Ricardo R. Palma - Técnicas y Herramientas Moderna
Mayo 2018
Primer parte
En el presente trabajo se ensaya distintos métodos del software de estadística R-cran para diseñar, implementar, controlar y mejorar sistemas de calidad basados en las recomendaciones de Seis Sigma. En esta parte trabajaremos con métodos computacionales clásicos de calidad.
Palabras clave
Calidad, Seis Sigma, Estadística, Gráficos vectoriales. ISO 9000.
*Recuerde instalar y cargar la biblioteca
library(SixSigma)
listado <- data(package="SixSigma")
# listado$results
listado$results[13, ]
Package
"SixSigma"
LibPath
"/home/rpalma/R/x86_64-pc-linux-gnu-library/3.4"
Item
"ss.data.pc"
Title
"Data set for the printer cartridge example"
Observemos que datos tenemos de los cartuchos de impresora
head(ss.data.pc)
pc.col pc.filler pc.volume pc.density pc.batch pc.op
1 C 1 16.75331 1.253419 1 A
2 C 2 18.01435 1.112435 1 B
3 C 3 15.64487 1.141105 1 C
4 C 1 18.02817 1.091772 1 D
5 C 2 13.78313 1.146547 2 A
6 C 3 16.75840 1.123339 2 B
También se puede var toda la tabla con:
pc.volume <- ss.data.pc$pc.volume
pc.density <- ss.data.pc$pc.density
plot (pc.volume ~ pc.density, pch = 16)
Ejercicio:
Realizar esto en una presentación:
cambiar puntos por líneas de trazo Realizar lo mismo en un documento PDF
Centrar la figura y poner caption
pc.volume <- ss.data.pc$pc.volume
pc.density <- ss.data.pc$pc.density
plot (pc.volume ~ pc.density, pch = 16, main="Volumen vs Densidad cartuchos reciclados", ylab="Volumen Cartucho cm^3", xlab="Densidad g/cm^3")
El fabricante de cartucho de impresora distribuye su producto a cinco regiones.
Defectuosos !!! (inesperado)
Habitualmente había sólo 5 defectuosos
Siempre es preferible hacer informes en ByN y evitar el color
barplot(as.matrix(ss.data.pc.r[,2:3]),
las = 1,
beside = TRUE,
legend = ss.data.pc.r[,1],
args.legend = list(x=3.5,y=60),
main = "Gráfico de Barras de Defectos por Región y Tipo",
sub = "Ejemplo 2 Cartuchos Reciclados")
abline(h = 5,
col = "#666666")
hist (ss.data.pc$pc.volume,
main = "Printer Cartridge Volume",
xlab = "Volumen", ylab="Densidad",
col = "#BBBBBB",
border = "white",
bg = "red",
freq = FALSE,
ylim = c(0,0.4))
curve (dnorm(x,16,1),
add = TRUE,
lty = 2,
lwd = 2)
lines (density(ss.data.pc$pc.volume),
lwd = 2,col="red")
text (label = expression(paste(mu==16,
"; ",
sigma==1,
sep = "")),
x = 16.5,
y = 0.4,
adj = c(0,1))
grid()
box()
pc.volume <- ss.data.pc$pc.volume
pc.density <- ss.data.pc$pc.density
plot (pc.volume ~ pc.density,
main = "Buscando Correlación entre Densidad y Volumen de Imrpimible", type="l",
col = "#666666",
pch = 16,
sub = "Printer Cartridge Example",
xlab = "Volume of Toner",
ylab = "Density")
grid()
scatter.smooth(x=pc.volume, y=pc.density, main="Volumen ~ Densidad") # scatterplot
plot (ss.data.pc$pc.volume,
type = "b",
pch = 16,
ylim = c(12,20),
axes = FALSE,
main = "Run Chart (gráfica control de proceso) Volumen",
sub = "Cartuchos de Toner",
xlab = "Run (Lote)",
ylab = "Volumen")
axis(1,
at = 1:24,
cex.axis = 0.7)
axis(2)
box()
grid()
abline(h = 16,
lwd = 2)
stripchart(pc.volume ~ pc.batch,
data = ss.data.pc,
pch = "-",
cex = 3,
xlab = "Batch (Lote de Fabricación)",
ylab = "Volumen",
ylim = c(12,20),
vertical = TRUE,
main = "Grpaficas de Nivel o Tier Chart (Volumen)",
sub = "Printer Cartridge Example")
grid()
for (i in 1:6){
lines(x = rep(i,2),
lwd = 3,
col = "#666666",
y = c(max(ss.data.pc$pc.volume[ss.data.pc$pc.batch==i]), min(ss.data.pc$pc.volume[ss.data.pc$pc.batch==i])))}
abline(h = 16,
lwd = 2)
my.bp <- boxplot(ss.data.pc$pc.volume,
col = "#CCCCCC",
main = "Box Plot of Volume",
sub = "Printer Cartridge Example",
ylab = "Volume",
range = 0.7)
text (x = rep(1, length(my.bp$out)),
y = my.bp$out,
labels = which(ss.data.pc$pc.volume==my.bp$out),
pos = 4)
str(my.bp)
List of 6
$ stats: num [1:5, 1] 13.8 15 15.9 16.8 18
$ n : num 24
$ conf : num [1:2, 1] 15.4 16.5
$ out : num 18.2
$ group: num 1
$ names: chr ""
class(my.bp)
[1] "list"
summary(my.bp)
Length Class Mode
stats 5 -none- numeric
n 1 -none- numeric
conf 2 -none- numeric
out 1 -none- numeric
group 1 -none- numeric
names 1 -none- character
For more details on authoring R presentations please visit https://support.rstudio.com/hc/en-us/articles/200486468.
summary(cars)
speed dist
Min. : 4.0 Min. : 2.00
1st Qu.:12.0 1st Qu.: 26.00
Median :15.0 Median : 36.00
Mean :15.4 Mean : 42.98
3rd Qu.:19.0 3rd Qu.: 56.00
Max. :25.0 Max. :120.00