Tec. Estadisticas

Universidad Nacional Autnomo de Mxico
Facultad de Estudios Superiores Aragn

Centro de Educacin Contina
Tcnicas Estadsticas para la Medicin de los Procesos

Diplomado en Administracin de la Calidad ISO 9001:2008
DIPLOMADO EN ADMINISTRACIN DE LA CALIDAD ISO

9001:2008
MDULO V
TCNICAS ESTADSTICAS PARA LA MEDICIN DE LOS PROCESOS
Coordinador: Lic. Samuel Rivero Morales

Instructor: Ing. Miguel Sansn Pimentel
Marzo, 2014


BIENVENIDO!!!
Agradecemos mucho el tiempo que ests con nosotros en el mdulo Tcnicas

Estadsticas para la Medicin de los Procesos. Durante los prximos das
obtendrs el conocimiento y entrenamiento prctico necesario para cumplir con el
siguiente objetivo:
Que los participantes conozcan las tcnicas ms adecuadas para poder evaluar el
desempeo de un sistema de calidad, a travs de datos que permitan ubicar las
desviaciones para su correccin y posterior mejora, evalundolos mediante tareas
de aplicacin de conocimientos, complementadas con un examen de conocimientos
escrito.
Al iniciar, se aplicar una evaluacin de diagnstico para explorar el grado de
conocimiento que tengan los participantes del tema que trata este mdulo.
Y al finalizar el mdulo, se aplicar una evaluacin de conocimientos a los
participantes, para que este mdulo sea tomado en cuenta para su titulacin se debe
obtener como mnimo una calificacin de 80.
Qu se toma en cuenta para poder obtener una calificacin superior al 80%?
Contar con una asistencia del..................... 100%

Tareas .............................................................100%
Evaluacin final................................................ 80%


Esperamos que este diplomado sea una buena inversin, por lo que te invitamos a:
Sentirte a gusto y olvidar los problemas cotidianos

Participar con entusiasmo
Emitir tu opinin
Aprovechar la oportunidad para conocernos mejor
Disfrutar todo el curso, siempre encontraras algo nuevo que te interese
Aplicar en la prctica lo que estas aprendiendo
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
4. Los conceptos bsicos del Control Estadstico del Proceso (CEP)

4.1 Distribucin normal
4.2 Calculo de la habilidad del proceso
5. Recomendaciones para su uso


1. CONCEPTOS BSICOS DE ESTADSTICA
1.1 Generalidades
La Norma ISO 9000:2005 referente al papel de las tcnicas estadsticas indica:
El uso de tcnicas estadsticas puede ser de ayuda para comprender

la variabilidad.
Ayuda a las organizaciones a resolver problemas y a mejorar su
eficacia y eficiencia.
Las tcnicas facilitan una mejor utilizacin de los datos disponibles
para ayudar en la toma de decisiones.
La variabilidad puede observarse en el comportamiento y en los resultados de

muchas actividades, incluso bajo condiciones de aparente estabilidad. Dicha
variabilidad puede observarse en las caractersticas medibles de los productos y los
procesos, y su existencia puede detectarse en las diferentes etapas del ciclo de vida
de los productos, desde la investigacin de mercado hasta el servicio al cliente y su
disposicin final.
Las tcnicas estadsticas pueden ayudar a:
Medir, describir, analizar, interpretar y hacer modelos de dicha variabilidad, incluso
con una cantidad relativamente limitada de datos.
El anlisis estadstico de dichos datos puede ayudar a proporcionar un mejor
entendimiento de la naturaleza, alcance y causas de la variabilidad, ayudando as a
resolver e incluso prevenir los problemas que podran derivarse de dicha
variabilidad, y a promover la mejora continua.
La Norma ISO 9001:2008 en la seccin 8 Medicin, anlisis y mejora y en la
clusula 8.1 Generalidades indica:
La organizacin debe planificar e implementar los procesos de seguimiento,
medicin, anlisis y mejora necesarios para:
a) demostrar la conformidad con los requisitos del producto,
b) asegurarse de la conformidad del sistema de gestin de la calidad, y
c) mejorar continuamente la eficacia del sistema de gestin de la calidad.
Esto debe comprender la determinacin de los mtodos aplicables, incluyendo las
tcnicas estadsticas, y el alcance de su utilizacin.


1.2 Definiciones
Estadstica
Variable
Variable
continua
Atributo
Variable
discreta
Poblacin
Muestra
Conjunto de tcnicas y mtodos que son usados para recolectar,

organizar y presentar en forma de tabla y graficas informacin
numrica.
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.
Son aquellas variables cuyos valores provienen de mediciones.
Son variables que no se pueden cuantificar, o expresar por nmeros.
Son aquellas variables cuyos valores provienen de conteos referentes
a atributos.
Es un conjunto de personas, eventos o cosas de las cuales se desea
hacer un estudio, y tienen una caracterstica en comn.
Es un subconjunto cualquiera de la poblacin.
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
Est presente en todo proceso

Ocurre de forma extraordinaria en un proceso. Se debe a causas
especiales
Es el valor que ocupa el lugar central de todos los datos cuando stos
estn ordenados de menor a mayor.
La media aritmtica es el valor obtenido al sumar todos
los datos y dividir el resultado entre el nmero total de datos.
Es el valor que cuenta con una mayor frecuencia en una distribucin
de datos.
Sirve para reunir y clasificar las informaciones segn determinadas
categoras, mediante la anotacin y registro de sus frecuencias bajo la
forma de datos
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.


Diagrama de Es un diagrama que se utiliza para determinar el impacto, influencia o
Pareto
efecto que tienen determinados elementos sobre un aspecto.
Estratificacin 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.
Diagrama
Es un mtodo grfico que refleja la relacin entre una caracterstica de
causa efecto
calidad (o rea problemtica) y los factores que posiblemente
contribuyen a que exista.
Grfica de
Sirve para examinar si un proceso se encuentra en una condicin
control
estable, o para indicar que el proceso se mantiene en una condicin
inestable.
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.


