Guía de Estadística Básica

DOCUMENTO CONTROLADO GUA DE ESTADSTICA BSICA Y SOLUCIN DE PROBLEMAS
Requisito
9001
Cdigo D-SAI-04 Proceso MAM Rev. No. 02 Inicio de Vigencia Mar-06 Pgina 1 de 6
CARTULA DE CONTROL DE DOCUMENTOS
CONTROL DE MODIFICACIONES REV. NO. 01 FECHA Ago-03 PUESTO DE QUIEN DESCRIPCIN DEL CAMBIO SOLICITO Coordinador de Se cambi el cdigo y el nombre. Se elimin la seccin de Solucin Estadstica y trabajo de problemas. Se agrego definiciones de estadstica y control de en Equipo calidad, as como una seccin de grficos generales. Se modifico y aument la descripcin de las siete Herramientas Bsicas. Coordinador de Se incluye el Mtodo de Solucin de Problemas en 8 Pasos al Estadstica y trabajo documento. en Equipo
02
Mar-06
CONTROL DE DISTRIBUCIN
SELLO
CONTROL DE REVISIONES Y AUTORIZACIONES PUESTO Coordinador de Estadstica y trabajo en Equipo Jefe del SAI Gerente de Planta FIRMA
ELABOR: REVIS: AUTORIZ:
Este documento es propiedad de Empaques Plegadizos Modernos, S.A. de C.V. Se prohbe la copia parcial o total del documento sin el consentimiento del titular. COPIA CONTROLADA
CONTENIDO
1. . ESTADSTICA, VARIABLES Y GRFICOS
1.1. QU ES LA ESTADSTICA? 1.1.1.Campo de Aplicacin 1.1.2.Estadstica Descriptiva 1.1.3.Estadstica Inferencial 1.1.4.Datos, Poblacin y Muestra 1.2. VARIABLES Y ATRIBUTOS 1.2.1.Variables 1.2.2.Atributos 1.3. GRFICOS 1.3.1.Grfico de Barras 1.3.2.Grfico de Crculo 1.3.3.Grfico de Lneas (Series de Tiempo)
1
1 1 1 1 2 2 2 2 3 3 5 6
2. LAS HERRAMIENTAS BSICAS DEL CONTROL DE CALIDAD

2.1. QU ES EL CONTROL DE CALIDAD? 2.1.1.Control basado en hechos 2.1.2.Objetivo de tomar datos 2.1.3.Tipos de Datos 2.1.4.Herramientas Estadsticas Bsicas 2.2. ESTRATIFICACIN 2.3. HOJA DE RECOLECCIN DE DATOS 2.3.1.Hoja de Registro (Checksheet) 2.3.2.Hoja de Verificacin (Checklist) 2.4. GRFICO DE PARETO 2.4.1.Procedimiento para Elaborar una Grfica de Pareto 2.4.2.Notas acerca de los Grficos de Pareto 2.5. HISTOGRAMA 2.5.1.Distribuciones de Frecuencia 2.5.2.Elaboracin de Tabla de Frecuencias y del Histograma 2.5.3.Tipos de Histograma 2.5.4.Medidas De Tendencia Central Media Aritmtica Mediana Moda
8
8 8 9 9 9 10 10 10 13 15 15 17 18 18 18 22 24 24 24 24 25 i
2.5.5.Medidas De Dispersin REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas
Rango Varianza Desviacin estndar
25 25 26 26 27 30 30 30 33 34 34 34 34 35 35 37 38 39 39 39 40 41 41 43 43 43 45 45 47 47 48 48 48 51 51 51 53 53 ii
2.5.6.Desviacin Estndar y Poblaciones Normales 2.5.7.Clculo de la Media y Desv. Estndar de datos agrupados 2.6. DIAGRAMA CAUSA Y EFECTO 2.6.1.Procedimiento para elaborar un Diagrama causa efecto 2.6.2.Seleccin del Problema Especfico 2.6.3.Recomendaciones para realizar los Diagramas Causa Efecto 2.7. GRFICAS DE DISPERSIN 2.7.1.Relaciones entre Variables 2.7.2.Aplicacin 2.7.3.Cmo se elabora una Grfica de Dispersin? 2.7.4.Procedimiento 2.7.5.Correlacin y Ajuste de curvas 2.7.6.Ajuste de curvas 2.7.7.La recta de Mnimos Cuadrados 2.7.8.Variacin explicada y variacin inexplicada 2.7.9.Factor o coeficiente de Determinacin 2.7.10. Factor o coeficiente de Correlacin 2.8. GRFICAS DE CONTROL. 2.8.1.Grfica de Control X - R (del Promedio y el Rango)..
~ R (de la mediana y el Rango) 2.8.2.Grfica de Control X

2.8.3.Grfica de Control X - s (del promedio y de la desviacin estndar) 2.8.4.Grfica de Control X Rm (de lecturas individuales y promedios mviles) 2.8.5.Constantes para Grficas de Control por variables 2.8.6.Grfica de Control p (del porcentaje de no conformes) 2.8.7.Grfica de Control np (del nmero de no conformes) 2.8.8.Grfica de Control c (de las no conformidades por producto) 2.8.9.Grfica de Control u ( de las no conformidades por unidad) 2.8.10. Elaboracin y uso de las Grficas de Control 2.8.11. Estado de Control o Estabilidad. Estados de Normalidad 2.8.12. Vicios en la Formacin o Distribucin. Estados de Anormalidad 2.9. MTODO DE SOLUCIN DE PROBLEMAS QC Story 2.9.1. Que es un problema? 2.9.2. El QC Story y el Mtodo Cientfico 2.9.3. Seleccin del Problema Especifico PASO 1 2.9.4. Observacin y Programacin PASO 2 REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas
2.9.5. Anlisis de Causas PASO 3 2.9.6. Anlisis de Soluciones PASO 4 2.9.7. Implantacin de las Soluciones PASO 5 2.9.8.Verificacin de Soluciones PASO 6 2.9.9. Estandarizacin y Control PASO 7 2.9.10. Conclusiones PASO 8
55 57 59 60 63 63
BIBLIOGRAFA
64
REV: 02
D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas
iii
1. ESTADSTICA, VARIABLES Y GRFICOS. 1.1. QU S LA ESTADSTICA? Es la ciencia de recolectar, clasificar, describir e interpretar datos. Considerando que ciencia es un conjunto sistematizado de conocimientos y dato es un valor que se asigna a un objeto, actividad o suceso para representarlo. Podemos decir que Estadstica es un conjunto de conocimientos para recolectar, clasificar, describir e interpretar informacin relacionada a objetos o eventos. Es importante resaltar que se debe distinguir lo que es la estadstica de los datos que genera, ya que en el vocabulario popular a las medidas obtenidas al procesar los datos tambin se les llama estadstica. Estadstica de las elecciones, Estadstica de Ftbol, etc. 1.1.1. Campo de Aplicacin La estadstica se utiliza para describir, relacionar y analizar todo tipo de datos referentes a conjunto de personas, objetos y sucesos en todos los campos del quehacer humano. La primera aplicacin de la Estadstica fue la poltica, debido a que las primeras civilizaciones la utilizaron para contabilizar su poblacin, su territorio y su riqueza (la situacin del Estado). En la actualidad sta sigue siendo una de las principales aplicaciones aunque no la nica. En Mxico el INEGI (Instituto Nacional de Estadstica, Geografa e Informtica) es quin realiza dicha actividad. Otras reas de aplicacin de la Estadstica igualmente importantes son: la Investigacin Cientfica, el Control de la Produccin, el Control de Calidad, la Mercadotecnia y el desarrollo tecnologa. La Estadstica se divide en dos partes: Estadstica Descriptiva y Estadstica Inferencial. 1.1.2. Estadstica Descriptiva. Se encarga de la recoleccin, descripcin y presentacin de los datos para su posterior anlisis. En esta parte es en donde se calculan medidas generales de los datos y se realizan grficos para representar la informacin. 1.1.3. Estadstica Inferencial. Trata de la interpretacin de los datos para tomar decisiones. Esta otra parte, tiene que ver con la teora del muestreo y el desarrollo de los experimentos en los casos en que no es posible si no conocer una pequea parte de los objetos o eventos que queremos conocer, por lo cual tenemos que hacer suposiciones y tomar decisiones basados en la teora matemtica.
REV: 02
1.1.4. Datos, Poblacin Y Muestra. Como ya se explic en la definicin de Estadstica, dato es un valor asignado a un objeto o un evento para representarlo. Poblacin. Es la coleccin completa de individuos, objetos o eventos que tienen una caracterstica comn y cuyo conocimiento es de particular inters. Muestra: Es cualquier subconjunto de una poblacin. Ejemplos de poblacin y muestra. 1. Poblacin: Todos los habitantes del municipio de La Paz. Muestra: Los habitantes de la colonia Los Reyes Acaquilpan. 2. Poblacin: Todos los trabajadores de EPM Muestra: Los trabajadores de Dobladoras. 3. Poblacin: Todas las canastillas fabricadas en la mquina 5 en el 2 turno del 1 de marzo. Muestra: 400 canastillas inspeccionadas por el Inspector de Calidad durante el turno. 1.2. VARIABLES Y ATRIBUTOS 1.2.1. Variables Son las caractersticas que clasifican a un conjunto de elementos respecto de una escala numrica y pueden ser discretas o continuas. Las variables discretas proceden de un conteo. Ejemplos: el nmero de lminas en una tarima; el nmero de trabajadores en un turno, el nmero de paros dela mquina 1 en un turno Las variables continuas proceden de una medicin. Ejemplos: el ancho de un rollo de papel, la estatura de los trabajadores de EPM, el tiempo de paro de la mquina 1 en un turno. 1.2.2. Atributos. Atributos son las caractersticas que clasifican a un conjunto de elementos en dos categoras no numricas, dependiendo si estn presentes o no en cada elemento.
Ejemplo. Los defectos en las canastillas las clasifican como Conformes o No Conformes.
REV: 02
1.3. GRFICOS. Un grfico es la representacin visual de la relacin entre variables. Tambin se conocen como diagramas porque dan una imagen con ejes, figuras geomtricas y/o lneas de dicha relacin. A continuacin se presentan varios Grficos Generales 1.3.1. Grafico de Barras. Se utilizan para representar la cantidad de cada categora o parte de un problema o situacin.
M I L L O N E S D E P I E Z A S
PRODUCCIN SEMANAL
1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1.32 1.26 1.48 1.64 1.58
P R O D U C C I N
3 MAQUINAS
Fig. 1 Grfico de Barras Verticales
Para su realizacin se trazan dos ejes perpendiculares. En uno de ellos se trazan marcas equidistantes correspondientes a cada una de las categoras o clases. En el otro eje se traza una escala numrica que empieza con cero en la interseccin y termina en un valor mayor a la cantidad de la categora con ms elementos. Por ltimo se traza una barra por cada categora paralela al eje numerado con una longitud igual a su cantidad en la muestra o poblacin considerada.
REV: 02
En algunas ocasiones en lugar de representar las cantidades se representan el porcentaje. Para ello tan solo se cambia la escala del eje numerado como se aprecia en la Fig. 2.
Nivel de Satisfaccin del Cliente
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Cli en te A Cli en te B Cli en te C Cli en te D 94% 83%
87%
89%
Fig. 2 Grfico de Barras Verticales de Porcentajes
Tambin se pueden representar varias cantidades (variables discretas) de cada categora, trazando barras de diferentes colores para cada variable.
% N.C. ESTIMADO DE CANASTILLA POR MQUINA DOBLADORA *IMPRESIN DEFECTUOSA *REGISTRO DE CORTE TRANSVERSAL 5 MQUINA 4 3 2 1 0.0 0.5 1.0 1.5 2.0 2.5 *HENDIDO PROFUNDO *ESTRELLAMIENTO *OTRO EXCESO DE ADHESIVO INTERNO EXCESO DE ADHESIVO EXTERNO DESCUADRE DE ARMADO (2mm MAX) FALTA DE ADHESIVO CANASTILLA MALTRATADA OTRO
% N.C. TOTAL
Fig. 3 Grfico de Barras Horizontales en componentes
REV: 02
1.3.2. Grafico de Crculo
Consiste en un crculo que representa el total de elementos de una muestra o poblacin dividido en varios segmentos que representan cada una de las categoras, el rea de cada segmento es proporcional al porcentaje de cada categora. Para realizarlo hay que hacer una relacin de proporciones igualando el 100% de los datos con los 360 del crculo y el porcentaje de cada categora con un segmento con un nmero incgnito de grados. En el siguiente ejemplo el Factor A representa el 41.7% de un problema, entonces el ngulo del segmento de Crculo que representa, se determina mediante la siguiente relacin de proporciones (regla de tres). 100.0% ---360 41.7%---- X De donde:
X= 41.7% 360 = 150 100%
FACTORES
VALOR
PORCENTA ANGULO JE 41.7% 150
FACTOR A
30
FACTOR 5 5.6% FACTOR 4 6.9% FACTOR 3 13.9%
Otros 4.2%
FACTOR B
20
27.8%
100
FACTOR C
10
13.9%
50 150
FACTOR 1 41.7%
FACTOR D
6.9%
25
FACTOR F
5.6%
20
Otros
4.2%
15
TOTAL
72
100.0%
360
FACTOR 2 27.8%
Fig. 4 Grfico de Crculo o de Pastel
REV: 02
1.3.3. Grfico de Lneas (Series de Tiempo.)
Este tipo de grficos relaciona la cantidad (variable cuantitativa) de una categora con un perodo de tiempo transcurrido.
Porcentaje de Producto con defecto A
8 7 6 5 4 3 2 1 0 MAYO ABRIL SEPTIEMBRE NOVIEMBRE DICIEMBRE FEBRERO ENERO JUNIO JULIO OCTUBRE AGOSTO MARZO
Fig. 5. Grfico de lneas de porcentajes
Para realizarla primero se trazan dos ejes perpendiculares.. En el eje horizontal se traza una escala numrica que corresponde al perodo de tiempo que nos interesa subdividida en perodos menores (subperodos) y en el eje vertical una escala que empieza con cero en la interseccin y termina en un valor un poco mayor al mximo obtenido en el perodo. Se trazan entonces los puntos en las coordenadas (subperodo, cantidad %) y se unen dichos puntos con lneas rectas. Se pueden representar los valores de la misma variable para varias categoras. En la figura 6 se representan la cantidad de merma generada en una mquina por tres tipos diferentes de
causas.
SUBPEROD O May-02 Jun-02 Jul-02 Ago-02 Sep-02 Oct-02 Nov-02 Dic-02 Ene-03 Feb-03 Mar-03 Causa A 8.3 11.7 11.1 9.7 9.9 13.3 11.9 11.0 21.8 18.0 8.1 Causa B 4.3 5.4 1.8 4.3 5.9 21.9 12.4 9.0 14.4 11.9 14.3 Causa C 13.2 14.2
25 20 15 10 5 0 May-02 Nov-02 Ago-02 Sep-02 Ene-03 Mar-03 Feb-03 Jun-02 Jul-02 Oct-02 Dic-02
MERMA GENERADA EN MAQ. 1
6.4 7.5 8.5 4.8 3.0 2.9 4.2 1.8
TON. DE MERMA
5.3
Causa A
Causa B
Causa C
Fig. 6. Serie de tiempo de tres categoras de una variable REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 6
Tambin se pueden representar dos variables diferentes utilizando dos ejes verticales, uno para cada variable. Para representar el valor correspondiente a cada subperodo, se traza una barra para representar a una de las variables y un punto unido con lneas para representar a la otra.
PORCENTAJE ESTIMADO DE PRODUCTO NO CONFORMES EN EL 2002 26.4
25 PRODUCCIN (MILLONES DE PIEZAS)
23.7 21.9 21.3
16.0 14.0 12.0 PORCENTAJE
20
12.2 16.4 16.1 14.8 8.0 6.3 6.8 7.0 7.0 8.1 16.1
15
15.1 13.8 12.9 7.0 13.8
10.0 8.0 6.0
10
5.2 4.0
5.3
4.9
4.0 2.0
0 SEPTIEMBRE NOVIEMBRE DICIEMBRE MARZO MAYO FEBRERO ENERO JUNIO ABRIL JULIO OCTUBRE AGOSTO
0.0
PRODUCCIN BRUTA
% ESTIMADO NO CONFORME
Fig. 7. Serie de tiempo de dos variables distintas
REV: 02
REV: 02
2. LAS HERRAMIENTAS BSICAS DEL CONTROL DE LA CALIDAD

