SixSigma - Mpetodos Computacionales

Ricardo R. Palma - Técnicas y Herramientas Moderna
Mayo 2018

Six Sigma con R-Cran

Técnicas y Herramientas Modernas

  • 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.

Cartucho para impresora

*Recuerde instalar y cargar la biblioteca

  • install.package(“SixSigma”) solo una vez.
  • library(SixSigma) cada vez que escribo un script nuevo.

Cartucho para impresora

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" 

Mostras contenido del dataset

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:

  • View(ss.data.pc)

Convertir Columna en Vector

  • Haremos esto para poder plotear
pc.volume <- ss.data.pc$pc.volume
pc.density <- ss.data.pc$pc.density
plot (pc.volume ~ pc.density, pch = 16)

plot of chunk unnamed-chunk-3

Ejercicio:

Realizar esto en una presentación:

  • agregar nombre de ejes
  • agregar título
  • cambiar puntos por líneas de trazo Realizar lo mismo en un documento PDF

    Centrar la figura y poner caption

Ejercicio reseuelto

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")

plot of chunk unnamed-chunk-4

Gráfico de Barras

  • 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")

plot of chunk unnamed-chunk-5

Histogramas

  • Solo se puede usar en variables continuas
  • Área proporcional a la fecuencia
  • Puedo hacer alturas absolutas o relativas

plot of chunk unnamed-chunk-6

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()

plot of chunk unnamed-chunk-7

Modelo de Regresión Suave

  • Desarrollado específicamente para ISO 9000
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()

plot of chunk unnamed-chunk-8

Técnica de la Dispersión Suave aplicada

  • Smooth Scatter
  • Tratando de minimizar el error cuadrático
  • Pero lo hace con conjuntos de tres puntos
  • Utiliza suvizado Bezier o SPLine
scatter.smooth(x=pc.volume, y=pc.density, main="Volumen ~ Densidad")  # scatterplot

plot of chunk unnamed-chunk-9

Gráfico de Serie Tiempo

  • Un gráfico de serie es un gráfico bidimensional donde el eje x
  • Eje y es una CTQ parámetro críticos para la calidad
  • Es característica y distintiva de cada proceso
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)

plot of chunk unnamed-chunk-10

Gráfico de Nivel

  • Es similar a un gráfico de serie de tiempo
  • Se usa cuando tenemos más de una observación en cada serie (por ejemplo, lotes, días, etc.).
  • A corto plazo la variación es una dentro de cada subgrupo
  • A largo plazo es aquella a la que tiende entre todos los grupos.

plot of chunk unnamed-chunk-11

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)

plot of chunk unnamed-chunk-12

Diagrama de Caja

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)

plot of chunk unnamed-chunk-13

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

A

For more details on authoring R presentations please visit https://support.rstudio.com/hc/en-us/articles/200486468.

  • Bullet 1
  • Bullet 2
  • Bullet 3

Slide With Code

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  

Slide With Plot

plot of chunk unnamed-chunk-16