CONTROL DE CALIDAD

Facultad de Ingeniería - IIMPI 1

Objetivos:
• Comprender qué es y cómo se construye un histograma
• Comprender la importancia de los histogramas como herramienta
estadística en el control de calidad
Desarrollo:
• Poblaciones y muestras
• Histogramas: § Definición
§ Construcción mediante un ejemplo
§ Variantes
§ Interpretación
§ Ventajas y desventajas
§ Especificaciones
§ Formas típicas y atípicas 2
 MUESTRAS Y POBLACIONES

• Población: totalidad de valores posibles de una

característica particular de un grupo especificado de objetos,
los cuales constituyen un universo.
Ejemplo:
Universo: personas que se encuentran en el salón de clases.
Características: edad
Población: edades de dichas personas

• Muestra: parte de la población en estudio seleccionada

según una regla o plan.
Ejemplo:
Muestra: edades de 10 personas elegidas al azar.
3
• Histograma: representación gráfica de datos numéricos que
permite ver tres propiedades de los mismos:
- forma en la que se distribuyen las observaciones
- tendencia central
- dispersión
Histograma de frecuencias relativas típico:

4
Ejemplo de construcción de un histograma

En la fabricación de remaches una característica de interés es la

longitud de los mismos. A fin de estudiar el comportamiento de esta
característica en un lote se extrae una muestra de 100 remaches y se
la inspecciona. Los resultados obtenidos se aprecian en la tabla
adjunta.

(VER DIAPOSITIVA SIGUIENTE)

Es necesario procesar esta información para facilitar el análisis de

los datos.

5
1.37 1.34 1.38 1.32 1.33 1.29 1.36 1.30 1.31 1.33
1.35 1.36 1.30 1.32 1.33 1.32 1.37 1.34 1.38 1.36
1.35 1.33 1.38 1.37 1.44 1.38 1.39 1.34 1.32 1.30
1.29 1.41 1.27 1.36 1.41 1.31 1.33 1.35 1.34 1.35
1.40 1.35 1.37 1.35 1.35 1.35 1.36 1.39 1.31 1.31
1.28 1.34 1.31 1.33 1.34 1.34 1.34 1.36 1.39 1.34
1.35 1.35 1.34 1.32 1.38 1.37 1.36 1.31 1.33 1.30
1.31 1.36 1.32 1.29 1.35 1.39 1.36 1.40 1.32 1.33
1.37 1.36 1.37 1.33 1.36 1.34 1.31 1.36 1.37 1.35
1.36 1.35 1.35 1.31 1.34 1.30 1.35 1.33 1.35 1.31

6
1) RANGO = Valor máx. – Valor mín. = 1,44 – 1,27 = 0,17
2) NUMERO DE CLASES (NC) = √ n NC = √100 = 10
3) ANCHO DE CLASE (AC) = R / NC = 0,17 / 10 = 0,017 ≅ 0,02
recalcular el NC por el redondeo: NC = R / AC = 0,17 / 0,02 ≅ 9

4) LIMITES DE CLASE:
LIci = valor mín. + (i - 1).AC (límite inferior de la i-ésima clase).
LSci = LIci+1 (límite superior de la i-ésima clase,
coincidiendo con el límite inferior de la clase siguiente).
5) MEDIATRIZ DE CLASE (Mi) = Mi = (LSci + Lici) / 2
6) FRECUENCIAS ABSOLUTAS (Fa): cantidad total de valores en cada clase.
7) FRECUENCIAS RELATIVAS (Fr): Fri (%) = (Fai / n) ∗ 100
(Fr de la i-ésima clase; en este caso n = 100)
8) FRECUENCIAS ACUMULADAS (Fac): Faci (%) = Σ Frj (%)
j≤i
7
Al tiempo que se efectúan los cálculos resulta útil completar la
siguiente tabla (se obtiene la distribución de frecuencias):

Clase LI LS M Valores en c / clase Fa Fr (%) Fac (%)

