Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MDULO V
TCNICAS ESTADSTICAS PARA LA MEDICIN DE LOS PROCESOS
Marzo, 2014
BIENVENIDO!!!
Esperamos que este diplomado sea una buena inversin, por lo que te invitamos a:
Agradecemos tu asistencia!
Temario.
1. Conceptos bsicos de estadstica
1.1 Generalidades
1.2 Definiciones
2. Las medidas de tendencia central
2.1 Media aritmtica
2.2 Mediana
2.3 Moda
3. Las herramientas bsicas de calidad
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
Generalidades
Hoja de Control
Histograma
Diagrama de Pareto
Estratificacin
Diagrama de Ishikawa (causa-efecto)
Grficas de control
Diagrama de correlacin
1.1 Generalidades
La Norma ISO 9000:2005 referente al papel de las tcnicas estadsticas indica:
1.2 Definiciones
Estadstica
Variable
Variable
continua
Atributo
Variable
discreta
Poblacin
Muestra
Muestra
Es aquella muestra en la cual cada uno de los elementos de la
representativa poblacin tiene la misma posibilidad de participar en ella, tambin
llamada muestra aleatoria.
Variacin
Es la diferencia entre los valores de una variable
Variacin
normal
Variacin
anormal
Mediana
Media
aritmtica
Moda
Hoja de
recogida de
datos
Histograma
1.2.1 Estadstica
Conjunto de tcnicas y mtodos que son usados para recolectar, organizar,
representar, analizar, extraer y presentar en forma de tabla y graficas informacin
numrica. Tambin se incluyen aqu el clculo de medidas estadsticas de
centralidad y variabilidad.
1.2.2 Variable
Son las caractersticas de calidad que pueden medirse en un determinado artculo,
as como el nmero de artculos que satisfacen o no las cualidades o descripciones.
Por ejemplo, si hablamos de la variable, peso de un producto, un estndar de papas
fritas debe pesar unos 60 gramos, o analizando estaturas de personas, se pueden
cuantificar midindolas, supongamos un estndar de 170 cms.
1.2.4 Atributo
Son variables que no se pueden cuantificar, o expresar por nmeros.
Ejemplo:
Hay variables que no se pueden cuantificar, como los colores, no hay nmeros para
ello, otro ejemplo es el sabor en productos alimenticios.
1.2.5 Variable discreta
Son aquellas variables cuyos valores provienen de conteos referentes a atributos.
Ejemplo de variable discreta:
Por atributos
1.2.6 Poblacin
Es un conjunto de personas, eventos o cosas de las cuales se desea hacer un
estudio estadstico, y tienen una caracterstica en comn.
Poblacin estadstica
Est constituida por todas las posibles observaciones (mediciones o descripciones
segn que se trate de variable o atributo) que se pueden hacer en los elementos que
se desea estudiar.
Es comn referirse a poblacin estadstica llamndola simplemente POBLACIN.
10
Ejemplo
Una empresa va a invertir una fuerte cantidad de dinero en el bienestar de los
trabajadores. Para decidir si la cantidad se invierte en el rea de deportes o en el
teatro de la empresa, toma una muestra de sus trabajadores con el objeto de
conocer su opinin. Si dicha muestra se toma de los miembros de los equipos de
ftbol y bisbol, es claro que esta muestra no es representativa.
Ejercicio
Se desea tomar una muestra de 5 de los participantes a este grupo. Describir una
forma de hacer dicha eleccin para que resulte representativa.
11
12
Pero si medimos una o varias de sus dimensiones veremos que hay diferencias
aunque sea mnimas, pero existen.
Lo cual nos indica que en todo proceso sea natural o creado por el humano, siempre
encontraremos que existe variacin.