2.1. QU ES EL CONTROL DE CALIDAD? Son todas las actividades encaminadas a verificar que las caractersticas de los productos cumplan con los requisitos o especificaciones y realizar acciones para corregir las desviaciones. En un Sistema de Calidad Total se considera que cada uno de los colaboradores realiza un producto o servicio que debe cumplir con los requisitos de sus Clientes Internos, es decir de las personas que requieren del resultado de su actividad. Para que la Organizacin pueda cumplir con sus objetivos, satisfacer al Cliente externo y mejorar continuamente, es necesario que todos los colaboradores cumplan los requisitos de sus clientes internos, por lo cual es necesario aplicar Herramientas de Control de Calidad no solo en la realizacin del Producto que se vende al Cliente externo, sino en todos los procesos y actividades. 2.1.1. Control Basado en hechos. Uno de los puntos ms importantes en el Control de Calidad es el Control Basado en Hechos Reales y no en la experiencia, el sentido comn y la audacia. Para poder asegurar nuestra calidad y la satisfaccin del cliente, es necesario identificar las variables que determinan la calidad de nuestro proceso o Caractersticas de Calidad y luego determinar el estado de dichas variables a travs de datos. La toma de una correcta decisin basada en la realidad, depende de la veracidad de los datos y de la manera en que estos datos son analizados.
Hechos
Datos
Herramientas Estadsticas
Organizacin
Informacin
Toma de Decisin
Fig. 8. Proceso de Control Basado en Hechos.
REV: 02
2.1.2. Objetivo de Tomar Datos Datos para el Anlisis. Son los datos que se toman para entender la situacin actual de nuestro proceso, rea de trabajo, dependencia, etc. Datos para el Control. Son los datos que se toman peridicamente para investigar la variacin diaria de nuestro proceso, rea de trabajo, dependencia, etc. Para verificar su estado de control(estabilidad) Datos para la Inspeccin. Son los datos que se toman al recibir o entregar un determinado material. Son datos que sirven para verificar si el producto cumple con las especificaciones o contratos establecidos. 2.1.3. Tipos de Datos. Datos Continuos. Son los datos medibles como la longitud, el peso, la temperatura, etc. Datos Discretos. Son aquellos datos que se pueden contar como el nmero de piezas defectuosas, el nmero de errores, etc. Son datos no-continuos. 2.1.4. Herramientas Estadsticas Bsicas. Se conoce como Siete Herramientas Estadsticas Bsicas a las siguientes. Estratificacin. Hojas de Recoleccin de Datos. Grfica de Pareto Histograma Diagrama de Causa y Efecto. Grfica de Dispersin Grfica de Control
REV: 02
2.2.
ESTRATIFICACIN.
Estratificar significa la toma de datos dependiendo del tipo de tramite, rea, personas, lugar, tiempo, etc. Facilita el correcto entendimiento de la informacin, la toma precisa de una accin y un mejor conocimiento de los datos histricos de un producto o servicio. Se puede estratificar por : Producto: Problema: Costo: Localizacin: Persona: Mquina, Por tipo de producto o servicio. Por tipo de defecto, por tipo de error , por tipo de falla, por su magnitud, por su alcance, etc. Por el costo que genera, por la prdida (real o potencial), etc. Por el lugar donde se genera el servicio, el lugar donde se detecta la zona de incidencia, etc. Por cada funcionario, empleado, por cada rea de trabajo, por edades, por sexo, por experiencia, por cargo, etc. Equipo o Instalacin: Por tipo de mquina, por proceso, por trabajo, etc.
Materia Prima o Insumo. Por proveedor, por precio, por lote, por el tiempo en que entro a la dependencia, etc. Mtodo: Tiempo: 2.3. por mtodo de operacin, por condiciones de operacin, por lotes, por estndares de operacin, etc. por turno, por a.m. y p.m., por estacin del ao , por su duracin, etc. HOJA DE RECOLECCIN DE DATOS.
Existen dos tipos principales: 1) Hoja De registro (Checksheet) 2) Hoja De Verificacin (Checklist) 2.3.1Hoja de Registro (Checksheet). La Hoja de Registro es una herramienta para recopilar y organizar datos de diferente ndole respecto de un problema o situacin que se quiere conocer mas a detalle. El uso principal es para cuantificar la frecuencia de diferentes eventos posibles. El diseo adecuado de stas Hojas es muy importante ya que como se mencion deben organizar la informacin y no solo registrarla para que al observarlas se pueda empezar a sacar conclusiones de la situacin en estudio.
REV: 02
10
Las hojas mas sencillas son aquellas que solo presentan una sola estratificacin de los datos, como se aprecia en el ejemplo de la Fig. 8.
HOJA DE RECOLECCIN DE DATOS FECHA: 08/05/03
MQUINA:
MUESTRA:
50
Canastillas con Adhesivo fuera de las reas de Aplicacin

TURNO: 6:00 a 7:00 TEMPERATURA AMBIENTE TEMPERATURA CONTENEDOR N0. DE BOQUILLA( FALLO) SECCION DE BOQUILLAS CANTIDAD CON EXCESO DE ADHESIVO 1 07:00 a 8:00 SUPERVISOR: 8:00 a 9:00
Jorge
9:00 a 10:00
TRIPULACIN: 10:00 a 11:00
E 11:00 a 12:00
MQUINA: 12:00 a 13:00
2
133:00 a 14:00 TOTAL
21 29 ok ok ok
21 29 ok ok ok
23 30 ok ok ok
25 29 ok ok ok
30 30 ok ok ok
32 30 ok ok ok
33 29 ok ok ok
34 29 ok ok ok
TURNO: 14:00 A 15:00 TEMPERATURA AMBIENTE TEMPERATURA CONTENEDOR N0. DE BOQUILLA( FALLO) SECCION DE BOQUILLAS CANTIDAD CON EXCESO DE ADHESIVO
2 15:00 A 16:00
SUPERVISOR: 16:00 17:00
Porfirio
17:00 18:00
TRIPULACIN: 18:00 A 19:00
F
19:00 A 20:00
MQUINA: 20:00 A 21:00
2
21:00 A 22:00 TOTAL
33 30 ok ok ok
33 30 ok ok ok
33 30 9 2da 1
33 30 ok ok ok
32 30 ok ok ok
31 30 ok ok ok
31 30 ok ok ok
29 30 ok ok ok
TURNO: 22:00 A 23:00 TEMPERATURA AMBIENTE TEMPERATURA CONTENEDOR N0. DE BOQUILLA( FALLO) SECCION DE BOQUILLAS CANTIDAD CON EXCESO DE ADHESIVO
3 23:00 A 24:00
SUPERVISOR: 24:00 A 1:00
Marcial
1:00 A 2:00
TRIPULACIN: 2:00 A 3:00
D
3:00 A 4:00
MQUINA: 4:00 A 5:00
2
5:00 A 6:00 TOTAL
28 30
28 30
26 30
26 30
24 30
24 30
23 30
21 30
ok ok ok
ok ok ok
5 1ra 2
ok ok ok
ok ok ok
ok ok ok
10 1ra 10
ok ok ok
12
COMENTARIO:
Fig 8. Hoja de Recoleccin de Datos para Anlisis del Problema de canastillas con adhesivo fuera de las reas de Aplicacin
REV: 02
11
Un buen diseo debe contener el mayor nmero posible de estratificaciones. Un ejemplo de Hoja de Recoleccin de Datos ms completa se muestra en la Fig. 9
FORMATO DE RECOLECCIN DE DATOS CANASTILLAS CON ADHESIVO FUERA DE REAS DE APLICACIN
MAQUINA:
FRECUENCIA: 100 Canastillas Cada 2 Hrs.

21
6a8
FECHA:
08/05/03
Temp. Amb.
Temp. Amb.
SECCIN BOQUILLA
23
8 a 10
30
10 a12
33
12 a 14
33
33
16 a 18
32
18 a 20
31
20 a 22
28
26
0a2
24
2a4
23
4a6
1er.turno
Total Turno
0 0 0 0 0 0 0 0 0 0 0 0 0
2do.turno
14 a 16
Total Turno
0 0 0 0 0 0 0 0 0 0 0 0 0
3er.turno
22 a 24
Total Turno
0 0 0 0 2 0 0 0 0
Total Da
0 0 0 0 2 0 0 0 0 10 0 0 12
BOQUILLA
SECCIN
1 2 3 4 5 "A" 6 7 8 9 10 11 12 Total Horario
2E*
10E#
10
10 0 0 12
1 2 3 4 5 6 "A" 7 8 9 10 11 12 Total Seccin
SECCIN BOQUILLA
1er.turno
6a8 8 a 10 10 a12 12 a 14
Total Turno
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2do.turno
14 a 16 16 a 18 18 a 20 20 a 22
Total Turno
0 0 0 0 0 0 0 0 1 0 0 0 0 0 1
3er.turno
22 a 24 0a2 2a4 4a6
Total Turno
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Total Da
0 0 0 0 0 0 0 0 1 0 0 0 0 0 1
BOQUILLA
SECCIN
1 2 3 4 5 6 7 "B" 8 9 10 11 12 13 14 Total Horario
1I#
1 2 3 4 5 6 7 "B" 8 9 10 11 12 13 14 Total Seccin Total 1 12 2 11 0
Observaciones
Codificacin Ubicacin Forma

INTERIOR EXTERIOR LNEAS GOTAS OTROS
I E
*
#
"
Fig. 9 Hoja de Recoleccin de Datos mejorada
REV: 02
12
2.3.1. Hoja de Verificacin (Checklist). La Hoja de Verificacin es una herramienta para verificar que se cumplen una serie de condiciones preestablecidas o para verificar un evento nico restringido a unas cuantas opciones preestablecidas. En las Fig. 10 y 11 se muestran un par de ejemplos.
CUESTIONARIO
- RECEPCION DE CLIENTE EMBARQUES
FECHA : NOTA DE SALIDA :
CLIENTE: TRANSPORTISTA : UNIDAD TIPO : PLACAS: !GRACIAS! R E V I S N
EL OBJETIVO DE ESTE CUESTIONARIO ES PARA BRINDARLE UN MEJOR SERVICIO EN LA ENTREGA DE SU PRODUCTO
I O N SI NO
DESCRI PCI ON
1 2 3 4 5 6 7 8 9 10
ENTREGA EN FECHA ENTREGA EN CANTIDAD PRODUCTO PROTEGIDO ADECUADAMENTE CORRECTA DISTRIBUCION DEL PRODUCTO EN UNIDAD BUEN MANEJO DEL PRODUCTO EN LA DESCARGA CORRECTO TRANSLADO DEL PRODUCTO AL ALMACEN ESTIBAJE ADECUADO EN SU ALMACEN DOCUMENTACION PROPORCIONADA, ES LA CORRECTA? LA PRESENTACION DEL PERSONAL, ES BUENA ? CMO CALIFICA EL SERVICIO DEL EMBARQUE?
EXELENTE BUENO REGULAR MALO
_____________________________________________________ OBSERVACIONES _________________________________________________________________________ _________________________________________________________________________ _________________________________________________________________________
Fig. 10 Hoja de verificacin de las entregas y el servicio de transporte
REV: 02
13
LISTA DE VERIFICACIN (PROCESO TINTAS)

LOTE
PUNTO DE VERIFICACIN
FECHA:
ACCION CORRECTIVA
DISPERSOR
EQUIPO LIMPIO EQUIPO ENERGIZADO PRESION DE AIRE DE 40 A 85 PSI EQUIPO DE VAPORES Y GASES ENCENDIDO
3
SI SI NO NO
SI
NO
MOLINO DE PERLAS
EQUIPO LIMPIO PAILAS Y TAMBOS LIMPIOS SELLO MECNICO CON ADITIVO DE LUBRICACION ARRIBA DE 3/4 CONEXIONES Y MANGUERAS SIN FUGA ENTRE PAILAS Y MOLINO
2
SI SI NO NO
SI SI
NO NO
VALVULAS DE PASO ABIERTAS EN MANGUERAS DE AGUA DE ENFRIAMIENTO Y AIRE PRESION DE AIRE EN MANMETRO INTERIOR DE 60 A 70 PSI EQUIPO CHILLER ENCENDIDO
SI
NO
KADY
EQUIPO LIMPIO SELLO MECANICO DE AGUA Y ACEITE ARRIBA DE 3/4 VALVULAS DE PASO ABIERTAS EN MANGUERAS DE AGUA DE ENFRIAMIENTO EQUIPO DE VAPORES Y GASES ENCENDIDO EQUIPO CHILLER FUNCIONANDO EQUIPO LIBRE DE OBJETOS QUE OBSTRUYAN EN EL PESO CORRECTO INDICADOR DE PANTALLA EN CEROS PAILAS, TAMBOS Y CONTENEDORES LIMPIOS
SI
NO
SI SI SI SI SI SI
NO NO NO NO NO NO
DROMONT
TAMBOS Y PAILAS LIMPIOS VALVULAS DE PASO ABIERTAS EN MANGUERAS DE DOSIFICACIN BASES PLATAFORMA DE LA BASCULA BIEN CENTRADA INDICADOR DE PANTALLA EN CEROS
SI SI SI SI
NO NO NO NO
EQUIPO DE VAPORES Y GASES

AGUA ARRIBA DEL MINIMO SACUDIDOR DE FILTROS FUGAS EQUIPO ENERGIZADO
SI HAND SI SI
NO AUTO NO NO
CHILLER
NIVEL DE AGUA (LLENO) VALVULAS ABIERTAS BOMBA ENCENDIDA EQUIPO RESTABLECIDO
SI SI
NO NO NO NO
SI SI
ENVASADO
BOMBA LIMPIA Y CON PRESIN DE AIRE TAMBOS, CUBETAS Y CONTENEDORES LIMPIOS Y EN BUEN ESTADO
SI SI
NO NO
*EN CASO DE NO CUMPLIR SEALAR LA ACCION CORRECTIVA EJECUTADA
VERIFICO
REV: 02
14
Fig. 11 Hoja de Verificacin del estado de los equipos del Proceso de Elaboracin de Tintas 2.4. GRFICA DE PARETO
Recibe el nombre por el economista italiano V. Pareto (1848-1923), que al analizar la distribucin de la posesin de la riqueza encontr que pocas personas tenan la mayor parte de la riqueza y viceversa, en lo que se denomina la Ley de Pareto. El Dr. Juran aplic esta ley a la produccin para el anlisis de los defectos de un producto Pocas causas solucionan la mayor parte de los problemas. Se le conoce como la ley del 80-20 en donde el 20% de las causas de un problema representan el 80% de su efecto, por lo tanto es importante detectar y eliminar aquellas causas importantes que nos dan un gran beneficio. Pocas esenciales y muchas triviales 2.4.1. Procedimiento para Elaborar una Grfica de Pareto. 1. Elaborar una tabla con los factores o categoras involucrados y su valor respecto de la variable con la que se estn comparando: cantidad, frecuencia, costo, tiempo , etc. (ver fig. ). 2. Realizar una nueva tabla con los factores ordenados de acuerdo a su valor de mayor a menor. Esta tabla debe tener cinco columnas: Factores, valor, valor acumulado, porcentaje y porcentaje acumulado. 3. Calcular el valor acumulado, el porcentaje y el porcentaje acumulado.
VARIABLE: PERIODO: NO. 1 2 3 4 5 6 7 8 9 10 NMERO DE CANASTILLAS RECHAZADAS PARA SELECCIN EN CUARENTENA MAYO 2003 FACTORES ORDENADOS EXCESO DE ADHESIVO REG DE CORTE TRANS. DESCUADRE DE ARMADO DESGARRE FALTA DE ADHESIVO CANASTILLA MALTRATADA IMPRESIN DEFECTUOSA SUAJE PROFUNDO FALTA DE CORTE NICKS SIN DESTRABAR TOTAL VALOR 243,887 136,440 73,337 34,110 30,699 25,583 13,644 5,117 5,117 1,706 569,640 VALOR ACUMULADO 243,887 380,327 453,664 487,774 518,473 544,056 557,700 562,817 567,934 569,640 % 42.8 24.0 12.9 6.0 5.4 4.5 2.4 0.9 0.9 0.3 100.0 % ACUMULADO 42.8 66.8 79.6 85.6 91.0 95.5 97.9 98.8 99.7 100.0
Fig. 12. Ejemplo de tabla para realizar Grfico de Pareto. 4. Realizar la grfica, trazando dos ejes perpendiculares. En el eje horizontal se trazan marcas equidistantes correspondientes a cada una de las categoras o factores. En el eje vertical se traza una escala numrica que empieza con cero en la interseccin y termina en el total del valor de todos los factores.
REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas
15
5. Representar los factores de manera similar a una grfica de barras verticales, colocando a la izquierda la barra del factor mas importante en cuanto a la variable representada y despus las dems barras ordenadas de mayor a menor. En esta grfica las barras se trazan con un ancho igual a la distancia entre cada marca de categora, de manera que las barras quedan juntas una detrs de otra y se anota su valor encima de cada barra. 6. Representar los valores acumulados mediante una grfica de lneas. Trazar una lnea desde el origen o la esquina inferior izquierda de la primer barra al punto medio o a la esquina superior derecha de la barra, despus se traza otra lnea a partir de dicho punto hasta la coordenada correspondiente a la marca de la siguiente categora y la cantidad acumulada de las dos primeras barras, y as sucesivamente hasta la ltima categora. 7. Trazar un segundo eje vertical a la derecha de la ltima barra con una escala porcentual de 0 a 100%, de manera que coincida el valor total de todos los factores con el 100% 8. Sealizar la grfica lineal con los valores del porcentaje acumulado. 9. Si se presenta la grfica sin la tabla de datos, indicar en un espacio alrededor de la grfica, quin lo elabora, el tamao de la muestra o poblacin que se est representando, as como el periodo en que se tomaron los datos.
NMERO DE CANASTILLAS RECHAZADAS PARA SELECCIN EN CUARENTENA