1.2.3 Variable contina

Las variables se pueden denotar con letras maysculas X, Y, Z, etc.
Ejemplo de variable continua:
Por mediciones
Si la caracterstica de inters es la concentracin del cido, el porcentaje
concentracin del cido es una variable que puede representarse con la letra Z.
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


Se inspeccionaron autos para detectar ruidos y de acuerdo con un inspector se

clasificaron en aceptable o no aceptable
Una variable puede ser la proporcin de autos clasificados como aceptables, o sea
P = proporcin de autos aceptables.
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.
Ejemplo de poblacin formada por mediciones

Si los dimetros internos para mangueras de gasolina toman valores entre 12.2 y
13.2 mm. Y si se tienen 500 de estas mangueras, la POBLACIN est formada por
los 500 datos, los cuales son mediciones que estn entre 12.2 y 13.2 mm.
Ejemplo de poblacin formada por atributos
9


En un da determinado se elaboraron 150 artculos y se etiquetaron como bueno o

defectuoso, segn se cumpla o no las especificaciones dadas la POBLACIN
consiste de 150 descripciones (como las siguientes bueno, bueno, defectuoso,
bueno) que nos indican la condicin de cada artculo.
1.2.7 Muestra
En la mayora de los casos resulta imprctico o incosteable analizar la totalidad de

los elementos de la Poblacin, por lo cual se seleccionan unos cuantos elementos
(una muestra), para estudiar dicha poblacin.
Una muestra est constituida por algunos elementos de la Poblacin.
1.2.8 Muestra representativa o muestra aleatoria
Es aquella muestra en la cual cada uno de los elementos de la poblacin tiene la
misma posibilidad de participar en ella.
Si la Poblacin va a ser estudiada a travs de una muestra. Es necesario que sta
sea representativa de aqulla.
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.
Si al tomar una MUESTRA ALEATORIA O REPRESENTATIVA se observan situaciones

tales, como mucha (o poca) variacin en los datos, una gran cantidad de datos estn
fuera (o dentro) de las especificaciones, los datos se encuentran alrededor de un
valor determinado, podemos suponer que estas situaciones aparecen en toda la
poblacin. Cuando se hacen estas suposiciones, se dir que se estn haciendo
inferencias o generalizaciones de la muestra a la poblacin.
La parte de la ESTADSTICA que trata con una muestra representativa y hace
inferencias o generalizaciones con base en los resultados obtenidos de ella, se
llama ESTADSTICA INDUCTIVA O INFERENCIAL.
La parte de la ESTADSTICA que versa sobre la recoleccin, organizacin y anlisis

de datos se llama ESTADSTICA DESCRIPTIVA.
11


12


1.2.9 Variacin o Variabilidad

En la naturaleza encontramos objetos creados por ella misma que decimos que son
semejantes o parecidos y en ocasiones hasta pensamos que son iguales.
En el caso de productos que han sido creados por la mano humana, producidos por
una misma maquina, en un mismo turno con la misma materia prima, etc., tambin
decimos que son iguales
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
Resulta de la combinacin de las
Personas, las maquinas, los mtodos y los materiales, se debe a causas

comunes
Es predecible su ocurrencia
Requiere acciones de la direccin para mejorar el proceso.

Esta variacin representa el 80% de los problemas del proceso.
Si el proceso muestra solo variacin normal, se dice que el proceso es
estable
1.2.11 Variacin anormal
Ocurre de forma extraordinaria en un proceso.
Se debe a causas especiales
Es impredecible
Requiere de un anlisis a fondo de comportamiento del proceso.

Se requiere de una investigacin de las causas, para eliminarlas o
incorporarlas segn convenga al proceso.
14


Estas acciones se toman

directamente con el proceso.
Esta variacin representa el 20% de las causas de los problemas en los

procesos.
generalmente
con
personas
vinculadas
Modo grfico de representar la variacin
F
R
E
C
U
E
N
C
I
A
PROMEDIO
VALOR MNIMO
VALOR MXIMO
RANGO
15


Evaluacin
Indique si es falso o verdadero

. Planteamiento
FoV
La variable continua se refiere a las variables cuyos valores

provienen de atributos.
La variacin anormal representa el 20% de las causas de los
problemas en los procesos.
La muestra es un subconjunto nico de la poblacin.
Variable, este concepto se refiere nicamente a las caractersticas de
calidad que pueden medirse en un determinado artculo.
La variacin normal representa el 80% de los problemas del proceso
La variable discreta se refiere a las variables cuyos valores provienen
de mediciones.
Atributo son variables que se pueden cuantificar, o expresar por
nmeros.
Poblacin es un conjunto de personas, eventos o cosas de las
cuales se desea hacer un estudio estadstico, y no tienen una
caracterstica en comn.
Muestra es un subconjunto especfico de la poblacin.
16


2. LAS MEDIDAS DE TENDENCIA CENTRAL

Lo que la mayora de las veces se piensa de manera intuitiva al hablar del promedio
de un conjunto de datos es una cantidad, que de alguna manera representa el centro
de los datos, es decir, hay mediciones antes y despus del promedio.
El registrar los datos, elaborar sus distribuciones de frecuencia y construir sus
graficas nos permiten tener una buena descripcin de las tendencias de stos.
Si adicionalmente establecemos nmeros que indiquen cual es la tendencia central
de las mediciones, habremos avanzado un poco ms en la tarea de realizar una
buena descripcin de estas observaciones (datos).
2.1 Media aritmtica
Definicin
La media aritmtica es el valor obtenido al sumar todos los datos y dividir el
resultado entre el nmero total de datos.
Dados n nmeros
, la media aritmtica se define como:
Por ejemplo, la media aritmtica de 8, 5 y -1 es igual a:
MEDIA ARITMTICA PARA DATOS NO AGRUPADOS