Cualquier proceso creado por el humano que genere caractersticas que sean
medibles siempre mostraran variacin debido a:
Mtodo
Mano de obra
Medios (maquinaria o herramientas)
Medio ambiente (entorno)
Materiales
13
Tipos de variacin:
1.2.10 Variacin normal
Est presente en todo proceso
Resulta de la combinacin de las
Es predecible su ocurrencia
Es impredecible
generalmente
con
personas
vinculadas
F
R
E
C
U
E
N
C
I
A
PROMEDIO
VALOR MNIMO
VALOR MXIMO
RANGO
15
FoV
16
17
0.65
0.70
0.75
0.80
0.85
Si ahora tenemos que los siguientes 12 datos representan las horas de vida de
algn componente electrnico, es decir,
X1 = 101
X4 =103
X7 = 109
X10 = 107
X2 = 122
X5 =124
X8 = 111
X11 = 121
X3 = 116
X6 =118
X9 = 120
X12 = 110
18
113.5
101
107
111
116
120
124
Cuando los datos han sido organizados en tablas de frecuencias, y solo se conocen
las marcas de clase (puntos medios), se hace necesario expresar la frmula de la
media aritmtica como sigue:
r
Xi fi
X = i= 1_
n
__
donde Xi es la marca de clase (punto medio) del intervalo (i), fi la frecuencia absoluta
del intervalo (i) y r es el nmero de intervalos.
19
APLICACIN
Fronteras de clase
Marca de
clase
Frecuencias
absolutas
fI
fs
xi
fi
1
2
3
4
5
179.5
218.5
257.5
296.5
335.5
218.5
257.5
296.5
335.5
374.5
199
238
277
316
355
3
8
12
4
3
30
__
Los pasos a seguir para obtener X se ilustran como sigue:
Primer paso. Obtener el producto Xi f i para cada intervalo
X1 f 1 = 199x3 = 597
X2 f 2 = 230X8 = 1904
X3 f 3 = 277X12 = 3324
X4 f 4 = 316X4 = 1264
X5 f 5 = 355x3 = 1065
Segundo paso. Calcular la suma
5
Xi fi
i= 1
5
Xi fi = X1 f 1 + X2 f 2 + X3 f 3 + X4 f 4 + X5 f 5
i= 1
Xi f I = 8,154
i= 1
20
Fronteras de clase
Marca de
clase
Frecuencias
absolutas
fI
fs
xi
fi
Xi f i
1
2
3
4
5
179.5
218.5
257.5
296.5
335.5
218.5
257.5
296.5
335.5
374.5
199
238
277
316
355
3
8
12
4
3
30
597
1904
3324
1264
1065
5
Xi f I = 8,154
i= 1
Xi fi
X = i= 1_ = 8,154 = 271.8
__
30
21
2.2 Mediana
Definicin
Es el valor que ocupa el lugar central de todos los datos cuando stos
estn ordenados de menor a mayor.
La mediana se representa por M e.
La mediana se puede hallar slo para variables cuantitativas.
La media aritmtica no es el nico indicador usado como una medida de tendencia
central de un conjunto de datos. La media aritmtica no es buen representante de
los datos si entre ellos aparecen algunos que se alejan demasiado de la mayora.
La MEDIANA es otra medida de tendencia central que resulta ser, en algunos
casos, una mejor representante que la media aritmtica.
Si se tiene un nmero impar de datos, a la medicin que ocupa la posicin central
de stos, ordenados por su magnitud, se le llama MEDIANA. Si el nmero de
datos es par, entonces la MEDIANA es el promedio de las dos mediciones
centrales.
Una caracterstica de la mediana es que divide exactamente en dos partes iguales
las observaciones ordenadas.
Clculo de la mediana
1 Ordenamos los datos de menor a mayor.
2 Si la serie tiene un nmero impar de
la puntuacin central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6
medidas la mediana es
Me= 5
Me= 9.5
22
|
b) Calcule la mediana
Justifique su respuesta
2.3 Moda
Definicin
La moda es el valor que cuenta con una mayor frecuencia en una distribucin de
datos. La moda es el valor que tiene mayor frecuencia absoluta. Se representa por
Mo. Es aquel valor que ocurre con ms frecuencia, como por ejemplo:
1,2,2,2,3,3,4,4,4,4,4,6,7,8,8,9, la moda sera el "4" porque es el que ms se repite.