95.5 91.0 500 85.6 79.6 97.9 98.8 99.7 100.0 100 90 80 70 n = 569.6 millares MAYO 2003 Elabor: J.A.M.R. 60 50 40 30 73.3 34.1 30.7 25.6 0
EX CE SO RE DE G A DE DH DE ES CO SC IV RT O UA E TR DR A E NS DE . A RM A FA DO DE CA LT SG A NA A DE ST RR A IL E DH LA ES M A IV LT O RA TA DA SU A JE PR O FA FU LT NI ND A CK O DE S SI C N O RT DE E ST RA BA R
PIEZAS RECHAZADAS
400
300 243.9 200 136.4 100 42.8
20 13.6 5.1 5.1 10 1.7 0
REV: 02
PORCENTAJE
66.8
Millares
16
Fig. 13. Ejemplo de Grfica de Pareto
REV: 02
17
2.4.2. Notas acerca de los Grficos de Pareto. El grfico de Pareto es una herramienta til para estratificar los problemas (por ejemplo, descomponer el problema de desperdicio en los tipos de desperdicio que tiene la empresa) y jerarquizar los factores que lo componen. El factor principal puede determinar el Efecto o caracterstica de calidad primaria de un Diagrama de Causa y Efecto. No olvidar colocar informacin necesaria como. Tamao de muestra(n), periodo que se grafica, responsable del grfico, unidades de cada uno de los ejes, ttulo del grfico. Construya varios tipos de grficos de Pareto en funcin de diferentes variables, por ejemplo , si desea jerarquizar los tipos de defecto, realice un grfico en funcin de la frecuencia , otro del costo que representan, otro de sus efectos en otros procesos, etc. Una vez detectado el problema o fenmeno prioritario, estratifique las veces que sea necesario, para llegar hasta las causas. El grfico de Pareto es la representacin (esttica) del comportamiento de un fenmeno en un determinado periodo. En caso de tratarse de un periodo muy largo de tiempo (2 aos por ejemplo), es recomendable utilizar una serie de tiempo como grfica de todos los datos y paralelamente un Grfico de Pareto con los datos ms recientes (1 o 2 ltimos meses). No utilizar directamente el grfico de Pareto para problemas de reduccin o incremento de una caracterstica de calidad. Hay que tener mucho cuidado cuando utilizamos los grficos de Pareto para comparar la situacin anterior y la mejorada (antes y despus), ya que se puede cometer el error de comparar periodos de tamao distinto. Es importante que al comparar dos grficos de Pareto, estos tengan las mismas escalas. Nunca construir grficos de Pareto en donde el rubro de Otros tanga un porcentaje elevado. Se recomienda que sea menor que la mitad del segundo factor en importancia. Elegir correctamente el problema a solucionar, pensando en el efecto que se tendr y no solo en el orden que ocupa en la grfica. Es recomendable, pensar que a veces es mejor elegir lo solucionable y no necesariamente lo que la grfica nos sugiere como la de mayor importancia.
REV: 02
18
2.5. HISTOGRAMA
Se utiliza para representar la forma en que se distribuyen los datos de una Variable Cuantitativa (ver inciso 1.2.1 de sta Gua) agrupndolos por clases.
2.5.1.
Distribucin de Frecuencias.
Al resumir un conjunto grande de datos numricos, es til distribuirlos en clases disjuntas (que no se translapan, ni tienen datos en comn), dividiendo la escala de la variable en intervalos y determinar el nmero de datos que pertenecen a cada clase, es decir, determinar la DISTRIBUCIN DE FRECUENCIAS.
2.5.2.
Elaboracin de la Tabla de Frecuencias y del Histograma.
Para ejemplificar la elaboracin de un Histograma se presentan como ejemplo las mediciones del peso en gramos de 50 canastillas de 12 0z, tomadas de una de las mquinas dobladoras en un momento determinado, as como los clculos realizados. a) Recopilar los datos. Cuando menos se deben de tener cincuenta, n = 50 (aprox. 100 es lo deseable).
98.7 101.4 101.4 101.4 100.8 Mx Mn 100.5 102.0 102.3 102.1 99.1 101.4 102.3 102.4 99.7 100.4 99.4 101.8 101.6 101.5 101.6 100.8 101.1 101.4 101.3 99.8 101.4 100.1 100.4 100.3 101.0 102.5 102.0 102.2 102.4 102.3 101.5 103.0 103.4 101.9 101.9 101.2 102.7 104.2 103.1 100.2 101.3 102.0 101.8 101.9 101.0
Fig. 14 Tabla de pesos de una muestra de canastillas de 12 oz de la dobladora N. b) Encontrar el valor mximo xmx y el valor mnimo xmn y calcular el Rango (R). En nuestro ejemplo, xmx= 104.2, xmn= 98.7. Nota: Para encontrarlos ms rpidamente se puede agregar dos filas a la tabla de datos para encontrar primero el mnimo y mximo de cada columna y despus el mnimo y mximo de toda la tabla c) Calcular el Rango R. El Rango es la diferencia entre el valor mayor y el valor menor de un conjunto de datos. R = xmx - xmn R = 104.2 98.7 = 5.5 d) Determinar el nmero de Clases k. Una regla comn es sacar la raz cuadrada del nmero de datos y considerar el entero inmediato superior. Pero puede determinarse otro nmero adecuado entre 7 y 20. En el ejemplo.
k = 50
k = 7.07 k=8
e)
Calcular la Amplitud de las clases.. Precisamente el ancho de los intervalos el la amplitud de clase y se obtiene dividiendo el rango entre el nmero de clases. El ancho debe tener la misma precisin de los datos y se recomienda ajustarla a un dgito impar. En el ejemplo.
A=
5.5 8
A = 0.7 18
A = 0.69 REV: 02
En ste caso, como todas las mediciones estn en dcimas de gramo la amplitud se ajust a 0.7 que era el dgito impar mas cercano en dcimas. f) Calcular el lmite inferior de la primera clase se calcula de la siguiente manera: Lmite Inferior = xmin. En el ejemplo.
LI1 = 98 . 7 0 .1 2
(Unidad mnima de medicin / 2)
LI1 = 98.65 Una vez que se define el lmite Inferior de la primera clase, se le suma la amplitud de clase para obtener el Lmite superior de la primera clase que es el lmite inferior de la segunda clase. LS1 = 98.65 + 0.7 = LS1 = 99.35 = LI2 Los dems lmites de las dems clases se calculan de manera similar. El lmite superior de la ltima clase ser el que sobrepase por primera vez el valor mximo del conjunto de datos. Lo anterior se puede representar grficamente de la siguiente en una escala numrica.
A Peso de las canastillas 98.65 LI1 99.35 100.05 100.75 101.45 102.15 102.85 103.55 104.25 LS1=LI2 LS2=LI3 LS3=LI4 LS4=LI5 LS5=LI6 LS6=LI7 LS7=LI8 LS8
g)
Elaborar la tabla de frecuencias como aparece a continuacin. Lo primero que se registra son los lmites de intervalo calculados en el inciso anterior.
No. clase 1 2 3 4 5 6 7 8 Intervalo de Clase 98.65 a 99.35 99.35 a 100.05 100.05 a 100.75 100.75 a 101.45 101.45 a 102.15 102.15 a 102.85 102.85 a 103.55 103.55 a 104.25 Marca de Clase 99.0 99.7 100.4 101.1 101.8 102.5 103.2 103.9 Total Conteo Frecuencia
Fig. 15 Tabla de frecuencias de una muestra de canastillas de 12 oz de la dobladora N. h) Calcular las marcas de clase (punto medio de cada clase). Marca de Clase = En el ejemplo.
MC 1 =
Lmite inferior de Clase + lmite Superior de Clase 2
98 . 65 99 . 35 2
MC1 = 99.0 Pude calcularse cada una de las marcas de clase o se puede calcular la del primer intervalo y sumar la Amplitud A para obtener las dems marcas de clase. MC2 = MC1 + A MC2 = 99.0 + 0.7 0 = 99.7 REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 19
i)
Determinar la frecuencia de cada una de las clases. Para ello se hace un conteo de los datos (Fig. 14) que corresponden a cada intervalo de clase, anotando en la tabla de frecuencias una marca lineal o de cualquier otro tipo en la columna de conteo, por cada dato. Finalmente se anota el nmero de marcas o datos en la columna de frecuencia.
No. clase 1 2 3 4 5 6 7 8 Intervalo de Clase 98.65 a 99.35 99.35 a 100.05 100.05 a 100.75 100.75 a 101.45 101.45 a 102.15 102.15 a 102.85 102.85 a 103.55 103.55 a 104.25 Marca de Clase 99.0 99.7 100.4 101.1 101.8 102.5 103.2 103.9 II III IIIII I IIIII IIIII IIII IIIII IIIII III IIIII III III I Total Conteo Frecuencia 2 3 6 14 13 8 3 1 50
Fig. 16 Tabla de frecuencias completa j) Trazar un rea de coordenadas, en donde, el eje horizontal X representa la variable en cuestin (en el ejemplo: peso de las canastillas) y el eje vertical representa la frecuencia correspondiente a cada clase. Trazar un rectngulo para cada una de las clases, de manera que su base coincida con los lmites de clase en la escala del eje horizontal, y con una altura igual a su frecuencia. El grafico as obtenido se llama HISTOGRAMA DE FRECUENCIAS. En la fig. 17 se indican los lmites y la marca para la primera clase. Para el resto de las clases slo se muestran la marcas de clase.
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 99.0 99.7 100.4 101.1 101.8 102.5 103.2 LS = 98.65 LI = 98.65 103.9
k)
Frecuencia
Peso en gramos de canastillas 12 oz
Fig. 17 Histograma de frecuencias de una muestra de canastillas de 12 oz de la dobladora N. l) Tambin se puede representar el Histograma en trminos de porcentajes agregando otra columna a la tabla de Frecuencias con la Frecuencia Relativa indicando el valor de cada clase en forma de porcentaje. (Fig. 18 y 19)
REV: 02
20
No. clase 1 2 3 4 5 6 7 8
Intervalo de Clase 98.65 a 99.35 99.35 a 100.05 100.05 a 100.75 100.75 a 101.45 101.45 a 102.15 102.15 a 102.85 102.85 a 103.55 103.55 a 104.25
Marca de Clase 99.0 99.7 100.4 101.1 101.8 102.5 103.2 103.9 II III
Conteo
Frecuencia 2 3 6 14 13 8 3 1
Frecuencia Relativa 4% 6% 12% 28% 26% 16% 6% 2% 100%
IIIII I IIIII IIIII IIII IIIII IIIII III IIIII III III I Total
50
Fig. 18 Tabla con frecuencias relativas

30% 25% FREC. RELATIVA (%) 20% 16% 15% 10% 5% 0% 99 99.7 100.4 101.1 101.8 102.5 103.2 103.9 4% 6% 6% 2% 12% 28% 26%
PESO EN GR. DE CANASTILLA 12 OZ.
Fig. 19 Histograma de frecuencias relativas.
REV: 02
21
2.5.3.
Tipos de histogramas
General: El proceso est estable. Solo existe una sola Campana simtrica, como se aprecia en la Fig. 17. Chimuelo: hay un problema con el aparato de medicin o el calculo de las clases no es correcto (sobretodo si el intervalo de Clase es mltiplo de la unidad mnima de medicin), o sea han redondeado los datos con una tendencia particular. (Fig. 18)
CHIMUELO
12 10 8 6 4 2 0
A B C D E F G H I J H
Fig. 20 Sesgado: Cuando los datos recopilados estn controlados por un lmite o estndar dado de operacin Precipicio: Generalmente se da cuando ante un proceso de baja productividad se toma muestra de productos que pasaron por una inspeccin al 100%.
SESGADO
PRECIPICIO 12 10 8 6 4 2 0
12 10 8 6 4 2 0
Fig. 21
A B C D E F G H I J H
A B C D E F G H
J H
Fig. 22
Meseta. Existe una mezcla de varias distribuciones con tendencias centrales que varan Dos Picos: Necesidad de Estratificar, ya que seguramente se debe a la mezcla de dos poblaciones o distribuciones diferentes.
MESETA DOS PICOS
12 10 8 6 4 2 0 A B C D E F G H I J H A B C D E F G H I J H
10 8 6 4 2 0
Fig. 23 Fig. 24
REV: 02
22
Pico Aislado. Existe una anormalidad en el proceso o en la materia prima, errores en la medicin, o datos de un proceso diferente. Se nota una Isla separada del proceso principal.
PICO AISLADO
12 10 8 6 4 2 0 A B C D E F G H I J H I J
Fig. 25
REV: 02
23
2.5.4.
MEDIDAS DE TENDENCIA CENTRAL.
Tambin se conocen como promedios y determinan un valor tpico o representativo de un conjunto de datos. Se llaman de tendencia central porque suelen situarse hacia el centro de un conjunto de datos ordenados por magnitud. a) Media Aritmtica. La medida de tendencia central ms utilizada es la media aritmtica que se calcula con las siguientes expresiones, segn se trate de una poblacin o muestra:
X1 + X 2 + X 3 + .... + X n 1 N = Xi N N i=1
x=
x 1 + x 2 + x 3 + .... + x n 1 n = xi n n i=1
Si se trata de una poblacin: --meda aritmtica Ntamao de la poblacin Xivalor especifico de la variable
Si se trata de una muestra
x --meda aritmtica
ntamao de la muestra xiValor especifico de la variable
Ejemplo.A La produccin diaria en miles de canastillas de la mquina Rotativa en la ltima semana del mes de Agosto fue de: 646,543,696,381,200,655. Determine la media.
646 + 543 + 696 + 381 + 200 + 655 6 x = 520 . 5 x =
b)
Mediana.
Cuando el nmero de datos es impar y estn ordenados den forma creciente o decreciente es el valor en la posicin central. Cuando el nmero de datos es par y estn ordenados den forma creciente o decreciente es la media de los dos valores centrales. Ejemplo B.1. La produccin diaria en miles de canastillas de la mquina Dobladora 1 en la ltima semana del mes de Agosto del 2002 fue de: 145,167,217,242,206,211,224. Cul es la mediana de estos datos? Datos ordenados: 145, 167, 206, 211, 217,224, 242 La mediana es 211, que tambin se expresa: Ejemplo B.2. Determine la mediana de la produccin diaria de la Rotativa 1 en la ltima semana de agosto del 2002. (ver ejemplo A) Datos ordenados: 200, 381, 543, 646, 655, 696 La mediana es:
~ x = 211
543 + 646 ~ x= 2 ~ x = 594 .5
c)
Moda.
Es el valor que ocurre con mayor frecuencia en un conjunto de datos, es decir, el valor que se repite ms veces. Normalmente se encuentra entre el valor menor y el mayor. REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 24
Ejemplo C. Uno de los rollos muestreados el da 28 de Febrero dio los siguientes valores de espesor en milsimas de pulgada: 22.3, 22.5, 21.7, 22.3, 22.2. Determine la moda, la mediana y la media. Datos Ordenados: 21.7, 22.2, 22.3, 22.3, 22.5 Moda: 22.3 Media: x =
~ Mediana: x = 22.3
21 . 7 + 22 . 2 + 22 . 3 + 22 . 3 + 22 . 5 5 x = 22 . 2
2.5.5.
MEDIDAS DE DISPERSIN.
Son valores numricos que indican el grado de variacin de los datos estudiados, es decir, que tan alejados estn los datos entre s. d) Rango.
Es la diferencia entre el valor mayor y el menor de un conjunto de datos. Ejemplo D. Se toma una muestra de 5 unidades en cada uno de dos lotes diferentes de barras de acero de 1 de dimetro nominal, obtenindose los siguientes datos que corresponden al dimetro real en pulgadas. Muestra del lote A: 0.995, 0.990, 0.981, 0.999, 1.010 Muestra del lote B: 0.996, 0.997,1.000, 0.991, 0.991 Calcular la media y el rango de cada muestra. Cul de los 2 lotes cree sea mejor? Lote A
0 . 995 + 0 . 990 + 0 . 981 + 0 . 999 + 1 . 010 5 x = 0 . 995 x =
R = 1.010 - 0.981 R = 0.029
Lote B
x = 0 . 996 + 0 . 997 + 1 . 000 + 0 . 991 + 0 . 991 5 x = 0 . 995
R = 1.000 - 0.991 R = 0.009
e)
Varianza.
Para tomar en cuenta la dispersin de todos los valores y no solo de los extremos, esta medida se basa en la diferencia de cada dato respecto de la media. Varianza es el promedio de los cuadrados de las desviaciones de cada dato respecto de la media. Para describir una poblacin se tienen las siguientes expresiones equivalentes:
2 = ( X1 )2 + ( X2 )2 + ( X3 )2 + .... + ( XN )2 N
2
2 2 2 X1 + X2 2 + X 3 + .... + X N = 2 N
Donde: 2--Varianza de la poblacin REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 25
Para describir una muestra se utiliza generalmente la varianza insesgada que es un estimador de la varianza de la poblacin, y se determina con alguna de las siguientes expresiones equivalentes:
2 sn 1 = 2 2 2 x1 + x2 n 2 2 + x 3 + .... + x n x n 1 n 1
La desventaja de esta medida es que no se puede comparar con los valores ya que est en unidades al cuadrado.
f) Desviacin estndar.
Es la raz cuadrada positiva de la varianza. Esta medida es ms til ya que se expresa en la misma unidades de la variable.
Para una poblacin: Para una muestra
2 2 sn 1 = s n1
=
Ejemplo F.
Determine la desviacin estndar de los dos lotes del ejemplo D.
s2 n 1 =
2 2 2 + x2 x1 2 2 + x 3 + .... + x N x n 1
Lote A Varianza insesgada