Podramos pensar que, cuando se tienen n datos X 1, X2, X3 +.+ Xn, la cantidad
n
X1, X2, X3 +.+ Xn = Xi

n
i=1
n
17


Tambin representa el centro de estos datos. Esta afirmacin no es totalmente

cierta, sin embargo, si en el conjunto de mediciones no hay datos muy aislados, (que
se alejen mucho de la mayora de las observaciones), si puede ser una buena
medida de la tendencia central de estas cantidades.
Por ejemplo, si tenemos
X1 = 0.70, X2 = 0.75, X3 = 0.65, X4 = 0.85, X5 = 0.80
La cantidad
X1 + X2 + X3 + X4+ X5 = 0.70 + 0.75 + 0.65 + 0.85 + 0.80 = 0.75 representa el
5
5
centro de los datos.
En la recta numrica lo representamos como:
0.65
0.70
0.75
0.80
0.85
Representacin grfica del centro de 5 datos

EJEMPLO
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


X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11 + X12 =

12
101 + 122 + 116 + 103 + 124 + 118 + 109 + 111 + 120 + 107 + 121 + 110 =
12
= 1362 = 113.5 horas
12
113.5
101
107
111
116
120
124
Representacin grfica del centro de 12 puntos, por lo que 113.5 no representa el

centro de los datos.
MEDIA ARITMTICA PARA DATOS AGRUPADOS
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
La distribucin de frecuencias absolutas dada a continuacin corresponde al tiempo

de vida, en horas, de 30 focos para seales direccionales.
Intervalos
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
= 597 + 1904 + 3324 + 1264 + 1065

5
Xi f I = 8,154
i= 1
20


Tercer paso. Agregar a la tabla de distribucin de frecuencias, los datos obtenidos

en los pasos primero y segundo de la siguiente forma:
Intervalos
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
Cuarto paso. Sustituir en la frmula,

r
Xi fi
X = i= 1_ = 8,154 = 271.8
__
La vida promedio de los 30 focos es de 271.8 horas.
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
3 Si la serie tiene un nmero par de puntuaciones la mediana es

la media entre las dos puntuaciones centrales.
7, 8, 9, 10, 11, 12
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
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa

frecuencia es la mxima, la distribucin es bimodal o multimodal, es decir, tiene
varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9
Mo= 1, 5, 9
Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay
moda.
2, 2, 3, 3, 6, 6, 9, 9
Si dos puntuaciones adyacentes tienen la frecuencia mxima, la moda es el
promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8
Mo = 4
PRECISIN EN LAS MEDICIONES. SU IMPORTANCIA
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


Se debe cuidar que los instrumentos de medicin estn bien calibrados.

Se deben usar adecuadamente los instrumentos de medicin.
Si se parte de errores al obtener datos, a pesar de tener una muestra
representativa y realizar un buen estudio estadstico de ella, las conclusiones
estarn alejadas de realidad.
25


EJERCICIO
Indique si es falso o verdadero

. Planteamiento
FoV
Para cualquier tipo de distribucin de datos la media aritmtica es el

valor obtenido al sumar todos los datos y dividir el resultado entre el
nmero total de datos.
La media aritmtica para datos no agrupados es:
r
Xi fi
X = i= 1_
n
La mediana es una medida de tendencia central que en algunos
casos representa mejor que la media aritmtica.
__
El primer paso para calcular la mediana es ordenar los datos de

mayor a menor.
La moda es el valor que tiene mayor frecuencia absoluta.
26


Relacione los trminos con sus definiciones

Diagrama
causa efecto
Grfica de
control
Diagrama de
Pareto
Estratificacin
Hoja de
recogida de
datos
Histograma
5
6
Media
aritmtica
Moda
Es aquella muestra en la cual cada uno de los elementos de la

poblacin tiene la misma posibilidad de participar en ella, tambin
llamada muestra aleatoria.
Variacin
anormal
Mediana
10
Variacin
11
Ocurre de forma extraordinaria en un proceso. Se debe a causas

especiales
Es el valor que ocupa el lugar central de todos los datos cuando
stos estn ordenados de menor a mayor.
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
Es el valor que cuenta con una mayor frecuencia en una

distribucin de datos.
Sirve para reunir y clasificar las informaciones segn determinadas
categoras, mediante la anotacin y registro de sus frecuencias
bajo la forma de datos
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.
Es un diagrama que se utiliza para determinar el impacto,
influencia o efecto que tienen determinados elementos sobre un
aspecto.
Conjunto de tcnicas y mtodos que son usados para recolectar,

organizar y presentar en forma de tabla y graficas informacin
numrica.
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.
Son aquellas variables cuyos valores provienen de conteos
referentes a atributos.
Es un conjunto de personas, eventos o cosas de las cuales se
desea hacer un estudio, y tienen una caracterstica en comn.
27


Variable
17
Variable
continua
18
Estadstica
19
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.
Es un mtodo grfico que refleja la relacin entre una caracterstica
de calidad (o rea problemtica) y los factores que posiblemente
contribuyen a que exista.
Sirve para examinar si un proceso se encuentra en una condicin
estable, o para indicar que el proceso se mantiene en una
condicin inestable.
28


3. LAS HERRAMIENTAS BSICAS DE CALIDAD

3.1 Generalidades
Existen Siete Herramientas Bsicas que han sido ampliamente adoptadas en las
actividades de mejora de la Calidad y utilizadas como soporte para el anlisis y
solucin de problemas operativos en los ms distintos contextos de
una organizacin.
El ama de casa posee ciertas herramientas bsicas por medio de las cuales puede
identificar y resolver problemas de calidad en su hogar, estas pueden ser algunas,
tijeras, agujas, corta uas y otros. As tambin para la industria existen controles
o registros que podran llamarse "herramientas para asegurar la calidad de una
fbrica, sta son las siguientes:
Hoja de control (Hoja de recogida de datos)
Histograma
Diagrama de pareto
Diagrama de causa efecto
Estratificacin (Anlisis por Estratificacin
Diagrama de Dispersin)
Grfica de control
La experiencia de los especialistas en la aplicacin de estos instrumentos o
Herramientas
Estadsticas
seala
que
bien
aplicadas
y
utilizando
un mtodo estandarizado de solucin de problemas pueden ser capaces de resolver
hasta el 95% de los problemas.
Clasificacin de las herramientas bsicas en funcin de su empleo, en la
identificacin y anlisis de problemas.
29