Se puede hallar tambin la moda para variables cualitativas y cuantitativas.
Hallar la moda de la distribucin:
23
2, 3, 3, 4, 4, 4, 5, 5
Mo= 4
Un buen estudio estadstico empieza con una obtencin de datos, debido a esto, es
necesario tomar ciertas PRECAUCIONES al obtener datos sobre la variable
estudiada.
Entre las recomendaciones que se recomienda tener estn las siguientes:
Que los valores registrados sean los realmente obtenidos en la observacin,
(es decir registrar realmente los datos)
Si los datos son continuos, es muy importante efectuar la medicin con la
MAYOR PRECISIN POSIBLE, es decir, con el menor error posible.
24
25
EJERCICIO
FoV
Xi fi
X = i= 1_
n
La mediana es una medida de tendencia central que en algunos
casos representa mejor que la media aritmtica.
__
26
Grfica de
control
Diagrama de
Pareto
Estratificacin
Hoja de
recogida de
datos
Histograma
5
6
Media
aritmtica
Moda
Variacin
anormal
Mediana
10
Variacin
11
Variacin
normal
12
La media
aritmtica
es
el valor obtenido
al sumar todos
los datos y dividir el resultado entre el nmero total de datos.
Muestra
13
Muestra
representativa
14
Variable
discreta
15
Poblacin
16
27
17
Variable
continua
18
Estadstica
19
28
29
Una vez que se ha fijado las razones para recopilar los datos, es importante que se
analice las siguientes cuestiones:
3.3 Histograma
Un histograma es una descripcin grfica de los valores medidos individuales de un
paquete de informacin y que est organizado de acuerdo a la frecuencia o relativa
frecuencia de ocurrencia.
Los histogramas ilustran la forma de la distribucin de valores individuales en un
paquete de datos en conjuncin con la informacin referente al promedio y variacin.
El histograma se usa para:
31
32
Partes de un histograma
33
180
234
284
292
374
285
271
320
192
228
225
295
255
318
358
288
247
305
268
210
232
338
274
279
244
VM = 374
R = 194
Vm = 180,
K
de 5 a 7
de 6 a 10
de 7 a 12
de 10 a 20
A= 39
34
179.5
218.5
257.5
296.5
335.5
FS
218.5
257.5
296.5
335.5
374.5
35
Intervalo
i
Fronteras o lmites
reales
Marca de clase
Conteo
Frecuencias
absolutas
FI
1
2
3
4
5
179.5
218.5
257.5
296.5
335.5
FS
Xi
218.5
257.5
296.5
335.5
374.5
199
238
277
316
355
Fi
III
IIII III
IIII IIII II
IIII
III
3
8
12
4
3
30
36
EJERCICIO
Con los siguientes datos calcule:
A.
B.
C.
D.
E.
F.
G.
Rango
El nmero de intervalos
La amplitud de cada clase
Fronteras superior e inferior de cada clase
La marca de clase de cada intervalo
La frecuencia absoluta de cada clase
Construya el histograma
12.9
12.8
14.0
12.2
13.4
13.1
13.0
13.0
14.4
12.8
13.3
13.0
14.0
12.5
13.1
12.5
12.8
14.0
12.2
12.7
14.0
12.3
12.9
12.9
13.0
14.0
12.9
13.1
14.0
13.5
12.6
13.4
13.1
14.0
13.0
12.5
12.3
13.4
12.8
14.0
13.4
14.0
13.5
12.7
12.8
13.3
14.0
12.6
12.9
13.4
13.1
13.6
14.1
12.5
13.2
13.1
13.1
12.8
13.2
13.3
12.8
13.3
13.7
12.2
12.8
12.5
13.6
13.3
14.3
12.8
13.2
14.3
13.8
13.9
13.6
11.6
14.1
13.7
13.8
12.6
13.3
12.8
12.6
12.2
12.7
12.1
13.2
12.8
13.8
12.7
37
Elaborar una lista de los factores que pueden estar incidiendo en el problema,
por ejemplo, tipos de fallas, caractersticas de comportamiento, tiempos de
entrega.
