:30 8:45 9:00 9:15 9:30 9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45
pH
Cl 9.4 9.5 10.7 8 9.5 8.5 9.2 7.2 8.4 8.2 8.3 9.1 10.8 8.9 8.4 10 8.2 9 8.3 8.6 9.1 8.7 7.7
22 21 21 20 18 20 21 22 21 19 20 20 19 21 20 20 19 19 20 21 21 21 19
11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002
12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 6:15 6:30 6:45 7:00 7:15 7:30 7:45 8:00 8:15 8:30 8:45 9:00 9:15 9:30 9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 6:15 6:30 6:45 7:00 7:15 7:30 7:45 8:00 8:15
8.5 10.4 8.9 8.8 8.4 7.1 8.3 9.3 7.7 10.2 8.9 8.6 9.9 9.8 8.1 9.4 8.9 8.4 8.6 8.8 7.7 8.6 9.9 9.2 8.2 9.6 10.4 8.6 11 8.8 9.7 7.1 9 9.5 10 10 9.5 10 7.4 10.3 8.8 9.8 8 10.9 8.3 9.4 9.4 9.2 9.9 8.6
19 19 20 21 18 20 20 20 19 21 20 19 21 19 20 19 21 19 18 20 20 20 20 21 19 18 20 20 20 18 21 20 19 18 19 19 21 21 19 19 19 21 19 20 21 19 20 22 20 19
11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002
8:30 8:45 9:00 9:15 9:30 9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 6:15 6:30 6:45 7:00 7:15 7:30 7:45 8:00 8:15 8:30 8:45 9:00 9:15 9:30 9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00 12:15 12:30 12:45
6.8 10 8.4 9.5 9.3 8 8.5 9.4 9.3 7.7 10.7 8.9 9.2 9.3 9 9.3 9.6 7.4 9.5 8.6 10 7.2 8.3 8.2 9 9.6 7.9 8.9 10.8 9 8.5 8.8 9.3 9.7 7.4 7.6 8.2 9.4 9.7 8.1 9.6 11.5 9.8 9 10.6 9.1 9.6 10 8.1 9.4
19 20 20 19 21 20 18 21 20 19 19 21 21 21 20 20 20 18 18 20 20 20 20 20 21 21 21 20 20 21 20 20 22 21 19 19 20 21 20 19 20 20 20 19 20 20 21 21 20 20
11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002
13:00 13:15 13:30 13:45 14:00 6:15 6:30 6:45 7:00 7:15 7:30 7:45 8:00 8:15 8:30 8:45 9:00 9:15 9:30 9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00
8.7 9.1 8.8 10.7 9.2 10.2 8.9 9.7 10.3 6.6 9.9 6.1 8.7 8.9 8.2 8.9 9.4 8.1 9.1 8.4 10 9.5 9.7 9.4 8.8 9.6 9.8 7.7 9.8 13.1 9.8 9.9 8.4 9.2 9.8 7.3 8.9
20 20 21 22 19 19 21 21 22 19 21 21 20 20 20 20 19 21 19 20 21 20 18 22 20 19 20 21 18 25 19 20 22 22 20 19 20
R_CRUZ.MTW Medicion Orden 11.27 10.48 11.12 8.68 12.12 8.47 10.34 9.93 11.76 14.87 14.31 14.5 13.27 13.5 10 16.65 13.96 14.67 13.2 15.12 14.86 15.26 13.88 11.44 15.45 14.94 15.22 11.05 12.46 13.29 7.51 10.93 10.65 11.65 12.69 12.63 10.02 11.09 12.03
ARCHIVO GAGEAIAG.MTW Part 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
Operator 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Response 0.65 0.6 1 1 0.85 0.8 0.85 0.95 0.55 0.45 1 1 0.95 0.95 0.85 0.8 1 1 0.6 0.7 0.55 0.55 1.05 0.95 0.8 0.75 0.8 0.75 0.4 0.4 1 1.05 0.95 0.9 0.75 0.7 1 0.95 0.55
9.75 7.93 11.06 10.51 11.46 9.66 11.33 11.02 12.04 10.4 8.94 7.51 11.92 10.18 11.88 12.2 12.39 11.3 11.8 9.32 11.51 11.46 12.73 11.41 7.75 8.14 8.53 6.77 8.09 10.44 7.77 9.61 7.61 12.18 12.52 12.38 10.38 10.32 13.22 11.72 13.91 14.13 11.22 10.8 9.31 8.96 6.77 9.74 9.64 9.34
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2
10 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10
2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
0.5 0.5 0.55 1.05 1 0.8 0.8 0.8 0.8 0.45 0.5 1 1.05 0.95 0.95 0.8 0.8 1.05 1.05 0.85 0.8
10.18
3
2.21877897 13.3126738
n periodo de 10 horas
ARCHIVO HUMEDAD.MTW
ARCHIVO TILES.MTW
%Humedad 10.7 9.4 9.4 10.1 10.3
Warping 1.60103 0.84326 3.00679 1.29923 2.24237
9.8 11 10.3 8.5 7.3 10.5 9.2 11.9 11.7 10.9 10.3 11 10.6 10.4 11.5 13.5 12.5 12.2 11.8 9.4 12 10.4 12 13.5 10.4 13.6 11.4
2.63579 0.34093 6.96534 3.46645 1.41079 2.31426 2.55635 4.72347 1.75362 1.62502 5.63857 4.64351 3.95409 4.38904 3.24065 0.52829 1.01497 1.12573 2.56891 4.23217 1.34943 2.84684 0.76492 2.78092 0.63771 2.8953 2.86853 2.18607 1.05339
1.2556 1.97268 0.84401 3.32894 4.15431 2.57873 0.44426 2.48648 3.91413 2.28159 0.96705 4.98517 5.79428 2.52868 3.08283 3.82585 5.3123 1.92282 1.22586 0.76149 2.3993 4.96089 1.96775 1.35006 4.79076 2.20538 1.22095 6.32858 3.80076 4.22622 4.33233 0.42845 1.2041 3.44007 2.51274 8.09064 4.24464 3.21267 3.48115 6.66919 2.44223 3.51246 8.03245 1.13819 4.27913 2.05914 1.12465 0.78193 4.14333 5.30071
3.79701 3.2477 5.04867 3.068 2.45252 4.69474 0.28186 0.57069 0.70532 2.84843 6.25825 3.37523 3.23538 6.08121 1.66735 2.12262
ARCHIVO VISITAS_WEB.MTW Describe el número de visitas recibidas en una página Web durante octubre y noviembre de 2002 indicando también la fecha y día de la semana Fecha Dia semana Visitas 10/1/2002 M 73 10/2/2002 Mi 69 10/3/2002 J 60 10/4/2002 V 68 10/5/2002 S 27 10/6/2002 D 38 10/7/2002 L 69 10/8/2002 M 75 10/9/2002 Mi 66 10/10/2002 J 146 10/11/2002 V 117 10/12/2002 S 79 10/13/2002 D 64 10/14/2002 L 70 10/15/2002 M 66 10/16/2002 Mi 67 10/17/2002 J 63 10/18/2002 V 68 10/19/2002 S 44 10/20/2002 D 41 10/21/2002 L 78 10/22/2002 M 91 10/23/2002 Mi 59
ARCHIVO TEJIDO Contiene el número de manchas de cada tela y su superficie correspondiente en metros cuadrados Numero manchas Superficie 11 1.1 9 0.99 8 0.93 8 1.26 15 1.34 6 0.69 7 1 6 0.68 9 0.67 4 0.83 12 1.33 14 0.84 14 1.11 14 1.12 9 1.2 9 0.89 12 1.14 13 0.9 14 1.08 13 0.92 13 1.2 8 1.01 8 1.01
10/24/2002 10/25/2002 10/26/2002 10/27/2002 10/28/2002 10/29/2002 10/30/2002 10/31/2002 11/1/2002 11/2/2002 11/3/2002 11/4/2002 11/5/2002 11/6/2002 11/7/2002 11/8/2002 11/9/2002 11/10/2002 11/11/2002 11/12/2002 11/13/2002 11/14/2002 11/15/2002 11/16/2002 11/17/2002 11/18/2002 11/19/2002 11/20/2002 11/21/2002 11/22/2002 11/23/2002 11/24/2002 11/25/2002 11/26/2002 11/27/2002 11/28/2002 11/29/2002 11/30/2002
J V S D L M Mi J V S D L M Mi J V S D L M Mi J V S D L M Mi J V S D L M Mi J V S
66 73 39 40 64 78 75 69 75 26 43 59 67 89 50 63 32 32 70 78 66 78 64 40 42 70 81 65 66 76 34 32 60 63 68 74 59 44
9 7 12 6 9 8 11 10 15
1 0.64 1.36 0.89 1.19 1.02 1.23 1.19 0.97
ARCHIVO RR_ANID.MTW
ARCHIVO GAGELIN.MTW
Pieza
Part
1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7 8 8 8 9 9 9 10 10 10 11 11 11 12 12 12
Operario A A A A A A A A A A A A B B B B B B B B B B B B C C C C C C C C C C C C
Medicion 20.5 19.2 19.5 20.6 22.8 21.3 22.6 21.1 22 21.6 22.5 21.5 23 22.1 23.7 22.6 23 24.4 23.8 22.3 23.3 22 23.5 21.9 20.9 23.4 23.2 21.2 23.7 19.3 23.8 22.4 21.9 22.7 20.5 23.3
Master 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4
2 2 2 2 2 2 2 2 2 2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 6 6 6 6 6 8 8 8
Response 2.7 2.5 2.4 2.5 2.7 2.3 2.5 2.5 2.4 2.4 2.6 2.4 5.1 3.9 4.2 5 3.8 3.9 3.9 3.9 3.9 4 4.1 3.8 5.8 5.7 5.9 5.9 6 6.1 6 6.1 6.4 6.3 6 6.1 7.6 7.7 7.8
4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5
8 8 8 8 8 8 8 8 8 10 10 10 10 10 10 10 10 10 10 10 10
7.7 7.8 7.8 7.8 7.7 7.8 7.5 7.6 7.7 9.1 9.3 9.5 9.3 9.4 9.5 9.5 9.5 9.6 9.2 9.3 9.4
ILES.MTW
Ejemplo: El archivo MOTORES.MTW contiene datos de motores pequeños producidos y los que al final del proceso han resultado defectuosos, correspondientes a 6 semanas.
ARCHIVO MOTORES.MTW
ARCHIVO CATETERS.MTW
Fecha Produccion Defectuosos 5/6/2002 1431 45 5/7/2002 1451 58 5/8/2002 1203 66 5/9/2002 1285 49 5/10/2002 1474 55
Fecha Hora 3/8/2004 3/8/2004 3/8/2004 3/8/2004 3/8/2004
5/13/2003 5/14/2003 5/15/2003 5/16/2003 5/17/2003 5/20/2002 5/21/2002 5/22/2002 5/23/2002 5/24/2002 5/27/2002 5/28/2002 5/29/2002 5/30/2002 5/31/2002 6/3/2002 6/4/2002 6/5/2002 6/6/2002 6/7/2002 6/10/2002 6/11/2002 6/12/2002 6/13/2002 6/14/2002
1490 1354 1394 1406 1477 1487 1358 1376 1348 1338 1406 1296 1321 1320 1264 1355 1400 1285 1354 1482 1243 1320 1444 1260 1459 1369.36667
56 55 41 51 53 55 59 51 58 52 48 51 56 48 44 59 37 44 62 43 68 53 53 44 52
3/8/2004 3/8/2004 3/8/2004 3/8/2004 3/8/2004 3/8/2004 3/8/2004 3/8/2004 3/8/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/9/2004 3/10/2004 3/10/2004 3/10/2004 3/10/2004 3/10/2004 3/10/2004
9:00 10:00 11:00 12:00 13:00
Defectuosos 4 7 7 7 9
14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 9:00 10:00 11:00 12:00 13:00 14:00
2 6 4 7 1 5 6 5 11 4 3 7 13 3 5 7 11 2 5 6 7 7 7 6 4 3 2 5 8
3/10/2004 3/10/2004 3/10/2004 3/10/2004 3/10/2004 3/10/2004 3/10/2004 3/10/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/11/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004 3/12/2004
15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00
6 2 5 3 6 3 3 4 5 6 5 5 7 5 7 5 4 5 6 4 5 5 5 7 6 4 3 4 5 8 5 7 5 8 5 3
metros cuadrados
ARCHIVO BANCO
ARCHIVO PINTADO_HORNO.MTW
En cada agencia se hizo una entrevista a 50 clientes, registrando los descontentos. Agencia Descontentos 12 10 25 12 58 9 64 14 80 13 112 34 119 9 127 7 134 12 151 11 192 6 209 16 212 29 216 9 247 8 263 8 281 18 342 10 383 13 408 8 426 8 451 7 506 6
Defectos encontrados en 40 piezas consecutivas procesadas en un horno Pieza Num. defectos 1 1 2 3 3 3 4 1 5 5 6 2 7 3 8 1 9 2 10 3 11 4 12 5 13 2 14 2 15 4 16 6 17 2 18 3 19 3 20 5 21 6 22 3 23 3
584 592 616 623 635 644 671
11 6 10 10 1 10 8
24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
3 4 5 4 4 3 3 2 3 4 3 0 3 4 3 4 2
Ejemplo: El archivo CATETER.MTW contiene datos de cateters defectuosos encontrados al inspeccionar muestras de 100 piezas cada hora observando la calidad de la soldadura.