3.2 Hoja de control

La Hoja de Control u hoja de recogida de datos, tambin llamada de Registro, sirve
para reunir y clasificar las informaciones segn determinadas categoras, mediante
la anotacin y registro de sus frecuencias bajo la forma de datos. Una vez que se ha
establecido el fenmeno que se requiere estudiar e identificadas las categoras que
los caracterizan, se registran estas en una hoja, indicando la frecuencia
de observacin.
Lo esencial de los datos es que el propsito este claro y que los datos reflejen la
verdad. Estas hojas de recopilacin tienen muchas funciones, pero la principal es
hacer fcil la recopilacin de datos y realizarla de forma que puedan ser usadas
fcilmente y analizarlos automticamente.
De modo general las hojas de recogida de datos tienen las siguientes funciones:
De distribucin de variaciones de variables de los artculos producidos

(peso, volumen, longitud, talla, clase, calidad, etc)
De clasificacin de artculos defectuosos

De localizacin de defectos en las piezas
De causas de los defectos
De verificacin de chequeo o tareas de mantenimiento.
Una vez que se ha fijado las razones para recopilar los datos, es importante que se
analice las siguientes cuestiones:
La informacin es cualitativa o cuantitativa

Como, se recogern los datos y en que tipo de documento se har
30


Cmo se utiliza la informacin recopilada

Cmo se analizar
Quin se encargar de la recogida de datos
Con qu frecuencia se va a analizar
Dnde se va a efectuar
Esta es una herramienta manual, en la que clasifican datos a travs

de marcas sobre la lectura realizadas en lugar de escribirlas, para estos propsitos
son utilizados algunos formatos impresos, los objetivos ms importantes de la hoja
de control son:
Investigar procesos de distribucin

Artculos defectuosos
Localizacin de defectos
Causas de efectos
Una secuencia de pasos tiles para aplicar esta hoja es la siguiente:

1.
2.
3.
4.
Identificar el elemento de seguimiento

Definir el alcance de los datos a recoger
Fijar la periodicidad de los datos a recolectar
Disear el formato de la hoja de recogida de datos, de acuerdo con la cantidad de
informacin a recoger, dejando un espacio para totalizar los datos, que permita
conocer: las fechas de inicio y trmino, las probables interrupciones,
la persona que recoge la informacin, fuente, etc
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:
Obtener una comunicacin clara y efectiva de la variabilidad del sistema
Mostrar el resultado de un cambio en el sistema

Identificar anormalidades examinando la forma
Comparar la variabilidad con los lmites de especificacin
31


La forma de un histograma depende de la distribucin de las frecuencias absolutas

de los datos. Algunas de las formas ms comunes que puede adoptar un histograma
son las siguientes:
32


Partes de un histograma
33


EJEMPLO
Se tienen los siguientes datos:
237
290
315
284
261
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
Los pasos para elaborar un histograma son:

A. Determinacin del Rango
VM = 374
R = VM Vm = 374 - 180 = 194
R = 194
Vm = 180,
B. Establecimiento de la amplitud de los intervalos.

S
n = 30 y 30< 50, se selecciona K = 5 de acuerdo a la siguiente tabla:

n
menor que 50
(n < 50)
de 50 a 100
(50 n < 100)
de 100 a 250
(100 n < 250)
250 o ms
(n250)
K
de 5 a 7
de 6 a 10
de 7 a 12
de 10 a 20
Entonces A = R = 194 = 38.8

K
5
A= 39
Los datos estn en unidades enteras
C. Establecimiento de las fronteras superior e inferior de cada clase

u = valor de la unidad decimal mnima de los datos, en este caso enteros.
u= 1, cuando los datos son en nmeros enteros.
X* = Vm (1/2) u = 180 - (1/2) (1) =179.5
34


X* + A = 179.5 + 39 = 218.5
X* + 2A = 179.5 + 2 X 39 = 257.5
X* + 3A = 179.5 + 3 X 39 = 296.5
X* + 4A = 179.5 + 4 X 39 = 335.5
X* + 5A = 179.5 + 5 X 39 = 374.5
Fronteras
intervalos
FI
1
2
3
4
5
179.5
218.5
257.5
296.5
335.5
FS
218.5
257.5
296.5
335.5
374.5
D. Clculo de la marca de clase de cada intervalo.
X1 = 218.5 + 179.5 = 199

2
X2 = 257.5 + 218.5 = 238

2
X3 = 296.5 + 257.5 = 277

2
X4 = 335.5 + 296.5 = 316

2
X5 = 335.5 + 374.5 = 355

2
E. Determinacin de las frecuencias absolutas de cada clase ( fi)
Para calcular el nmero de datos que quedan ubicados en cada clase, se lee cada uno de
los valores del cuadro de datos y se registra una pequea barra en la clase que le
corresponde, se cuenta el nmero de barras de cada clase y ese nmero constituye la
frecuencia absoluta de la clase respectiva.
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
De acuerdo a la figura del histograma construya el histograma.
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
3.4 Diagrama de Pareto

Qu es un diagrama de pareto?
Es un diagrama que se utiliza para determinar el impacto, influencia o efecto

que tienen determinados elementos sobre un aspecto.
Consiste en un grafico de barras similar al histograma que se conjuga con una

ojiva o curva de tipo creciente y que representa en forma descendente el
grado de importancia o peso que tienen los diferentes factores que afectan a
un proceso, operacin o resultado.
Para la correcta identificacin de los Pocos Vitales, es necesario que los

datos recolectados para elaborar el diagrama de pareto estn en cantidad
adecuada, sean verdaderos y en un periodo de tiempo determinado.
37


COMO CONSTRUIR UN DIAGRAMA DE PARETO?