Frecuenci
a
48
22
7
35
4
2
Frecuenci
a
48
35
22
7
4
2
Frecuencia
%
Relativo
% Relativo
acumulad
o
48
40.68
40,68
35
22
7
4
2
29.66
18.64
5.93
3.39
1.69
70,34
88.98
94.91
98.30
99.99
39
40
Decidir si se va a atacar la barra de mayor tamao, o bien trazar una lnea hasta la
curva que muestra los porcentajes acumulados, y de all bajar una lnea hasta el
eje horizontal, para identificar los pocos vitales.
Debido a que se tiene que ser ms productivos con recursos limitados, se debe
tratar de enfocar los esfuerzos a reducir una barra de los pocos vitales a la mitad,
que intentar reducir una barra de los muchos triviales a cero.
El diagrama de Pareto es el primer paso para la realizacin de mejoras, pues
posee la flexibilidad de representar en su eje vertical ya sea, cantidades numricas
o cantidades monetarias, dependiendo el caso que se tenga.
En algunas ocasiones, una vez que se realiza el diagrama de Pareto para
seleccionar un problema o para priorizar causas se observa que es muy general
debido a una muy diversa cantidad de factores en dicho problema. Una solucin a
esto es realizar otro Pareto de los problemas o causas principales que muestran el
diagrama inicial.
41
3.5 Estratificacin
Objetivo:
Comprender el principio de estratificacin como base para la aplicacin de
herramientas de calidad, y lo aplicara en la diagramacin correspondiente.
Para rastrear causas que originan los comportamientos que se busca comprender
dentro de un problema, es necesario analizar todo en forma estratificada.
Agrupando la informacin conforme a un comn denominador. Los totales promedios
contienen informacin escondida acerca de la dispersin y sus fuentes.
Separar y agrupar la informacin, es decir, estratificar de todas las formas posibles
revelar como se presenta la dispersin y cules son sus causas
Es analizar problemas, fallas, quejas o datos clasificndolos de cuerdo con los
factores que se piensa pueden influir en la magnitud de los mismos.
Es un mtodo consistente en clasificar los datos disponibles por grupos con
similares caractersticas denominndoles estrato, en funcin de la situacin
particular de que se trate, pudiendo establecerse estratificaciones con respecto a:
Personal, por edad, experiencia, nivel acadmico, sexo o turno
Mtodos de trabajo, procedimientos, condiciones de operacin.
Maquinaria, equipo (por mquina, modelo, tipo, vida o condicin de operacin).
Materiales, insumos
reas de gestin, departamentos, secciones
Tiempo de produccin o prestacin de un servicio: turno, da, semana, noche, mes.
Entorno
Localizacin geogrfica
La estratificacin es una poderosa estrategia de bsqueda que facilita entender
cmo influyen los diversos factores o variantes que intervienen en una situacin
problemtica, de forma que se puedan localizar diferencias, prioridades y pistas que
permitan profundizar en la bsqueda de verdaderas causas de un problema.
Por ejemplo, cuales serian las causas (estratos) por lo que los alumnos de una
universidad no se titulan.
A continuacin se muestran algunos ejemplos de cmo estratificar algunos factores
a considerar:
42
43
44
45
46
Ventajas:
Obliga a considerar una gran cantidad de elementos asociados con el
problema.
Puede ser usado cuando el proceso no se conoce a detalle.