2 sn 1 = 2 sn 1
Lote B Varianza insesgada

2 sn 1 = 2 sn 1
0.995 2 + 0.990 2 + 0.9812 + 0.999 2 + 1.010 2 5 0.995 2 4 4 5 = 0.0001155 = 11.55 10
0.996 2 + 0.997 2 + 1.000 2 + 0.9912 + 0.9912 5 0.995 2 4 4 5 = 0..0000155 = 1.55 10
Desviacin Estndar insesgada

5 2 sn 1 = 11.55 10 2 sn 1 = 0.011
Desviacin Estndar insesgada

5 2 sn 1 = 1.55 10 2 sn 1 = 0.004
2.5.6.
DESV. ESTNDAR Y POBLACIONES NORMALES.
La mayora de los fenmenos naturales y muchos de los procesos controlados tienen una Distribucin normal, en la cual los valores de la variable en cuestin (peso, longitud, fuerza, etc), se acumulan simtricamente alrededor de un valor central formando una forma de campana, presentando mayor frecuencia precisamente cerca del valor central y menos frecuencia en valores alejados de l, tal y como se aprecia en las Figuras 17 y 19. La relacin entre el nmero de datos y los intervalos alrededor de la media de una a tres desviaciones estndar en poblaciones normales se presentan en la siguiente tabla.
INTERVALO % DE LOS DATOS EN EL INTERVALO
( , +) (2 , +2) (3 , +3)
REV: 02
68.27% 95.45% 99.73%
26
Donde y son la media aritmtica y la desviacin estndar de la poblacin. Cuando solo se tienen los datos de una muestra el porcentaje de datos en los intervalos definidos por la media y la desviacin estndar de la muestra es aproximado a los mostrados en la tabla anterior.
2.5.7.
a) b) c)
CLCULO DE LA MEDIA Y DESV. ESTNDAR DE DATOS AGRUPADOS.
Elaborar una tabla como la que aparece en la fig. 26. en la cual se copian las columnas del nmero de clase, la marca de clase y la frecuencia de la tabla de la Fig 17. Se identifica la clase con mayor frecuencia y se designa a su marca de clase como x0. En el ejemplo, la clase 4 es la que tiene mayor frecuencia con 14 datos, por lo cual x0 = 101.1 Se establece el valor de la variable u para cada una de las clases, que define su posicin relativa respecto de la clase central aquella con mayor frecuencia- cuyo valor de u es igual a 0. Las clases anteriores a la Clase central tienen un valor negativo y las posteriores un valor positivo
Frecuencia f 2 3 6 14 13 8 3 1 f=n=50
No. clase Marca de Clase 1 2 3 4 5 6 7 8 99.0 99.7 100.4 x0=101.1 101.8 102.5 103.2 103.9 Sumatorias
u -3 -2 -1 0 1 2 3 4
f*u
f*(u )
f*u=
f*(u )=
Fig. 26. Tabla para el clculo simplificado de la media y la desviacin estndar.
d) e) f) g)
Se multiplica el valor de la frecuencia f por la posicin relativa u de cada una de las clases y se llena la columna f*u. Se eleva al cuadrado el valor de la posicin relativa u de cada clase y se obtiene u2 Se multiplica el valor de la frecuencia f por el de la posicin relativa u y se llena la columna f*(u2) Se obtienen las sumatorias de las columnas f*u, f*(u2)
No. clase Marca de Clase 1 2 3 4 5 6 7 8 99.0 99.7 100.4 x0=101.1 101.8 102.5 103.2 103.9 Sumatorias Frecuencia f 2 3 6 14 13 8 3 1 f=n=50 u -3 -2 -1 0 1 2 3 4 f*u -6 -6 -6 0 13 16 9 4 f*u=24 u
2
f*(u ) 18 12 6 0 13 32 27 16 f*(u )=124

2
9 4 1 0 1 4 9 16
Fig. 27. Tabla completa para el clculo simplificado de la media y la desviacin estndar. REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 27
h)
Se calcula la media y la desviacin estandar con las siguientes frmulas. Se debe recordar que A es el valor de la amplitud de las clases..
Media: Desviacin Estandard
x = x0 + A
f u
n
sn1 = A
f u2
( f u)2 n n 1
A continuacin se muestra el clculo para los datos del peso de la tabla de la fig. 27
Desviacin Estndar
Media
24 x = 101.1 + 0.7 50 x = 101.44
sn1 = 0.7 sn1 = 1.06
124
242 50 49
Para comprender mejor lo que representa de manera prctica la desviacin estndar se muestra el Histograma de la Fig. 28 indicando el valor de la media con una lnea vertical, as como, otras lneas paralelas separadas una distancia igual a una, dos y tres desviaciones estndar. Cuya posicin se determina en la siguiente tabla.
x 3s n1 =
98.26 99.32 100.38 101.44 102.5 103.56 104.62
x 2s n1 =
x s n1 =
x=
x + s n1 =
x + 2s n1 = x + 3s n1 =
REV: 02
28
40% 35% x-s =100.38
x=101 . 44 x+s =102.55 28% x-2s =99.32 26% x+2s =103 .5 6
FREC. RELATIV A (%)
30% 25% 20% x-3s =98.26 15% 10% 6% 5% 0% 98.3 99 99.7 100.4 4% 12%
16%
x+3s =104 . 62
6% 2%
101.1
101.8
102.5
103.2
103.9
P ES O EN GR. DE CANAS TILLA 12 OZ.
Fig. 28. Relacin de la media y la desviacin estndar en una poblacin normal.
REV: 02
104.6
29
2.6. DIAGRAMA CAUSA- EFECTO.

Es un diagrama que indica las relaciones existentes entre las causas (Factores) y los Efectos (Caractersticas de Calidad). Fue utilizado en 1952 por el Dr. Kaoru Ishikawa para ordenar las ideas que surgan en una discusin realizada por los tcnicos en una de las plantas de la empresa Kawasaki Steel Co. Y posteriormente utilizado por todas las dems empresas e instituciones de Japn. Tambin se denomina Diagrama de Ishikawa o Diagrama de Espinas de pescado (Fishbone Diagram). En al Fig. 29 aparece la forma general del Diagrama CausaEfecto (Diagrama C.E.)
2.6.1. Procedimiento para elaborar un Diagrama causa efecto:

1. Determinar el problema especfico a analizar (Efecto). 2. Trazar un rectngulo a la derecha de la pgina y escribir dentro, el problema especfico en forma de interrogacin. Por qu (sucede esto)? 3. Trazar una flecha horizontal que atraviese la pgina y que termine con la punta en el rectngulo del P.E. Utilizar una lnea gruesa 2 3 mm de ancho. 4. Trazar una flecha inclinada por cada uno de los factores o causas principales. La punta de las flechas termina en la flecha horizontal del inciso anterior y la inclinacin es hacia el rectngulo del P.E. Utilizar una lnea gruesa 1 2 mm de ancho 5. Trazar un rectngulo para cada uno de los factores principales y escribir su nombre dentro. Estos deben estar en la cola de la flecha correspondiente. 6. Identificar las posibles o potenciales causas secundarias contestando la pregunta del problema especfico. 7. Anotar las causas secundarias anotndolas en forma de enunciado y unirlas con una lnea horizontal a la flecha del factor principal correspondiente. 8. Identificar las subcausas de 3er nivel, realizando la pregunta: por qu sucede la causa secundaria correspondiente? 9. Anotar las posibles o potenciales subcausas de 3er nivel anotndolas en forma de enunciado y unirlas con una lnea inclinada a la lnea de la causa secundaria correspondiente. La lnea inclinada debe tener direccin hacia la flecha del factor principal correspondiente. 10. Identificar las potenciales subcausas de mayor nivel relacionndolas con las del nivel inmediato inferior, a travs de lneas horizontales e inclinadas alternadamente, hasta llegar a las potenciales causas raz, que deben ser caractersticas medibles y controlables. 11. Seleccionar las causas potenciales que se crea tengan el mayor impacto en el Problema Especfico (aplicar ley 80-20). 12. Comprobar mediante observacin, experimentacin y/o medicin que las causas seleccionadas tienen relacin e impacto sobre el Problema Especfico
2.6.2.