Paso 1: Identificar el Problema
Identificar el problema o rea de mejora en la que se va a trabajar.
Paso 2: Identificar los factores
Elaborar una lista de los factores que pueden estar incidiendo en el problema,
por ejemplo, tipos de fallas, caractersticas de comportamiento, tiempos de
entrega.
Paso 3: Definir el periodo de recoleccin
Establecer el periodo de tiempo dentro del cual se recolectaran los datos:

horas, das, semanas, meses.
Paso 4: Recoleccin de datos

Causas
Interrupciones de la energa elctrica
Manejo incorrecto del operador
Programa inadecuado
Falta de mantenimiento
Virus en el sistema
Otros
Frecuenci
a
48
22
7
35
4
2
Paso 5: Ordenar los datos

Causas
Interrupciones de la energa elctrica
Programa inadecuado
Virus en el sistema
Otros
Frecuenci
a
48
35
22
7
4
2
Paso 6: Calcular el porcentaje relativo de cada causa o factor, con respecto a un

total:
38


Frecuencia de la causa (ni)

Porcentaje Relativo (ri) = -------------------------------------------Total de frecuencias (D)
r1 = n1/D x 100 = 48/118 x 100 = 40.68%
r2 = n2/D x 100 = 35/118 x 100 = 29.66%
r3 = n3/D x 100 = 22/118 x 100 = 18.64%
r4 = n4/D x 100 = 7/118 x 100 = 5.93%
r5 = n5/D x 100 = 4/118 x 100 = 3.39%
r6 = n6/D x 100 = 2/118 x 100 = 1.69%
PASO 7: Calcular los Porcentajes Acumulados
Calcular el porcentaje relativo acumulado, sumando en forma consecutiva los
porcentajes de cada factor. Con esta informacin se seala el porcentaje de
veces que se presenta el problema y que se eliminara si se realizan acciones
efectivas que supriman las causas principales del problema.
Causas
Interrupciones de la energa
elctrica
Programa inadecuado
Virus en el sistema
Otros
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
PASO 8: Elaborar grafico

En el eje horizontal se anotan los factores de izquierda a derecha, en orden
decreciente en cuanto a su frecuencia. El eje vertical izquierdo se grada de
forma tal que sirva para mostrar el nmero de datos observados (la frecuencia de
cada factor), el eje vertical derecho mostrara el porcentaje relativo acumulado.
39


Trazar las barras o rectngulos correspondientes a los distintos factores. La altura

de las barras representa el nmero de veces que se presento el factor, se dibujan
con la misma amplitud, unas tras otras
40


Colocar los puntos que representan el porcentaje relativo acumulado, tomando en

cuenta la graduacin de la barra vertical derecha; los puntos se colocan partiendo
desde el origen y despus en la posicin que corresponde al extremo derecho de
cada barra, y se traza una curva que una dichos puntos. En esta forma queda
graficada la curva del porcentaje relativo.
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


3.6 Diagrama de Ishikawa (causa-efecto)

Una vez que un problema importante ha sido detectado ya sea por anlisis directo o
por anlisis de Pareto, es prioridad localizar la causa fundamental del mismo.
El Diagrama de Causa-Efecto o Diagrama de Ishikawa es un mtodo grfico que
refleja la relacin entre una caracterstica de calidad (o rea problemtica) y los
factores que posiblemente contribuyen a que exista.
Es una grfica que relaciona el efecto (problema) con sus causas potenciales.
Para su realizacin se rene un grupo de personas relacionadas con el problema
(equipo interdisciplinario).
45


El Diagrama de Ishikawa es una grfica en la cual, en el lado derecho, se anota el

problema, y en el lado izquierdo se especifican por escrito todas sus causas
potenciales, de tal manera que se agrupan o estratifican de acuerdo con sus
similitudes es ramas o subramas.
Ventajas del uso del diagrama de Ishikawa (Di):
El DI sirve de gua objetiva para la discusin y la motiva.

Las causas del problema se buscan activamente y los resultados quedan
plasmados en el diagrama.
Un DI sirve para sealar todas las posibles causas de un problema y como se
relacionan entre si , con lo cual la solucin de un problema se vuelve un reto y
se motiva as el trabajo por la calidad.
Para iniciar la bsqueda de la solucin de un problema en general, y para obtener la

informacin para construir un DI en particular, a menudo se utiliza una sesin de
lluvia de ideas.
Existen tres mtodos para construir un Diagrama de Ishikawa. Ellos son: 6M, Flujo
del Proceso y Estratificacin.
Mtodo de 6M
Este es el mtodo de construccin mas comn y , consiste en agrupar las causas
potenciales en seis ramas principales: mtodos de trabajo, mano de obra,
materiales, maquinaria, medicin y medio ambiente. Estos seis elementos definen
de manera global todo proceso, y cada uno aporta parte de la variabilidad (y de la
calidad) final del producto o servicio. Por lo que es natural enfocar los esfuerzos de
mejora hacia cada uno de estos elementos de un proceso.
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:
Obliga a preparar el diagrama de flujo de proceso.

Se considera al proceso completo como una causa potencial del problema.
Identifica procedimientos alternativos de trabajo.
Se pueden llegar a descubrir otros problemas no consideramos inicialmente.
Permite que las personas que desconocen el proceso se familiaricen con l.
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


6. Decidir sobre cules causas se va a actuar. Para ello se toma en

consideracin el punto anterior y lo factible que resulta corregir cada una de
las causas.
7. Preparar un plan de accin para cada una de las causas a ser investigadas o
corregidas.
3.7 Grficas de control

Variabilidad de los procesos
Es muy difcil, si no es que imposible, encontrar dos cosas completamente iguales.
El hombre, en su esfuerzo por hacer cosas, se ha dado cuenta de que no puede hacerlas
completamente iguales. Ninguna mesa es idntica a otra. Si tornamos medidas de mesas
aparentemente iguales, vemos que hay diferencias, aunque stas sean milimtricas.
Qu son las grficas de control?