Se concentra en el proceso y no en el producto.
Desventajas:
En una sola rama se identifican demasiadas causas potenciales.
Tiende a concentrarse en pequeos detalles del proceso.
El mtodo no es ilustrativo para quienes desconocen el proceso.
Mtodo de flujo de proceso:
Con este mtodo de construccin, la lnea principal del Diagrama de Ishikawa sigue
la secuencia normal del proceso de produccin o de administracin. Los factores
que pueden afectar la caracterstica de calidad se agregan en el orden que les
corresponde, segn el proceso.
Para ir agregando, en el orden del proceso, las causas potenciales, se puede
realizar la siguiente pregunta: la variabilidad en esta parte del proceso afecta en esta
parte del proceso afecta el problema especificado.
Este mtodo permite explorar formas alternativas de trabajo, detectar cuellos de
botella, descubrir problemas ocultos, etc.
47
Ventajas:
Desventajas:
Es fcil no detectar las causas potenciales, puesto que la gente puede estar
muy familiarizada con el proceso hacindosele todo normal.
Es difcil usarlo por mucho tiempo, sobre todo en procesos complejos.
Algunas causas potenciales pueden aparecer muchas veces.
Mtodo de estratificacin o enumeracin de causas
La idea de este mtodo de construccin de Diagrama de Ishikawa es ir directamente
a las principales causas potenciales de un problema.
La seleccin de estas causas muchas veces se hace a travs de una sesin de
lluvia de ideas. Es importante preguntarse al menos cinco veces , el porqu del
problema.
Con esto se construir el Diagrama de Ishikawa, partiendo de ste anlisis previo,
con lo que el abanico de bsqueda ser ms reducido y los resultados ms
positivos.
El mtodo de estratificacin contrasta con el mtodo 6M, ya que en ste se va de lo
muy general a lo particular, mientras que en el mtodo de estratificacin se va
directamente a causas potenciales del problema.
Esta manera de construir el Diagrama de Ishikawa es natural cuando las categoras
de las causas potenciales pueden subdividirse, por ejemplo un producto terminado
puede dividirse fcilmente en sus subensambles.
48
Ventajas:
Proporciona un agrupamiento claro de las causas potenciales del problema, lo
que permite centrarse directamente en el anlisis del mismo.
Este diagrama es por lo general menos complejo que los obtenidos mediante
los otros procedimientos.
Desventajas:
Se puede dejar de contemplar algunas causas potenciales importantes.
Se requiere un mayor conocimiento del producto o el proceso.
Puede ser difcil definir subdivisiones principales.
Pasos en la construccin de un diagrama de Ishikawa (DI):
1. Elegir el aspecto de calidad que se quiere mejorar, lo cual se puede hacer con
la ayuda de un Diagrama de Pareto, un histograma o alguna accin
preventiva/correctiva que deba realizarse.
2. Escribir de manera clara y concreta el aspecto de calidad a la derecha del
diagrama. Trazar una flecha ancha de izquierda a derecha, y decidir qu tipo
de DI se va a emplear (6M, Flujo o Estratificacin).
3. Buscar todas las causas probables, lo ms concretas posibles, que pueden
afectar a la caracterstica de calidad. Generalmente esto se hace a travs de
una lluvia de ideas.
4. Representar en el DI las ideas obtenidas y, analizando el diagrama,
preguntarse si faltan algunas otras causas an no consideradas.; si existen
entonces agregarlas.
5. Decidir cules son las causas ms importantes, a travs de un consenso o
votacin, o bien si se tienen disponibles empleando datos.
49
50
Las grficas de control ayudan a obtener un mejor producto. Las grficas tienen tres
aplicaciones principales:
Una grfica de control consiste de una lnea central, un par de lmites de control, uno
de ellos colocado por encima del lmite central y otro por debajo, y en unos valores
caractersticos registrados en la grfica que representa el estado del proceso.