Seleccin del Problema Especfico.
Si el problema que se escoge es demasiado general, es probable que el responsable del mayor nmero de causas sea el Factor Humano. Si por alguna razn, una de las espinas empieza a estratificarse mucho, se recomienda cortar dicha espina y crear otro diagrama de pescado. Si el problema que se escoge es especfico, se podr llegar con mayor facilidad a la estratificacin de causas y seguramente el responsable del mayor nmero de causas sea el Factor mtodos.
REV: 02
30
FACTOR PRINCIPAL
FACTOR PRINCIPAL
3er nivel 5o nivel 4o nivel 3er nivel 5o nivel 4o nivel Causa secundaria 3er nivel 4o nivel 3er nivel Causa secundaria
3er nivel
5o nivel 4o nivel Causa secundaria
3er nivel
Porqu sucede Problema especfico (Efecto)
3er nivel 5 nivel 5o nivel 4o nivel Causa secundaria 3er nivel 3er nivel 4 nivel Causa secundaria
3er nivel 5o nivel 4o nivel Causa secundaria
4o nivel 3er nivel
4o nivel 6 nivel 5o nivel
FACTOR PRINCIPAL
FACTOR PRINCIPAL
Fig. 29. Forma general del diagrama Causa-Efecto.
REV: 02
31
MAQUINAS
Contraccin de la placa contrasuaje por paros de mquina Fallas de la mquina Se cambian algunas de las cuchillas durante la corrida del suaje La altura de las cuchillas no es uniforme El troquel est desnivelado y no apoya uniforme el suaje
FACTOR HUMANO
Los maquinistas e inspectores evalan de manera diferente los defectos No se detecta oportunamente el problema por los maquinistas y los inspectores
Correccin de problemas de troquelado Formacin de canales en el chase Perodo de mantenimiento mayor a 6 meses Acumulacin de polvo La presin de las cuchillas es menor a lo necesario Se reemplazan Juego en las cada 6 meses bielas del troquel Formacin de canales en la platina El tamao de la calza es mayor a lo requerido Hay varios manuales separados No se siguen las recomendaciones de los manuales
Las cuchillas tienen juego Desgaste del suaje despus de varias corridas Ranura de cuchillas ensanchada Algunas de las cuchillas son transversales al sentido de las fibras Hay diferencias en el desgaste de las cuchillas Se cambian algunas de las cuchillas durante la corrida Se utilizan dos tipos de cuchillas conjuntamente: Con recubrimiento de titanio y sin l
Cada maquinista calza de diferente manera
Se desgastan las cuchillas en menor tiempo del normal
Se utilizan hojas de corte completas para calzar y se levantan cuchilla que no lo requieren La altura de las calzas es menor a lo requerido
La presin de las cuchillas es menor a lo necesario Desgaste de las cuchillas
MTDO
Se desgastan El tamao de la las cuchillas en calza es mayor a menor tiempo lo necesario del normal Maltrato al filo La altura de las cuchillas El papel tiene mayor El papel tiene menor de las cuchillas no es uniforme humedad, est ms humedad, y deja polvo que El nickeo se hace sobre blando y ejerce menor provoca abrasin y tiene otro suaje resistencia al corte mayor resistencia al corte Forma, orientacin y Las cuchillas ejercen dimensiones de las fibras presin sobre la platina Las caractersticas del papel son diferentes de un rollo a otro Las cuchillas Contaminantes se amellan Calibre El papel trae contaminantes slidos MATERIALES
El tapete se comprime con el tiempo y no amortigua la presin de las cuchillas en la platina
Porqu hay FALTA DE CORTE en lminas impresas
Fig. 30 Ejemplo de Diagrama Causa efecto del problema de falta de corte en las mquinas Zerand
REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 32
2.6.3.
Recomendaciones para realizar los Diagramas Causa Efecto.
Utilizar las 4Ms como factores o causas principales del problema y as facilitar el desarrollo de las misma herramienta.
Las 4Ms
Ingls MAN MACHINE MATERIALS METHOD Espaol Factor Humano Maquinas, Equipos e Instalaciones Materiales, e Insumos Mtodos
Nunca construya un diagrama Causa-Efecto solo. Es importante que participen todas las personas involucradas con el problema y que por lo tanto, lo viven y conocen. Utilizar la Lluvia de Ideas. Todas las ideas son buenas y no es permitido juzgarlas. Ataque problemas especficos. Nunca problemas generales como: desperdicio, reclamos, etc. Sino por ejemplo, el problema de los errores en los memorndums, en el fotocopiado, el reclamo A, etc. Es importante particularizar el problema a reas especficas de la empresa (Almacn, Contabilidad, Produccin) y no tratar de solucionar problemas globales de la organizacin, a travs de un diagrama C.E. No olvidar de utilizar siempre la regla del por que, porque. Las causas deben ser hechos y no falsas soluciones disfrazadas de causa: Falta capacitacin, tiempo insuficiente etc. Es decir, escribir lo que hay y no lo que no hay. No anotar adjetivos como: mal ajuste, proceso lento, etc., sino describir como es la situacin: Guas con inclinacin de 30, el proceso tiene pausas de 10 min,etc. Evite anotar palabras solas, en su lugar utilice enunciados. El significado de las causas de ser igual para todas la personas que lean el Diagrama, incluso al pasar el tiempo. Un diagrama de causa y efecto debe indicar claramente las relaciones hasta un cuarto o quinto nivel (por lo menos 40 ramificaciones. Un buen diagrama tienen por lo menos 80). No escriba pretextos al profundizar en el desglose de las causas. La causa raiz de ser una caracterstica o factor medible y controlable. No tomar decisiones o acciones basadas nicamente en el diagrama de C.E. y en la experiencia y el sentido comn. Es importante demostrar con hechos que las posibles causas lo son de verdad. A veces una causa que parece insignificante tiene un efecto importante. Es importante detectar factores sobre los cuales podamos trabajar, pero es importante tambin detectar reas de oportunidad de otros departamentos o procesos. Lo importante es mejorar para satisfacer al cliente. Es importante detectar si las causas que se van determinando aparecen peridicamente, cclicamente, eventualmente, etc. Es importante a la hora de cuantificar las causas o relaciones del problema con otro tipo de problemas.
REV: 02
33
2.7. GRFICAS DE DISPERSIN 2.7.1. Relaciones entre Variables.
En la prctica encontramos a menudo que existen relaciones entre dos o ms variables. En muchos casos estas relaciones estn perfectamente definidas en las ciencias por leyes universales que determinan una relacin exacta. Por ejemplo: Las circunferencias de los crculos dependen de sus radios. La presin de una masa de gas dada depende de su volumen y su temperatura.
Sin embargo, existen otros casos principalmente en el mbito social e industrial en que la relacin entre variables no se ha definido en su totalidad.-Normalmente en stos casos, adems, la relacin no es tan exacta por que intervienen mas variables de las que se analizan, ya sea porque no se tienen identificadas o no es costeable medirlas. Por ejemplo: El peso de las personas depende de su estatura y complexin. El consumo de materia prima depende de la cantidad de produccin.
2.7.2.
Aplicacin.
Cuando no se conoce a ciencia cierta si existe relacin entre dos variables, es muy til la Grafica de Dispersin para comprobarlo. En particular, es til para comprobar si un determinado factor es causa de un efecto dado. Tambin se utiliza la grfica de Dispersin para visualizar la proporcin en que las variables aumentan o decrecen al variar otra variable y determinar que tipo de ecuacin es la que determina dicha relacin.
2.7.3.
Cmo se elabora una Grfica de Dispersin?.
Supongamos que x e y denotan, respectivamente la altura y el peso de personas adultas; entonces una muestra de n individuos revelara las alturas x1, x2, x3,...,xn y los pesos correspondientes y1, y2, y3,..., yn. Entonces el Diagrama de Dispersin se elabora marcando los puntos (xi, yi) en el plano de coordenadas rectangulares. Normalmente se designa con x a la variable independiente, mientras que a la variable dependiente se le designa con y.
Variable x estatura (cm) 155 180 177 163 ...... ...... xn Variable y peso (kg) 60 78 80 71 ...... ...... yn
eje y peso (kg) 85 80 75 70 65 60 55 50 150 eje x estatura (cm ) (x 1=155, y 1=60) (163, 71) (x 2=180, y 2=78)
(177, 80)
155
160
165
170
175
180
185
Fig. 31 Ejemplo de Diagrama de Dispersin: Relacin entre la estatura y el peso de hombres adultos.
REV: 02
34
2.7.4.
a) b)
Procedimiento.
Tomar una muestra y medir las dos variables que suponemos tienen relacin. Se recomienda que la muestra sea lo mas grande posible (al menos 20 datos). Trazar dos ejes perpendiculares. El eje horizontal representa normalmente la variable independiente (causa) x y el eje vertical representa a la variable dependiente (efecto) y. En ellos se marca la escala adecuada de acuerdo con los datos. Se traza un punto por cada par ordenado de datos (xi, yi) Observar si las variables representadas por el conjunto de puntos tienen relacin. Entre ms datos se tengan ms claramente se puede apreciar si los datos tienen relacin o no. en la fig 32 se muestra ejemplos de datos.
c) d)
2.7.5.
Correlacin y Ajuste de curvas
A partir del Diagrama de Dispersin podemos visualizar si existe o no, relacin entre las variables representadas en el conjunto de puntos. Cuando los puntos parecen aproximarse a una lnea recta, decimos que hay correlacin lineal (figs. 32 y 34). Si los puntos parecen aproximarse a una curva tenemos entonces una correlacin no lineal (fig 33). Por ltimo, cuando los puntos estn totalmente dispersos en el el rea de Coordenadas se dice que no hay relacin (Fig. 34). a) Relacin lineal. En la fig. 32 se presenta el ejemplo de la relacin del consumo de papel couch con la produccin de lminas para caja plegadiza. En este caso como la variable Y tiende a crecer cuando aumenta la variable X, decimos que la correlacin es positiva.
Relacin de la Produccin y el Consumo de Papel. Rotativa 1. Enero 2003
Millares 85 80 75 70 65 60 55 50 450 n=24
y-Consum o de Papel (kg)
500
550
600
650
700
750
x-Produccin (pzas)
Millares
Fig. 32. Diagrama de dispersin que muestra una relacin lineal positiva. Por el contrario, cuando la variable Y tiende a disminuir cuando aumenta la variable x, decimos que existe una correlacin negativa como se aprecia en la Fig. 33. cabe aclarar que est grfica se presenta como ejemplo no puede utilizarse para sacar una conclusin puesto que son muy pocos puntos
REV: 02
35
Relacin del % No conforme y la Produccin Mensual en la Dobladora 5 . 1er. Semestre 2003

6.0 5.0 % NO CONFORME 4.0 3.0 2.0 1.0 0.0 1.0 2.0 3.0 4.0 PRODUCCIN 5.0 6.0 7.0 Millones
Fig. 33. Diagrama de dispersin que muestra una relacin lineal negativa. b) Relacin No lneal. En la Fig 34 se muestra el ejemplo de la relacin encontrada entre las canastillas no conformes por Exceso de Adhesivo y las canastillas No Conformes por Descuadre de Impresin. En ste caso se presenta una curva de 2 grado determinada por la computadora.
Relacin entre las canastillas no conformes por los dos tipos de defecto indicados. Dobladora 3. Enero 2002- junio 2003
6.0 % CON EXCESO DE ADHESIVO 5.0 4.0 3.0 2.0 1.0 0.0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 % DESCUADRE DE IMPRESIN
y = 0.5671x3 - 2.8x2 + 4.8864x - 0.1067
Fig. 34. Diagrama de dispersin que muestra una relacin no lineal. c) Sin Correlacin. En la Fig 35 se presenta nuevamente la relacin entre el % no Conforme y la Produccin de canastillas en la dobladora 5, pero ahora se presentan los datos semanales (25 datos) comprobando que no existe correlacin alguna como aparentaba la fig. 33.
REV: 02
36
Relacin del % No conforme y la Produccin Semanal en la Dobladora 5. 1er. Semestre 2003

6.0 % NO CONFORME 5.0 4.0 3.0 2.0 1.0 0.0 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 Millones
PRODUCCIN
Fig. 35. Diagrama de dispersin sin correlacin entre las variables.
2.7.6.
Ajuste de Curvas.
Como se vio en el inciso anterior a partir de los puntos se puede inferir el tipo de relacin entre las variables cuando se aproximan a algn tipo de lnea o curva. Por lo tanto, es muy importante conocer la ecuacin de la lnea o curva que representa mejor a los datos (Curva aproximante) -aquella que tiene menor desviacin respecto de los puntos-, para poder estimar el valor correspondiente de Y cuando se conoce X (Regresin de Y sobre X). La formulas para determinar la ecuacin de la curva precisamente dependen del tipo de curva elegido. En la Tabla siguiente se muestra varios tipos de ecuaciones que en un momento dado podran representar a los puntos de una Grfica de Dispersin. Todas las letras excepto X e Y representan constantes, es decir, los nmeros que nunca cambian con los valores de las variables y que determinan su relacin.
Funciones Polinomiales
Lineal o lnea recta Cuadrtica o parbola Cbica Polinomio de grado n Y = a0 + a1X Y = a0 + a1X + a2X2 Y = a0 + a1X + a2X2 + a3X3 Y = a0 + a1X + a2X2 + a3X3
Otras Funciones
Hiprbola Exponencial Geomtrica
Y = ab
X
Y=
1 a 0 + a1 X
1 = a 0 + a1 X Y
log Y = log a + (logb)X
log Y = a0 + a1X
Y = aXb
log Y = log a + b(log X)
Una vez elegido el tipo de curva adecuado, el problema consiste en encontrar las constantes y la ecuacin, para lo cual se utiliza un mtodo de Clculo Diferencial y lgebra llamado Mnimos Cuadrados. REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 37
2.7.7.
La recta de Mnimos Cuadrados.
El caso mas sencillo obviamente, es el de la lnea recta, cuya ecuacin general es Y = a0 + a1X. Las frmulas para obtener las constantes a0 y a1, de acuerdo con el mtodo de mnimos cuadrados, son:
a0 =
Y X 2 X XY N X 2 ( X) 2
a1 =
N XY X Y N X 2 ( X) 2
En el caso particular, en el que se considera que la recta debe pasar por el origen (X=0, Y=0) y los puntos en la Grfica de Dispersin apuntan hacia l, la ecuacin se simplifica a Y =a1X y la frmula del Mtodo de Mnimos Cuadrados para obtener la constante a1 es: XY a1 = X2 A continuacin se muestra la tabla para determinar con el Mtodo de Mnimos Cuadrados, la constante a1 y la ecuacin de la recta ajustada de la Fig. 32. En este caso los datos se ajustaron a una recta que pasa por el origen puesto que el consumo de papel cuando no hay produccin debe ser cero.
TABLA PARA DETERMINAR LA ECUACIN DEL CONSUMO DE PAPEL EN FUNCIN DE LA PRODUCCIN. DIA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 688,391 686,672 668,575 655,367 75,550 76,622 74,699 72,379 4.74E+11 4.72E+11 4.47E+11 4.30E+11 5.20E+10 5.26E+10 4.99E+10 4.74E+10 591,559 598,572 645,970 546,915 685,989 572,403 66,646 70,280 75,418 65,023 80,977 66,329 3.50E+11 3.58E+11 4.17E+11 2.99E+11 4.71E+11 3.28E+11 3.94E+10 4.21E+10 4.87E+10 3.56E+10 5.55E+10 3.80E+10 563,581 670,810 589,653 63,826 74,542 65,991 3.18E+11 4.50E+11 3.48E+11 3.60E+10 5.00E+10 3.89E+10 x-Produccin (pzas) y-Consumo de papel (Kg) x
2
xy
DIA x-Produccin (pzas) 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 680,518 668,475 462,890 733,329 490,173 15,962,724 483,639 704,729 705,416 637,376 502,180 549,358 590,010 590,174
y-Consumo de papel (Kg) 65,454 64,878
xy 3.86E+10 3.83E+10
3.48E+11 3.48E+11
57,034 83,054 83,339 74,187 60,322 62,093
2.34E+11 4.97E+11 4.98E+11 4.06E+11 2.52E+11 3.02E+11
2.76E+10 5.85E+10 5.88E+10 4.73E+10 3.03E+10 3.41E+10
75,693 75,025 53,328 80,910 56,124
4.63E+11 4.47E+11 2.14E+11 5.38E+11 2.40E+11 9.95E+12
5.15E+10 5.02E+10 2.47E+10 5.93E+10 2.75E+10 1.1329E+12
a1 =
XY X2
a1 =
1.13 1012 9.95 1012
a1 = 0.1139
De donde: Y= 0.1139X La anterior ecuacin indica que para conocer el consumo de papel en Kg., hay que multiplicar la produccin en piezas por 0.1139. Para otro tipo de ecuaciones, las frmulas son ms complejas pero en la computadora, Excel tiene la opcin de agregar las curvas ajustadas, su ecuacin y el Coeficiente de Determinacin, que es un nmero que indica que tambin representa la curva a los puntos.
REV: 02
38
2.7.8.
Variacin explicada y variacin inexplicada.
Como es de esperarse existe variacin entre los datos de la variable dependiente Y. Una parte de esa variacin es debida al cambio en la variable independiente y determinada por la ecuacin de la lnea o y otra debida al curva ajustada, matemticamente se conoce como Variacin explicada est factores no controlados que se consideran del azar o aleatorios, -Variacin inexplicada
(y y)2
-. La Variacin total la variacin inexplicada.
( y real y est ) 2
( y real y ) 2
es entonces la suma de la variacin explicada y de
( y real
o simplemente:
y)2 =
( y real
y est ) 2 + ( y est y ) 2
( y y ) 2 = ( y y est ) 2 + ( y est
y)2
2.7.9.
Factor o Coeficiente de Determinacin.
Para determinar el grado que las parejas de datos (x,y) se ajustan a una lnea o curva supuesta, se utiliza un nmero llamado coeficiente de Determinacin, que es el cociente entre la Variacin explicada y la variacin total y se designa con el smbolo r2.
r2 =
var iacin exp licada = var iacin total
( y est y ) 2 (y y)2
Un coeficiente r2 de 0 indica que no hay variacin explicada y que por lo tanto la recta o curva seleccionada no describe a los datos y que las variables no tienen la relacin supuesta. Para poder llegar a la conclusin anterior, es importante que en los datos tomados solamente hayan cambiado las dos variables en estudio, si existen otras deben de permanecer constantes durante la recoleccin de los datos. Por el contrario, un coeficiente r2 de 1 indica que la variacin explicada es igual a la variacin total, es decir, que todos los puntos pasan por la lnea o curva supuesta y que la ecuacin define exactamente la relacin entre las dos variables. Aqu tambin es importante sealar que las dos variables deben pertenecer al mismo fenmeno o tener algn fundamento terico que las relacione, ya que por pura casualidad se podra obtener un coeficiente r2 de 1 sin que exista relacin de dependencia entre las variables, como podra ser el nmero de libros publicados y el nmero de tormentas cada ao. Un ejemplo como el anterior constituye una correlacin sin sentido o esprea. Finalmente, un valor entre 0 y 1 representa el grado en que los datos se aproximan a la recta o curva supuesta y que existe posibilidad de una correlacin de dependencia entre las variables. Entre ms alto sea el coeficiente, mas representativa ser la recta o curva seleccionada.
2.7.10. Factor o Coeficiente de Correlacin.