W.A, Shewart, de los Laboratorios de la Bell Telephone, fue el primero en proponer,
en 1924, una grfica de control con el fin de eliminar una variacin anormal,
distinguiendo las variaciones debidas a causas asignables, de aquellas debidas a
causas al azar.
Para qu sirve la grfica de control?
50


Las grficas de control ayudan a obtener un mejor producto. Las grficas tienen tres
aplicaciones principales:
Determinar la capacidad real de un proceso de produccin,
Guiar las modificaciones para mejorar la calidad de la produccin del proceso y
Regular la produccin. La funcin de regulacin muestra el estado actual de la

calidad de la produccin y proporciona un aviso anticipado de las desviaciones con
respecto a las metas de la calidad.
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
La calidad de un producto manufacturado por medio de un proceso

inevitablemente sufrir variaciones. Estas variaciones tienen causas y estas ltimas
pueden clasificarse en los siguientes tipos:
Causas debidas al azar
51


Las variaciones debidas al azar son inevitables en el proceso, aun si la operacin se

realiza usando materia prima y mtodos estandarizados. No es prctico eliminar el
azar tcnicamente y en forma econmica por el momento.
Causas asignables
La variacin debida a causas asignables indica que hay factores significativos que
pueden ser investigados. Es evitable y no se puede pasar por alto: hay casos
causados por la no aplicacin de ciertos estndares o por la aplicacin de
estndares inapropiados.
Cuando los puntos se ubican por fuera de los lmites de control o muestran
una tendencia particular, decimos que el proceso est fuera de control, es decir,
Existe variacin por causas asignables y el proceso est en un estado de
descontrol. Para controlar un proceso, se requiere poder predecir el resultado
dentro de un margen de variacin debido al azar.
Para hacer una grfica de control es necesario estimar la variacin debida al
azar, Para esto se dividen los datos en subgrupos dentro de los cuales el lote de
materia prima, las mquinas, los operadores y otros factores son comunes, de modo
que la variacin dentro del subgrupo puede considerarse aproximadamente la
misma que la variacin por causas debidas al azar.
Hay varias clases de grficas de control, dependiendo de su propsito y de
las caractersticas de la variable. En cualquier tipo de grfica de control el lmite de
control se calcula usando la frmula:
(Valor promedio) 3 (desviacin estndar),
donde la desviacin estndar es la variacin debida al azar. Este tipo de grafica de
control se llama una grfica de control de 3-sigma.
TIPOS DE GRFICAS DE CONTROL
Hay dos tipos de grficas de control, una para valores continuos y otra para valores
discretos.
Valor caracterstico
Valor continuo
Valor discreto
Nombre
Grfica X R (valor promedio y rango)
Grfica X (variable de medida)
Grfica pn (nmero de unidades defectuosas)
52


Grfica p (fraccin de unidades defectuosas)

Grfica c (nmero de defectos)
Grfica u (nmero de defectos por unidad)
Lista de frmulas para lneas de control.
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


concentracin, y esto proporciona la mayor cantidad de informacin sobre el

proceso. X representa un valor promedio de un subgrupo y R representa el rango del
Subgrupo.
Una grfica R se usa generalmente en combinacin con una grfica X para controlar
la variacin dentro de un subgrupo.
Grfica pn, Grfica p

Estas grficas se usan cuando la caracterstica de calidad se representa por el
nmero de unidades defectuosas o la fraccin defectuosa.
Para una muestra de tamao constante, se usa una grfica pn del nmero de
unidades defectuosas
Una grfica p de la fraccin de defectos se usa para una muestra de tamao
variable.
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


El grfico de X permite controlar la variabilidad entre los sucesivos subgrupos
El grfico de R permite controlar la variabilidad dentro de cada subgrupo

EJEMPLO
Se tiene un proceso de fabricacin de latas para envasado de alimentos y a la salida del
proceso se toman las piezas y se mide el peso de la lata, se toma una muestra de 90
piezas en subgrupos de 5 piezas cada hora durante los tres turnos.
30.6
30.8
30.9
30.9
30.6
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
Determinar el rango de cada subgrupo.

R = VM - Vm
_
56
30.6
30.7
30.5
30.9
30.6

2.

Calcular el rango promedio (R)
3.
_
Calcular la media de cada subgrupo (X)
4. Calcular el promedio de promedios o X doble barra
5. Calcular los lmites de control para las medias

_
_
LSCX= X+ A2 R
_
_
LICX= X- A2R
Donde A2 es una constante, se obtiene de tablas

6. Calcular los lmites de rangos
_
LSCR = D4 R
_
LICR = D3 R
Donde D4 y D3 son constantes, se obtiene de tablas
57


7. Grafique los valores calculados en la grfica

8. Determine la escala de la grfica de medias de acuerdo a los valores de
promedios obtenidos y ocupe todo el ancho de la grfica para establecer la

escala.
9. Determine la escala de la grfica de medias de acuerdo a los valores de rango
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


INTERPRETACIN DE LA ESTABILIDAD DEL PROCESO

CORRIDA
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
En caso de que los puntos vayan en secuencia ascendente o descendente, se dice

que tenemos una tendencia. No existe un criterio para decidir si la tendencia es
anormal o no, pero si dicha tendencia contina, los puntos caern fuera de los
lmites de control o asumirn la forma de una corrida.
60


ADHESIN DE LOS PUNTOS A LOS LMITES DE CONTROL
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.
ADHESIN A LA LNEA CENTRAL
Si los puntos se concentran en el centro, el proceso es juzgado anormal. Para

decidir si hay adhesin a la lnea central, hay que dividir la zona entre los lmites en
4 partes iguales y observar si los puntos caen dentro de los sectores cercanos a la
lnea central.
61


PERIODICIDAD
Se dice que el proceso muestra periodicidad, si los puntos se mueven hacia arriba y
hacia abajo ms o menos a intervalos iguales.
62


EJERCICIO
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
Se fabrica un pequeo aparato radiotransistor capaz de generar una seal

aritmtica.
El tiempo de duracin de esa seal es una de las caractersticas de calidad
especificadas
A intervalos regulares se prob esta caracterstica de 5 en 5 aparatos, hasta
completar 100 de los producidos en un da
Los datos en orden de obtencin son los siguientes:
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.
a) Elabore una hoja de registro para los datos anteriores.

b) Anote los datos ya agrupados en muestras.
c) Obtenga X promedio y R para cada muestra.
d) Grafique los valores obtenidos de X promedio por medio de puntos y los de R por
medio de cruces.
Use el siguiente formato para construir las grficas y registre todos los datos que se
requieren en el mismo e interprete el estado del proceso resultante de acuerdo a los
criterios de estabilidad del proceso indicados anteriormente.
64