Si todos los valores ocurren dentro de los lmites de control, sin ninguna tendencia
especial, se dice que el proceso est en estado controlado. Sin embargo, si ocurren
por fuera de los lmites de control o muestran una forma peculiar, se dice que el
proceso est fuera de control.
EJEMPLO
51
Nombre
Grfica X R (valor promedio y rango)
Grfica X (variable de medida)
Grfica pn (nmero de unidades defectuosas)
52
53
_
Grfica X R
Se usa para controlar y analizar un proceso, en el cual la caracterstica de calidad
del producto que se est midiendo toma valores continuos, como longitud, peso o
54
Grfica X R
Las grficas de control por variables X-R nos ayudan a controlar la variacin de los
procesos como se indica a continuacin:
55
30.8
30.9
30.9
30.6
30.8
1.
30.9
30.9
30.6
30.8
30.9
30.9
30.6
30.8
30.9
30.9
30.7
31.2
30.7
30.9
30.7
31.2
30.7
30.9
30.7
31.2
30.7
30.9
30.7
31.2
30.7
30.9
30.7
31.2
30.7
30.9
30.7
31.7
30.5
30.7
31.7
30.5
31.0
30.7
31.7
30.5
31.0
30.7
31.7
30.5
31.0
30.6
30.7
30.5
30.9
30.6
30.7
30.5
30.9
30.6
30.7
30.9
30.6
30.9
30.7
30.5
30.6
30.8
30.9
30.9
30.6
30.7
31.2
30.7
30.9
30.7
30.7
31.7
30.5
31.0
30.7
30.6
30.7
30.5
30.9
30.6
2.
3.
_
Calcular la media de cada subgrupo (X)
_
_
LICX= X- A2R
_
LICR = D3 R
57
obtenidos inicie con cero y ocupe todo el ancho de la grfica para establecer la
escala.
10. Grafique la media de medias y la media de rangos
11. Grafique los lmites de medias y el lmite de rango
12. Grafique cada punto de las medias calculados y la de rangos.
58
Debe comentarse que todo lo anterior es posible aplicar en los servicios, tanto pblicos y
privados para mejorar los procesos, su aplicacin se da a travs del Control Estadstico de
Proceso
59
La forma en que los puntos se mueven por arriba o por debajo de la lnea central. El
nmero consecutivo de puntos arriba o debajo de la lnea central es llamado longitud
de la corrida. Si la longitud de la corrida es ms de 7 puntos, el proceso es juzgado
anormal.
TENDENCIAS
60
Dividir el ancho entre la lnea central y las lneas de control en 3 partes iguales. Si
dos de tres puntos consecutivos caen dentro del tercio cercano a las lneas lmites,
se considera que el proceso es anormal.
61
Se dice que el proceso muestra periodicidad, si los puntos se mueven hacia arriba y
hacia abajo ms o menos a intervalos iguales.
62
1. Siguiendo los pasos del ejemplo anterior calcule y elabore una grfica de control
por variable de promedios y rangos X-R con los datos adjuntos.
2. Construya la grfica en el formato GRFICA DE CONTROL adjunto y registre
todos los datos que se requieren en el mismo.
3. Interprete el estado del proceso resultante de acuerdo a los criterios de
estabilidad del proceso indicados anteriormente.
