Inicio / Lean Six Sigma / ANOVA, regresión y simulación
Averigüe cuántas piezas saldrán fuera de especificación antes de fabricar: la variación de cada entrada se convierte en la variación del resultado, y la página muestra qué tolerancia conviene ajustar. Usted escribe la ecuación (p. ej. caudal = área × carrera × rotación) o enumera las cotas del montaje, indica la media y la dispersión de cada entrada, y la página sortea miles de piezas virtuales.
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: la tabla compara tres formas de sumar las tolerancias de la cadena: peor caso (todas las cotas en el límite a la vez: seguro, pero caro), RSS (raíz de la suma de cuadrados: supone que las desviaciones se compensan) y Monte Carlo (sortea montajes reales). En el gráfico, cada barra es el rango del resultado por un método; las líneas verticales son la holgura mínima y máxima. Barra dentro de las líneas = el montaje cumple.
Barras = valores simulados (rojo = fuera de especificación); curva = normal con la misma media y desviación típica.
Cómo leer: cada barra cuenta cuántas piezas simuladas cayeron en ese rango del resultado; rojo = fuera de especificación (líneas discontinuas). La curva es la normal equivalente: si el histograma se aparta de ella (asimetría, cola larga), fíese del Ppk por percentiles. Bien: todo el montículo entre los límites, con holgura a ambos lados.
Cómo leer: % fuera y PPM = fracción de los montajes simulados fuera de especificación (PPM = por millón), con el intervalo de confianza de la simulación; Pp compara el ancho de la especificación con la dispersión del resultado; Ppk también tiene en cuenta el centrado (≥ 1,33 es el objetivo habitual). La última tabla comprueba que cada entrada se sorteó con la media y la desviación típica pedidas.
Parte de la varianza del resultado que viene de cada entrada; la de arriba es la que más conviene controlar.
Cómo leer: cada barra es una entrada (cota o variable de la ecuación) y la longitud es la parte de la variación del resultado que viene de ella; las barras suman cerca del 100%. Ajustar la tolerancia de la barra de arriba es lo que más reduce piezas fuera; ajustar una entrada con pocos % casi no cambia nada y solo encarece.
Resultado con cada entrada en su percentil 5% y 95% y las demás en su valor medio; la línea es el resultado con todas en su valor medio.
Cómo leer: la línea vertical es el resultado con todas las entradas en su valor medio. Cada barra muestra hasta dónde llega el resultado cuando solo esa entrada varía entre un valor bajo (5%) y alto (95%) de su rango. Barras más anchas arriba = las entradas que más mueven el resultado; el lado hacia el que crece la barra muestra el sentido del efecto.
Porcentaje fuera (o desviación del resultado) cuando la desviación típica de una entrada va del 25% al 150% de la actual. Línea inclinada = entrada que conviene ajustar; plana = se puede aflojar.
Cómo leer: el eje horizontal es la desviación típica de cada entrada como % de la actual (100% = hoy; 50% = la mitad de la variación); el vertical, el % de piezas fuera. Cada línea es una entrada. Línea que baja con fuerza hacia la izquierda = conviene ajustar esa tolerancia; línea plana = se puede aflojar y ahorrar sin empeorar el resultado.
Cómo leer: una fila por entrada, de la que más pesa a la que menos: su contribución a la variación, la tolerancia (o desviación típica) actual, el Ppk que se tendría reduciendo solo esa dispersión a la mitad y la tolerancia que, por sí sola, llevaría el Ppk al objetivo (rojo = ajustar; verde = se puede aflojar). “Sola no basta” significa que hay que cambiar más de una entrada o centrar el proceso.
Cada punto es un montaje simulado (muestra de hasta 1.500); las líneas horizontales son la especificación.
Cómo leer: cada punto es un montaje simulado: en el eje horizontal, el valor sorteado de la entrada más influyente; en el vertical, el resultado. Las líneas horizontales son la especificación. Si los puntos fuera (rojos) aparecen solo en un extremo del eje horizontal, limitar esa entrada por ese lado resuelve la mayor parte del problema.
Media y porcentaje fuera acumulados en cada iteración: cuando las curvas se aplanan, el número de iteraciones es suficiente.
Cómo leer: el eje horizontal es el número de iteraciones ya sorteadas; las curvas muestran la media y el porcentaje fuera calculados hasta ahí. Al principio oscilan; cuando se aplanan, más iteraciones no cambian la respuesta. Si la curva del porcentaje fuera todavía sube y baja al final, aumente las iteraciones antes de decidir.
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.
Sortear miles de veces los valores de las entradas (diámetros, longitudes, temperaturas), cada una según su distribución, calcular el resultado en cada sorteo y contar cuántos quedan fuera de especificación. Con 100 mil iteraciones, el porcentaje fuera se estima con buena precisión sin fabricar una sola pieza.
El peor caso suma todas las tolerancias, como si todas las piezas vinieran en el límite a la vez: garantiza el 100%, pero exige tolerancias estrechas. El RSS supone cotas independientes y normales y suma los cuadrados. El Monte Carlo usa la distribución de cada cota y da el porcentaje real de montajes fuera. En el ejemplo del conjunto de rodamientos, el peor caso da ±0,45 mm (falla) y el RSS ±0,24 mm (cumple).
Use los nombres de la tabla de entradas, + − * / ^, paréntesis y funciones como sqrt, exp, ln, log, sin y cos. Ejemplo: Caudal = pi*(D/2)^2*L*RPM. Separe los argumentos con punto y coma, como en max(A; B). La página interpreta la ecuación sin ejecutar código.
Normal cuando la cota viene de un proceso controlado (media y desviación típica de la capacidad). Uniforme cuando solo se sabe que la pieza está dentro de la tolerancia. Triangular cuando hay un valor más probable. Lognormal o Weibull para magnitudes solo positivas y asimétricas, como tiempos y rugosidad.
Porque el resultado de una ecuación no lineal rara vez es normal. El Ppk por percentiles (ISO 22514) usa la mediana y los percentiles 0,135% y 99,865% de los valores simulados, sin suponer la curva normal. Para resultados normales, ambos cálculos coinciden.
Mire la contribución a la variación y la tabla «¿Qué entrada ajustar?». En la bomba de pistón, la carrera (L) explica cerca del 90% de la variación del caudal: ajustar el diámetro casi no sirve. La tabla muestra la desviación necesaria en cada entrada para alcanzar el Ppk objetivo y cuáles se pueden aflojar.
100 mil bastan en la mayoría de los casos. La regla es tener al menos 100 resultados fuera de especificación para que el porcentaje fuera tenga un error del 10%. Si ninguna pieza sale fuera, las PPM reales son menores que 3 dividido por el número de iteraciones; use el Ppk. La misma semilla repite exactamente los mismos números.
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.