Es la raz cuadrada del coeficiente de determinacin y se representa con el smbolo r.
r = r2 =
( y est y ) 2 (y y)2
Si la correlacin es positiva (aumenta y, cuando aumenta x) se agrega el signo + al coeficiente calculado. Si la correlacin es negativa (disminuye y, cuando aumenta x) se agrega el signo al coeficiente. Se considera como una buena evidencia de seleccin de curva de ajuste y correlacin entre las variables, si el factor de correlacin es mayor a 0.8
REV: 02
39
2.8. GRFICAS DE CONTROL

Las caractersticas de los productos manufacturados en un proceso varan entre una pieza y otra, es decir, existe la dispersin. En general, la variacin en calidad se debe a mltiples causas pero podemos clasificarlas en 2: Causas del Azar o Comunes (chance cause) y Causas Asignables o Especiales (asignable cause). La variacin debida a Causas del Azar se da a pesar seguir correctamente las operaciones y estndares, previamente investigados los materiales, mtodos de trabajo y medios. Depende del grado de tecnologa utilizado en el proceso. Nunca se puede eliminar, sino tan solo reducir controlando ms variables y/o utilizando una tecnologa ms avanzada.. La variacin debida a causas de anormalidad se debe a una falla en los estndares o mtodos de produccin, al incumplimiento de los mismo, etc. Es una variacin no aceptable y su causa se debe investigar para que la situacin anormal se solucione y evite la reincidencia. Est variacin si se puede eliminar mediante el uso de las grficas de control y las acciones correctivas, pero principalmente preventivas que se tomen derivadas de la interpretacin de las grficas de control y la investigacin consecuente. La grfica de control es una herramienta para analizar el control de un proceso, es decir, verificar que la variacin solo se deba a causas del azar y realizar correcciones al proceso cuando se presenten causas asignables. Con el objetivo de detectar las anormalidades en el proceso, esta grfica fue inventada por el Dr. W. A. Shewhart. basado en la teora de las Pruebas de Hiptesis y el Mtodo de las 3 Sigmas (o 3 desviaciones estndar) Una grfica de control consta principalmente de 3 lneas El valor esperado de la caracterstica de calidad. Lnea Central.(LC) Los lmites que determinan la estabilidad y normalidad del proceso : Lmite Superior de Control (LSC) y Lmite Inferior de Control (LIC)
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 35
LMITE SUPERIOR DE CONTROL
Caracterstica de Control
30
25
LMITE CENTRAL U OBJETIVO
20
15
LMITE INFERIOR DE CONTROL
Fig. 36. Forma general de las Grficas de Control. Dependiendo del tipo de dato (Caracterstica de Calidad que se mida) se aplica una Grfica de Control diferente: Tipos comunes de Grficas de Control Para datos continuos o variables
X R (Del promedio y el Rango)
~ R X (de la Mediana y el Rango)
Para datos discretos (normalmente relacionados con atributos) p (del % de productos no conformes) np (del Nm. de productos no conformes) u (de Nm. de No conformidades por unidad de medicin) c (de Nm. de No conformidades por unidad)
X s (Del promedio y la desv. estndar)
X R m (De lecturas individuales y rangos mviles)
REV: 02
40
2.8.1. Grfica de Control X- R (del Promedio y el Rango)

En realidad se trata de dos grficas que se utilizan de manera conjunta, la Grfica X y la grfica R.. Como lo indica la tabla anterior se utiliza para controlar caractersticas de calidad medibles, es decir, variables. En ellas se representan el promedio y el rango de muestras (subgrupos) de tamao constante tomadas peridicamente de los productos de un proceso. En los puntos 2.5.5 Medidas de Tendencia Central y 2.5.6 Medidas de Dispersin se puede revisar como calcular stas dos medidas de las muestras. El objetivo de la Grafica R es conocer la variacin dentro de una muestra y verificar que sea la mnima, debida nicamente a causas del azar o comunes y que permanezca constante a travs del tiempo. La lnea central de la Grafica R representa el promedio de los rangos obtenidos en cada una de las muestras, mientras que los lmites de control delimitan los valores probables del Rango sin que haya cambios en las condiciones del proceso. Lmite superior de control Lmite inferior de control
LSCR = D 4 R LICR = D 3 R
Para tamaos de muestra o subgrupos menores que 7 el lmite inferior del Rango es cero. Por su parte, el objetivo de la Grfica X testada es verificar que el promedio de cada muestra permanezca relativamente constante a travs del tiempo. Lo que implica que la variacin entre muestras sea igual a la variacin dentro de una sola muestra. La lnea central de la Grfica X, representa el promedio de los promedios de cada muestra o Gran promedio, mientras que los lmites de control delimitan los valores probables de la variable medida sin que haya causas asignables o especiales. Para asegurar que la variacin entre muestras es equivalente a la variacin dentro de una muestra los lmites de control se determinan sumando y restando un mltiplo del rango promedio al gran promedio. Lmite superior de control Lmite inferior de control
LSC X = X + A 2 R
LIC X = X A 2 R
Es importante sealar que no se deben comparar los lmites de control de la grfica X testada con los lmites de especificacin, ya que los primeros aplican al promedio de las muestras, en cambio los segundos aplican para los valores individuales de cada producto. Ya que, aunque el promedio de una muestra cumpla con los lmites de especificacin algunos productos de la muestra pueden estar fuera de especificacin. En la fig. 37 se muestra un ejemplo de sta grfica.
2.8.2. Grfica de Control X R (de la Mediana y el Rango).

Se elabora y usa de manera similar a la grafica. X R , pero se utiliza la mediana en lugar del promedio de cada muestra. Cuando las grficas se llenan manualmente son ms fciles de realizar puesto que no hay que calcular el promedio. Se recomienda su uso solamente cuando el proceso est controlado y todos los productos cumplen con las especificaciones.
Lmite superior de control Lmite inferior de control
~ GRFICA X ~ +m A R LSC X = X 3 2
~ m A R LIC X = X 3 2
GRFICA R
LSCR = D 4 R LSCR = D 3 R
REV: 02
41
GRFICA DE CONTROL X - R DE FUERZA DE DOBLEZ

PRODUCTO: POSICIN PROBETA: LMINA IMPRESA ESQUINA 0-2 ESPECIFICACIN: DIMENSIONES: N/A 75 x 120 mm
SIN HENDIDO CON HENDIDO

FRECUENCIA: CADA 30 MIN. ANGULO DE DOBLEZ:
1
600 580
10
11
12
13
14
15
16
17
18
19
20
GRFICA X
560 540 520 500 480 460

1 2 3 4 5 6 7 8 9 10 11 12 13
LAMINA IMPRESA LADO 1
1
160 140
10
11
12
13
14
15
16
17
18
19
20
GRFICA R
120 100 80 60 40 20 0 1
1 2 3 4 5 6 7 8 9 10 11 12 13
518 560 523 519 524 528.8 42
519 560 580 502 523 536.8 78
517 560 540 500 532 529.8 60
510 549 491 513 513 515.2 58
556 595 555 549 523 555.6 72
554 543 557 522 547 544.6 35
549 540 548 562 517 543.2 45
545 496 554 586 571 550.4 90
514 555 509 529 568 535.0 59
474 504 519 582 532 522.2 108
538 501 522 494 557 522.4 63
551 546 534 584 542 551.4 50
528 585 563 564 595 567.0 67
LECTURAS
2 3 4 5
PROM.
RANGO R
Fig.
Fig. 37. Grfica de Control X-R de la fuerza de doblez de una probeta de lmina impresa.
2.8.3. Grfica de Control
X s (del promedio y la desviacin estndar).
Se elabora y usa de manera similar a la grafica X R , pero se utiliza la desviacin estndar de cada muestra en lugar del rango. Su uso es menos frecuente ya que requiere de un clculo ms complejo, que normalmente se realiza con calculadora cientfica o computadora y el concepto de desv. Estndar es mas difcil de explicar a los operadores que el del rango. Tambin se utiliza cuando se tienen subgrupos de tamao diferente, cada uno de ms de 100 unidades con la condicin de que el subgrupo ms grande, sea menor que el doble del subgrupo ms chico. Ntese, que en ste caso cambian las constantes para el clculo de los lmites de las dos grficas, al cambiar la medida de Dispersin.
GRFICA s
LSC X = X + A 3 s LIC X = X A 3 s
GRFICA s
LSC s = B 4 s LSCs = B 3 s
2.8.4. Grfica de Control X R m (de lecturas individuales y promedios mviles)

Se usa cuando solamente se tiene un valor (como las propiedades sustancia o solucin) ,la medicin de cada unidad es muy costosa o el tiempo que tarda entre cada unidad es muy largo. Consta de dos grficas, la X en donde se grafica cada valor individual que se toma peridicamente y la grafica Rm en la cual se grfica el rango mvil. El cual es el valor absoluto de la diferencia entre la medicin actual y la anterior.
R m = valor actual valor anterior En trminos matemticos. R m = x i x i 1
GRFICA X
LSC X = X + E 2 R m LiC X = X E 2 R m
GRFICA Rm
LSC s = D 4 s LSCs = D 3 s
En ste tipo de grficas si es vlido comparar los lmites de control con los lmites de especificacin. En la figura 38 se muestra un ejemplo de grfica de control de ste tipo.
2.8.5. Constantes para Grficas de Control por Variables.

No se incluyen las constantes de las Grficas X testada-s
n 2 3 4 5 6 7 8 9 10
D4
3.267 2.575 2.282 2.115 2.004 1.924 1.864 1.816 1.777
D3
0 0 0 0 0 0.076 0.136 0.184 0.223
A2
1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308
m3A2
1.880 1.187 0.796 0.691 0.549 0.509 0.432 0.412 0.363
E2
2.659 1.772 1.457 1.290 1.184 1.109 1.054 1.010 0.975
REV: 02
43
GRFICA DE CONTROL X-Rm DE LECTURAS INDIVIDUALES Y PROMEDIOS MVILES

PRODUCTO: ESPECIFICACIN: 0 35 1 2 LAMINA IMPRESA CARACTERSTICA: DISPOSITIVO DE MEDICIN: 6 7 8 9 10 11 12 ANGULO DE DESLIZAMIENTO TWIN ALBERT 13 14 15 16 17 18 19
NM: 1/03 PG. 1 FECHA: 30/01/03 MQUINA 1 FRECUENCIA C/4 O C/8 HRS 20
LMITES DE CONTROL
30
LSCX = X + 2.66 R LSCX =32.5
LAMINA IMPRESA LADO 1
GRAFICA X
25 LICX = X - 2.66 R 20 LICX = 16.5
15 0 12 10 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
LMITES DE CONTROL
GRAFICA Rm
8 6 4 2 0
SUMA
LSCR = 3.267 R LSCR =9.8
LICR = 0
PROMEDIO X= R= 24.5 3.01
LECTURAS Xi RANGO R = Xi - Xi-1
24.4 23.0 20.9 20.9 26.0 19.3 26.1 20.3 24.8 30.1 27.9 24.8 21.2 21.5 23.0 24.2 22.4 25.8 26.3 22.8 1.4 7 1 7 2 2.1 7 2 0.0 7 3 5.1 7 3 6.7 9 1 6.8 9 1 5.8 9 2 4.5 9 2 5.3 9 3 2.2 9 3 3.1 10 1 3.6 10 1 0.3 10 2 1.5 10 2 1.2 10 3 1.8 10 3 3.4 11 1 0.5 11 1 3.5 11 2
FECHA TURNO INSPECTOR
Fig. 38. Grfica de Control X-Rm del ngulo de deslizamiento de una probeta de lmina impresa.
2.8.6. Grfica de Control p (del porcentaje de no conformes).

Ests grficas solo constan de una sola parte al igual que todas las Grficas para datos discretos o grficas por atributos, se utilizan para controlar y analizar el porcentaje de productos no conformes en la lnea de produccin. En la Fig. 39 se presenta un ejemplo de ste tipo de Grficas. Su objetivo es conocer el porcentaje tpico (promedio) de no conformes e identificar las causas asignables o especiales de variacin que provocan puntos por encima del lmite superior de control y aplicar las acciones correctivas necesarias. Tambin sirven como referencia en el tiempo para medir la efectividad de acciones de mejora. Normalmente se generan de los datos diarios o por turno que se tienen en el rea de Produccin o de Calidad del total de productos producidos cuando hay inspeccin del 100% o del total de productos inspeccionados de manera continua. Cuando se utiliza un tamao de muestra constante los lmites de control solo se determinan una vez cuando se empieza a llevar la grfica y a periodos regulares como un mes para verificar su validez y se representan por lneas rectas. Las frmulas se muestran en la siguiente tabla: Lmite superior de control Lmite inferior de control
LSCp = p + 3 LICp = p 3 p 1 p n p 1 p n
En stas grficas se pueden utilizar diferentes tamaos de muestra en cada perodo. Cuando se es el caso, se tienen que calcular y trazar lmites de control para cada tamao de muestra. Entre ms grande sea la muestra la distancia entre los lmites de control es ms estrecha porque la estimacin del porcentaje defectuoso es mas exacta. Por lo tanto los lmites de Control se trazan con una lnea quebrada. Cuando el lmite inferior calculado da negativo se considera como cero. Es importante sealar que cuando se utilizan tamaos diferentes de muestra no se puede obtener el porcentaje de no conformes tpico, promediando directamente los porcentajes de cada muestra, sino que se debe determinar dividiendo el total de no conformes en todas las muestras a considerar (normalmente entre 20 y 35) entre el nmero de muestras como lo indica la siguiente frmula.
p= total de no conformes = total de las muestras
np n
Donde: np es el nmero de no conformes en cada muestra
2.8.7. Grfica de Control np (del nmero de no conformes).

Se utilizan para controlar y analizar directamente el numero de productos no conformes en la lnea de produccin. Son las grficas ms sencillas pero el tamao de la muestra o subgrupo debe ser constante. Su objetivo y forma de elaboracin es similar al de las grficas p. Los lmites de control de stas grficas tambin son ms sencillos de trazar, ya que son los mismos para todas las muestras y se representan con lneas de segmentos rectas. La lnea central de la grfica se determina con la siguiente frmula:
np = total de no conformes = nmero de muestras
np k
Este resultado tambin se puede obtener con la siguiente entidad: np = np ,es decir, el nmero de no conformes promedio es igual al porcentaje no conforme promedio por el tamao de muestra.
REV: 02
45
GRFICA DE CONTROL p: CANASTILLA NO CONFORME

FECHA Turno 1 Presentacin ASIA
Tamao de muestra (Inspecciones x32)
FUENTE: INSPECCIN FINAL 24/05/03 26/05/03 3 ASIA 2912

15
MAQUINA: 1
20/05/03 2 ASIA 2240

2
21/05/03 3 ASIA 1920

3
22/05/03 3 ASIA 3264

6
23/05/03 3 ASIA 3520

9
1 ASIA 3488
4
2 ASIA 3488
5
1 ASIA 3360
7
2 ASIA 3040
8
1 ASIA 2880
10
2 ASIA 2784
11
3 ASIA 3328
12
1 ASIA 2720
13
2 ASIA 1632
14
1 ASIA 1312
16
2 ASIA 3520
17
3 ASIA 3584
18
2240
1
0.60%
PORCENTAJE NO CONFORME PROMEDIO
Exceso de adhesivo
0.50% 0.40% 0.30% 0.20% 0.10% 0.00%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
p = 0.16%
Cant. NC
12
19
Porcentaje p 0.00% 0.40% 0.16% 0.00% 0.00% 0.18% 0.00% 0.26% 0.34% 0.00% 0.07% 0.57% 0.00% 0.31% 0.21% 0.46% 0.09% 0.00% LSC 0.41% 0.41% 0.43% 0.36% 0.36% 0.37% 0.37% 0.38% 0.36% 0.38% 0.39% 0.37% 0.39% 0.46% 0.38% 0.49% 0.36% 0.36% LIC 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Fig. 39. Grfica de Control p de canastillas con exceso de adhesivo.
REV: 02
46
Para trazar los lmites de control se debe determinar primero el porcentaje promedio de no conformes p testada con la frmula indicada en el punto 2.8.6 y despus se utiliza la siguiente frmula. Lmites de control LSCnp y LICnp
np 3 np 1 p
Donde la frmula con el signo positivo corresponde al lmite superior y con el signo negativo corresponde al lmite inferior. Cuando el lmite inferior calculado da negativo se considera como cero.
2.8.8. Grfica de Control c (del nmero de no conformidades por producto)

Se grafica directamente el nmero de fallas o no conformidades y se utiliza para controlar y analizar directamente la variacin en el nmero de fallas o no conformidades que aparecen en una unidad de produccin constante, por ejemplo. Nm. de fisuras en un lote de lamina, el nmero de imperfecciones en un tornillo, el nmero de burbujas mayores a 1mm en una botella de vidrio. Su objetivo es conocer el nmero tpico (promedio) de no conformidades e identificar las causas asignables o especiales de variacin que provocan puntos por encima del lmite superior de control y aplicar las acciones correctivas necesarias. Tambin sirven como referencia en el tiempo para medir la efectividad de acciones de mejora. La lnea central de la grfica se determina con la siguiente frmula:
c= total de no conformida des = nmero de muestras
c k
Los lmites de control se calculan con la siguiente frmula: Lmites de control LSCc y LICc
c3 c
2.8.9. Grfica de Control u (de las no conformidades por unidad)