Grfica de control por atributos pn

Esta grfica se usa cuando la caracterstica de calidad se representa por el nmero
de unidades defectuosas o la fraccin defectuosa.
Para una muestra de tamao constante, se usa una grfica pn del nmero de
unidades defectuosas
Pasos para construir una grfica de unidades defectuosas pn
Paso 1. Rena los datos
Tome una muestra y clasifique la calidad del producto en unidades que llenen o no
los requisitos, segn el estndar de inspeccin. En este caso tome una muestra de
tamao tal que la mayora de los subgrupos tengan entre 1 y 5 unidades
defectuosas, y recoja de 20 a 25 subgrupos.
Hoja de datos para grfica pn
Subgrupo Tamao del
No
subgrupo
n
1
100
2
100
3
100
4
100
5
100
(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


Paso 4. Construya la grfica de control

Marque el eje horizontal con el nmero de unidades defectuosas. Dibuje una lnea
slida para la lnea central pn y lneas discontinuas para LCs y LCi. Luego, registre
el nmero de unidades defectuosas de cada subgrupo.
Como interpreta el resultado de esta grfica de acuerdo a los criterios de

interpretacin?
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
Determine qu tipo de grfico debe emplearse. Por qu?

Elabore la grfica de control
Interprete los resultados obtenidos
68


Grafica de control por atributos p

Pasos para construir una grfica p
Una grfica p de la fraccin de defectos se usa para una muestra de tamao
variable.
Para aplicar este tipo de graficas, necesitamos 25 muestras de por lo menos 50
piezas.
En la siguiente pgina se muestra los datos para este ejemplo
Paso 1; Calcular la fraccin defectuosa de cada muestra tomada
Donde: p= fraccin defectuosa

d= piezas defectuosas en la muestra
n= piezas inspeccionadas
Paso 2; Calcular el promedio de la fraccin defectuosa
Paso 3; Calcule el promedio de muestras tomadas ()
Paso 4; Calcule los lmites de control
Nota: siempre que el lmite inferior sea negativo, ste se coloca en cero.
69


EJERCICIO PARA UN GRAFICO p

ERRORES EN LA PREPARACIN DE FACTURAS
NUMERO DE FACTURAS
INSPECCIONADAS
46
43
45
45
43
41
49
41
44
40
48
49
42
46
50
46
42
47
48
43
47
41
41
49
44
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


De acuerdo a los siguientes datos:

Muestra
No
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
Calcule la fraccin de unidades no conformes p 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
72


73


Evaluacin
Indique si las siguientes aseveraciones son Falsas o Verdaderas
Planteamiento
F oV
Todo se puede reproducir exactamente igual

Las causas comunes de variacin son las que se encentran dentro de lmites
de variacin normal
Una grfica de control es un diagrama que sirve para examinar si
un proceso se encuentra en una condicin estable
La grfica de control solo se utiliza para exigir ms calidad al operario
La grfica X-R nos permite medir los procesos que puedan ser medibles en
cms, litros, galones u otro tipo de medida
El grfico R nos permite medir el recorrido de todas las mediciones que se
realizan
La Grfica P y NP donde su unidad de medida es visual del tipo PASA O NO
PASA (atributos), nos permite evaluar si pasa o no pasa un producto.
Grfica U, determina el nmero de defectos por unidad, el subgrupo no es
constante y los defectos se cuantifican por promedio de defectos por unidad.
74


3.8 Diagrama de correlacin
Proporciona la posibilidad de reconocer relaciones Causa/Efecto.

Hace fcil el reconocimiento de correlaciones.
Ayuda a determinar relaciones dinmicas o estticas (de mediciones).
Indica si dos variables (factores o caractersticas de calidad) estn
relacionados.
Un diagrama de correlacin muestra la relacin entre dos factores cambiantes.

Mientras un factor aumenta su valor, el otro factor disminuye, aumenta o
simplemente muestra un cambio. Una relacin slo puede ser descubierta mediante
la comprensin del proceso y la experimentacin diseada.
Instrucciones para elaborar un
Diagrama de dispersin
1.
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


21
22
23
24
25
26
27
28
29
30
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
2. Tome de 30 a 90 muestras, o sea, colecte de 30 a 90 pares de datos.

3. Trace los ejes horizontales y verticales, indique lo que muestra cada eje.
Divida cada eje en intervalos adecuados; si la longitud de la divisin es la
misma en ambos ejes, ser ms fcil interpretar el diagrama. Si la relacin
entre los dos tipos de datos es del tipo de causa contra efecto, la causa
generalmente se representara en el eje horizontal y el efecto en el vertical.
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


dispersin, que se llama tabla de correlacin. Este procedimiento es vlido

tambin cuando se tiene una gran cantidad de datos.
Cmo leer un diagrama de dispersin?
El siguiente paso es leer o interpretar el diagrama y poder concluir si la relacin
entre los dos datos es buena o no; en otras palabras, determinar qu tipo de
relacin existe de acuerdo a la dispersin de los puntos? Y qu tipo de correlacin
tenemos?
Cmo probar si la correlacin es significativa o no?
Observando la dispersin de los puntos en el diagrama respectivo, podemos
observar qu tipo de relacin existe entre los datos?, pero es necesario determinar
si en realidad existe correlacin o no. esto se puede hacer entre dos mtodos, con el
mtodo de la mediana usado para analizar la correlacin. este es un mtodo
practico.
Mtodo de la mediana
Pasos:
Dibuje lneas medianas para la (x) y para la (y), lo cual se logra dividiendo la
cantidad de puntos en dos partes iguales, tanto en el sentido de la (x) y como en el
de la (y).
Las lneas medianas pueden pasar sobre algn punto o puntos.
2.- Identifique cuatro reas resultantes despus de trazar lneas medianas. Marque
con (I, II, III Y IV)
3.- Cuente los nmeros de cada rea
REA
I
II
III
IV
TOTAL(N):
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
Si el total de puntos en el total mayor es mayor que el lmite superior, o si el total de

puntos en el total menor es menor que el lmite inferior, la correlacin existe.
15 < 21
12 > 9
NO HAY CORRELACIN
NO HAY CORRELACIN
Tambin en el caso de que ambos totales de puntos sean iguales a los lmites, existe
correlacin.
79