1 1.27 1.29 1.28 II 2 2 2
2 1.29 1.31 1.30 IIIII III 8 8 10
3 1.31 1.33 1.32 IIIII IIIII IIIII II 17 17 27
4 1.33 1.35 1.34 IIIII IIIII IIIII IIIII II 22 22 49
5 1.35 1.37 1.36 IIIII IIIII IIIII IIIII IIIII IIII 29 29 78
6 1.37 1.39 1.38 IIIII IIIII III 13 13 91
7 1.39 1.41 1.40 IIIII I 6 6 97
8 1.41 1.43 1.42 II 2 2 99
9 1.43 1.45 1.44 I 1 1 100

8
HISTOGRAMA

9
Frecuencias relativas en función de las mediatrices:

Histograma de frecuencias acumuladas:

10
 Interpretación de histogramas de frecuencias relativas y
acumuladas:

Probabilidad = (casos favorables) / (casos posibles)

X = `longitud de un remache` P(1.33≤X≤1.35) = 0.22

las Fr se pueden interpretar como probabilidades la altura

de cada banda (en el histog. de Fr) indica la probabilidad de que el
remache extraído pertenezca a esa clase.

densidad de frecuencia relativa ≡ Fr/AC

al graficarla se tendrá ahora que el área de cada banda indica la

probabilidad el área total es 1.
11
Supongamos lote muy grande; si aumentamos “n” y el NC

el AC disminuirá; tendremos barras cada vez más delgadas

en el límite, uniendo las mediatrices se obtiene la curva de la

densidad de probabilidad en el lote.

La probabilidad de extraer una unidad perteneciente al intervalo

“I” se obtiene integrando la densidad en ese intervalo.

El histograma de Fac indica la probabilidad de que al tomar una

medida la misma se encuentre en ese subintervalo ó en los
anteriores. Si se trabaja con densidades de Fac es el área lo que
indica dicha probabilidad.

12
13
Ventajas del uso de histogramas

• simplicidad
• posibilidad de trabajar conjuntamente con los límites de
especificación.

Desventajas del uso de histogramas

• pérdida de la individualidad de las observaciones

• la evolución de la característica en el proceso puede no ser revelada

14
 Histogramas y especificaciones

Especificación: valor deseado para una característica

determinada de un producto.

Al fijarse una tolerancia (∇) surgen los límites de

especificación:

LIE = E - ∇ límite inferior de especificación

LSE = E + ∇ límite superior de especificación.

Obs: si hay tolerancia hacia un solo lado se tendrá un único

límite.

Producto dentro de los límites: conforme

Producto fuera de los límites: no conforme. 15
 Al colocar los límites de especificación en un histograma
pueden darse distintas situaciones, algunas de las cuales se
muestran a continuación:

16
a) proceso que cumple con las especificaciones y que está centrado
en el valor deseado (caso ideal).
b) proceso con nivel medio diferente al especificado. Alguna
modificación podría causar la producción de defectuosos.
c) proceso que no está centrado en la especificación, con
variabilidad relativamente pequeña.
d) proceso centrado y dentro del rango aceptable, con la
variabilidad máxima recomendada.
e) proceso cuyo nivel medio no coincide con el deseado y que
produce defectuosos.
f) proceso centrado pero con variabilidad que excede la
recomendada.

17
 Las que siguen son formas atípicas:
g) histograma bimodal: construido en base a unidades
producidas por dos máquinas diferentes que producen a niveles
distintos.
h) histograma bimodal que no cumple con las especificaciones.
i) histograma truncado: se inspeccionaron todas las unidades del
lote y se eliminaron las defectuosas.
j) histograma truncado con errores de inspección: el lote
contiene todavía unidades defectuosas por errores del inspector.
k) histograma truncado con errores de inspección: en este caso
se cometieron mayor cantidad de errores en unidades dudosas.

18
l) histograma truncado con errores de inspección: aquí los errores
son más graves (se dejaron unidades más alejadas del valor
especificado).

m) histograma con isla: aparece un pequeño agrupamiento en

torno a un cierto valor diferente del especificado, posiblemente
por mezcla de productos fabricados por dos máquinas distintas,
una que produce al nivel deseado y otra que lo hace a otro nivel
(predominan las unidades de la primera en la mezcla).

n) histograma con isla: en este caso ninguna de las dos máquinas

produce al nivel deseado, al tiempo que ambas generan
defectuosos.

19