ARCHIVOS DE DATOS DEL MÓDULO 7 ARCHIVO ROTOR Contiene datos de diámetros de ejes tomados durante un peridio de tiempo. Hora 8:00 8:00 8:00 8:00 8:00 8:00 8:00 8:00 8:00 8:00 8:00 8:00 9:00 9:00 9:00 9:00 9:00 9:00 9:00 9:00 9:00 9:00 9:00 9:00 10:00 10:00 10:00 10:00 10:00 10:00 10:00 10:00 10:00 10:00 10:00 10:00 11:00 11:00 11:00 11:00
Eje 1 1 1 1 2 2 2 2 3 3 3 3 1 1 1 1 2 2 2 2 3 3 3 3 1 1 1 1 2 2 2 2 3 3 3 3 1 1 1 1
Posicion Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der
Diametro 2.509 2.502 2.506 2.5 2.51 2.504 2.506 2.5 2.508 2.502 2.506 2.498 2.506 2.5 2.5 2.497 2.504 2.5 2.5 2.498 2.506 2.5 2.5 2.499 2.498 2.496 2.491 2.488 2.496 2.493 2.492 2.49 2.498 2.496 2.496 2.49 2.51 2.505 2.504 2.5
11:00 11:00 11:00 11:00 11:00 11:00 11:00 11:00 12:00 12:00 12:00 12:00 12:00 12:00 12:00 12:00 12:00 12:00 12:00 12:00
2 2 2 2 3 3 3 3 1 1 1 1 2 2 2 2 3 3 3 3
Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der Max Izq Min Izq Max Der Min Der
2.509 2.505 2.503 2.5 2.51 2.506 2.506 2.502 2.508 2.504 2.502 2.5 2.506 2.5 2.5 2.496 2.506 2.502 2.5 2.497
ARCHIVOS DE DATOS DEL MÓDULO 8 ARCHIVO EMPLOY.MTW
ARCHIVO IBEROAMERICA.MTW
Contiene datos de empleo de los últimos 60 meses Trade 322 317 319 323 327 328 325 326 330 334 337 341 322 318 320 326 332 334 335 336 335 338 342 348 330 326 329 337 345 350 351 354 355 357 362 368 348 345
Food 53.5 53 53.2 52.5 53.4 56.5 65.3 70.7 66.9 58.2 55.3 53.4 52.1 51.5 51.5 52.4 53.3 55.5 64.2 69.6 69.3 58.5 55.3 53.6 52.3 51.5 51.7 51.5 52.2 57.1 63.6 68.8 68.9 60.1 55.6 53.9 53.3 53.1
Metals 44.2 44.3 44.4 43.4 42.8 44.3 44.4 44.8 44.4 43.1 42.6 42.4 42.2 41.8 40.1 42 42.4 43.1 42.4 43.1 43.2 42.8 43 42.8 42.5 42.6 42.3 42.9 43.6 44.7 44.5 45 44.8 44.9 45.2 45.2 45 45.5
Pais México Guatemala Honduras Nicaragua El Salvador Costa Rica Panamá Cuba Rep. Dominic Puerto Rico Colombia Venezuela Brasil Ecuador Perú Bolivia Chile Paraguay Argentina Uruguay España Portugal
ARCHIVO NEWMARKET.MTW Index 1 2 3 4 5 6 7 8 9 10
349 355 362 367 366 370 371 375 380 385 361 354 357 367 376 381 381 383 384 387 392 396
53.5 53.5 53.9 57.1 64.7 69.4 70.3 62.6 57.9 55.8 54.8 54.2 54.6 54.3 54.8 58.1 68.1 73.3 75.5 66.4 60.5 57.7
46.2 46.8 47.5 48.3 48.3 49.1 48.9 49.4 50 50 49.6 49.9 49.6 50.7 50.7 50.9 50.5 51.2 50.7 50.3 49.2 48.1
ROAMERICA.MTW
Población Superficie % menores (miles) (km2) 15 años 95831 1958201 34 11621 108899 44 6147 112088 43 4464 130000 42 6059 21041 36 3650 51100 34 2767 75517 32 11115 110861 22 8232 48734 34 3806 8875 24 37685 1138914 33 23242 912050 35 165158 8547403 30 12175 283561 35 24797 1285216 34 7958 1098051 40 14824 756626 29 5223 406752 40 36123 2780400 28 3239 177414 24 39754 505992 16 9798 91982 17
Esperanza Tasa de Teléfonos Usuarios vida al mortalidad por 1.000 Internet por nacer infan hab 1000 hab 72.4 30.9 96 3.7 64.2 45.9 27 0.8 69.8 34.9 29 0.9 68.2 43.9 23 1.6 69.4 38.8 53 0.3 76.8 12.1 164 12.1 74 21.4 114 1.4 76 9 32 0.1 71 33.5 73 0 75.3 10.8 332 0.3 70.9 24 100 1.8 72.8 20.9 111 2.1 67.9 42.1 75 4.2 69.9 45.4 65 0.9 68.3 44.9 47 2.6 61.4 65.5 47 0.7 75.2 12.7 132 13.1 69.7 39.1 34 0.5 73.1 21.8 160 5.3 72.8 16.5 196 3.2 77.9 5.5 385 31 75 6.9 361 18.3
WMARKET.MTW Month Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre
Sales
Advertis 210 205 202 245 237 290 299 345 326 355
Capital 30 25 18 55 32 27 23 60 34 30
14 18 20 24 31 35 36 41 42 46
AdAgency Omega Omega Alpha Alpha Alpha Alpha Omega Omega Alpha Alpha
Quarter
Year 1 2 3 4 1 2 3 4 1 2 3 4
2000 2000 2000 2000 2001 2001 2001 2001 2002 2002 2002 2002
ARCHIVO INYECCION.MTW
% PIB PIB $/hab Agricultura 3670 5.4 1470 24.1 660 21.7 380 34.2 1700 13.1 2640 15.5 3080 8.2 1983 6.9 1600 12.9 12213 0.9 2140 16.3 3020 4.1 4400 14 1500 11.9 2420 7.4 830 17 4860 8.4 1850 23.7 8380 6 5760 8.9 14350 5.9 10160 1.7
SalesB 100 120 180 183 143 151 199 211 165 193 205 235
Date 1Q00 2Q00 3Q00 4Q00 1Q01 2Q01 3Q01 4Q01 1Q02 2Q02 3Q02 4Q02
% PIB Industria 26.3 19.6 30.9 21.9 26.8 24.1 18.4 46.3 31.6 46.8 19.9 46.5 35.9 36.7 36.9 28.5 35.9 22.1 30.7 26.4 37.8 53.2
% PIB Servicios 68.3 56.3 47.4 43.9 60.1 60.4 73.4 46.8 55.5 52.3 63.8 49.4 50.1 51.4 55.7 54.5 62.3 54.2 63.3 64.7 56.3 45.1
Duracion 3607 148521 43403 22339 8089 51710 87564 96770 5768 71329 34585 204471 142312 272193 168021 10640 9411 94596 13030 7025 28698 12504 123815 77629 68135 102993 17656 36863 31749 5734 56084 242796 140341 96104 63311 49389 10681 4100 77223 101214
APLICACIONES DEL MÓDULO 2 ARCHIVO CORXET.MTW
Diagrama de Pareto
Codificado de Codificado de localización defectos Descripción Locali Defecto Collarín - des 1 1 Óvalo - des/b 2 1 Etiqueta - de 3 1 Contra.- des/ 4 1 Collarín - arr 1 2 Óvalo - arrug 2 2 Etiqueta arru 3 2 Contra.- arru 4 2 Cierre Collarí 1 3 Óvalo - torcid 2 3 Etiqueta - tor 3 3 Contra.- torci 4 3 Cápsula - ali 5 4 Etiqueta 2-4 ( 3 4 Etiqueta > 4 ( 3 4 Óvalo - alinea 2 4 Contra 2-5 (al 4 4 Contra > 5 (al 4 4 Etiqueta - alt 3 5 Óvalo - altura 2 5 Collarín - altu 1 5 Tapón 6 6 Morrión 7 7 Collarín abier 1 8
ALBA 761 18 69 19 240 34 66 23 76 115 299 30 242 589 665 631 401 72 113 332 1 0 1 92
LINEAS INSPECCIONADAS 100 botellas de cada línea TRADI BLAU 193 14 0 0 92 14 25 3 42 5 2 0 8 1 9 1 34 9 12 0 67 27 3 11 32 0 231 54 0 18 135 0 21 5 0 1 80 45 58 0 0 0 0 0 0 0 101 21
1492
FIESTA 66 19 53 19 44 24 9 7 22 79 116 54 85 82 283 237 158 69 177 209 2 0 0 147
0 0 48 26 0 0 13 15 0 0 12 49 65 0 0 0 18 4 4 0 0 0 0 0
Preguntas: a) ¿En que línea se producen más defectos?
Calc > Column statistics > Sum
b) Una vez identificada la suma de defectos por línea Stat > Quality tools > Pareto Chart identificar donde se producen más defectos c) Ahora identificar los defectos más relevantes de la línea que más problemas tiene
Stat > Quality tools > Pareto Chart
d) Cambiar la clave defectos a su nombre correspondiente
Data > Code > Numeric to text
ARCHIVO COBRE.MTW
Diagrama de Causa Efecto y posibles causas
Se analiza el problema de que el 70% de los defectos se presentan al estirar el tubo de cobre se trata de identificar las posibles causas.
Personal Maquina Turno Velocidad Entrenamient Pinzas Operario Rodillo Bulón
Material Aleación Lubricante Impurezas
Metodo Presión Suciedad
Ejercicios: a) Realizar un diagrama de causa efecto agregando una subrama en personal y Máquina
Stat > Quality Tools > Cause and effect
b) Obtener gráficas bivariantes para ver si el P, Pb o turno tienen influencia sobre las roturas.
Graph > Scatterplot: Simple > Y:C7, X:C8 Graph > Scatterplot: Simple > Y:C7, X:C9 Graph > Scatterplot: Simple > Y:C7, X:C10 c) Como las dos variables son discretas aparecen como puntos, para ver la densidad alrededor de cada punto seleccionar los puntos con doble click y Seleccionar Jitter y la opción Add Jitter to direction d) Observar si el comportamiento ha sido estable
e) Ver el comportamiento por turno Seleccionar los puntos de la gráfica con doble click
ARCHIVO PAN.MTW
Graph > Time Series Plot: Simple Series C7
seleccionar Groups, Categorical variables for groupin Turno
Histogramas
Un panadero cree que existe una gran variabilidad en el peso de sus productos: Hay dos operadores A y B que usan las máquinas 1 y 2 no en forma simultanea. Durante 20 días se tomaron muestras de 4 piezas de pan de cada máquina con los siguientes resultados: ¿qué se puede concluir si se acepta como normal un peso de 210 +- 10 gramos? Día
Operario 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
A B B B A A A B B A B B B A A B
Máquina 1_piMáquina 1_piMáquina 1_piMáquina 1_piMáquina 2_piMáquina 2_pi 209.2 209.5 210.2 212 214.3 221.8 208.5 208.7 206.2 207.8 215.3 216.7 204.2 210.2 210.5 205.9 215.7 213.8 204 203.3 198.2 199.9 212.5 210.2 209.6 203.7 213.2 209.6 208.4 214.9 208.1 207.9 211 206.2 212.3 216.2 205.2 204.8 198.7 205.8 208.1 211.9 199 197.7 202 213.1 207.5 209.9 197.2 210.6 199.5 215.3 206.9 207.1 199.1 207.2 200.8 201.2 209.6 209.5 204.6 207 200.8 204.6 212.2 209.8 214.7 207.5 205.8 200.9 211.4 211.2 204.1 196.6 204.6 199.4 209.6 209.2 200.2 205.5 208 202.7 203.5 206.9 201.1 209.2 205.5 200 209.1 206.3 201.3 203.1 196.3 205.5 208 207.9
17 18 19 20
B A A A
202.2 194.1 204.8 200.6
204.4 211 201.3 202.3
202.1 208.4 208.4 204.3
206.6 202.6 212.3 201.4
210 215.6 214.5 209.1
209.4 211.8 207.5 205.8
Ejercicios: a) Apilar todas las columnas
Data > Stack > Columns Stack the following columns todas Column of current worksheet seleccionar una vacía nombrarla como
b) Hacer un histograma con la columna total
Graph > Histogram: Simple
c) Agregar las tolerancias en 200 y 220, seleccionando la gráfica y con:
Editor > Annotation > Graph annotation tools Seleccionar el botón de línea y colocarlas en la gráfica Con Attributes custom se puede cambiar a línea punte
d) Agrupar las columnas de la máquina 1
Data > Stack > Columns C3-C6 Máquina1
e) Agrupar las columnas de la máquina 2
Data > Stack > Columns C7-C10 Máquina2
f) Hacer histogramas similares al realizado con la columna de total
Seleccionar con un click el histograma de la variable Editor > Make Similar Graph Indicar la columna Máquina1 y en otro Máquina2
ARCHIVO HUMEDAD.MTW
Series de tiempo
Se representa la humedad de 20 paquetes de un producto tomado durante varios días a la semana: ¿Qué conclusiones se obtienen? lunes martes mierc jueves viernes 8.2 8.61 9.43 8.97 8.46 8.36 9.14 8.85 9.02 8 8.37 8.52 8.66 9.61 8.32 8.52 9.2 8.89 9.15 8.91 8.05 9.3 9.28 9.21 8.17 8.76 9.58 9.14 9.53 8.6 8.51 8.81 9.41 9.28 8.48 8.18 8.68 9.34 9.28 8.65 8.52 8.59 9.59 8.86 8.97 8.64 8.66 9.15 8.75 8.2 8.83 8.7 9.75 9.64 8.33 8.35 9.08 9.18 9.05 8.26 8.48 8.32 8.86 8.76 8.64 8.34 8.33 9.28 9.21 8.81 8.51 8.41 8.5 8.76 8.73 8.08 9.07 9.19 9.4 8.73 8.15 9.08 9.19 9.55 8.4 8.15 9.13 9.12 9.5 8.6 8.68 8.69 9.2 9.48 8.47
8.79
8.46
8.8
9.58
8.1
Ejercicios: a) Apilar todas las columnas agregando una columna Data > Stack > Columns Stack the following columns lunes-viernes de índices Column of current worksheet semana Store subscripts in Dia seleccionar Use variable names in subscript column b) Hacer un diagrama de datos de la semana ver si el proceso es estable
Graph > Time Series Plot: Simple Series semana
c) Distinguir el día de la semana en que ocurrieron los resultados con un color diferente seleccionar los puntos de la gráfica
Edit connected line Categorical variables for grouping
d) Otra opción
Graph > Time Series plot: With Groups Series Semana Categorical variables for grouping Dia
ROSADO 22 10 16 4 4 11 5 3 7 19 72 3 15 79 102 45 85 28 57 42 0 0 0 26
Mantenim Desgaste
Medio am Temperatura
se and effect
e > Y:C7, X:C8 e > Y:C7, X:C9 e > Y:C7, X:C10
n Add Jitter to direction
orical variables for grouping
siguientes resultados:
Máquina 2_piMáquina 2_pi 214.6 214.4 212.3 212 215.2 202.7 211.3 210.4 212.8 214.8 208.4 210.8 212.9 209 210.6 212.3 213.6 212.2 206.8 214.2 207.6 212.6 214.4 212.6 206.1 207.1 210.6 212.3 209.8 211.4 205.3 203.6
Num. Rot 1 3 2 2 8 4 2 4 3 2 5 5 1 2 2 2 4 2 0 2 0 3 1 3 1
Pb (ppm) 19 18 27 24 15 19 23 26 20 20 15 19 22 23 21 21 21 24 22 22 20 22 21 26 21
P (ppm) 22 21 22 19 17 17 23 19 23 22 19 25 22 19 22 21 15 22 21 23 24 20 22 20 22
Turno
4
27
19
2
4
22
20
3
1 3 6 6 2 3 3 2 1 3 4 3 2 1 2 3 5 1 1 3 2
22 28 15 19 28 20 21 18 20 23 26 26 21 24 18 25 16 24 21 25 23
18 22 19 17 22 22 20 21 22 21 20 15 21 21 20 19 17 23 24 19 21
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1
209.1 205.4 212.9 212
eet seleccionar una vacía nombrarla como Total Total
h annotation tools a y colocarlas en la gráfica puede cambiar a línea punteada
3-C6 Máquina1
7-C10 Máquina2
istograma de la variable Total
1 y en otro Máquina2
as a la semana:
207 209 204.3 204.2
4 3 5 1 4 3 0 6 4 4 4 1
19 20 25 24 18 17 30 18 20 29 32 21
20 21 18 23 19 22 25 17 17 22 19 22
1 2 3 1 2 3 1 2 3 1 2 3
ns lunes-viernes
mes in subscript column
Dia
With Groups
rouping Dia
APLICACIONES MÓDULO 6. ESTADÍSTICA DESCRIPTIVA HERRAMIENTAS PARA LA MEJORA DE CALIDAD (Minitab) NOTA: Se asume que los datos se encuentran en una o más columnas 1. CARTA DE TENDENCIAS Opcional En Minitab > Stat > Quality Tools > Run chart Seleccionar Single column = indicar la Columna de datos Subgroup size = Indicar el tamaño del subgrupo (1 comun) Seleccionar Subgroup across rows of = Columnas de datos Seleccionar Plot of Means o Plots of Medians OK 2. DIAGRAMA DE PARETO En Minitab > stat > Quality Tools > Pareto chart Seleccionar Chart Defect Table Labels in = Columna de etiquetas de defectos Frequencies in = Columna de frecuencia de defectos Combine (en una columna de otros) after the first = 80% u otro OK
Defectos A B C D E F
3. DIAGRAMA DE CAUSA EFECTO En Minitab > stat > Quality Tools > Cause and Effect Branch 1-6 Seleccionar Causes = Columna de causas y Label = Etiqueta correspondiente a cada concepto de causa Seleccionar Effect = Problema o efecto buscado Seleccionar Title = Título del problema OK Personal Maquinas Material Método Medición Medio Amb. Turnos Enchufes Aleaciones Angulo Micrometro % Humedad Supervisión Fracturas Lubricantes Enganche Microscopio Condensación Capacitación Tornos Proveedores Frenado Inspectores Operadores Velocidad
4. HISTOGRAMAS En Minitab > Graph > Histogram Seleccionar en Graph 1 = Columna de datos (n = número de datos) Seleccionar en Options = Number of intervals = 5 a 7 o aprox. Raiz (n) OK OK
5. DIAGRAMA DE TALLO Y HOJAS En Minitab > Stat > EDA > Stem and Leaf Seleccionar en Graph 1 = Columna de datos Seleccionar en Increment = Valor del paso de cambio OK en este caso 20
6. DIAGRAMA DE CAJA En Minitab > Stat > EDA > Box Plot Seleccionar en Graph 1 = Columna de datos OK
RIPTIVA Run Chart for 2.16
2.16 5.9 8.8 17.5 10.3 12.7 8.4 9.1 17.3 11.5 8.7 9.8
905
2.16
930 865
13
895 905 8
885 890 4
9
14
930
Observation Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for Clustering: Approx P-Value for Mixtures:
8.00000 8.00000 3.00000 0.50000 0.50000
915
Number of runs up or down: Expected number of runs: Longest run up or down: Approx P-Value for Trends: Approx P-Value for Oscillation:
7.00000 9.00000 4.00000 0.08712 0.91288
910 920 915 925
Ejemplo de Diagrama de Pareto
860
100
300
905
200
60 40
100 20 0
0
Def ect C ount Percent C um %