4. LOS CONCEPTOS BSICOS DEL CONTROL ESTADSTICO DEL PROCESO

(CEP)
4.1 Distribucin normal
80


CALCULO DE HABILIDAD DEL PROCESO

QUE LE INTERESA AL CLIENTE CUANDO SE
FIJAN LAS ESPECIFICACIONES
QUE TODOS ESTN DENTRO

DE ESPECIFICACIONES
QUE EL PROMEDIO CUMPLA

CON LAS ESPECIFICACIONES
DEBEMOS ASEGURAR QUE TODOS ESTN DENTRO DE LAS

ESPECIFICACIONES
4.2 CALCULO DE HABILIDAD DEL PROCESO
CALCULO DE DESVIACIN ESTNDAR (
= R/d2
donde d2 = valor de tabla de acuerdo al tamao

de muestra (ver apndice)
CALCULO DE LA HABILIDAD POTENCIAL:
Cp=
DONDE:
Cp = HABILIDAD POTENCIAL
LSE = LIMITE SUPERIOR DE ESPECIFICACIN
LIE = LIMITE INFERIOR DE ESPECIFICACIN
6 = SEIS VECES LA DESVIACIN ESTNDAR
81


CALCULO DE LA HABILIDAD REAL DEL PROCESO
Cpk= HABILIDAD REAL DEL PROCESO

=
LSE - X
ZI=
=
X -LIE
Za =
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


5. RECOMENDACIONES PARA SU USO

DNDE UTILIZAR LAS HERRAMIENTAS
OBJETIVO
Descubrir qu problema ser tratado

primero (priorizar)
Llegar a un punto que describa el problema

en trminos de qu, cmo, cundo, dnde,
quienes, etc. y su alcance.
Elaborar un cuadro completo de todas las
posibles causas
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
PUNTOS A CONSIDERAR EN EL PROCESAMIENTO DE DATOS
1. No obtener cantidad sino calidad en la informacin

2. La recoleccin y uso adecuado de los datos reduce en gran medida conflictos
interpersonales que tienen lugar en los grupos
3. Tener datos equivocados puede ser peor que no tenerlos
4. Los datos deben obtenerse consistentemente
5. Cada documento de recoleccin y sntesis de datos deber ser identificado
6. No hacerlo ms complicado de lo necesario. Utilizar la herramienta apropiada
ms simple.
7. No complicar los grficos. Mantenerlos simples y claros de tal forma que el
mensaje sea sencillo al observador.
85


8. No interpretar a ciegas los grficos de la misma manera en situaciones

diferentes. Usar el sentido comn.
9. No sesgar los resultados por el mtodo de muestreo. Tratar de obtener
muestras tan aleatorias como seas posible.
10. No recolectar, ni demasiado ni muy pocos datos. No recolectar datos cada
semana, cuando se necesitan es de un solo da y viceversa
86


BIBLIOGRAFA:
Como mejorar la calidad y la productividad con el Mtodo Deming. Howard S. Gitlow y
Shelly J. Gitlow, Editorial Norma 1987
Control Estadstico de Calidad, Eugene L. Grant y Richard S. Leavenworth, Editorial
CECSA , 1987
El Mtodo Deming en la Prctica, Mary Walton Grupo Editorial Norma, 1992
ISO 9001:2008 AENOR
La Calidad No cuesta. Philip B. Crosby Editorial Cecsa, 1999
Mejorar o ser vencido. Los 29 secretos del Liderazgo de Jack Welch, el genio de la
General Electric, Editorial Diana, 2005
.Diversas Notas del Diplomado de Administracin de la Calidad bajo la norma ISO
9001:2008. FES Aragn. 2013.
Herramientas estadsticas bsicas para el mejoramiento de la calidad. Hitoshi Kume.
Editorial norma, 1992.
Manuales del Programa FORD ITESM del Control Estadstico del Proceso, 1985.
87

Tec. Estadisticas

Cargado por

Información del documento

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

Tec. Estadisticas

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Autnomo de Mxico

Facultad de Estudios Superiores Aragn

Tcnicas Estadsticas para la Medicin de los Procesos

DIPLOMADO EN ADMINISTRACIN DE LA CALIDAD ISO

Coordinador: Lic. Samuel Rivero Morales

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Agradecemos mucho el tiempo que ests con nosotros en el mdulo Tcnicas

Qu se toma en cuenta para poder obtener una calificacin superior al 80%?

Contar con una asistencia del..................... 100%

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Sentirte a gusto y olvidar los problemas cotidianos

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

4. Los conceptos bsicos del Control Estadstico del Proceso (CEP)

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

El uso de tcnicas estadsticas puede ser de ayuda para comprender

La variabilidad puede observarse en el comportamiento y en los resultados de

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Conjunto de tcnicas y mtodos que son usados para recolectar,

Est presente en todo proceso

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

1.2.3 Variable contina

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Se inspeccionaron autos para detectar ruidos y de acuerdo con un inspector se

Ejemplo de poblacin formada por mediciones

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

En un da determinado se elaboraron 150 artculos y se etiquetaron como bueno o

En la mayora de los casos resulta imprctico o incosteable analizar la totalidad de

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Si al tomar una MUESTRA ALEATORIA O REPRESENTATIVA se observan situaciones

La parte de la ESTADSTICA que versa sobre la recoleccin, organizacin y anlisis

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

1.2.9 Variacin o Variabilidad

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Personas, las maquinas, los mtodos y los materiales, se debe a causas

Requiere acciones de la direccin para mejorar el proceso.

1.2.11 Variacin anormal

Ocurre de forma extraordinaria en un proceso.

Se debe a causas especiales

Requiere de un anlisis a fondo de comportamiento del proceso.

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Estas acciones se toman

Esta variacin representa el 20% de las causas de los problemas en los

Modo grfico de representar la variacin

Universidad Nacional Autnomo de Mxico

Tcnicas Estadsticas para la Medicin de los Procesos

Indique si es falso o verdadero

La variable continua se refiere a las variables cuyos valores

Universidad Nacional Autnomo de Mxico