Subgrupo
No
1
2
3
4
5
X1
47
19
19
29
28
X2
32
37
11
29
12
X3
44
31
16
42
45
X4
35
25
11
59
36
X5
20
34
44
38
25
6
7
8
9
10
40
15
35
27
23
35
30
44
37
45
11
12
32
26
26
38
33
11
20
37
33
26
38
35
32
11
12
13
14
15
28
31
22
37
25
44
25
37
32
40
40
24
19
12
24
31
32
47
38
50
18
22
14
30
19
16
17
18
19
20
7
38
35
31
12
31
0
12
20
27
23
41
29
35
38
18
40
48
24
40
32
37
20
47
31
21
22
23
24
25
52
20
29
28
42
42
31
47
27
34
52
15
41
22
15
24
3
32
32
29
25
28
22
54
21
_
X
Total
Promedio
=
X=
_
R=
63
EJERCICIO
390, 393, 395, 405, 420, 376, 381, 381, 392, 405, 400, 391,
396, 403, 415, 381, 390, 391, 385, 400, 415, 417, 418, 421,
432, 305, 391, 396, 382, 370, 375, 403, 404, 408, 493, 400,
395, 397, 404, 392, 408, 415, 417, 421, 382, 389, 392, 394,
408, 407, 405. 407, 381, 383, 389, 392, 385, 403, 415, 417,
421, 392, 397, 391, 381, 385, 387, 397, 384, 392, 397, 400,
403, 417, 414, 431, 412, 415, 397, 399, 371, 401, 372, 403,
493, 371, 401, 372, 403, 493, 423, 413, 431, 392, 391, 393,
397, 398, 405, 407.
64
(nmero de unidades
defectuosas) pn
4
2
0
5
3
6
7
8
9
10
100
100
100
100
100
2
4
3
2
6
11
12
13
14
15
100
100
100
100
100
1
4
1
0
2
65
16
17
18
19
20
100
100
100
100
100
3
1
6
1
3
21
22
23
24
25
Total
100
100
100
100
100
n= 2500
3
2
0
7
3
pn= 68
Paso 2. Calcule p
Calcule la fraccin promedio de defectos p dividiendo el nmero total de unidades
defectuosas de cada subgrupo por el nmero total de muestras.
_
p = pn
kxn
_
p = 68__ = 0.0272
25x100
66
67
EJERCICIO
En el departamento de mesas para salas se toman muestras de 80 elementos, cada
una se verifica que llene los requisitos estipulados, si no se rechazan para que sean
reprocesadas.
El registro de defectuosas de cada lote es como sigue:
LOTE
DEFECTUOSAS
1
1
2
1
3
4
4
2
5
2
6
3
7
2
8
1
LOTE
DEFECTUOSAS
9
2
10
2
11
2
12
3
13
0
14
0
15
2
16
1
LOTE
DEFECTUOSAS
17
0
18
1
19
1
20
1
21
2
22
2
23
3
24
4
68
Nota: siempre que el lmite inferior sea negativo, ste se coloca en cero.
69
ERRORES EN
LAS FACTURAS
4
6
2
1
0
7
6
13
6
5
2
1
5
4
8
7
6
5
3
4
2
1
0
7
5
PROPORCIN
CON ERRORES
0.09
0.14
0.04
Calcule:
La fraccin defectuosa de cada muestra
El promedio de la fraccin defectuosa
El promedio de muestras tomadas
Los lmites de control
Elaborar el grfico en el formato CARTA P Control de atributos
70
71
Unidades
verificadas
n
Unidades
no
conformes
1
2
3
4
5
6
7
8
9
10
11
12
13
148
150
151
161
150
152
159
150
148
167
152
142
142
20
24
15
19
16
23
15
21
13
18
14
7
17
%
unidades
no
conformes
p
Muestra
No
Unidades
verificadas
n
Unidades
no
conformes
14
15
16
17
18
19
20
21
22
23
24
25
TOTAL
136
151
158
150
145
139
143
149
154
150
148
155
12
22
19
16
21
13
24
27
14
12
15
18
%
unidades
no
conformes
p
72
73
Planteamiento
F oV
74
Disee una forma (hoja de datos) para colectar, la cual puede ser:
MUESTRA
NMERO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Hoja de datos
CONTENIDO DE
HUMEDAD
MATERIA PRIMA
X (%)
2.45
2.20
2.90
2.65
2.30
2.65
2.50
2.65
2.35
2.40
2.55
2.80
2.50
2.20
2.50
2.80
2.30
2.55
2.65
2.40
CONTENIDO DE
HUMEDAD
PRODUCTO
Y (%)
1.55
1.55
1.90
1.70
1.50
1.55
1.65
1.70
1.70
1.50
1.55
1.70
1.80
1.75
1.50
1.65
1.65
1.50
1.60
1.65
75
2.25
2.60
2.35
2.90
2.65
2.40
2.70
2.25
2.50
2.75
1.50
1.55
1.55
1.55
1.70
1.75
1.60
1.55
1.60
1.75
4. Prosiga a graficar los puntos; si los valores de los datos son repetidos y dan uno
ya graficado, trace un crculo sobre el punto para representar que est repetido.