98 30.7 30.7
76 23.8 54.5
54 16.9 71.5
45 14.1 85.6
46 14.4 100.0
Percent
80
Count
Frec. 14 15 34 12 76 54
Weight
18
925 925 905 915 930 890
Ejemplo de Diagrama de Ishikawa Mediciones
Materiales
Micrometro Microscopio
Inspectores
985
Turnos
Lubricantes
970
Supervisión
Proveedores
940
Capacitación
975
Operadores
Rechazos de calidad Velocidad Frenado Condensación
Condensación
% Humedad
Medio ambiente
Tornos
Enganche
1035 985
Enchufes
Métodos
1000 1020
Fracturas
Angulo
860 875
Personal
Aleaciones
940
960
Maquinas
945 965 940 900 920 980
40
950 955
Percent
30
970 970
20
1035
10
0 850
900
950
Weight
1000
1050
Percent
30
20
10
0 850
900
950
Weight
Stem-and-leaf of Weight Leaf Unit = 10 4 8 6667 8 8 8999 17 9 000001111 (8) 9 22222333 20 9 444455 14 9 667777 8 9 888 5 10 0 4 10 233 1 10 4
1050
3er. Cuartil Mediana 1er. Cuartil Valor máximo
Weight
Valor mínimo
950
850
N = 45
1000
1050
APLICACIONES DEL MÓDULO 4 ARCHIVO SOLDADURA.MTW Para Conocer a fondo el proceso de soldadura se ralizaron 100 soldaduras anotando las condiciones en que se habíann hecho y se midió la resistencia al corte. Orden 1 2 3 4 5 6 7 8 9
Fuerza (kp)Int_Bosch (kA)Int_Miy. (kA))Carga rot. (kg) 611 14.9 15 3127 613.657 14.8 15 3045 609.928 14.5 14.4 3088 608 15.2 15.4 3071 586.944 15.2 15.3 2999 612.798 15.1 15 2995 637.583 15.1 15.1 3220 615.314 14.9 14.9 2994 620 14.7 14.8 2989
10 11 12 13 14 15 16 17 18 19
618.649 622.266 617.856 621.422 633.967 607.492 604 625.492 629.971 616.436
15 15.1 15.1 14.9 15.2 14.7 15.3 14.9 15.1 14.9
15 15.2 15.2 15 15.4 14.8 15.1 14.8 15.2 15
3097 3029 3086 3168 3134 2983 2942 3108 3177 3034
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
629.889 613.33 630.762 631.183 620.596 643 625.396 625.785 622.166 623.541 632.909 623.271 630.627 658.978 631.324 629.664 633 635.331 634.658 640.98
15.3 14.7 14.7 14.8 15.1 14.9 15.2 15.1 14.8 14.8 15.1 14.8 14.9 14.8 14.8 15.3 14.7 14.7 15.2 14.9
15.5 14.8 14.8 15 15.3 15.1 15.2 15.4 14.9 14.9 15.3 14.8 15 14.9 14.9 15.2 14.9 14.8 15.4 15
3149 3147 3058 3164 3058 3243 3119 3147 3135 3066 3040 3108 3086 3297 3199 2982 3209 3154 3148 3198
40 41
612.298 631.612
15.3 15.4
15.4 15.5
3007 3160
42
619.923
14.8
15
3087
43 44 45 46 47 48 49 50 51 52 53 54 55
628.23 632.533 631.833 621.129 620.423 622.713 639 625.284 642.566 645.844 604.12 625.394 637.665
15 15.4 15.1 15.2 15.1 15.2 15.2 15.1 15.4 15.3 15 15.4 15.3
15.2 15.5 15.3 15.3 15 15.2 15.1 15.3 15.6 15.5 14.9 15.3 15.3
3155 3198 3275 3146 3187 3144 3200 3152 3242 3144 3043 3074 3259
56
625.933
14.7
14.9
3212
57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73
645.199 642.463 640.725 647.984 635.241 637.496 642.749 642 650.249 630.496 647.741 629.985 638.226 628.466 640.705 631.941 639.176
14.9 14.9 15.1 15 14.8 15.1 14.9 14.6 15.3 14.7 14.9 14.9 14.7 14.9 15.1 15.3 15.2
15.1 15 15.3 15 14.9 15.4 14.9 14.6 15.3 14.8 15 15 15 15 15.3 15.5 15.3
3272 3151 3302 3271 3174 3135 3325 3155 3364 3187 3158 3186 3283 3139 3226 3210 3149
74 75 76 77 78 79 80 81 82
646.409 650.641 632.871 634.1 646.327 655.553 634.777 641 656.222
15 15 15.1 14.8 15.1 15.1 15.2 14.8 15.1
15.2 15.2 15.1 14.9 15.1 15.2 15.3 15 15.4
3271 3241 3232 3215 3045 3316 3187 3352 3283
83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
622.442 632.661 650.878 629.094 654.31 645.523 644.736 639.947 643.158 655.367 648.575 652.781 627.987 666.192 657.395 631.598 638.799 649
14.9 14.7 15.1 15 15.3 15.1 15.3 15.1 15 14.9 15 14.9 14.6 15 15.1 14.7 15 15.2
15 14.6 15.1 15.1 15.3 15.3 15.5 15.5 15 15 15.1 15 14.6 15 15.4 14.6 15.1 15.3
3065 3076 3131 3167 3428 3258 3158 3071 3150 3277 3258 3212 3124 3256 3268 3057 3155 3287
Ejercicios: a) Verificar si la fuerza ejercida por los electrodos se ha mantenido estable
Stat > Time Series Plot: Simple
b) Verificar si existe correlaciónn entre fuerza y resistencia
Graph > Scatterplot: Simple Y = C5 X = C2
c) Crear una columna adicional de 50 unos y 50 dos
Calc > Make Patterned Data > Simple Se 1 2 1 50 1
d) Probar si hay diferencia en las medias entre los primeros 50 datos y los últimos 50 de carga (kg)
Stat > Basic Statistics > 2 -Sample t Samples in a column Samples 'Carga rot. (kg)' Subscripts Graphs seleccionar Individual value Plot
e) ¿Puede decirse que los amperímetros Bosch y Miyashi miden de manera diferente la corriente?
Stat > Basic Statistics > Paired t Samples in different columns First Sample Int._Bosch Second Sample Int._Miy
ARCHIVO PIEZA_U.MTW Una pieza en U tiene una dimensión crítica X. Las piezas se someten a un tratamiento térmico y se desea saber si se afectan sus dimensiones antes y después. El valor nominal de X es de 12 + - 0.1 mm. Colocación en horno Pieza Antes Despues Bandeja
Ejercicios
a) Hacer una columna de dife
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
12.01 12.02 12.01 11.99 11.99 12 11.99 12.01 11.99 11.99 12.01 12.02 12.03 12 11.97 12 11.96 12 11.99 12.05 12.03 11.98 11.96 11.98 12.05 12.02 11.99 12.03 12.01 12 12.06 12.01 12.01 12 11.97 12.01 12.03 11.96 11.97 11.96 11.96 11.98 12.03 12 11.94 11.96 11.99 12.03 11.98 12.04
12.02 12.06 12.02 11.98 12.02 12.05 12.01 12.01 12 12.05 12 12.05 12.02 12.05 11.96 12.01 11.98 12 12.03 12.11 12.04 12.04 11.97 11.98 12.12 12.01 12.04 12.01 12 12.04 12.09 12.01 12.03 12.02 11.96 12.05 12.06 12.05 11.96 11.98 11.96 12.03 12.1 12.06 11.97 11.97 12.05 12.04 11.97 12.07
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3
b) Hacer una comparación d
c) Con un análisis ANOVA pr
51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
12.01 11.99 11.97 12 12.02 12.01 12 12 12 11.99 11.97 11.98 12 11.95 12 12 11.99 12.03 11.99 12.03 12.03 12.01 12.03 11.99 11.98 11.95 12.05 11.99 12.01 12 12.03 11.97 11.98 11.97 11.99 12.02 11.98 12 12.02 12 11.94 11.97 12 12 11.95 11.98 11.99 12 11.99 11.97
12.07 12.03 11.97 12.03 12.05 11.98 12.07 11.98 12.09 12.07 11.97 12 12.07 12.02 11.98 11.98 11.99 12.08 12.01 12.06 12.1 12.06 12.01 12.04 12.04 12.02 12.09 12 12.05 12.04 12.1 12.05 12.04 12.02 12.04 12.03 12.06 12.06 12.08 12.08 12.02 12 12.08 12.08 12.04 12.03 12.07 12.07 12.02 12.05
3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
DATOS REMACHES.MTW Los remaches para construcción deben soportar esfuerzos cortantes. Se pide una resitencia mínima de 2,500 psi con una desv. Estándar de 20 psi Ejercicios a) ¿Cuál debe ser la media si se tolera un 2.5% de defectivo? b) Cierto montaje con 20 remaches exige que al menos 15 tengan su resistencia por arriba del mínimo establecido. Si se fabrican con una resistencia media de 2525 psi. ¿Cuál es la probabilidad de que el montaje se comporte correctamente?
Calc > Probability distributions > Norma Cummulative probability Mean 2540 Std. Dev. 20 input constant 25 Calc > Probability Distributions > Binomial Cummulative probability Number of trials 20 Input constant 5
DATOS ALMENDRAS.MTW Se decide lanzar al mercado una línea de productos Light A un 95% de nivel de confianza se puede decir que la nueva Variedad tiene menos grasa: Actual Nueva 27 26.8 26.9 27 27.3 26.9 27.2 27.1 27.1
26.8
Stat > Basic statistics > 2-Sample t Smaples in different columns First Actual Second Nueva Options: Alternate Greater than
ARCHIVO FLECHA.MTW
Se fabrican piezas de plástico en forma de inyectoras A y B con 4 cavidades cada una Ejercicios a) Distribución de defectos en las máquinas Stat > Quality Tools > Pareto chart Seleccionar Chart defects data in Def Maq A o B
b) Comparar las máquinas y cavidades y sacar conclusiones Una columna para las resitencias de ambas máquinas Data > Stack > Columns Stack the following columns 'Res Maq A' 'Res Maq B' Sel. Column of current worksheet 'Res Maq A&B' Store subscripts in Maquina Una columna para las cavidades de ambas máquinas
Def Maq A Def Maq B Deformacion Decoloracion Deformacion Deformacion Deformacion Mancha Deformacion Raya Fractura Mancha Decoloracion Raya Deformacion Raya Deformacion Fractura Mancha Decoloracion Deformacion Raya Fractura Mancha Mancha Raya Mancha Raya Deformacion Raya
Data > Stack > Columns Stack the following columns 'Cavidad' 'Cavidad'
Deformacion Raya Deformacion Deformacion
Sel. Column of current worksheet 'Cavidad A&B'
Mancha
Store subscripts in Maquina
Deformacion Mancha Deformacion Mancha Fractura Rebaba Fractura Fractura Decoloracion Raya Mancha Raya Deformacion Raya Mancha Raya Fractura Raya Fractura Mancha Mancha Raya Decoloracion Mancha Decoloracion Raya
Comparar cavidades Graph > Scatterplot: With groups Y = 'Res A&B' X='Cavidad A&B' Categorical variables Maquina c) Hacer un Análisis de varianza de dos vías Stat > ANOVA > Two way Response 'Res A&B' Row factor Maquina Column Factor 'Cavidad A&B'
Display Means Display Means
Raya
Deformacion Otros Deformacion Raya Decoloracion Raya Deformacion Mancha Deformacion Raya Decoloracion Raya Decoloracion Raya Deformacion Decoloracion Mancha Raya Deformacion Deformacion Mancha Otros Mancha Raya Rebaba Rebaba Deformacion Raya Fractura Raya Mancha Deformacion Deformacion Raya Mancha Raya Deformacion Rebaba Otros Raya Mancha Mancha Fractura Fractura Deformacion Raya Raya Rebaba Decoloracion Raya Deformacion Raya Deformacion Mancha
eries Plot: Simple
erplot: Simple
Patterned Data > Simple Set of Numbers
tatistics > 2 -Sample t
a rot. (kg)' Subscripts C6 onar Individual value Plot
tatistics > Paired t erent columns
a) Hacer una columna de difeencias después - antes y un diagrama de puntos Graph > Dotplot: Simple
Deformacion Otros Decoloracion Decoloracion Mancha Fractura Mancha Decoloracion Deformacion Mancha Decoloracion Decoloracion Deformacion Raya Otros Mancha Decoloracion Mancha Decoloracion Raya Mancha Raya Raya Raya Fractura Raya Decoloracion Raya Mancha Rebaba Deformacion Raya Mancha Mancha Deformacion Decoloracion Deformacion Raya Deformacion Raya Deformacion Raya Deformacion Raya Mancha Decoloracion Deformacion Decoloracion Deformacion Raya Fractura Raya Raya Raya Deformacion Decoloracion Deformacion Raya Mancha Mancha Mancha Raya Mancha Raya Deformacion Fractura Decoloracion Rebaba Deformacion Fractura Fractura Decoloracion Mancha Raya Decoloracion Raya Decoloracion Decoloracion Raya Raya Deformacion Raya Deformacion Raya Deformacion Decoloracion Deformacion Mancha Deformacion Mancha Mancha Deformacion Deformacion
Raya Raya Raya Raya Raya Raya Raya
b) Hacer una comparación de medias pareadas y concluir Stat > Basic Statistics > Paired t
) Con un análisis ANOVA probar si la bandeja tiene alguna influencia Stat > ANOVA > One Way
Deformacion Fractura Deformacion Mancha Deformacion Raya Decoloracion Raya Deformacion Raya Mancha Raya Raya Raya Mancha Decoloracion Deformacion Fractura Mancha Decoloracion Mancha Fractura Fractura Raya Deformacion Fractura Deformacion Raya Mancha Raya Decoloracion Raya Decoloracion Raya Decoloracion Decoloracion Deformacion Raya Raya Raya Decoloracion Raya Raya Raya Raya Raya Mancha Raya Deformacion Mancha Mancha Mancha Deformacion Raya Deformacion Raya Deformacion Raya Raya Otros Deformacion Raya Deformacion Raya Deformacion Raya Mancha Fractura Raya Decoloracion Deformacion Rebaba Mancha Mancha Deformacion Raya Otros Decoloracion Raya Decoloracion Mancha Raya Fractura Raya Deformacion Raya Mancha Rebaba Raya Raya Fractura Raya Deformacion Fractura Deformacion Raya Fractura Mancha Raya Deformacion
Deformacion Raya Mancha Raya Rebaba Fractura Deformacion Mancha Fractura Mancha Deformacion Mancha Deformacion Raya Mancha Raya Deformacion Raya Fractura Raya Deformacion Fractura Deformacion Decoloracion Rebaba Mancha Raya Raya Raya Raya Deformacion Mancha Decoloracion Mancha Fractura Raya Deformacion Raya Mancha Raya Raya Raya Fractura Mancha Deformacion Raya Mancha Mancha Mancha Raya Raya Raya Deformacion Raya Otros Raya Deformacion Mancha Deformacion Raya Fractura Otros Decoloracion Mancha Mancha Raya Mancha Rebaba Deformacion Deformacion Fractura Raya Deformacion Mancha Deformacion Deformacion Mancha Fractura Decoloracion Deformacion Deformacion Deformacion Deformacion
Deformacion Mancha Raya
REGRESIÓN LINEAL PARA OBTENER LA ECUACIÓN Y ANÁLISIS En Minitab > Stat > Regression > Regression Seleccionar Response = Columna de las Y's Seleccionar Predictors = Columnas de las Xs OK
bility distributions > Normal
d. Dev. 20 input constant 2500
GRAFICO DE REGRESION EN EXCEL Seleccionar el rango X y Y Seleccionar el asistente de Gráficos Seleccionar gráfica X Y de dispersión Al finalizar seleccionar con el ratón puntos de la gráfica Con botón derecho del ratón Indicar Agregar Línea de Tendencia
lity Distributions > Binomial
s 20 Input constant 5
Seleccionar Lineal o Polinomial En Opciones Seleccionar Mostrar Ecuación en carta y Mostrar valor de R2
tatistics > 2-Sample t erent columns
ate Greater than
LECHA.MTW
ezas de plástico en forma de flecha en dos máquinas B con 4 cavidades cada una (C5) Resistencia a la tracción Res Maq A Res Maq B Cavidad 39 39 1 40 40 2 41 41 3 38 38 4 37 37 1 38 38 2 42 42 3 40 40 4 42 42 1 37 37 2 40 40 3 42 42 4 35 39 1 40 40 2
Título: Ejemplo 3.5 3
f(x) = 0.2176704498x + 1.1177077293 R² = 0.9572035263
2.5 2 1.5 1 0.5 0 1
2
3
4
5
6
7
PARA OBTENER EL MODELO GRÁFICO DE REGRESIÓN En Minitab > Stat > Regression > Fitted Line Plot Seleccionar Response (Y) = Columna de las Y's Seleccionar Predictor (X) = Columna de la X Seleccionar Type of Regression model: Linear; Quadratic; Cubic
>Stat >Regression > Regression Response - Y Predictors - X Options - Pred. Interval New Obs. 4.5 Conf. Level 95 / Conf. Limits /Prediction Limits Results - In addition, full table of fits and residuals
8
43 41
41 38
3 4
Ver valores p para el coeficiente de X si es menor de 0.05 si existe
40
37
1
la pendiente y la regresión
38 42 38 42 36 44 37 36 40 43 39 40 39
38 42 40 42 37 40 42 35 40 43 41 40 38
2 3 4 1 2 3 4 1 2 3 4 1 2
39
42
3
38 42 41 44 39 38 35 43 39 40 40 41 40 40 42 43 36
38 42 36 44 37 36 40 43 39 40 39 39 38 42 41 44 39
4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
41 37 44 35 38 36 40 38 44
38 35 43 39 40 40 41 40 40
1 2 3 4 1 2 3 4 1
Ver cuanto vale R (coeficiente de regresión) y R2 (coeficiente de deter variación explicada de la regresión.