Se utiliza para controlar y analizar la variacin en el nmero de no conformidades que aparecen por unidad de produccin cuando el tamao de los productos vara (ejemplo No. De fisuras por metro de lamina, No. De errores por auto arreglado, No. De errores por pgina). Sui objetivo es similar al de la grfica u. La lnea central de la grfica se determina con la siguiente frmula:
u= total de no conformida des = total de las muestras
c n
Los lmites de control se calculan con la siguientes frmula: Lmites de control LSCu y LICu
u3 u n
REV: 02
47
2.8.10. Elaboracin y uso de las Grficas de Control

a) Elaborar un formato para recolectar los datos de las muestra o lecturas individuales, determinar los estadsticos de control (promedio, rango, nmero de no conformes, etc.) y realizar las grficas respectivas. Tomar un nmero suficiente de muestras para trazar los lmites de prueba (se recomienda de 20 a 35),anotando los datos y representndolos con un punto en el cuadriculado de la grfica Realizar los clculos de la lnea central y los lmites de control. Trazar la lnea central a lo largo de la grfica. Trazar con lneas de segmentos los lmites calculados en el cuadriculado de la grfica (lmites de prueba). Verificar que no haya puntos fuera de control. Si los hay determinar las causas asignables que los originaron, tomar las acciones preventivas que los eliminen y volver a realizar los clculos sin considerar los datos de esos puntos. Trazar los lmites de control nuevamente y si ya no hay puntos fuera de control trazarlos en los formatos en blanco para compararlos con los estadsticos de control de las muestras siguientes. Verificar que los valores de las siguientes muestras varen alrededor de la Lnea Central y dentro de los lmites de Control. Si algn valor se sale de control investigar inmediatamente la causa asignable o especial que lo gener y tomar las acciones correctivas y preventivas necesarias para corregir ela desviacin y evitar su reincidencia. Verificar que no se presenten estados de anormalidad, si los hay investigar su origen y tomar acciones para eliminarlos si es posible. Revisar la vigencia de los lmites de control peridicamente, por ejemplo: cada mes y si ha disminuido la variacin recalcularlos para hacerlos mas estrechos y mejorar la calidad del producto.
b) c) d) e)
f) g)
h) i)
2.8.11.
Estado de Control o Estabilidad. Estados de Normalidad
Cundo se est en un estado de control o estable? a) b) c) d) a) b) Cuando los puntos estn dentro de los lmites de control. No hay vicios en la distribucin y/o formacin de los puntos. Cuando ms de 25 puntos consecutivos estn dentro de los lmites de control. Cuando hay 1 punto o menos, fuera de los lmites de control en 35 puntos consecutivos.
2.8.12.
Vicios en la Formacin o Distribucin. Estados de Anormalidad
Puntos fuera de los lmites de Control. Los puntos estn de manera consecutiva de un lado del lmite Central (Corridas). Se considera una situacin anormal cuando se tiene una corrida mayor o igual de 7 puntos. Fig. 40.
8
10 11 12 13 14 15 16 17 18 19 20 21 22 23 LCS LC LIC
Corridas de 5. de 6 y de 7 puntos
Fig. 40. REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 48
c)
Hay muchos puntos de un solo lado del Lmite Central. Fig.41 De 11 puntos consecutivos 10 estn de un mismo lado De 14 puntos consecutivos 12 estn de un mismo lado De 17 puntos consecutivos 14 estn de un mismo lado De 20 puntos consecutivos 16 estn de un mismo lado.
8
Estadstico de Control
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Nmero de muestra
Fig.41 d) Tendencias crecientes o decrecientes en los puntos. Fig. 42
9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Nmero de muestra
Fig.42
e)
Cuando los puntos tienden a acercarse a los Lmites de Control Superior o Interior (sobrepasan el lmite de 2 sima). Se considera anormal si, 2 de 3 puntos o 3 de 7 puntos presentan esta sntoma. Fig.43.
REV: 02
49
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Nmero de muestra
Fig.43
f)
Cuando los puntos presentan una variacin cclica. Fig. 44

8
11
13
15
17
19
21
23
25
27
29
Nmero de muestra
Fig.44
g)
Los puntos se concentran alrededor del Lmite Central. Puede significar que estn mezclando varias poblaciones y es necesario estratificar. Fig.45
8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Nmero de muestra
Fig.45 REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 50
31
2.9. MTODO DE SOLUCIN DE PROBLEMAS 2.9.1. Que es un problema?

Es el resultado no deseado de un trabajo Este trabajo incluye a los productos en proceso, productos terminados, trmites, servicios, funcionamiento de una mquina o equipo, etc. El hecho de tener un resultado no deseado significa que no se alcanzo el objetivo deseado PROBLEMA es la desviacin entre el objetivo o situacin esperada y la situacin actual. SITUACIN ESPERADA U OBJETIVO Por lo anterior, antes de resolver un problema primero se necesita definir cul es la situacin esperada u objetivo. Al solucionar un problema es necesario buscar la situacin esperada y no solamente corregir la situacin actual. Debemos tratar de cambiar la palabra reducir por incrementar en la definicin de metas de los proyectos de mejora. Cumplir problemas todo el tiempo. Problema es la Oportunidad de Ser Mejor! TIPOS DE PROBLEMAS. Compleja SOLUCIN Sencilla con nuestros objetivos implica solucionar
DESVIACIN = PROBLEMA
SITUACIN ACTUAL
2 1
Obvia CAUSA
4 3
Compleja
QC Story significa Historia de Calidad, es un procedimiento general y estandarizado para llevar a cabo de manera sistemtica, analtica y lgica la solucin y/o mejora de un problema, as como el registro de l proceso de solucin y sus resultados.
2.9.2. El QC Story y el Mtodo Cientfico

El QC Story tiene similitud con el Mtodo Cientfico, cuyas Etapas son: 1. Observacin 2. Hiptesis 3. Experimentacin 4. Comprobacin 5. Formulacin de leyes Coincide en que los dos son mtodos sistemticos y analticos para determinar la relacin entre las variables de un fenmeno o situacin. La diferencia en ste caso es que el Mtodo Cientfico se utiliza para aportar nuevos conocimientos dentro de una ciencia, y el QC Story se utiliza para lograr el resultado deseado de un trabajo. REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 51
P - Plan / Planear D - Do / Hacer, implantar ,ejecutar C - Check / Verificar, revisar, auditar A Act / Actuar, solucionar
A C
P D
Este proceso de Mejora Continua, tambin llamado Ciclo de Control Crculo de Deming, indica las etapas necesarias para cumplir con los objetivos eficientemente.
PASOS DEL QC STORY Y EL CICLO DE MEJORA CONTINUA
1. Sel. del Problema Especfico 8. Conclusiones 2. Observacin y Programacin
7. Estandarizacin
A C
P D
3. Anlisis de Causas 4. Anlisis de Soluciones
6. Verificacin de las soluciones
5. Implantacin de soluciones
PROCESO CONVENCIONAL VS.

EFECTO DEL PROBLEMA
PROCESO DE CALIDAD
PROBLEMA
EFECTO DEL PROBLEMA
PROBLEMA
DETERMINACIN DE SOLUCIONES CON BASE EN: KANSENTIDO COMN KEIKEN- EXPERIENCIA DOIKO- CORAJE
DETERMINACIN DE SOLUCIONES CON BASE EN: ANLISIS DE CAUSAS (ALINEACIN, DIMENSIN) ANLISIS DE SOLUCIONES
IMPLANTACIN DE SOLUCIONES CONTRA EL SNTOMA
IMPLANTACIN DE SOLUCIONES FACTIBLES CONTRA LAS CAUSAS REALES
DESAPARICIN DE SNTOMA EFECTO DEL PROBLEMA SOLUCIONADO
ELIMINACIN DE CAUSAS DEL PROBLEMA

EFECTO Y PROBLEMA SOLUCIONADO
PROBLEMA
REV: 02
52
2.9.3.
Seleccin del Problema Especfico

OBJETIVOS VS RESULTADOS
OBJETIVO 100% RESULTADO
IDENTIFICACIN DE LA PROBLEMTICA Lo primero es revisar la situacin actual con base en los resultados y los objetivos para determinar las estrategias y replantear nuevamente los objetivos. La problemtica es el conjunto de variables y factores que provocan la diferencia entre los resultados y los objetivos planeados.
CUMPLIMIENTO
80% 60% 40% 20% 0%
PRODUCCIN
CALIDAD
CRECIMIENTO
COSTOS
IDENTIFICACIN ESPECFICOS
DE
LOS
PROBLEMAS
Tiempos Muertos Generados por Mantenimientos Correctivos en Dobladora 3

92.2 94.8 100.0 97.2 98.7 100 90 80
Adems de identificar los problemas, es necesario medir su magnitud (frecuencia, costo, tiempo, consecuencias, etc) estratificandolos hasta obtener problemas especficos. La medicin se realiza organizando la informacin histrica disponible y en caso de no existir recopilando y organizando informacin nueva SELECCIN DEL PROBLEMA ESPECFICO Se determina la importancia de cada uno de los problemas especficos con base en la evidencia numrica recabada Por ltimo, se selecciona el problema especfico que se solucionar considerando su importancia, los proyectos relacionados; as como, los conocimientos, experiencia y habilidades de los responsables.
HORAS
12:00 80.6 10:00 8:00 6:00 4:00 2:00 0:00 55.6 30.4 3:55 3:15 2:03 71.5
88.4
60 50 40 30 20 1:10 1:00 0:30 0:20 0:18 0:12 0:10 10 0
Alimentador Cama Compresin 1er Cierre
Telescopio
Transfer
sistema HHS
Destrabadores
SECCIN DE LA MQUINA
3 GEN=REALIDAD
GENJITSU REALIDAD GEMBA LUGAR DE TRABAJO GEMBUTSU PRODUCTO GENTEN PUNTOS CLAVE
REV: 02
2.9.4. Observacin y Programacin PASO 2

Este paso empieza con entender la realidad actual del problema especfico seleccionado, Esto solo se logra acudiendo a los lugares en donde se generan los hechos, observando las reas de Trabajo, tomando datos de las variables que se consideren determinantes, analizando los datos tomados y obteniendo conclusiones veraces
2da Seccin
53
Cierre Final
Recibidor
PORCENTAJE
70
MEDICIN DEL PROBLEMA ESPECFICO Este paso se detectan las variables del problema como:
% de defectos Nm. de fallas Cantidad de desperdicio Tiempos Muertos Consumo de energa Consumo de insumos y refacciones Velocidades, presiones, temperaturas Voltajes, Amperajes ,etc
EXPLORACIN DE CAUSAS PROBABLES Para conocer cuales variables afectan al problema es necesario probar algunas suposiciones (4 Ms) para identificar las causas probables para el Anlisis de Causas. Existe diferencia entre las personas que hacen un trabajo? Se utilizan diferentes mtodos para realizar el trabajo? Se utilizan diferentes insumos o refacciones? Se obtiene un resultado diferente con cada uno de ellos? El problema se presenta en todas las mquinas o slo en algunas? Cul es la diferencia entre las mquina? EVIDENCIA DEL PROBLEMA ESPECFICO Muchas cosas se saben por experiencia o vivencias, Yo me acuerdo..... Es que siempre..... Yo he visto que...... pero, ........
Es importante demostrarlo con datos medibles o verificables, para lo cual es necesario utilizar la Herramientas Estadsticas Bsicas, principalmente las Hojas de Recoleccin de Datos. Tambin se pueden utilizar otras herramientas como: Encuestas, planos, fotografas, etc.
CONDICIONES
HORARIO 6:00 a 7:00 7:00 a 8:00 8:00 a 9:00 9:00 a 10:00 C1 C2 C3 C4 C5 C6 C7
SECCIN
1A 2A F1
CAUSA DIRECTA
F2 F3 F4
PROBLEMA
P1 P2
TPICO DE MEJORA Y META

TIEM PO M UERTO EN LA SECCI N DE DESTRABADO RES DE DO BLADO RAS 08:00 07:00 06:00 05:00
HORAS
El tpico de Mejora significa la direccin de la Mejora, es decir qu se quiere (aumentar o reducir) y en dnde. Por ejemplo: Disminuir el Tiempo Muerto en la seccin de Destrabadores de las mquinas dobladoras
Ene-O ct 2003 n=19:35 hrs
BRAZO TENSOR FLECHA DE DESTRABADORES FLECHA DE POLEA BANDA DENTADA DE TACONES POSICION DE TACONES
La meta se obtiene agregando al Tpico de Mejora la magnitud de la mejora y un tiempo lmite. Por ejemplo: Disminuir el tiempo muerto en la seccin de destrabadores de las mquinas dobladoras de _hrs en total cada mes a ___ hrs en un plazo de seis meses. JUSTIFICACIN CUANTITATIVA DE LA MAGNITUD DE LAS METAS La magnitud de la mejora se debe basar en las estratificaciones secundarias del problema especfico realizadas a partir de los datos observados en campo, o de datos obtenidos en reportes ms especficos 54
04:00 03:00 02:00 01:00 00:00 D 3 D1 D 5 D 2 D4

NUM ERO DE DOBLADORAS
Factores a eliminar del problema especfico
REV: 02
En el ejemplo se podra decidir que se atacarn particularmente la posicin de tacones y la banda dentada de tacones, reducindolos a un cambio de banda de 0:30hrs cada seis meses (0:10 hrs/mes), se podra reducir de 2:27hrs/mes (19:35hrs/8 meses) a 0:47 hrs/mes ([19:35-7:10-6:17+0:05 hrs]/8meses) PROGRAMA DE ACTIVIDADES Por ltimo se determina el programa de actividades para desarrollar cada una de las etapas del QC Story
PASOS DEL QC STORY 1 2 3 4 5 6 7 8 S e l. d e l P ro b le m a E sp e cfico O b s e rva ci n y P ro g ra m a ci n A n lisis d e C a u sa s A n lisis d e S o lu c io n e s Im p la n ta ci n d e S o lu cio n e s V e rifica ci n d e S o lu cio n e s E sta n d a riza ci n y C o n tro l C o n clu sio n e s
A C T IV ID A D E S
M ES 2 3 4
2.9.5. Anlisis de Causas PASO 3

Este es el paso ms importante y vital de todos, en el que deben participar todos los involucrados en el problema especfico. Generalmente se utiliza la lluvia de ideas y el Diagrama Causa-Efecto. Se empieza por enunciar todas las CAUSAS POSIBLES, estratificndolas y organizndolas desde las ms generales hasta las ms especficas. Es importante revisar que exista una clara relacin entre sub causas, causas generales y efecto Las causas deben proponerse con base en lo observado en el paso 2. DIAGRAMA CAUSA- EFECTO
FACTOR PRINCIPAL FACTOR PRINCIPAL
FACTOR PRINCIPAL
FACTOR PRINCIPAL
REV: 02
55
Entre todas las CAUSAS POSIBLES, se deben elegir las que, con base en la Observacin realizada y el conocimiento y experiencia de los involucrados, tengan mayor impacto en el problema (CAUSAS POTENCIALES) . Por ltimo, es necesaria una etapa de experimentacin para demostrar con hechos y datos que las causas seleccionadas tienen efecto sobre el problema y la magnitud de dicho efecto, se seleccionan las ms importantes (Ley 80-20) que se considerararn como las CAUSAS REALES. Entre todas las CAUSAS POSIBLES, se deben elegir las que tengan mayor impacto en el problema (CAUSAS POTENCIALES)
1
4 5
3
Por ltimo, es necesaria una Etapa de Experimentacin o comprobacin para demostrar con hechos y datos, utilizando Herramientas Estadsticas adecuadas que las causas seleccionadas son CAUSAS REALES.
Grfica X (Con lm ite s de Prue ba)
RELACIN ENTRE VELOCIDAD DE MQUINA Y EL AMPERAJE MX. DEL DRIVE DEL TROQUEL DE LA ROTO 48"
110
20 18 16 14 12 10 8
2-2 3-2 4-2 5-2 6-2 7-2 8-2 9-2 10-2 11-2 12-2 13-2 14-2 15-2 16-2 17-2 18-2 19-2
Adherencia a los lm ites
LS C =10.57 P R OM .=14. 4 LIC =18 23
Adhe re ncia a la lne a ce ntral
100 AMPERAJE MXIMO
Fue ra de Control
20-2 21-2 22-2 23-2 24-2 25-2 26-2 27-2 28-2
90
Grfica R (Con Lm ite s de Prue ba)

80
8 6 4
Fue ra de Control
70
LS C =4.70 P R OM .=1. 44 LIC =0
60 130 140 150 160 170 180 VELOCIDAD DE MQUINA (m/min)
2 0
3-2 4-2 5-2 6-2 7-2 8-2 9-2 10-2 11-2 12-2 13-2 14-2 15-2 16-2 17-2 18-2 19-2 20-2 21-2 22-2 23-2 24-2 25-2 26-2 27-2 28-2
REV: 02
56
Tambin se pueden utilizar otras evidencias Como diagramas de flujo, estudios de mtodos, encuesta al personal, etc. Es recomendable enfocarse a las CAUSAS REALES ms importantes, es decir aquellas que representen el 80% del efecto.
94.7 98.2 100.0 100 90 04:00 71.2 80 70 44.5 02:05 60 50 40 01:15 01:00 30 00:36 00:20 00:00 00:10 00:10 00:05 20 10 0
91.1 84.0
02:00
2.9.6. Anlisis de Soluciones PASO 4