5. Si en el conjunto de datos se observa que hay muchos datos del mismo valor,
haga uso del procedimiento para hacer un histograma y construya una tabla de
frecuencia con ndices vertical y horizontal. Este es otro tipo de diagrama de
76
PUNTOS
7
7
8
5
27
77
Si (I) + (III) es mayor que (II) + (IV), si hay correlacin (esto se probar en el
siguiente paso), est ser positiva. De otra manera ser negativa (II+ IV > I + III).
5.- Establezca nmero limite de puntos mayor y menor, de acuerdo con la tabla
siguiente.
LMITE
INF
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
CON N = 30;
0
0
0
1
1
1
2
2
2
3
3
4
4
4
5
5
5
6
6
7
7
7
8
8
9
SUP
5
6
7
8
8
9
10
10
11
12
12
13
13
14
15
15
16
17
17
18
18
19
20
20
21
21
N
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
LMITE
INF
9
9
10
10
11
11
12
12
12
13
13
14
14
15
15
15
16
16
17
17
18
18
18
19
19
20
20
21
21
21
EL LMITE INFERIOR = 9;
SUP
22
23
23
24
24
25
25
26
27
27
28
28
29
29
30
31
31
32
32
33
33
34
35
35
36
36
37
37
38
39
N
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
LMITE
INF
22
22
23
23
24
24
25
25
25
26
26
27
27
28
28
28
29
29
30
30
31
31
32
32
32
33
33
34
34
35
SUP
39
40
40
41
41
42
42
43
44
44
45
45
46
46
47
48
48
49
49
50
50
51
51
52
53
53
54
54
55
55
EL LMITE SUPERIOR = 21
78
Compare los puntos del rea que sea menor con el lmite inferior, y el total de puntos
del rea que sea mayor con el lmite superior, siguiendo con el ejemplo:
REA
(I) + (III) =
(II) + (IV) =
PUNTOS
15 TOTAL MAYOR
12 TOTAL MENOR
NO HAY CORRELACIN
NO HAY CORRELACIN
Tambin en el caso de que ambos totales de puntos sean iguales a los lmites, existe
correlacin.
79
80
= R/d2
Cp=
DONDE:
Cp = HABILIDAD POTENCIAL
LSE = LIMITE SUPERIOR DE ESPECIFICACIN
LIE = LIMITE INFERIOR DE ESPECIFICACIN
6 = SEIS VECES LA DESVIACIN ESTNDAR
81
LA HABILIDAD REAL DEL PROCESO ESTAR DADO POR EL VALOR MENOR QUE SE
OBTENGA DIVIDIDO ENTRE 3
Cpk =
Zmin/3
AL IGUAL QUE PARA Cp EL VALOR DEL Cpk DEBE SER SUPERIOR A UNO QUE
SIGNIFICA 99.7% DENTRO DEL VALOR
82
83
84
OBJETIVO
HERRAMIENTA
Diagrama de flujo
Hoja de Inspeccin
Grfica de Pareto
Lluvia de ideas
Diagrama causa - efecto
Grfica de Pareto
Histograma
Grfica de pastel
Estratificacin
Hoja de Inspeccin
Lluvia de ideas
Diagrama causa - efecto
85
86
87