Ver el intervalo de confianza e intervalo de predicción para el valor X =
>Stat >Regression > Fitted line plot Response (Y) - Consumo E. Predictor (X) - Ajustes Model - Cuadratic Options - Display Conf., Pred. Band
REGRESIÓN CUADRÁTICA X Y Ajustes de Consumo máquinas de Energía 11.15 21.6 15.7 4 18.9 1.8 19.4 1 21.4 1 21.7 0.8 25.3 3.8 26.4 7.4 26.7 4.3 29.1 36.2 Resultados: Ver las bandas de confianza y de predicción para un cierto valor de Xo y un nivel de confianza.
Decoloracion
Decoloracion
Decoloracion
Decoloracion Decoloracion
Decoloracion
Decoloracion
Decoloracion
Decoloracion
40 45 40
42 43 36
2 3 4
Decoloracion
Decoloracion
Decoloracion
Decoloracion
Decoloracion Decoloracion
Decoloracion
Regression Analysis: Y versus X X
Y
4.1 2.2 2.7 6 8.5 4.1 9 8 7.5
2.1 1.5 1.7 2.5 3 2.1 3.2 2.8 2.5
The regression equation is
Y = 1.12 + 0.218 X Predictor Coef SE Coef T P Constant 1.1177 0.1093 10.23 0.000 X 0.21767 0.01740 12.51 0.000 S = 0.1274
R-Sq = 95.7%
Analysis of Variance Source DF SS Regression 1 2.5419 Residual Error 7 0.1136 Total 8 2.6556
de la gráfica ar Línea de Tendencia
mplo
Regression Plot Y = 1.11771 + 0.217670 X S = 0.127419
93
R-Sq = 95.7 %
R-Sq(adj) = 95.1 %
3.0
Y
2.5
7
8
9
10
2.0
DE REGRESIÓN
onf. Level 95
MS F P 2.5419 156.56 0.000 0.0162
Unusual Observations Obs X Y Fit SE Fit Residual St Resid 9 7.50 2.5000 2.7502 0.0519 -0.2502 -2.15R R denotes an observation with a large standardized residual
ostrar Ecuación en carta
6
R-Sq(adj) = 95.1%
1.5 2
3
4
5
6
X
Resultados: Y = 1.12+0.18 X
7
8
9
REGRESIÓN MÚLTIPLE menor de 0.05 si existe
n) y R2 (coeficiente de determinación)
predicción para el valor X = 8.2
tor (X) - Ajustes splay Conf., Pred. Bands al 95%
X1 Este 33.53 36.5 34.66 33.13 35.75 34.46 34.6 35.38 35.85 35.68 35.35 35.04 34.07 32.2 34.32 31.08 35.73 34.11 34.79 35.77 36.44 37.82 35.07 35.26 35.56 35.73 36.46 36.26 37.2
X2 Sur 40.55 36.19 37.31 32.52 33.71 34.14 34.85 35.89 33.53 33.79 34.72 35.22 36.5 37.6 37.89 37.71 37 36.76 34.62 35.4 35.96 36.26 36.34 35.9 31.84 33.16 33.83 34.89 36.27
X3 Y Norte Temp. De Flux 16.66 271.8 16.46 264 17.66 238.8 17.5 230.7 16.4 251.6 16.28 257.9 16.06 263.9 15.93 266.5 16.6 229.1 16.41 239.3 16.17 258 15.92 257.6 16.04 267.3 16.19 267 16.62 259.6 17.37 240.4 18.12 227.2 18.53 196 15.54 278.7 15.7 272.3 16.45 267.4 17.62 254.5 18.12 224.7 19.05 181.5 16.51 227.5 16.02 253.6 15.89 263 15.83 265.8 16.71 263.8
Y = 389 -24.1 Norte + 5.32 Sur +2.12 Este Ver la p para cada Predictor (debe ser menor a 0.05) y el valor de R2 coeficiente de determinación - variación explicada
156.56
0.000
esidual
St Resid
ndardized residual
mp. De Flux
ARCHIVOS DE APLICACIÓN DEL MÓDULO 5. MÉTODOS NO PARA Prueba de signos 1.
Muestra pequeña n = 20 la distribución bi Media = Mu = 0.50n Desv. Est. = sigma = Raiz(0.2
De 200 votantes 72 calificaron al PRI, 103 al PAN y 23 no opinaron, ¿Hay diferencia entre los part n = 200 - 25 = 175 Media = 0.50n = 87.5 Desv. Est. = raiz(0.25n) = 6.6 Z = (X - media )/ Sigma = (72 - 87.5) / 6.6 = - 2.35 Rechazar Ho si Zc < -1.96 o si Zc > 1.96
2.
La tabla de preferencias de 10 personas en pruebas de degustación con dos marcas de un produ Marca Persona A vs B Probar si hay diferencia significativa para un alfa de 0,05 entre las pref 1 + hacia las dos marcas. 2 + Un signo positivo indica preferencia hacia la marca A y un signo negat 3 + 4 5 + 6 + 7 8 + 9 10 +
3.
Probar si la mediana es mayor a 150. Una muestra de tamaño 30 produce 22 casos con valor mayor a 150, 3 con valor de 150 y 5 con v a 150. A un alfa de 0.01 probar la hipótesis.
Prueba de Wilconox equivalente a la prueba de datos pareados. Ho: Las poblaciones son idénticas Ej.
Ha: Las poblaciones no son idénticas.
11 trabajadores realizan su tarea utilizando dos métodos diferentes. Trab. 1 2 3 4 5 6 7 8 9 10 11
Met.1 10.2 9.6 9.2 10.6 9.9 10.2 10.6 10 11.2 10.7 10.6
Mét.2 9.5 9.8 8.8 10.1 10.3 9.3 10.5 10 10.6 10.2 9.8
Dif. 0.7 -0.2 0.4 0.5 -0.4 0.9 0.1 0 0.6 0.5 0.8
Valor abs Dif. Sin ceros 0.7 0.2 0.4 0.5 0.4 0.9 0.1 0 0.6 0.5 0.8
Distribución muestral T para poblaciones idénticas: Media = 0 Desv. Estandar = raiz ( n ( n+1)(2n + 1) / 6) Ditribución de T aproximadamente normal para n >= 10 Zc = (T - Mut)/Sigma T
Zc =
Para alfa = 0.05 Tt = +-1.96 Como Zc es mayor a Zt se rechaza Ho y las dos poblaciones no son idénticas. 4.
Se llevó a cabo una prueba con dos empresas de mensajería y paquetería. Dos paquetes identico tomaron los siguientes tiempos de entrega en horas: ¿Hay diferencia a un 5% de significancia?. Paquete: 1 2 3 4 5 6 7 8 9 10 11
5.
Emp.1 24.5 26 28 21 18 36 25 21 24 26 31
Emp.2 28 25.5 32 20 19.5 28 29 22 23.5 29.5 30
Un estudio de mercado en 10 ciudades se hizo para evaluar la efectividad de una campaña public Usar un alfa de 0.05 para obtener una conclusión acerca del programa de publicidad.
Ciudad A B C D E F G H I J
6.
Antes 130 100 120 95 140 80 65 90 140 125
Después 160 105 140 90 130 82 55 105 152 140
Prueba de Mann Whitney Wilconox Muestras pequeñas para n Nonparametrics > 1-Sample Sign.
En Variables, seleccionar Marca Prob. Binomial Seleccionar Test median y poner 5 en el cuadro En Alternative, Seleccionar greater than. Click 1 0.00292969 2 0.01611328 Rechazar Ho si el número 3 0.05371094 de signos positivos es 4 0.12084961 menor a 3 o mayor a 9 5 0.19335938 6 0.22558594 7 0.19335938 8 0.12084961 9 0.05371094 10 0.01611328 11 0.00292969 12 0.00024414 Para n > 20 la distribución binomial se aproxima a la normal Media = Mu = 0.50n Desv. Est. = sigma = Raiz(0.25n) positivos
Hay diferencia entre los partidos?
on dos marcas de un producto son:
Stat > Nonparametrics > 1-Sample Sign.
un alfa de 0,05 entre las preferencias
la marca A y un signo negativo hacia marca B
3 con valor de 150 y 5 con valor menor
Stat > Nonparametrics > 1-Sample Wilconox
e datos pareados.
Stat > Nonparametrics > Mann-Whitney
Dif. Sin ceros 7 2 3 5 4 9 8 1 10 6
0.1 0.2 0.4 0.4 0.5 0.5 0.6 0.7 0.8 0.9 0
Suma T
1 -2 3.5 -3.5 5.5 5.5 7 8 9 10 -
3 4 5 6 7 8 9 10 44
19.6214169
=(44/19.62) =
2.24260958
tería. Dos paquetes identicos a un 5% de significancia?.
Stat > Nonparametrics > Mann-Whitney
dad de una campaña publicitaria. a de publicidad.
Stat > Nonparametrics > Kruskal-Wallis.
Stat > Nonparametrics > Mann-Whitney
> 1-Sample Sign.
oner 5 en el cuadro greater than. Click OK.
> 1-Sample Sign.
> 1-Sample Wilconox
> Mann-Whitney
> Mann-Whitney
> Kruskal-Wallis.
> Mann-Whitney
APLICACIONES DEL MÓDULO 6
Un proceso produce 3000 muelles ininterrumpidamente por hora y trabaja de 7:00 a 22:00 h. Se decide implantar el Control estadístico de proceso y para ello se toman cuatro muelles cada tres horas y se les mide su longitud al aplicar una fuerza de 1 Kg, la longitud debería estar entre 13.5 y 14.5 cm.
ARCHIVO COLCHONES.MTW DATOS DE LA PRIMERA SEMANA LONG1 HORA1 DIA1 14.74 7 14.32 7 14.58 7 14.96 7 13.76 10 14.18 10 14.08 10 13.85 10 13.77 13 13.79 13 13.78 13 14.32 13 13.77 16 13.64 16 14.22 16 13.81 16 14.11 19 14.06 19 13.87 19 13.8 19 14.01 22 14.42 22 14.16 22 13.84 22 14.99 7 14.45 14.55 14.65 14.45 13.84 13.12 13.98 13.95 14.56 13.93 13
7 7 7 10 10 10 10 13 13 13 13
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
DATOS DE LA SEGUNDA SEMANA LONG2 HORA2 DIA2 14.21 7 14.12 7 13.91 7 14.17 7 13.94 10 14.04 10 13.74 10 14.33 10 13.97 13 14.17 13 13.83 13 14.34 13 13.67 16 13.92 16 14.15 16 13.94 16 13.77 19 14.15 19 14.25 19 14.03 19 14.19 22 13.71 22 13.99 22 14.23 22 14.17 7 14 14.17 13.83 13.71 13.97 14.03 14.14 14.17 13.86 14.06 14.33
7 7 7 10 10 10 10 13 13 13 13
6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7
13.95 14.11 14.08 14 13.93 13.93 14.22 13.96 13.75 14.19 14 14.06 13.98 14.76 14.87 14.58 14.3 13.92 13.86 14.05 13.86 13.92 14.26 14.01 14.06 13.94 14.01 13.92 14.05 13.73 13.91 13.97
16 16 16 16 19 19 19 19 22 22 22 22 7 7 7 7 10 10 10 10 13 13 13 13 16 16 16 16 19 19 19 19
2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
14.24 13.87 13.97 14.27 14.25 13.98 13.84 14.12 13.78 14.07 14.2 14.17 13.94 13.65 14.22 13.81 14.2 14.7 14.29 14.5 13.99 14.14 13.65 13.73 13.97 14.09 13.68 14.12 13.81 13.96 14.09 14
16 16 16 16 19 19 19 19 22 22 22 22 7 7 7 7 10 10 10 10 13 13 13 13 16 16 16 16 19 19 19 19
7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8
14.01 13.71 13.89 13.52 14.89 14.57 14.61 14.57 14.08 14.12 14.13 14.38 13.95 13.28 13.49 14.1 14.16 13.99
22 22 22 22 7 7 7 7 10 10 10 10 13 13 13 13 16 16
3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4
14.05 13.49 13.92 13.92 13.93 14.13 14.08 13.87 13.93 13.74 13.98 13.87 14.58 13.69 14.14 14.2 13.97 14.3
22 22 22 22 7 7 7 7 10 10 10 10 13 13 13 13 16 16
8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9 9
14.15 13.99 14.05 14.05 13.82 13.93 14.06 14.01 14.04 14.52 14.9 14.96 15.65 13.81 14.76 14.88 14.34 14.76 13.24 14.2 14.81 14.67 13.62 14.39 14.37 14.81 14.36 13.99 14.51 14.27 14.92 14.87 15.34 13.53
16 16 19 19 19 19 22 22 22 22 7 7 7 7 10 10 10 10 13 13 13 13 16 16 16 16 19 19 19 19 22 22 22 22
4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
14.53 13.95 13.75 14.37 13.74 13.57 14.21 14.13 14.13 14.28 13.74 14.12 13.98 14.04 14.2 13.88 14.37 14.02 13.84 13.97 14.02 14.29 13.81 13.77 13.95 14.03 14.21 13.88 14.29 14.05 13.89 14.21 14.01 14.25
CON DATOS DE LA PRIMERA SEMANA a) Construir una carta X Media - R
16 16 19 19 19 19 22 22 22 22 7 7 7 7 10 10 10 10 13 13 13 13 16 16 16 16 19 19 19 19 22 22 22 22
9 9 9 9 9 9 9 9 9 9 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
Stat > Control Charts > Variable Charts for subgroup
b) Dividir la carta en días para una mejor apreciación
Stat > Control Charts > Variable Charts for subgroup X bar - R Options: Stages: Define stages
c) Recalcular límites de control eliminando los puntos de las 7:00 AM que son los arranques de la producción donde hay problemas
Stat > Control Charts > Variable Charts for subgroup X bar - R Options: Estimate: Omit the following subg
d) A pesar de que el proceso no está en control Stat > Quality Tools > Capability Analysis > Normal hacer una determinación de la capacidad del proceso preliminar y sacar conclusiones
UNA VEZ CORREGIDOS LOS PROBLEMAS PRESENTADOS SE TOMAN NUEVOS DATOS EN LA SEGUNDA a) Construir una carta X Media - R
Stat > Control Charts > Variable Charts for subgroup
b) Recalcular límites de control eliminando el punto fuera de control 14
Stat > Control Charts > Variable Charts for subgroup X bar - R Options: Estimate: Omit the following subg
c) Hacer una determinación de la capacidad del proceso y concluir
Stat > Quality Tools > Capability Sixpack > Normal X bar - R Options: Display: Display last
d) Hace un análisis más detallado de capacidad
Stat > Quality Tools > Capability Analysis > Normal
ARCHIVO PLASTICO_1.MTW Se producen piezas de plástico con especificaciones de 462 0.5 mm. Se decide controlar esta característica con una carta de control X-R. Cada hora se toma una muestra de 4 piezas consecutivas, se trabaja de 7:00 a 15:00 Hrs, la primera muestra se toma a las 8AM. Hora 8:00 8:00 8:00 8:00 9:00 9:00 9:00 9:00 10:00 10:00 10:00 10:00 11:00 11:00 11:00 11:00 12:00 12:00 12:00 12:00 13:00 13:00 13:00 13:00 14:00 14:00 14:00 14:00 15:00 15:00
Longitud 452.04 451.97 451.94 452.02 451.91 451.98 452.22 451.9 452.22 452.04 451.97 452 451.94 452.01 451.99 452.08 452.16 452.12 451.99 451.77 452 452.04 452.06 452 452.12 452.18 452.02 452.03 451.97 451.94
a) Realizar una carta X - R y sacar conclusiones Stat > Control Charts > Variable Charts for subgroups > X bar - R All observations are in one column: Lomgitud, Subgroup sizes 4
a) Agregar la media y el rango de cada subgrupo
Calc > Make Patterned data > Simple Set of Numbers Store patterned data in Dia First value 1 To last value 5 In steps of 1 List each value 32 List whole Stat > Basic statistics > Store descriptive statistics Variables Longitud By Variables Dia Hora Statistics Mean Range Copiar las columnas C6 y C7 de PLASTICO_1 a PLASTICO_2 de Mean1 y Rango1 c) Analizar si existe relación entre las variables del proceso y entre la media y el rango Graph > Matrix Plot: Each Y versus each X: Simple Y variables Mean1 Range1 X variables Presión Viscocidad Temperatura d) Analizar con más detalle Mean1 vs temperatura Range1 vs Presión
15:00 15:00 8:00 8:00 8:00 8:00 9:00 9:00 9:00 9:00 10:00 10:00 10:00 10:00 11:00 11:00 11:00 11:00 12:00 12:00 12:00 12:00 13:00 13:00 13:00 13:00 14:00 14:00 14:00 14:00 15:00 15:00 15:00 15:00 8:00 8:00 8:00 8:00 9:00 9:00 9:00 9:00 10:00 10:00 10:00 10:00 11:00 11:00 11:00 11:00
451.93 451.88 452.15 452.26 452.36 452.29 452.13 452.37 452.19 452.24 452.28 452.15 452.38 452.24 452.22 452.19 452.31 452.09 452.32 452.22 452.29 452.34 451.93 451.95 452.14 452.03 451.95 452.02 451.89 451.85 452.08 451.96 452 451.96 452.02 451.82 452.23 451.96 451.94 451.81 451.89 452.08 452.07 451.94 451.96 452.12 452.21 452.15 451.96 451.84
Graph > Scatterplot: Simple e) Hacer una columna con datos que hacen el proceso estable Temperatura entre 119 y 121 Presión mayor a los 818 Kg/cm2 Calc > Calculator Store result in C8 Expression: ('Temperatura' < 121) and (´Temperatura' > 119) and ('Presión' > 810) Print C8 Copiar los valores mostrados en la pantalla de sesión En la hoja PLASTICO_1.MTW usamos: Calc > Make Patterned Data > Arbitrary Set of Numbers Store patterned data in C8 Pegar los valores copiados anteriomente Copiar los valores de la longitud que en esta nueva columna tienen 1 Copy > Columns to columns, Condición C8 = 1 f) Hacer un estudio de capacidad en PLASTICO_1 Stat > Quality Tools > Capability Sixpack > Normal
12:00 12:00 12:00 12:00 13:00 13:00 13:00 13:00 14:00 14:00 14:00 14:00 15:00 15:00 15:00 15:00 8:00 8:00 8:00 8:00 9:00 9:00 9:00 9:00 10:00 10:00 10:00 10:00 11:00 11:00 11:00 11:00 12:00 12:00 12:00 12:00 13:00 13:00 13:00 13:00 14:00 14:00 14:00 14:00 15:00 15:00 15:00 15:00 8:00 8:00
452.01 452.04 451.99 452.1 451.98 452.18 451.94 451.97 452.18 452.02 451.86 451.9 451.87 452.05 451.87 451.97 451.88 451.95 451.9 451.84 451.86 451.84 451.82 451.91 451.87 451.78 451.85 451.98 451.9 451.87 451.71 451.7 452.15 452.14 451.9 451.96 451.92 451.92 451.99 451.91 451.98 451.85 452.03 452.19 451.91 451.79 452.01 451.9 451.97 452.07
8:00 8:00 9:00 9:00 9:00 9:00 10:00 10:00 10:00 10:00 11:00 11:00 11:00 11:00 12:00 12:00 12:00 12:00 13:00 13:00 13:00 13:00 14:00 14:00 14:00 14:00 15:00 15:00 15:00 15:00
452.24 452.44 452.29 452.36 451.95 451.82 452.01 452.07 452.14 452.02 452.08 451.91 451.96 452.01 451.85 451.85 451.99 451.79 451.98 451.71 451.82 451.84 451.91 451.99 452.05 451.88 451.85 451.83 451.84 451.85
Se hacen piezas con una dimensión crítica de 7.5 0.1 mm, para med
de milésimas de milimetro. Se deben cumplir la norma de la variabilida 20% del intervalo de tolerancias. Se toma una muestra de 10 piezas y 3 operarios miden 3 veces cada
ARCHIVO DIAMETRO_MEDIDA.MTW Pieza 1 2 3 4 5 6 7 8 9 10
Carlos1 Carlos2 Carlos3 7.464 7.449 7.454 7.443 7.436 7.469 7.468 7.453 7.476 7.468 7.469 7.464 7.451 7.457 7.453 7.474 7.455 7.463 7.443 7.467 7.454 7.436 7.436 7.454 7.455 7.463 7.467 7.435 7.446 7.461
a) Formar los datos para R&R, una sola columna para cada concepto: Columna Mediciones Columna Piezas Columna Operario
b) Hacer un análisis gráfico preliminar Sacar conclusiones c) Hacer un estudio R&R cruzado Sacar conclusiones
ARCHIVO DIAMETRO_CAPACIDAD_1.MTW La pieza anterior se debe fabricar para un cliente que exige que el Cp de donde se toman 5 piezas cada media hora (32 muestras en total). Muestra 1 2 3 4 5
Valor 1 7.484 7.495 7.505 7.524 7.484
Valor 2 7.501 7.47 7.505 7.544 7.51
Valor 3 7.489 7.472 7.498 7.49 7.501
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
7.506 7.474 7.49 7.459 7.507 7.504 7.511 7.524 7.488 7.527 7.499 7.51 7.532 7.538 7.552 7.532 7.494 7.54 7.498 7.509 7.51 7.546 7.542 7.575 7.512 7.515 7.535
7.505 7.487 7.54 7.521 7.493 7.479 7.52 7.525 7.548 7.486 7.484 7.501 7.533 7.543 7.484 7.522 7.529 7.517 7.517 7.518 7.534 7.52 7.495 7.483 7.53 7.518 7.538
a) ¿Se cumple el Cp > 1.33?