Se elaboran varias (al menos dos) Alternativas de Solucin por cada Causa Real. No solamente qu hacer, si no principalmente cmo hacer.
ALTERNATIVA DE SOLUCIN 1A
CAUSA 1
-----
ALTERNATIVA DE SOLUCIN 1B ALTERNATIVA DE SOLUCIN
1C
PROBLEMA ESPECIFICO
-----
CAUSA 2
-----
2C
CAUSA 3
-----
3C
RECOMENDACIONES PARA GENERAR SOLUCIONES 1. Considerar la opinin de todos los involucrados con el problema 2. Buscar soluciones preventivas ms que correctivas 3. Implantar mtodos a prueba de tontos (tablas de parmetros, Hojas de Proceso, ayudas visuales, etc) 4. Analizar el problema desde distintos ngulos REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 57
P ORCENTAJE
03:00
5. No descalificar ninguna idea antes de analizarla y/o probarla. 6. Considerar la opinin de todos los involucrados con el problema 7. Buscar soluciones preventivas ms que correctivas 8. Implantar mtodos a prueba de tontos (tablas de parmetros, Hojas de Proceso, ayudas visuales, etc) 9. Analizar el problema desde distintos ngulos 10. No descalificar ninguna idea antes de analizarla y/o probarla. 11. Buscar todas las posibilidades para eliminar los factores del problema, reducirlos o controlarlos. 12. Preguntarse: Que pasara si se elimina lo siguiente.......? Qu pasara si incrementamos (o reducimos) sta variable? Se pueden combinar stos elementos? Puede haber cambios en el orden del proceso? Se puede utilizar la solucin de otro problema en ste? La solucin debe aplicarse en todo momento o en ciertas ocasiones? Cul es el valor ptimo de los factores? SELECCIN DE LAS ALTERNATIVAS DE SOLUCIN Se debe analizar las ventajas y desventajas de cada una de las alternativas as como su costo y beneficio. Cuando sea necesario se probar individualmente cada una de ellas y se medir su efecto.
Sol. 1 Sol. 2
BENEFICIO Sol. 1
COSTO
Sol. 3
Sol. 2
Sol. 3
Debe tenerse evidencia cuantitativa para la seleccin de las mejores soluciones

FRECUENCIA FRECUENCIA SOLUCIN . 1 LIE LSE SOLUCIN . 2
LIE
LSE
+3
+3
REV: 02
58
SELECCIN DE LAS ALTERNATIVAS DE SOLUCIN Establecer un programa para probar cada una de las alternativas de solucin seleccionadas Las alternativas de solucin se deben probar por separado para reconocer la efectividad de cada
una.
PAROS DE MQUINA PARA MANTTO.
5 4 3 2 1 0
DIA 1 DA 2 DA 3 SOLUCIN 2 SOLUCIN 1 SOLUCIN 3
DETERMINACIN DE LAS SOLUCIONES Una vez que se han evaluado y/o probado las alternativas de solucin se deben escoger las ms efectivas o viables.
CAUSA 1
-----
1C
PROBLEMA ESPECIFICO
-----
CAUSA 2
-----
2C
CAUSA 3
-----
3C
2.9.7. Implantacin de Soluciones

Lo primero es establecer el programa de Implantacin de las Soluciones seleccionadas), indicando: Por qu se har? (Why?) Qu se har (What ?) y donde se har? (Where?) Cmo se har? (How?) Quin lo har? (Who?) Cundo se har? (When?) Cunto costar? (How much?) CAUSA SOLUCIN ACTIVIDAD. ESPECFICAS RESPONSABLE SEMANA Y/O DA RECURSOS UTILIZADOS
Para presentarlo a todos los involucrados (incluyendo el facilitador y las Responsables de rea involucrados), y que den su autorizacin y/o sus observaciones. REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 59
Es necesario implementar un sistema de medicin y registro continuo de los resultados para comprobar las mejoras conforme se van aplicando las soluciones.
PAROS DE MQUINA PARA MANTTO.
5 4 3 2 1 0
DIA 1 DA 2 DA 3 SOLUCIN 1 SOLUCIN 2 SOLUCIN 3
2.9.8. Verificacin de Soluciones PASO 6

En ste paso se recopila evidencia numrica de los efectos y beneficios obtenidos de cada solucin y del conjunto de ellas comparndolo contra la situacin anterior y contra el objetivo establecido en la meta. Ejemplo: OBJETIVO: Reducir a 0:20 hrs el T.M. De la falla A
DESPUS
160
ANTES
84.0 91.1 94.7
98.2 100.0 100 90 80
04:00 03:00 02:00 01:00 00:00 B C D A E F G

66.9 45.2 01:15 91.0 97.0 100.0
140
04:00
71.2
P ORCENTAJE
78.9 84.9
100 80 60
03:00 02:00 01:00 00:00 A B C D E F G

44.5 02:05 01:15 00:36 00:20
60 50 40 30 20 00:1000:1000:05 10 0
40 00:36 00:20 00:1000:1000:10 00:05 20 0
Adems del beneficio principal relacionado con la meta establecida es importante la medicin de efectos secundarios: Efecto positivo o negativo en otros problemas especficos del problema general o problemtica. Efectos positivos o negativos en otras variables diferentes a la del Tpico de mejora Al comparar el ANTES y el DESPUS de un problema son necesarias seguir las siguientes reglas: VARIABLE DEL TPICO T.M. En la seccin X OTRAS VARIABLES MERMA DEFECTO M ANTES 2:05 ANTES 2.5% 0.5% DESPUS 0:10 DESPUS 1.8% 0.2%
REV: 02
60
P ORCENTAJE
120
70
1. Utilizar la misma herramienta para comparar los datos (Grfica de Barras, Grafica de Pareto o Histograma o alguna similar) No usar Grfica de Crculo. 2. Utilizar escalas iguales. 3. Comparar perodos iguales de Tiempo 4. Utilizar muestras del mismo tamao 5. Utilizar las mismas evidencias (Hojas de Recoleccin de Datos, Encuestas, fotografas y pelculas)
ANT ES
91.1 84.0 94.7 98.2 100.0 100
D E SP U S
160
90 80 70 P ORCENTAJE
04:00
71.2
04:00
140 120 84.9 78.9 66.9 45.2

01:15
44.5
02:05
60 50
100 80 60 40
02:00
40
01:15
02:00
30 20
00:20 00:10 00:10
01:00
00:36
01:00
00:36 00:20 00:10 00:10 00:10
10
00:05
20
00:05
00:00
A B C D E F G
00:00 B C D A E F G
T e m p e r atu r a e n e l Evap o r iz ad o r 1 En e r o 2004
T e m p e r atu r a e n e l Evap o r iz ad o r 1 A g o s to 2004 40 38
35 30 Fr e cu e ncia 25 20 15 10 5 0 2 2 3 3 8
31
35 Fr e cue ncia
24
30 25 20 15 10 5 0 0 20 - 29 0 30 - 39 0 40 - 49 0 50 - 59 60 - 69 70 - 79 80 - 89 2 90 - 99 0 100 - 109 10 22
5 1
20 - 29
30 - 39
40 - 49
50 - 59
60 - 69
70 - 79
80 - 89
90 - 99
1 00 - 1 09
T e m p e r atu r a (C )
T e m p e r atu r a (C )
REV: 02
61
P ORCENTAJE
03:00
03:00
91.0
97.0
100.0
Grfica X (Con lm ite s de Prue ba)

Adherencia a los lm ites
20 18 16 14 12 10 8
2-2 3-2 4-2 5-2 6-2 7-2 8-2 9-2 10-2 11-2 12-2 13-2 14-2 15-2 16-2 17-2 18-2 19-2 20-2 21-2 22-2
Adhe re ncia a la lne a ce ntral
LS C =10.57 P R OM .=14.4 LIC =18.23
Fue ra de Control
23-2 24-2 25-2 26-2 27-2 28-2
LS C =16 .65 P R O M .=14.8 4 LIC =13 .04
Gr fica X
20 18 16 14 12 10 8
4-8 5-8 6-8 7-8 8-8 9-8 10-8 11-8 12-8 13-8 14-8 15-8 16-8 17-8 18-8 19-8 20-8 21-8 22-8 23-8 24-8 25-8 26-8 27-8 28-8
Grfica R (Con Lm ite s de Prue ba) 8 6 4 2 0

3-2 4-2 5-2 6-2 7-2 8-2 9-2 10-2 11-2 12-2 13-2 14-2 15-2 16-2 17-2 18-2 19-2 20-2 21-2 22-2 23-2 24-2 25-2 26-2 27-2 28-2
CORRIDA
LIC =0
Fue ra de Control
LS C =4.70 P R O M .=1.44
Gr fica R 8 7 6 5 4 3 2 1 0
3-2 4-2 5-2 6-2 7-2 8-2 9-2 10-2 11-2 12-2 13-2 14-2 15-2 16-2 17-2 18-2 19-2 20-2 21-2 22-2 23-2 24-2 25-2 26-2 27-2 28-2
LS C =2.22 P R O M .=0.68 LIC =0
Si los resultados no son los esperados, lo primero que se debe evaluar es: se eliminaron las causas raz? REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 62
NO
Es necesario regresar al paso 4 Anlisis de Soluciones para probar otras alternativas o idear otras ms efectivas, y repetir los pasos subsecuentes
SI
Es necesario regresar al paso 3 Anlisis de las Causas para someter a experimentacin o comprobacin algunas causas no seleccionadas y repetir los pasos subsecuentes
2.9.9. Estandarizacin y Control PASO 7

Es comn que los problemas solucionados por un grupo de personas en un tiempo pasado, reincidan posteriormente si el personal cambia. Por lo anterior, es necesario aplicar los candados necesarios para ASEGURAR que independientemente del Factor Humano el proceso sea estable y consistente (de un resultado conforme con lo requerido). 1. Documentar: Procesos, procedimientos, materiales, herramientas, etc. 2. Determinar los parmetros del proceso (niveles predeterminados de Temp., presin, posicin, velocidad, voltaje, etc) 3. Definir la(s) variable(s) de Control para monitorear la situacin mejorada 4. NOTA. Una variable de Control mide el resultado del proceso 5. Establecer lmites de Control 6. Implementar herramientas estadsticas para monitorear las variables de control; as como prevenir y corregir cualquier situacin anormal. 7. Difundir los nuevos estndares y sistemas de Control entre todos los involucrados en el problema. 8. Presentaciones pblicas de las mejoras y nuevos mtodos. 9. Formacin y Entrenamiento.
10. Difundir los nuevos estndares y sistemas de Control a otras maquinas, Areas o procesos con
problemas similares
2.9.10. Conclusiones PASO 8

Empieza con un examen retrospectivo del trabajo realizado en cada uno de los pasos anteriores (1 al 7) para evaluar lo positivo y lo negativo. 1. Comparacin entre la situacin anterior y la actual 2. Mtodos y tcnicas utilizadas (incluyendo innovaciones) 3. Cumplimiento del Calendario inicial y razones de demoras 4. Problemas y obstculos enfrentados 5. Beneficios del trabajo realizado 6. Aprendizaje y recomendaciones para el futuro. 7. Es necesario determinar los PROBLEMAS PENDIENTES. 8. Problemas que no fueron seleccionados en el paso 1 9. Problemas detectados en el proceso de Solucin. El punto anterior es fundamental para la continuidad de las actividades de mejora. Para asegurar el ciclo de mejora continua este paso termina en el principio del paso, seleccionar el problema especfico siguiente a solucionar. REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas 63
Utilizar datos actualizados, NO votaciones INFORME DEL PROBLEMA SOLUCIONADO La ltima actividad es realizar un Resumen escrito de lo realizado durante los ocho pasos incluyendo las reflexiones anteriores y compartirlo en presentaciones pblicas dentro y fuera de la Organizacin. INFORME DEL PROBLEMA SOLUCIONADO Esto garantiza que el aprendizaje y mejoras obtenidas no se pierdan, y contribuye al desarrollo del pas.
BIBLIOGRAFA.
GRANT, Eugene L. Control Estadstico de Calidad. 6 Edicin. Compaa Editorial Continental, Mxico, 1998.
HIRATA, Ricardo. Siete herramientas Bsicas para el Control de Calidad. V 2.4. Keisen Consultores, Mxico, 2003,
SPIEGEL, Murray R. Estadstica. 2 Edicin. McGraw Hill, Mxico, 1991.
KEISEN CONSULTORES S. A. DE C. V., Mtodo de Solucin de Problemas QC Story
REV: 02
64

Guía de Estadística Básica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guía de Estadística Básica

Cargado por

Copyright:

Formatos disponibles

DOCUMENTO CONTROLADO GUA DE ESTADSTICA BSICA Y SOLUCIN DE PROBLEMAS

CARTULA DE CONTROL DE DOCUMENTOS

ELABOR: REVIS: AUTORIZ:

2. LAS HERRAMIENTAS BSICAS DEL CONTROL DE CALIDAD

2.5.5.Medidas De Dispersin REV: 02 D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

Rango Varianza Desviacin estndar

~ R (de la mediana y el Rango) 2.8.2.Grfica de Control X

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

Fig. 1 Grfico de Barras Verticales

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

Fig. 2 Grfico de Barras Verticales de Porcentajes

Fig. 3 Grfico de Barras Horizontales en componentes

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

1.3.2. Grafico de Crculo

PORCENTA ANGULO JE 41.7% 150

FACTOR 5 5.6% FACTOR 4 6.9% FACTOR 3 13.9%

Fig. 4 Grfico de Crculo o de Pastel

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

1.3.3. Grfico de Lneas (Series de Tiempo.)

Fig. 5. Grfico de lneas de porcentajes

MERMA GENERADA EN MAQ. 1

6.4 7.5 8.5 4.8 3.0 2.9 4.2 1.8

16.0 14.0 12.0 PORCENTAJE

15.1 13.8 12.9 7.0 13.8

10.0 8.0 6.0

Fig. 7. Serie de tiempo de dos variables distintas

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

2. LAS HERRAMIENTAS BSICAS DEL CONTROL DE LA CALIDAD

Fig. 8. Proceso de Control Basado en Hechos.

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

Canastillas con Adhesivo fuera de las reas de Aplicacin

TRIPULACIN: 10:00 a 11:00

MQUINA: 12:00 a 13:00

SUPERVISOR: 16:00 17:00

TRIPULACIN: 18:00 A 19:00

MQUINA: 20:00 A 21:00

SUPERVISOR: 24:00 A 1:00

TRIPULACIN: 2:00 A 3:00

MQUINA: 4:00 A 5:00

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

FORMATO DE RECOLECCIN DE DATOS CANASTILLAS CON ADHESIVO FUERA DE REAS DE APLICACIN

FRECUENCIA: 100 Canastillas Cada 2 Hrs.

1 2 3 4 5 "A" 6 7 8 9 10 11 12 Total Horario

1 2 3 4 5 6 "A" 7 8 9 10 11 12 Total Seccin

1 2 3 4 5 6 7 "B" 8 9 10 11 12 13 14 Total Horario

1 2 3 4 5 6 7 "B" 8 9 10 11 12 13 14 Total Seccin Total 1 12 2 11 0

Codificacin Ubicacin Forma

Fig. 9 Hoja de Recoleccin de Datos mejorada

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

FECHA : NOTA DE SALIDA :

CLIENTE: TRANSPORTISTA : UNIDAD TIPO : PLACAS: !GRACIAS! R E V I S N

EL OBJETIVO DE ESTE CUESTIONARIO ES PARA BRINDARLE UN MEJOR SERVICIO EN LA ENTREGA DE SU PRODUCTO

_____________________________________________________ OBSERVACIONES _________________________________________________________________________ _________________________________________________________________________ _________________________________________________________________________

Fig. 10 Hoja de verificacin de las entregas y el servicio de transporte

D-SAI-04 Gua de Estadstica Bsica y Solucin de Problemas

LISTA DE VERIFICACIN (PROCESO TINTAS)

EQUIPO DE VAPORES Y GASES

*EN CASO DE NO CUMPLIR SEALAR LA ACCION CORRECTIVA EJECUTADA

_________________ OBSERVACIONES _ _ _____________________________________

f(u ) 18 12 6 0 13 32 27 16 f(u )=124