Inicio / Lean Six Sigma / ANOVA, regresión y simulación
Averigüe entre qué valores están el 95% o 99% de sus piezas, con la confianza que permite la muestra, y si ese rango cabe en la especificación. A diferencia del intervalo de confianza de la media, el de tolerancia habla de las piezas individuales: es el que se usa para validar procesos, liberar lotes y fijar límites de diseño. Basta con pegar las mediciones (preferiblemente 30 o más).
Herramienta de predimensionamiento y estimación: los resultados no sustituyen al proyecto, cálculo o informe firmado por un técnico competente ni la verificación conforme a las normas aplicables.
Cómo leer: una fila por muestra. Normal = media ± k × Desv.Est., válido si los datos son normales (vea el valor p de Anderson-Darling); no paramétrico = valores reales de la muestra ordenada, válido para cualquier forma, con la confianza que permite el N; k = cuántas desviaciones típicas abre el intervalo a cada lado (mayor con muestras pequeñas).
Barras = datos de la muestra; curva = normal ajustada; líneas = límites de tolerancia (normal y no paramétrico) y especificación.
Cómo leer: las barras cuentan las piezas en cada rango de medida y la curva es la normal ajustada. Las líneas verticales marcan los límites de tolerancia (donde está el % pedido de las piezas) y, si se indicó, la especificación. Bien: los límites de tolerancia quedan dentro de la especificación. Alerta: un límite de tolerancia supera la especificación, o las barras no siguen la curva (use el no paramétrico).
Cada línea es un intervalo; el punto es la media. Flecha = lado sin límite (intervalo unilateral). Líneas verticales = especificación.
Cómo leer: cada línea horizontal es el intervalo de una muestra (normal y no paramétrico), con el punto en la media. Compare las muestras entre sí y con las líneas verticales de la especificación: intervalo entero dentro = el proceso cumple; intervalo que la sobrepasa = parte de las piezas puede quedar fuera. Las flechas indican el lado sin límite en un intervalo unilateral.
Puntos sobre la recta = datos normales y el método normal es válido. Curvas o escalones = use el método no paramétrico.
Cómo leer: el eje horizontal es la medida y el vertical, el porcentaje acumulado de piezas, en una escala en la que la distribución normal se convierte en recta. Puntos alineados con la recta = el método normal es fiable. Puntos que se apartan en los extremos, se curvan o forman escalones = los límites normales pueden fallar justo en las colas: prefiera el no paramétrico.
Cuanto mayor la muestra, menor el k y más estrecho el intervalo; con N muy grande, k tiende a la z de la normal. El punto marca su muestra.
Cómo leer: el eje horizontal es el número de piezas medidas (escala logarítmica) y el vertical, el factor k que multiplica la desviación típica. La curva baja rápido hasta unas 30 a 50 piezas y luego se aplana, acercándose a la línea de z (el valor con media y desviación conocidas). El punto es su muestra: si está en la parte empinada, medir más piezas estrecha bastante el intervalo.
Cómo leer: cada fila es un tamaño de muestra posible. Compare el factor k y el ancho del intervalo para decidir cuántas piezas medir; la columna del no paramétrico muestra la confianza que logra cada N sin suponer normalidad.
Lleve los resultados de esta página a otra calculadora, con los campos ya rellenados.
La memoria reúne entradas, resultados, ecuaciones, hipótesis y referencias de esta página, con campos para proyecto, responsable y revisión. El informe completo incluye también los gráficos y las interpretaciones, en color. En la ventana de impresión, elija Guardar como PDF.
El intervalo de confianza dice dónde está la media del proceso; el de tolerancia dice dónde están las piezas individuales. Con 100 piezas, el intervalo de confianza de la media del árbol de la Máquina 2 mide pocas centésimas de milímetro; el de tolerancia 95/95 mide más de 2 mm, porque debe abarcar el 95% de las piezas.
Que el método, repetido en muchas muestras, produce intervalos que contienen al menos el 99% de las piezas el 95% de las veces. Es el lenguaje de la validación de procesos y envases: «intervalo 95/99».
Porque la media y la desviación vienen de una muestra y pueden estar equivocadas. El k compensa esa incertidumbre: para 95/95 vale 3,393 con 10 piezas, 2,234 con 100 y tiende a 1,960 con muestras muy grandes.
Cuando la prueba de Anderson-Darling rechaza la normalidad (p < 0,05) o la gráfica de probabilidad muestra curvas y escalones. Vale para cualquier distribución, pero necesita más datos: 59 piezas para un límite unilateral 95/95 y 93 para un intervalo bilateral 95/95.
En el no paramétrico los límites son valores de la muestra ordenada, así que la confianza no se puede ajustar exactamente: salta según el valor elegido. La página muestra la confianza real del intervalo; si queda por debajo de la pedida, la muestra es pequeña.
Indique LIE y LSE. Si el intervalo cabe dentro de ellos, al menos el porcentaje pedido de las piezas está dentro de la especificación, con la confianza elegida. La página muestra también el mayor porcentaje que se puede garantizar, por ejemplo «al menos el 99,6% dentro».
El exacto (por defecto, el mismo de las tablas de la ISO 16269-6 y de Odeh y Owen) resuelve la integral de la cobertura; la aproximación de Howe, usada en el manual del NIST, difiere en la 3.ª cifra con muestras pequeñas (3,382 frente a 3,393 para N = 10, 95/95). Use el exacto salvo para reproducir un cálculo antiguo.
Aviso importante: las herramientas de Indus Metrics realizan estimaciones y predimensionamientos a partir de los datos introducidos y de métodos de ingeniería publicados. No sustituyen al proyecto, la memoria ni el certificado firmados por un técnico competente, ni la verificación conforme a las normas técnicas y la legislación aplicables. Las propiedades de materiales y combustibles varían: compruébelas con el fabricante o con análisis de su proceso antes de decidir. Al usar el sitio acepta el Aviso legal y condiciones de uso.
© 2026 Indus Metrics. ¿Ha encontrado un error? Escriba a contato@seudominio.com.