7.506 7.506 7.515 7.494 7.534 7.517 7.501 7.475 7.509 7.483 7.509 7.499 7.546 7.463 7.526 7.512 7.543 7.517 7.531 7.534 7.548 7.535 7.517 7.533 7.546 7.549 7.544
Stat > Quality Tools > Capa Opción: Data are arranged a Especificaciones 7.4 a 7.6
ARCHIVO DIAMETRO_CAPACIDAD_2.MTW
Cada dia se producen 50 piezas y se verifica la capacidad del proceso se encuentran en este archivo. 50 valores 7.482 7.491 7.536 7.469 7.52 7.493 7.533 7.514 7.483 7.485 7.522 7.53
a) Está todo correcto?
Stat > Quality Tools > Capability Analysi Opción: Data are arranged as - Single colu Especificaciones 7.4 a 7.6 b) Analizar el comportamiento en carta de
Stat > Charts > Variable Charts for Indiv
iable Charts for subgroups > X bar - R
iable Charts for subgroups > X bar - R Define stages DIA1
iable Charts for subgroups > X bar - R e: Omit the following subgroups 1 7 13 19 25 30
ability Analysis > Normal
7.49 7.521 7.535 7.499 7.484 7.503 7.498 7.49 7.464 7.54 7.494 7.558 7.516 7.512 7.469 7.505 7.487 7.496 7.458 7.506 7.478 7.479 7.486 7.503 7.516 7.493 7.509 7.53 7.484 7.513 7.533 7.494 7.508 7.503 7.476 7.506 7.502 7.515
S DATOS EN LA SEGUNDA SEMANA
iable Charts for subgroups > X bar - R
iable Charts for subgroups > X bar - R e: Omit the following subgroups 14
ability Sixpack > Normal Display last 25 subgroups
ability Analysis > Normal
ontrolar esta característica tivas, se trabaja de
for subgroups > X bar - R ud, Subgroup sizes 4
t of Numbers
List each value 32 List whole seq. 1
ve statistics
O_1 a PLASTICO_2
bles del proceso y entre
ARCHIVO PLASTICO_1.MTW Contiene valores adicionales presión, visocidad y temperatura Fecha Hora 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/4/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/5/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/6/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002 11/7/2002
8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00
Presion Viscosidad Temperatura 830.8 41.8 118.4 814.1 41.8 120.7 818.3 43 120.2 820.4 42.1 120.3 808.3 42.7 120.6 827 42.8 121.9 821.9 41.3 123.1 823 42.2 119.8 819.9 42.1 123 827.6 43.8 120.6 823 43.3 123.5 823.5 41.5 122.5 822.1 41.7 121.8 822.7 41.4 120.7 818.1 41.5 120.7 820.4 43.2 121.4 805.8 42.4 119.6 818.2 42.8 118.9 824.8 42.5 120 807.6 41.5 120.3 823.9 40.8 119.8 821.1 41.2 120.5 814.8 42 119.6 828.7 41.8 119.2 825.9 42.4 117.9 820.5 40.6 118.6 821.6 40.8 118.8 825.3 42.8 119 824.5 40.8 120.4 824.1 41.5 120.9 812.1 41.4 120.7 819.8 42.5 117.5
n el proceso estable
Temperatura' > 119) and
s en la pantalla de sesión
Set of Numbers
ta nueva columna tienen 1
11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002 11/8/2002
8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00
804.6 800 823 823.2 826.2 820.9 823.2 821.9
42.4 43 42.4 40.9 42.2 42.8 42.6 42.6
123.9 120.5 121.7 121 119.2 118.1 119 117.3
a de 7.5 0.1 mm, para medir esta cota se usa un micrómetro de resolución
plir la norma de la variabilidad del sistema de medida a 6 sigma inferior al
erarios miden 3 veces cada una en orden aleatorio sin ver sus datos anteriores.
Mikel1
Mikel2 7.473 7.487 7.474 7.484 7.473 7.487 7.487 7.463 7.472 7.471
Mikel3 7.472 7.477 7.472 7.467 7.474 7.454 7.458 7.456 7.464 7.472
Pablo1 7.463 7.476 7.462 7.471 7.469 7.462 7.472 7.468 7.47 7.447
Pablo2 7.471 7.479 7.463 7.471 7.479 7.479 7.471 7.455 7.472 7.456
Pablo3 7.468 7.473 7.468 7.475 7.466 7.472 7.472 7.453 7.463 7.462
olumna para cada concepto: Data > Stack > Columns Calc > Make Patterned Data > Text Values Carlos Mikel Pablo Stat > Quality Tools > Gage Study > Gage Run Chart
Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed) Tolerancia del proceso = 0.2 Study variation = 5.15
cliente que exige que el Cp sea de 1.33. Se fabrican 1920 piezas ora (32 muestras en total). Valor 4 7.503 7.483 7.503 7.515 7.518
Valor 5 7.493 7.547 7.526 7.484 7.47
7.464 7.473 7.48 7.483 7.468 7.473 7.475 7.462 7.475 7.467
ARCHIVO VISITAS_WEB.M Describe el número de visita página Web durante octubre indicando también la fecha y Fecha 10/1/2002 10/2/2002 10/3/2002 10/4/2002 10/5/2002 10/6/2002 10/7/2002 10/8/2002 10/9/2002 10/10/2002 10/11/2002 10/12/2002 10/13/2002 10/14/2002 10/15/2002 10/16/2002 10/17/2002 10/18/2002 10/19/2002 10/20/2002 10/21/2002 10/22/2002 10/23/2002 10/24/2002 10/25/2002 10/26/2002 10/27/2002 10/28/2002 10/29/2002 10/30/2002 10/31/2002 11/1/2002 11/2/2002 11/3/2002
7.515 7.526 7.536 7.544 7.539 7.501 7.483 7.517 7.489 7.533 7.499 7.505 7.517 7.558 7.496 7.5 7.474 7.531 7.56 7.545 7.487 7.541 7.557 7.53 7.535 7.528 7.538
7.483 7.502 7.487 7.53 7.542 7.512 7.521 7.504 7.535 7.546 7.515 7.509 7.528 7.516 7.517 7.512 7.512 7.489 7.533 7.515 7.518 7.513 7.539 7.551 7.553 7.541 7.547
Stat > Quality Tools > Capability Sixpack > Normal Opción: Data are arranged as - Subgroups across rows of Especificaciones 7.4 a 7.6
ca la capacidad del proceso, los datos para un cierto día
Tools > Capability Analysis > Normal are arranged as - Single column size 50
omportamiento en carta de control
> Variable Charts for Individuals > I-MR
11/4/2002 11/5/2002 11/6/2002 11/7/2002 11/8/2002 11/9/2002 11/10/2002 11/11/2002 11/12/2002 11/13/2002 11/14/2002 11/15/2002 11/16/2002 11/17/2002 11/18/2002 11/19/2002 11/20/2002 11/21/2002 11/22/2002 11/23/2002 11/24/2002 11/25/2002 11/26/2002 11/27/2002 11/28/2002 11/29/2002 11/30/2002
a) Hacer un análisis explorat
b) Eliminar los puntos 10 y d
c) Hacer estudio de capacida sacar conclusiones
ARCHIVO VISITAS_WEB.MTW Describe el número de visitas recibidas en una página Web durante octubre y noviembre de 2002 ndicando también la fecha y día de la semana Dia semana Visitas M 73 Mi 69 J 60 V 68 S 27 D 38 L 69 M 75 Mi 66 J 146 V 117 S 79 D 64 L 70 M 66 Mi 67 J 63 V 68 S 44 D 41 L 78 M 91 Mi 59 J V S D L M Mi J V S D
66 73 39 40 64 78 75 69 75 26 43
L M Mi J V S D L M Mi J V S D L M Mi J V S D L M Mi J V S
59 67 89 50 63 32 32 70 78 66 78 64 40 42 70 81 65 66 76 34 32 60 63 68 74 59 44
a) Hacer un análisis exploratorio de datos
Stat > Time Series > Time series plot
b) Eliminar los puntos 10 y de fines de semana
Data > Copy > Columns to columns
) Hacer estudio de capacidad por Poisson acar conclusiones
Subset the data Rows that match "Dia semana" = "S" or "Dia semana"="D" or Fecha Substituir valores fuera de control de anuncios por * Stat > Quality Tools > Capability Analysis > Poisson
CARTAS DE CONTROL
CARTAS DE CONTROL POR VARIABLES DE MEDIAS RANGOS En Minitab > Stat > Control Charts > Xbar R
Seleccionar Single column = indicar la Columna de datos Subgroup size = Indicar el tamaño del subgrupo (5 comun) Seleccionar Subgroup across rows of = indicar las Columnas de datos
598 599.8 600 599.8 600 600 598.8 598.2 599.4 599.6
599.4 599.4 600 598.8 599.2 599.4 599.6 599 599.2 600.6
Proveedor 1 598.8 598.8 599.8 599.2 599.4 600 600.2 600.2 599.6 599
599 599.8 600.8 598.8 598.2 600 599.2 599.8 601.2 600.4
CARTAS DE CONTROL POR VARIABLES DE LECTURAS INDIVIDUALES En Minitab > Stat > Control Charts > Xbar R Seleccionar Variable = indicar la Columna de datos OK
CARTAS DE CONTROL POR ATRIBUTOS PARA FRACCION DEFECTIVA En Minitab > Stat > Control Charts > P Seleccionar Variable = indicar la Columna de Productos defectivos Seleccionar Subgroup size = Tamaño de muestra constante ó Seleccionar Sugroups in = Columna de tamaños de muestra variables OK D Defectivos
n Muestras
20 18 14 16 13 20 21 14 6 6
98 104 97 99 97 102 104 101 55 48 Promedio = 72
CARTAS DE CONTROL POR ATRIBUTOS DE NÚMERO DE DEFECTIVOS En Minitab > Stat > Control Charts > NP Seleccionar Variable = indicar la Columna de Productos defectivos Seleccionar Subgroup size = Tamaño de muestra constante que corresponde aprox. al promedio de las muestras OK Usando un tamaño de muestra constante de 72
CARTAS DE CONTROL PARA NÚMERO DE DEFECTOS En Minitab > Stat > Control Charts > u Seleccionar Variable = indicar la Columna de Defectos Seleccionar Subgroup size = Tamaño de muestra constante que corresponde aprox. al promedio de las muestras OK
"Dia semana"="D" or Fecha = Date("10/01/2000")
Defectos 2 4 1 1 4 5 2 1 2 4
4 3 5 2 1 1 2 3 2 4
3 2 4 3 2 3 5 1 4 3
CARTAS DE CONTROL PARA DEFECTOS POR UNIDAD En Minitab > Stat > Control Charts > C
4 2 3 6 4 0 1 2 3 1
Seleccionar Variable = indicar la Columna de Defectos Seleccionar Subgroup size = Tamaño de muestra constante ó Seleccionar Sugroups in = Columna de tamaños de muestra variables OK
Xbar/R Chart for Proveedor 1
Sample Mean
600.5
Opcional
lumna de datos grupo (5 comun) dicar las Columnas de datos
600.2 599.6 599.6 599.6 600.2 599.2 599 599.6 600.4 600
UCL=600.3
Mean=599.5
599.5
LCL=598.8 598.5
Subgroup
0
10
20
Sample Range
3
599 599.6 599.4 599.2 597.8 600.4 599.6 600 600.8 600.4
599.4 599 598.4 599 599.6 598.8 599.2 599.6 598.6 599.8
UCL=2.876
2 R=1.36 1 0
LCL=0
599.6 599.2 599.6 600.2 599.8 599.6 600 599.6 599.2 598.6
599.6 601.2 599.6 600.2 600 600 599.4 599.8 599.2 599.6
599.4 600 600 599.2 599.4 599.6 599.8 599 599.6 599.4
I and MR Chart for Proveedor 1
Indiv idual Value
601.5
RAS INDIVIDUALES
1
1
UCL=601.2
600.5 599.5
Mean=599.5
598.5
0
50
3
Mov ing Range
LCL=597.9
1
597.5 S ubgroup
100
1 1
2
UCL=2.000
1 R=0.6121 0
LCL=0
CCION DEFECTIVA P Chart for Defec tiv UC L=0. 3235
0. 3
Proportion
de Productos defectivos muestra constante ó maños de muestra variables
0. 2 P=0. 1622 0. 1
0. 0
D Defectivos
n Muestras
LC L=8. 99E-04 0
10
Sample Number
20
7 7 9 5 8 9 9 10 9 10
50 53 56 49 56 53 52 51 52 47
NP Chart for Defectiv 1
de Productos defectivos muestra constante omedio de las muestras
Sample Count
O DE DEFECTIVOS
NP=11.55 10
LCL=2.208 0 0
10
20
Sample Number
tra constante de 72
C Chart for Defectos 8
UCL=7.677
7
Sample Count
6 5 4 3
C=2.725
2 1 0
LCL=0 0
10
20
30
40
Sample Number
Si se considera n = 2 se tiene:
U Chart for Defectos 4
UCL=3.839
3
Sample Count
de Defectos muestra constante omedio de las muestras
UCL=20.89
20
Promedio = 72
2 U=1.363 1
0
LCL=0 0
10
20
Sample Number
30
40
de Defectos muestra constante ó maños de muestra variables
Sample Count
3
2 U=1.363 1
0
LCL=0 0
10
20
Sample Number
30
40
APLICACIONES DEL MÓDULO 7. DISEÑO DE EXPERIMENTOS
CARTAS MULTIVARI En Minitab
c)
> Stat > Quality Tools > Multivari Charts
Tiempo de
Seleccionar Response = Columna de la variable de respuesta (Y)
Templado
Tipo de Metal
Resistencia
Seleccionar Factors 1 al 4 = Columnas de datos de los factores de interés (Xi's)
1
18
22
OK
1 1
21 21
20 19
1
21
22
2
15
18
2
15
18
a)
b)
Tiempo de Tipo de Templado
Metal
Tiempo de Tipo de Resistencia
Templado
Metal
Resistencia
0.5 0.5 0.5
15 15 15
23 20 21
0.5 0.5 1
21 21 15
18 21 22
2 2 2
15 18 18
16 21 23
0.5
18
22
1
15
20
2
18
20
0.5
18
19
1
15
19
2
21
20
0.5
18
20
1
18
24
2
21
22
0.5
21
19
1
18
25
2
21
24
CORRIDA EN MINITAB DE UN DISEÑO DE EXPERIMENTOS (5.1) PRESION (psig) 200 215 230 90.4 90.7 90.2 90.2 90.6 90.4 90.1 90.5 89.9 90.3 90.6 90.1 90.5 90.8 90.4 90.7 90.9 90.1
TEMP. 150 160 170
PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO Stat > DOE > Factorial > Create Factorial Design Type of Design: General Full Factorial Designs: Number of levels Number of Replicates 2
3, 3
Options Non randomize runs OK Factors Introducir el nombre real de los factores y en forma opcional los niveles reales
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O ARREGLO StdOrder RunOrderBlocks 1 1 1 2 2 1 3 3 1 4 4 1 5 5 1 6 6 1 7 7 1 8 8 1 9 9 1 10 11 12 13 14 15
10 11 12 13 14 15
1 1 1 1 1 1
Temp 1 1 1 2 2 2 3 3 3
Presion 1 2 3 1 2 3 1 2 3
Resp 90.4 90.7 90.2 90.1 90.5 89.9 90.5 90.8 90.4
1 1 1 2 2 2
1 2 3 1 2 3
90.2 90.6 90.4 90.3 90.6 90.1
16
16
1
3
1
90.7
17
17
1
3
2
90.9
18
18
1
3
3
90.1
PASO 3 ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL COMPLETO
Stat > DOE > Factorial > Analyze Factorial Design Response Seleccionar la columna de las respuestas Residuals Estandardized Terms Pasar todos los términos a Selected con >> OK Graphs Seleccionar Effects Plots Normal y Pareto Seleccionar Residual plots: Normal y vs fits OK Results Full table of fits and residuals Seleccionar todos los términos con >> OK OK
CONCLUSIONES EN RESIDUALES Residuals Versus the Fitted Values (response is Resp)
Residual
0.1
Residuales vs Y estimada deben ser aleatorios
0.0
-0.1
90.0
90.1
90.2
90.3
90.4
90.5
90.6
90.7
Fitted Value
Normal Probability Plot of the Residuals (response is Resp) 2
1
Normal Score
Gráfica Normal de residuales deben aproximarse a la línea recta
0
-1
-2 -0.1
0.0
Residual
0.1
90.8
90.9
-1
-2 -0.1
0.0
0.1
Residual
General Linear Model: Resp versus Temp, Presion Factor Type Levels Values Temp fixed 3123 Presion fixed 3123 Analysis of Variance for Resp, using Adjusted SS for Tests Source DF Temp 2 Presion 2 Temp*Presion 4 Error 9 Total 17
Seq SS Adj SS 0.30111 0.30111 0.76778 0.76778 0.06889 0.06889 0.16000 0.16000 1.29778
Adj MS F P 0.15056 8.47 0.009 0.38389 21.59 0.000 0.01722 0.97 0.470 0.01778
Significativos a nivel de 0.05 No significativo a nivel 0.05
Y(i,j) estimada= Promedio de valores en cada celda (i,j) Residuales o error e(i,j) = Y(i,j) real observada - Y (i,j) estimada PASO 4. OBTENER LAS GRÁFICAS FACTORIALES PARA IDENTIFICAR LAS MEJORES CONDICIONES DE OPERACIÓN Stat > DOE > Factorial > Factorial Plots Seleccionar Main effects e Interaction Plots Setup para ambas: Seleccionar columna Respuesta y con >> seleccionar todos los factores OK Seleccionar Data Means OK
De aquí se seleccionan los mejores niveles de acuerdo al resultado deseado. si la interacción es significativa, los mejores niveles se seleccionan de las gráficas de interacciones, de otra forma se seleccionan de las gráficas de efectos de los factores principales.
Main Effects Plot - Data Means for Resp
Temp 90.68
Resp
90.56
90.44
90.32
90.20
Presion
R 90.32
90.20
Interaction Plot - Data Means for Resp Temp 1 2 3
90.8
Mean
90.6
90.4
90.2
90.0 1
2
Presion
3
CORRIDA EN MINITAB TOMANDO DE UN DISEÑO DE EXPERIMENTOS 2K (6.5)
Se usa un Router para hacer los barrenos de loc. de una placa de circuito impreso. La vibración es fuente principal de variación. La vibración de la placa a ser cortada depende del tamaño de los barrenos (A1 = 1/16" y A2 = 1/8") y de la velocidad de corte (B1 = 40 RPMs y B2 = 90 RPMs). La variable de respuesta se mide en tres acelerómetros A,Y,Z en cada uno de los circuitos impresos. Los resultados se muestran a continuación.
A
+ +
Not. Montgomery Combinación B Trat. (1) a + b + ab
Niveles Codificados A -1 1 -1 1
Niveles Reales A B 0.063 40 0.125 40 0.063 90 0.125 90
B -1 -1 1 1
Respuesta Vibración
I 18.2 27.2 15.9 41.0
Réplica II III 18.9 12.9 24.0 22.4 14.5 15.1 43.9 36.3
PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO
Stat > DOE > Factorial > Create Factorial Design Type of Design: º Two Level Factorial Number of Factors 2
Designs
Full Factorial
Number of Center points 0 Number of replicates:
4
Number of Blocks
1
OK
Factors Factor Name A Diametro B Velocidad
Type Numeric Numeric
Low 0.063 40
High 0.125 90 OK
IV 14.4 22.5 14.2 39.9
Factors Factor Name A Diametro B Velocidad
Type Numeric Numeric
Low 0.063 40
High 0.125 90 OK
Options o Randomize Runs (quitar selección)
OK
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O ARREGLO StdOrderRunOrderCenterPt Blocks DiametroVelocidad Resp
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
-1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1
-1 -1 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1
18.2 27.2 15.9 41.0 18.9 24.0 14.5 43.9 12.9 22.4 15.1 36.3 14.4 22.5 14.2 39.9
PASO 3 ANALIZAR EL MODELO DEL DISEÑO DE EXPERIMENTOS FACTORIAL COMPLETO Stat > DOE > Factorial > Analyze Factorial Design Response Seleccionar la columna de las respuestas Vibración Residuals Estandardized
Terms
Pasar todos los términos a Selected terms con >> OK
Stat > DOE > Factorial > Analyze Factorial Design Response Seleccionar la columna de las respuestas Vibración Residuals Estandardized
Terms
Pasar todos los términos a Selected terms con >> OK
Graphs
Seleccionar Effects Plots Normal y Pareto
Seleccionar Alfa = 0.05
Seleccionar Residual for Plots Standardized o Regular Seleccionar Residual plots: Normal y vs fits OK
Results Seleccionar º! Full table of fits and residuals in addition to the above Seleccionar en Display of alias table º! Default interactions Seleccionar todos los términos a Selected terms con >> OK
OK
Normal Probability Plot of the Residuals
Los resultados se muestran a continuación
(response is Vibración) 99
CONCLUSIONES EN RESIDUALES
95 90
Percent
80 70 60 50 40 30 20
Residuales vs Y estimada deben ser aleatorios y apegarse a la linea de regresión indicando que se distribuyen en forma normal y el modelo es válido
10 5
1
-3
-2
-1 0 1 Standardized Residual
2
3
Residuals Versus the Fitted Values (response is Vibración) 2
Los residuales vs Valores de Y estimados (fits) deben distribuirse de manera aleatoria 1 por arriba y debajo de la linea central indicando que son independientes de la respuesta Standardized Residual
a)
0
-1
-2 15
20
25 30 Fitted Value
35
40
Los valores de los residuales se calculan comos sigue:
Y(i,j) estimada con la ecauación de regresión para cada combianción de niveles i, j. Residuales o error e(i,j) = Y(i,j) real observada - Y (i,j) estimada La tabla de residuales calculada se muestra a continuación: Obs 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 b)
StdOrder 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Vibración 18.2000 27.2000 15.9000 41.0000 18.9000 24.0000 14.5000 43.9000 12.9000 22.4000 15.1000 36.3000 14.4000 22.5000 14.2000 39.9000
Fit 16.1000 24.0250 14.9250 40.2750 16.1000 24.0250 14.9250 40.2750 16.1000 24.0250 14.9250 40.2750 16.1000 24.0250 14.9250 40.2750
SE Fit 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224 1.2224
Residual 2.1000 3.1750 0.9750 0.7250 2.8000 -0.0250 -0.4250 3.6250 -3.2000 -1.6250 0.1750 -3.9750 -1.7000 -1.5250 -0.7250 -0.3750
St Resid 0.99 1.50 0.46 0.34 1.32 -0.01 -0.20 1.71 -1.51 -0.77 0.08 -1.88 -0.80 -0.72 -0.34 -0.18
CONCLUSIONES EN LA TABLA DE ANOVA Analysis of Variance for Vibración (coded units) Source Main Effects 2-Way Interactions Residual Error Pure Error Total
DF 2 1 12 12 15
Seq SS 1334.48 303.63 71.72 71.72 1709.83
Adj SS 1334.48 303.63 71.72 71.72
Adj MS 667.241 303.631 5.977 5.977
F 111.64 50.80
P 0.000 0.000
P DOE > Factorial > Factorial Plots Seleccionar Main effects, Interaction Plots y Cube Plot Realizar el Setup para cada una de estas: Seleccionar columna Respuesta vibración y con >> seleccionar todos los factores a Selected OK Seleccionar Data Means OK
La gráficas se muestran a continuación:
La gráfica de Cubo sólo muestra el arreglo experimental en forma gráfica:
Cube Plot (data means) for Vibración
14.925
40.275
1
Velocidad
16.100
24.025
-1 -1
1
Diametro
Se seleccionan los mejores niveles de acuerdo al resultado deseado. Si la interacción ES significativa, los mejores niveles se seleccionan de gráficas de interacciones Interaction Plot (data means) for Vibración Diametro -1 1
40
En este caso como buscamos una respuesta de menor es mejor para el caso de la vibración seleccionamos de los cuatro puntos que forman la interacción de A y B, el que proporcione la menor repuesta, en este caso:
Mean
35
30
25
20
15 -1
Velocidad Alta Diametro Bajo
1 Velocidad
Si la interacción NO es significativa, los mejores niveles se seleccionan de las gráficas de los factores principales (Main effects): - Lo cual en este caso no aplica. Main Effects Plot (data means) for Vibración Diametro 32.5
Mean of Vibración
30.0 27.5 25.0 22.5 20.0
Velocidad
Mean of Vibración
30.0 27.5 25.0 22.5 20.0 17.5 15.0 -1
1
-1
1
PASO 5. OBTENCIÓN DE LAS GRÁFICAS DE CONTORNOS Y DE SUPERFICIE DE RESPUESTA Las instrucciones son las siguientes: Stat > DOE > Factorial > Contour / Surface Plots Seleccionar Contour y Surface Plots Realizar el Setup para cada una de estas: Seleccionar columna Respuesta vibración Seleccionar Uncoded units (valores reales) o Codificados OK OK
La gráfica de contornos indica la combianción de niveles para A y B manteniendo la Y resp. Cosntante. Sirve para indicar hacia donde se debe seguir experimentando si se quiere mejorar la respuesta, trazando una recta casi perpendicular a los contornos: Contour Plot of Vibración vs Velocidad, Diametro 1.0
Vibración < 15 15 - 20 20 - 25 25 - 30 30 - 35 35 - 40 > 40
Velocidad
0.5
0.0
-0.5
-1.0 -1.0
-0.5
0.0 Diametro
0.5
1.0
La gráfica de Superficie de respuesta nos indica el comportamiento del proceso es decir como varia la respuesta Y = vibración en función de variaciones con Diametro y Velocidad
Surface Plot of Vibración vs Velocidad, Diametro
40
Vibración
30
20
1 -1
0 0 Diametro
1
-1
Velocidad
CORRIDA EN MINITAB DEL DISEÑO DE EXPERIMENTOS FRACCIONAL DE TAGUCHI Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos niveles, los más utilizados y difundidos según el número de factores a analizar son: Nº de condiciones
Si el número de factores que se desean analizar es
Arreglo a utilizar
a probar
Entre 1 y 3
L4
4
Entre 4 y 7
L8
8
Entre 8 y 11
L12
12
Entre 12 y 15
L16
16
Entre 16 y 31
L32
32
Entre 32 y 63
L64
64
Taguchi sugiere utilizar un estadístico que proporcione información acerca de la media y de la variancia denominado Relación Señal a Ruido (SNR), como la variable de respuesta, se consideran tres tipos principales: 1. Menor es mejor (Smaller is better - s) 2. Mayor es mejor Larger is better - l) 3. Nominal es mejor - (Target is better - t) Las fórmulas para cada esquema son las siguientes
n 2 Yi
SNRs=−10 log ∑ i=1
n
n
2
1/ ¿ SNRl=−10 log ∑ Yi n i=1 ¿
SNRt =−10 log s
Donde la SNR se expresa en decibeles y debe ser maximizada Ejemplo: Optimización de un proceso de soldadura de tarjetas de circuito impreso Una vez insertados los componentes en una placa de circuito impreso, esta se pasa a una máquina de soldar donde por medio de un transportador pasa por un baño de flux para eliminar oxido, se precalienta para reducir la torcedura y se solda. Se diseña un experimento para determinar las condiciones que dan el número mínimo de defectos de soldadura por millón de uniones. Los factores de control y niveles se muestran a continuación: Factor A B C D E
Descripción Temperatura de soldado ºF Velocidad del transportador (ft/ Densidad del flux remover oxid Temperatura de precalentado º Altura de ola de soldadura(pulg
(-1) 480 7.2 0.9 150 0.5
(+1) 510 10. 1.0 200 0.6
El arreglo de los factores de control se denomina Arreglo interno fraccional 25-2
Además se tienen otros factores denominados factores de ruido que no se pueden o no se quieren controlar como el tipo de producto. También se pueden considerar factores de ruido las tolerancias de algunos de los
2
factores críticos en este proceso, en este caso la temperatura de la soldadura varia entre ±5ºF y la velocidad del transportador entre 0.2 ft/min. Esta variabilidad también tiene influencia en la respuesta. Factor Descripción (-1) F Temperatura de soldadura (ºF) -5 G H
Velocidad del transportador (ft/ -0.2 Tipo de producto en la placa 2
(+1) 5
El arreglo de los factores de ruido
+0.2 1
se denomina Arreglo externo fraccional 23-1
El arreglo cruzado de ambos y los valores de las respuestas se muestran a continuación: En este caso se busca la respuesta Menor es mejor para los defectos de soldadura.
F G H
Arreglo interno A -1 -1 -1 -1 1 1 1 1
B -1 -1 1 1 -1 -1 1 1
C -1 1 -1 1 -1 1 -1 1
D -1 1 -1 1 1 -1 1 -1
E -1 1 1 -1 -1 1 1 -1
-1 -1 -1
1 1 -1
1 -1 1
-1 1 1
186 328 234 295 47 185 136 194
187 326 159 216 125 261 136 197
105 247 231 204 127 264 132 193
104 322 157 293 42 264 136 275
SNR
=-10*LOG10(SUMA.CUADRADOS(J69:M69)/4)
-43.59 -49.76 -45.97 -48.15 -39.51 -47.81 -42.61 -46.75
PASO 1. GENERAR EL DISEÑO FACTORIAL DE ACUERDO AL EXPERIMENTO
Stat > DOE > Taguchi > Create Taguchi Design 2 Level Design Number of factors 5
Designs
L8
OK
Factors (para cambiar nombre de factores y niveles) o To columns of the array as specified below o To allow estimation of selected interactions Seleccionar Selected terms AB Factor Name A Temp sold B Vel. transp. C Densidad flux D Temp precal E Altura de ola
Level values Column Levels -1 1 1 2 -1 1 2 2 -1 1 3 2 -1 1 4 2 -1 1 5 2
o To allow estimation of selected interactions Seleccionar Selected terms AB Factor Name A Temp sold B Vel. transp. C Densidad flux D Temp precal E Altura de ola
OK
Level values Column Levels -1 1 1 2 -1 1 2 2 -1 1 3 2 -1 1 4 2 -1 1 5 2
Options o Store design in worksheet OK
PASO 2. CARGA DE DATOS DE LA COLUMNA DE RESPUESTA CORRESPONDIENTE A CADA COMBINACION DE FACTORES DESPUÉS QUE MINITAB GENERO EL DISEÑO O ARREGLO A -1 -1 -1 -1 1 1 1 1
B -1 -1 1 1 -1 -1 1 1
C -1 1 -1 1 -1 1 -1 1
D -1 1 -1 1 1 -1 1 -1
E -1 1 1 -1 -1 1 1 -1
-F-G-H 186 328 234 295 47 185 136 194
FG-H F-GH -FGH 187.0 105 104 326.0 247 322 159.0 231 157 216.0 204 293 125.0 127 42 261.0 264 264 136.0 132 136 197.0 193 275
PASO 3 ANALIZAR MODELO DE DISEÑO DE EXPERIMENTOS FRACCIONAL DE TAGUCHI Stat > DOE > Taguchi > Analyze Taguchi Design Response Data are in - Seleccionar las cuatro columnas de respuestas C6 - C9
Graphs Seleccionar Signal to noise ratios , means, interaction plots in Matrix Analysis Seleccionar Signal to noise ratios y Means para Response tables y Fit Model Terms
Seleccionar A, B, C, D , E y AB
Options Seleccionar Smaller is better Analysis Graphs Seleccionar Standardized Residual for plots y Normal Plot
OK
Los resultados se muestran a continuación a) Gráfica normal de residuos Normal Probability Plot of the Residuals
Normal Probability Plot of the Residuals
(response is SN ratios)
(response is Means)
99
99
95
95
90
90
80
Percent
Percent
80 70 60 50 40 30
60 50 40 30 20
20
10
10
5
5
1
70
1
-3
-2
-1 0 1 Standardized Residual
2
3
-3
-2
-1 0 1 Standardized Residual
2
3
Indica que le modelo es adecuado
b) Coeficientes y ANOVA para Relaciones Señal a Ruido
Taguchi Analysis: -F-G-H, FG-H, F-GH, -FGH versus A, B, C, D, E Linear Model Analysis: SN ratios versus A, B, C, D, E Estimated Model Coefficients for SN ratios Term Constant A -1 B -1 C -1 D -1 E -1 A*B -1 -1 S = 0.05974
Coef -45.5183 -1.3480 0.3503 2.6000 -0.5119 1.0188 -0.1589
SE Coef 0.02112 0.02112 0.02112 0.02112 0.02112 0.02112 0.02112
R-Sq = 100.0%
T -2154.926 -63.819 16.583 123.089 -24.233 48.230 -7.520
P 0.000 0.010 0.038 0.005Para SNR los cinco factores son significativos 0.026a una alfa del 5% 0.013 0.084
R-Sq(adj) = 100.0%
Analysis of Variance for SN ratios Source A B
DF 1 1
Seq SS 14.5378 0.9815
Adj SS 14.5378 0.9815
Adj MS 14.5378 0.9815
F 4072.88 274.99
P 0.010 0.038
C D E A*B Residual Error Total
1 1 1 1 1 7
54.0796 2.0961 8.3030 0.2019 0.0036 80.2035
54.0796 2.0961 8.3030 0.2019 0.0036
54.0796 2.0961 8.3030 0.2019 0.0036
15150.84 587.23 2326.15 56.56
0.005 0.026 0.013 0.084
c) Coeficientes y ANOVA para las medias de los factores Linear Model Analysis: Means versus A, B, C, D, E Estimated Model Coefficients for Means Term Constant A -1 B -1 C -1 D -1 E -1 A*B -1 -1 S = 8.839
Coef 197.125 27.500 -2.125 -56.875 2.625 -22.750 3.125
SE Coef 3.125 3.125 3.125 3.125 3.125 3.125 3.125
R-Sq = 99.8%
T 63.080 8.800 -0.680 -18.200 0.840 -7.280 1.000
P 0.010 0.072 0.620 0.035 0.555 0.087 0.500
Solo son significativos a un nivel alfa del 5% el factor C y al 10% A, C, E.
R-Sq(adj) = 98.5%
Analysis of Variance for Means Source A B C D E A*B Residual Error Total
DF 1 1 1 1 1 1 1 7
Seq SS 6050.0 36.1 25878.1 55.1 4140.5 78.1 78.1 36316.1
Adj SS 6050.0 36.1 25878.1 55.1 4140.5 78.1 78.1
Adj MS 6050.0 36.1 25878.1 55.1 4140.5 78.1 78.1
F 77.44 0.46 331.24 0.71 53.00 1.00
d) Las respuestas promedio y gráficas factoriales para relación Señal a Ruido son: ¿
Response Table for Signal to Noise Ratios Smaller is better Level 1 2 Delta Rank
A -46.87 -44.17 2.70 2
B -45.17 -45.87 0.70 5
C -42.92 -48.12 5.20 1
D -46.03 -45.01 1.02 4
E -44.50 -46.54 2.04 3
P 0.072 0.620 0.035 0.555 0.087 0.500
Main Effects Plot (data means) for SN ratios A
B
C
Mean of SN ratios
-44
-46
Los factores más significativos son A, C y E.
-48 -1
1
-1
1
D
-1
1
Seleccionamos para menor es mejor
E
los que den respuesta Máxima: A= 1 B = -1 C = -1 D=1 E = -1
-44
-46
-48 -1
1
-1
1
Signal-to-noise: Smaller is better
I nteraction Plot (data means) for SN ratios -1
1 A -1 1
-44 -45 A
Se observan líneas casi paralelas
-46
por lo que no hay interacción significativa entre los factores A y B
-47
B
Si fuera significativa de aquí seleccionamos -1 1 los niveles para A y B
-44 -45 B -46 -47 -1
1
Signal-to-noise: Smaller is better
d) Las respuestas promedio y gráficas factoriales para los factores principales son:
Main Effects Plot (data means) for Means A
B
C
250 225
Se observan como factores significativos
Mean of Means
200
A, C y E (considerados para alfa de 10%),
175
seleccionamos para una respuesta mínima:
150 -1
1
-1
D
1 E
250
-1
1
A= 1 C = -1 E = -1
225 200
Si no coincidieran los niveles en SN y medias
175
en los factores, se da prioridad a los niveles que maximizen la SNR.
150 -1
1
-1
1
acciones
or es mejor
175 150 -1
1
-1
1
Interaction Plot (data means) for Means -1
1 220
A -1 1
200 A 180 160 220 200 B 180 160 -1
1
No se observa interacción significativa entre los factores A y B, las líneas B -1 1
están casi paralelas
log s
DISEÑO CENTRAL COMPUESTO DE SUPERFICIE DE RESPUESTA Un modelo de primer orden es el siguiente:
y=β0 +β1 x1 +β2 x2+...βk xk +ε Su gráfica de contornos son líneas rectas que nos permiten seguir experimentando en la trayectoria de ascenso rápido, perpendicular a los contornos
2
Incremento
Niveles codificados
Niveles reales
Respuesta
Orig. +8
8
3.36
75
173
70.4
Orig. +9
9
3.78
80
175
77.6
Orig. +10
10
4.20
85
177
80.3
Orig. +11
11
4.62
90
179
76.2
Orig. +12
12
5.04
95
181
75.1
+12
Trayectoria de ascenso rápido
En este punto ya no funciona el modelo lineal anterior, se requiere uno cuadrático
Respuesta
Pasos Experimentales
Si en ANOVA se indica que un modelo cuadrático es mejor que uno lineal, el modelo a aplicar es:
k
k
k−1 k
Y=β 0+∑ β i X i + ∑ β ii X 2i + ∑ ∑ β ij X i X j +ε i=1
i=1
i=1 j=2
El modelo a utilizar en lugar de un rectángulo del diseño lineal, es el diseño central compuesto con puntos axiales como se muestra abajo:
Puntos axiales en 1.414
Diseño lineal normal
Réplicas en (0,0) para el error puro
Ejemplo de diseño central compuesto:
0
Variables reales del
Proceso
Variables codificadas
Rendimiento
Corrida
Tiempo (min.)
Temp.(ºF)
X1
X2
Y2
1
80
170
-1
-1
76.5
2
80
180
-1
1
77.0
3
90
170
1
-1
78.0
4
90
180
1
1
79.5
5
85
175
0
0
79.9
6
85
175
0
0
80.3
7
85
175
0
0
80.0
8 9
85 85
175 175
0 0
0 0
79.7 79.8
8 9
85 85
175 175
0 0
0 0
79.7 79.8
10 11 12 13
92.07 77.93 85 85
175 175 182.07 167.93
1.414 -1.414 0 0
0 0 1.414 -1.414
78.4 75.6 78.5 77.0
Corrida en Minitab:
Paso 1. Crear el diseño de exp. Central Compuesto (CCD) Stat> DOE > Surface Response > Create Response Surface Design En Type of Designs seleccionar Central Composite Number of factors 2 En Designs seleccionar Full Runs 13 Center points 5 Axial 1.414 Number of center points seleccionar Default Value of Alfa Default Replicates 1 En Factors seleccionar Nombre de los factores y niveles de los mismos En Options seleccionar NO Randomize runs y Store Design in Worksheet En Results seleccionar Summary table and Design Table OK Design Table Central Composite Design Factors: Base runs: Base blocks:
Run
Blk
A
B
1
1
-1.00000
-1.00000
2
Replicates:
1
2
1
1.00000
-1.00000
13
Total runs:
13
3
1
-1.00000
1.00000
1
4
1
1.00000
1.00000
5
1
-1.41421
0.00000
6
1
1.41421
0.00000
7
1
0.00000
-1.41421
8
1
0.00000
1.41421
1
Total blocks:
Two-level factorial: Full factorial
Cube points:
4
Center points in cube:
5
9
1
0.00000
0.00000
Axial points:
4
10
1
0.00000
0.00000
Center points in axial:
0
11
1
0.00000
0.00000
12
1
0.00000
0.00000
13
1
0.00000
0.00000
Alpha: 1.41421
Paso 2. Cargar los datos de respuesta de los experimentos StdOrder RunOrder PtType 1 1 1 2 2 1 3 3 1 4 4 1 5 5 -1 6 6 -1 7 7 -1 8 8 -1
Blocks A B Rendim. Viscocidad 1 -1 -1 76.5 62 1 1 -1 78.0 66 1 -1 1 77.0 57 1 1 1 79.5 59 1 -1.41421 0 75.6 71 1 1.41421 0 78.4 68 1 0 -1.41421 77.0 57 1 0 1.41421 78.5 58
9 10 11 12 13
9 10 11 12 13
0 0 0 0 0
1 1 1 1 1
0 0 0 0 0
0 0 0 0 0
79.9 80.3 80.0 79.7 79.8
72 69 68 70 71
Paso 3. Analizar el Diseño de superficie de respuesta CCD Stat> DOE > Surface Response > Analyze Surface Response Design En Response seleccionar Rendimiento y Coded Units En Graphs seleccionar Residual Plots o Normal Plot OK Norm al Probability Plot of thees Residuals La gráfica normal de residuos la siguiente: (response is Rendim)
El modelo es
99
adecuado
95 90
Percent
80 70 60 50 40 30 20 10 5
1
-0.50
-0.25
0.00 Residual
0.25
0.50
Los resultados del análisis son: Response Surface Regression: Rendim versus A, B The analysis was done using coded units. Estimated Regression Coefficients for Rendim Term Constant A B A*A B*B A*B S = 0.2660
Coef 79.9400 0.9950 0.5152 -1.3762 -1.0013 0.2500
SE Coef 0.11896 0.09405 0.09405 0.10085 0.10085 0.13300
R-Sq = 98.3%
T 671.997 10.580 5.478 -13.646 -9.928 1.880
P 0.000 0.000 0.001 0.000 0.000 0.102
SON SIGNIFICATIVOS
R-Sq(adj) = 97.0%
La ecuación de regresión es: Y = 79.94 + 0.995*A + 0.5152*B - 1.3762*A*B - 1.0013*B*B Analysis of Variance for Rendim
Source
DF
Seq SS
Adj SS
Adj MS
F
P
Regression
5
28.2478
28.2478
5.64956
79.85
0.000
Linear
2
10.0430
10.0430
5.02148
70.97
0.000
Square
2
17.9548
17.9548
8.97741
126.88
0.000
Interaction
1
0.2500
0.2500
0.25000
3.53
0.102
Residual Error
7
0.4953
0.4953
0.07076
Lack-of-Fit
3
0.2833
0.2833
0.09443
1.78
0.290
Pure Error
4
0.2120
0.2120
0.05300
12
28.7431
Total
Con el error Lack of Fit se observa que el modelo lineal no es adecuado, se reuqiere el modelo cuadrático
Stat> DOE > Surface Response > Contour/Response Plots Seleccionar Contour y Surface plots En Setup de cada una simplemente entrar y salir OK Surface Plot of Rendim vs B, A
80 78 Rendim 76 74
1 0 -1 A
0
1
-1
B
Punto óptimo A=0, B=0.5
Contour Plot of Rendim vs B, A
1.0
B
0.5
0.0
-0.5
-1.0
Rendim < 74 74 - 75 75 - 76 76 - 77 77 - 78 78 - 79 79 - 80 > 80
B
0.5
78 - 79 79 - 80 > 80
0.0
-0.5
-1.0
-1.0
-0.5
0.0 A
0.5
1.0
Se puede ampliar esta respuesta con: Stat> DOE > Surface Response > Overlaid Contour Plot Seleccionar Variable de respuesta con > En Contours establecer el Low 78 y High 84 de la respuesta OK Overlaid Contour Plot of Rendim Rendim 78 84
1.0
B
0.5
0.0
-0.5
-1.0
-1.0
-0.5
0.0 A
0.5
1.0
Paso 5. Optimización de las respuestas Stat> DOE > Surface Response > Response Optimizer Seleccionar Variable de respuesta Rendim con > En Setup poner los valores para la estimación Lower 75 Target 80 Upper 90
En Options indicar los Starting Values de los niveles de los factores 0, 0 OK
Puntos óptimos Optimal Hi D Cur 1.0000 Lo
A 1.4142 [0.0] -1.4142
B 1.4142 [0.1781] -1.4142
Rendim Targ: 80.0 y = 80.0000 d = 1.0000
El cálculo manual se reaiza como sigue:
x1 x x 2 ... xk ˆ1 0.995 ˆ2 b 0.515 ... ˆ k ˆ 11 , ˆ12 / 2,..., ˆ1k / 2 ˆ / 2, ˆ22 ,....ˆ2 k / 2 B 12 matriz.simetrica, ˆ kk
1.376, 0.1250 0.1250, 1.001
1 1 1 0.7345, 0.0917 B b 2 2 0.0917, 1.006 1 ˆ s ˆ0 y xs b 2
xs
0.995 0.389 0.306 0.515
Y = 79.94 + 0.995*A + 0.515B –1.376 A*A – 1.001 B*B + 0.25AB Con las ecuaciones de la página siguiente el punto máximo óptimo queda en X1 = 0.389 y X2 = 0.306 Con una respuesta estimada Yest = 80.21
Contour Plot of Y
B
1
0
75 76 77 78 79 80
Contour Plot of Y 75 76 77 78 79 80
B
1
0
-1
-1
0
1
A
Surface Plot of Y
80.5 79.5 78.5 77.5
Y
76.5 75.5 74.5 73.5 -1.5
-1.0
-0.5
A
0.0
0.5
1.0
0.0 -0.5 -1.0 -1.5 1.5
0.5
1.0
B
1.5
APLICACIONES DEL MÓDULO 8 Para determinar la cantidad de madera que puede extraerse de un área de bosque se utilizan algunas tablas. El archivo ARBOL.MTW contiene información de los 31 árboles de cierto tipo. C1 Diámetro del árbol a cierta distancia del suelo C2. Altura del árbol C3. Volumen de madera en dm3 Se trata de encontrar la ecuación que relaciones el volumen de madera vs diámetro y altura o ambas ARCHIVO ARBOL.MTW Diam(cm) 21 22 22 27 27 27 28 28 28 28 29 29 29 30 30 33 33 34 35 35 36 36 37 41 41 44 44 45 46 46 52
Altur(m) Vol(dm3) 21.3 292 19.8 292 19.2 289 21.9 464 24.7 532 25.3 558 20.1 442 22.9 515 24.4 640 22.9 564 24.1 685 23.2 595 23.2 606 21 603 22.9 541 22.6 629 25.9 957 26.2 776 21.6 728 19.5 705 23.8 977 24.4 898 22.6 1028 21.9 1085 23.5 1206 24.7 1569 25 1577 24.4 1651 24.4 1458 24.4 1444 26.5 2180
a) Hacer graficas bivariantes b) Hacer una regresión múltiple con un análisis de los residuos c) Hacer una regresión del vol. Vs el diámetro d) Hacer una regresión del volumen con diámetro al cuadrado por altura Comaparar los coeficiente de determinación
ARCHIVO DESGASTE.MTW Este archivo contiene el desgaste después de 8 horas y la velocidad de giro y tipo de acero
*
Desgaste Velocidad 5.5 1680 8.2 1790 6 1670 5.7 1720 5.6 1660 6 1780 6.2 1690 8.8 1830 5.8 1710 5.4 1670 7.2 1740 6.6 1680 6.4 1780 7.3 1840 7 1820 6.8 1700 7.4 1770 8.9 1830 6.1 1740 6.1 1660
Material 0 1 1 0 1 0 1 1 0 0 1 1 0 0 0 1 1 1 0 1
a) Visualizar la relación entre variables b) Visualizar desgaste vs Velocidad agrupado por tipo de acero c) Calcular la ecuación de regresión d) Mejorar el ajuste agregando una variable regresora velocidad * Material
ARCHIVO FALLO.TV Los 113 componentes instalados hace 3 años se midieron y se pensó que pudieran estar relacionados con la falla prematura X1 8.23 10.46 9.89 9.27 9.78 11.77 9.92 10.36 10.23 9.13 11.67 10.12 10.29 8.86 7.67 10.24 10.01 9.89 10.77 11.56
X2 0.633 0.312 0.444 0.184 0.528 0.051 0.008 0.514 0.156 0.363 0.003 0.238 0.057 1.206 0.648 0.085 0.294 0.323 0.027 0.964
X3
X4 4.87 4.07 4.66 4.78 5.25 4.92 6 5.92 4.87 4.27 5.37 4.39 4.51 5.83 4.85 5.15 4.6 4.15 5.05 4.71
0.53 0.7 0.84 0.01 0.73 0.24 0.45 0.78 0.76 0.77 0.81 0.23 0.31 0.17 0.03 0.22 0.49 0.63 0.1 0.47
X5 32.27 30.01 30.92 31.17 29.87 27.5 31.17 31.09 29.92 30.04 29.04 30.96 31.82 29.94 29.61 31.13 29.48 29.42 28.53 30.2
Fallo 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 1 1
11.37 9.35 9.22 10 10.36 9.44 10.14 10.81 11.05 9.22 7.88 10.74 8.46 10.72 9.22 10.55 11.81 9.78 10.15 12.17 9.89 10.07 9.83 9.49 9.71 9.89 7.64 10.53 11.33 10.25 10.87 9.3 11.18 9.93 10.95 10.02 8.86 10.89 8.25 9.12 10.9 11.22 10.09 10.63 10.29 9.17 9.84 11.07 8.54 12.65
0.052 0.361 0.004 0.298 0.363 0.275 1.057 0.215 0.217 0.166 0.282 1.291 0.402 0.544 0.619 0.593 0.312 0.08 0.259 1.064 0.147 0.039 0.052 0.108 0.274 0.329 1.607 0.587 0.708 0.641 0.233 0.162 0.334 0.721 0.538 0.407 0.553 0.94 0.127 0.638 0.16 0.859 0.104 0.415 0.994 0.087 0.392 0.367 0.286 0.217
5.4 4.09 5.63 4.79 4.43 5.01 5.73 5.12 5.2 4.17 4.91 4.68 5 4.49 4.51 4.04 4.04 4.37 4.66 4.11 5.17 4.66 5.06 4.29 4.82 5.7 5.89 5.03 4.58 5.77 5.27 4.6 5.31 4.66 5.91 4.74 5.32 4.63 4.5 4.31 4.87 4.89 5.28 5.63 4.02 5.08 4.69 5.5 4.86 4.82
0.38 0.17 0.42 0.48 0.41 0.94 0.11 0.74 0.25 0.54 0.06 0.34 0.03 0.68 0.92 0.01 0.25 0.89 0.84 0.85 0.3 0.3 0.92 0.68 0.94 0.96 0.02 0.25 0.36 0.14 0.96 0.56 0.72 0.98 0.13 0.58 0.02 0.12 0.8 0.04 0.26 0.96 0.1 0.48 0.78 0.15 0.33 0.4 0.25 0.52
30.7 29.95 29.5 31.56 30.67 30.61 30.52 29.02 29.6 30.55 27.64 30.79 29.43 28.75 31.46 31.41 29.79 31.53 30.39 30.48 29.41 32.11 29.44 28.97 28.86 30.39 30.78 30.96 30.65 31.12 29.1 28.98 28.18 30.02 29.67 28.06 29.64 27.45 30.17 30.53 29.15 29.47 28.09 31.36 30.58 29.61 28.53 30.12 31.76 28.71
0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0 1 0 0 1 0 1 0 0 0 1 0 0 1
10.5 10.25 9.83 10.34 10.21 10.38 10.45 8.35 9.66 10.56 11.35 8.8 9.52 9.26 10.71 9.83 10.28 9.29 11.99 11.49 10.14 10.36 10.22 10.84 11.6 8.74 11.48 11.67 9.03 9.88 11.98 9.09 9.73 10.16 9.87 7.9 12.09 10.72 9.42 8.78 9.82 10.36 11.79
0.335 0.156 0.791 0.492 0.236 0.185 0.229 0.674 0.266 0.504 0.525 0.496 0.306 0.241 0.141 0.429 0.039 0.198 0.196 0.801 0.474 0.658 0.028 0.862 0.95 0.431 0.635 0.231 0.234 0.582 0.804 0.233 0.058 0.818 0.399 0.563 0.626 0.582 0.995 0.564 0.171 0.815 0.441
5.11 5.07 4.94 5.66 4.61 5.82 4.43 5.38 5.07 5.92 4.24 4.11 5.25 4.8 5.98 5.43 4.49 5.32 4.9 4.66 4.32 5.06 5.83 5.77 4.48 4.08 4.08 5.39 5.96 5.44 4.32 4.41 4.9 5.65 5.08 4.64 4.88 5.51 4.42 4.3 4.23 5.73 4.23
a) Hacer un análisis discriminante
b) Supongamos que se tienen 14 componentes
0.42 0 0.91 0.9 0.25 0.47 0.78 0.87 0.87 0.81 0.31 0.2 0.38 0.21 0.62 0.83 0.8 0.77 0.84 0.89 0.63 0.61 0.66 0.36 0.57 0.37 0.02 0.51 0.05 0.95 0.39 0.57 0.88 0.3 0.71 0.62 0.07 0.77 0.95 0.09 0.5 0.62 0.91
29.73 29.07 32.63 28.43 28.56 30.23 28.31 30.01 29.89 29.66 30.06 27.89 30.09 29.22 30.06 27.99 30.3 29 29.83 30.12 29.7 29.5 31.73 31.46 27.91 30.04 32.2 30.33 30.56 29.43 31.27 30.29 28.26 31.33 28.7 29.5 28.29 29.91 30.42 30.52 31.27 30.8 29.92
0 0 0 0 1 0 1 0 0 0 1 1 0 0 0 0 0 0 1 1 1 0 0 0 1 0 1 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1
Stat > Multivariate > Discriminant Analysis Groups Fallo Predictors X1-X5 Storage C7 C8 - dos funciones de discrimianción para d
al los que se les ha medido las características X1 - X5 y se desea prevver si fallarán o no en los próximos 3 años (fdatos de FALLOTVEjemplo.MTW)
ARCHIVO FOTOCOPIAS.MTW
El archivo contiene el número de copias por cartucho de toner de 35 copiadoras similares utilizadas en diferente Fotocopias 13471 19053 17626 10748 7849 7271 648 22566 4211 63001 4078 8336 5199 1965 20812 2177 141 1527 65529 18247 50060 21935 27118 7889 12462 21554 4815 4944 9364 2169 47364 4580 794 6275 23710
a) Se desea saber cual es la probabilidad de Stat > Relibility/survival > D que el toner siga operando después de 17500 copias Variables: Fotocopias usando un modelo no paramétrico Graphs: Surival Plot Hazard b) Identificar el mejor modelo que se ajusta a los datos
Stat > Reliability/survival > Variables: Fotocopias Seleccionar Use all distributio
c) Usando la distribución de Weibull cuál es la probabilidad de que el toner siga operando después de 17500 copias usando un modelo paramétrico
Stat > Reliability/survival > Variables: Fotocopias Assumed Distribution: Graphs: Probability Plot All Estimate: Estimate surviva
d) Determninar la dispersión de la duración de los cartuchos y concluir
Stat > Basic Statistics > Dis
ARCHIVO PAN.MTW Contiene datos de peso de pan producido en diferentes máquinas
Día 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
A B B B A A A B B A B B B A A B B A A A
OperarioMáquina 1, pieza Máquina 1 1, pieza Máquina 2 1, pieza Máquina 3 1, pieza Máquina 4 2, pieza 1 209.2 209.5 210.2 212 214.3 208.5 208.7 206.2 207.8 215.3 204.2 210.2 210.5 205.9 215.7 204 203.3 198.2 199.9 212.5 209.6 203.7 213.2 209.6 208.4 208.1 207.9 211 206.2 212.3 205.2 204.8 198.7 205.8 208.1 199 197.7 202 213.1 207.5 197.2 210.6 199.5 215.3 206.9 199.1 207.2 200.8 201.2 209.6 204.6 207 200.8 204.6 212.2 214.7 207.5 205.8 200.9 211.4 204.1 196.6 204.6 199.4 209.6 200.2 205.5 208 202.7 203.5 201.1 209.2 205.5 200 209.1 201.3 203.1 196.3 205.5 208 202.2 204.4 202.1 206.6 210 194.1 211 208.4 202.6 215.6 204.8 201.3 208.4 212.3 214.5 200.6 202.3 204.3 201.4 209.1
ARCHIVO CLIENTE.MTW Contiene la facturación a los clientes de una empresa durante el primer trimestre del año CLIENTE
ENERO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
18 46 53 5 50 13 30 48 55 23 49 15 58 5 50 33 43 10 49 9 37 15 13 7
FEBRERO MARZO 60 45 24 49 15 33 31 52 3 39 32 41 10 49 59 3 23 0 15 36 44 34 31 52
46 12 11 51 9 32 2 36 24 58 28 35 14 11 21 34 38 34 17 25 16 30 28 22
25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74
45 54 41 3 21 46 38 46 34 56 0 54 21 8 49 53 27 11 57 14 13 10 6 31 2 52 10 11 26 41 45 33 19 0 27 2 52 57 32 56 57 7 23 56 56 14 45 37 58 24
33 28 28 10 54 12 21 3 34 37 15 48 18 23 48 56 7 18 10 30 31 14 56 33 32 48 6 49 26 30 30 5 49 48 20 20 6 27 15 48 13 30 3 18 5 53 40 2 15 17
55 54 6 55 15 34 27 16 31 47 11 57 10 41 48 17 3 43 37 35 21 0 42 30 33 31 51 43 7 10 36 7 42 46 28 43 48 40 19 36 39 13 23 54 12 6 22 28 5 3
75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
41 12 57 6 39 32 58 5 37 52 57 34 10 21 32 31 5 44 51 7 3 8 7 11 56 32
18 60 56 45 58 9 50 26 12 59 10 54 36 4 2 43 35 19 46 26 5 60 12 48 58 33
28 49 22 34 43 11 48 60 24 30 46 27 57 45 22 13 5 36 48 35 46 10 33 23 20 14
se utilizan algunas tablas.
y altura o ambas
Graph >C Scatterplot:Simple Stat > Regression > Regression
Stat > Regression > Fitted line plot
Stat > Regression > Fitted line plot
Stat > Matrix Plot Graph > Scatterplot: With groups
Stat > Regression > Regression Stat > Regression > Regression
estar relacionados con
ARCHIVO FALLOTVEJEMPLO.MTW Contiene 0tros 14 datos para determinar si habrá falla o no en base a las mediciones
X1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Resultados del inciso a) Summary of classification
8.88 10.98 8.09 8.73 9.16 8.87 6.9 11.09 9.72 8.42 7.78 8.82 9.36 10.79
X2 0.382 0.604 0.033 -0.142 0.618 0.199 0.363 0.426 0.382 0.795 0.364 -0.029 0.615 0.241
X3
X4 2.25 1.69 1.87 2.18 1.6 2.01 1.92 1.37 2.07 2.25 1.39 1.8 1.92 2.21
1.25 0.69 0.87 1.18 0.6 1.01 0.92 0.37 1.07 1.25 0.39 0.8 0.92 1.21
X5 31.43 33.27 32.29 30.26 33.33 30.7 31.5 30.29 31.91 32.42 32.52 33.27 32.8 31.92
True Group Put into Group 0 1 0 78 0 1 5 30 Total N 83 30 N correct 78 30 Proportion 0.940 1.000 N = 113 N Correct = 108 Proportion Correct = 0.956
Squared Distance Between Groups 0 1 0 0.00000 7.16712 1 7.16712 0.00000
Linear Discriminant Function for Groups 0 1 Constant 548.01 508.97 X1 1.83 4.62 X2 19.52 16.74 X3 28.56 25.11 X4 13.08 10.36 X5 30.96 29.23
b) Instrucciones de b) Introducir columnas de 1's en C1 Copiar los coeficientes de las funciones de discrimnación en c7 y c8 Ejecutar las siguientes instrucciones: Editor > Enable comands MTB > copy c1-c6 m1 MTB > copy c7 m2 Coeficientes discriminanates MTB > copy c8 m3 MTB > multi m1 m2 m4 MTB > m1 m3 m5 MTB > copy m4 c9 MTB > copy m5 c10 Si el valor en C10 es mayor que en c9 hay previsión de falla MTB > let c11=c10>c9
minant Analysis
nes de discrimianción para dos grupos
milares utilizadas en diferentes oficinas.
Stat > Relibility/survival > Distribution Analysis (Right Censoring) > Nonparamtric Distribution Analysis Variables: Fotocopias Graphs: Surival Plot Hazard Plot
Stat > Reliability/survival > Distribution Analysis (Right censoring) > Distribution ID Plot Variables: Fotocopias Seleccionar Use all distributions
Stat > Reliability/survival > Distribution Analysis (Right censoring) > Parametric Distr. Analysis Variables: Fotocopias Assumed Distribution: Weibull Graphs: Probability Plot All Points Display confidence intervals Estimate: Estimate survival probabilities for these values 17500
Stat > Basic Statistics > Display descriptive Statistics
Máquina 2, pieza Máquina 2 2, pieza Máquina 3 2, pieza 4 221.8 214.6 214.4 216.7 212.3 212 213.8 215.2 202.7 210.2 211.3 210.4 214.9 212.8 214.8 216.2 208.4 210.8 211.9 212.9 209 209.9 210.6 212.3 207.1 213.6 212.2 209.5 206.8 214.2 209.8 207.6 212.6 211.2 214.4 212.6 209.2 206.1 207.1 206.9 210.6 212.3 206.3 209.8 211.4 207.9 205.3 203.6 209.4 209.1 207 211.8 205.4 209 207.5 212.9 204.3 205.8 212 204.2
las mediciones
FD1 -548.006 1.833 -19.518 28.564 13.083 30.956
FD2 Resul FD1 Resul FD2 Prev. de fallo -508.972 514.15 513.563 0 4.623 547.711 553.824 1 -16.742 530.458 527.56 0 25.112 485.219 485.172 0 10.357 541.937 543.51 1 29.227 485.566 487.111 1 499.323 495.069 0 445.571 458.674 1 523.227 525.228 1 536.051 533.61 0 510.416 510.135 0 560.388 558.068 0 539.376 540.427 1 534.291 537.985 1