CONTROL DE CALIDAD

EMAIL:cgonzalesc@usmp.edu.pe
 EVALUACIÓN

Tipo de evaluación Número

Prácticas Calificadas 2
Trabajo Experimental 1
Trabajos individuales 2
Control de Lectura 2
Examen Parcial 1
Examen Final 1
 BIBLIOGRAFIA
Texto Base
• GUTIERREZ P. H, DE LA VARA S. R. Control Estadístico de
Calidad y seis sigma. McGraw Hill, México 2013.
• CONTROL ESTADÍSTICO DE LA CALIDAD. Douglas C.
Montgomery. Grupo Editorial Limusa Wiley S.A, México
2010
BIBLIOGRAFÍA COMPLEMENTARIA
• SANGUESA M, MATEO R, ILZARBE L. Teoría y Practica de la
Calidad. Ed. Thomson España 2006
• DALE H BESTERFIELD. Control de Calidad. Ed. Pearson
Prentice Hall 2009
• EVANS J. y Varios autores. Administración y Control de
Calidad. 2008
INTRODUCCION

Mecanismos

Acciones

Detección de
presencia de
errores

Herramientas
 INTRODUCCION

CALIDAD DEL
PRODUCTO

PERCEPTIVA FUNCIONAL
ELEGIR QUE CONTROLAR

DETERMINAR LAS UNIDADES DE MEDICION

ESTABLECER EL SISTEMA DE MEDICION

Establecer los estándares de performance

Medir la performance actual

Interpretar la diferencia entre lo real y el estándar

Tomar acción sobre la diferencia

 CONTROL DE LA CALIDAD:
Técnicas y actividades de carácter operacional
utilizadas, para evaluar los requisitos que se deben
cumplir respecto de la calidad del producto o servicio.

Inspección y
especificaciones
técnicas -
Diseño

Instalación y
servicio del
producto

Supervisión de
Mejora de la
trabajadores
Calidad
calificados

El control de la calidad no es responsable

de la calidad del producto...................
ASEGURAMIENTO DE LA CALIDAD:

“Actividades planificadas y sistemáticas aplicadas en el

marco del Sistema de la Calidad que se ha
demostrado son necesario para dar confianza de que
un producto o servicio cumple los requisitos para la
calidad”
Año Hechos
1911 F.Taylor- publica mediciòn del trabajo
1930 Control de procesos y mètodos estadìsticos
1956 A.Feigembaum -Control Total de calidad
1979 P.Crosby- Cero defectos, 5 S
1980 W. Shewhart - CEP
1986 W.Deming -desarrolla ideas Shewhart
1985 Juran -Trilogìa de la Calidad
Ishikawa - Ingenierìa de procesos, 7 herramientas
1985 de calidad
1988 Misuno desarrolla el control de la calidad (CWQC)
Administración por la Calidad Total(TQM); uso de
1990 Seis Sigma
Objetivo principal del CEP

Metodología utilizada para lograr la estabilidad y mejorar la

capacidad del proceso mediante la aplicación sistemática de
herramientas de solución de problemas para reducir su
variación.
EJERCICIO

Visite una de la siguientes organizaciones. Determine

cómo definen la calidad y cómo la controlan.
a. INACAL
b. SNI
 ACTIVIDADES A REALIZAR POR EL ALUMNO

Buscar en INTERNET o en la biblioteca sobre los

autores de la calidad e indique los aportes que
cada uno de ellos ha realizado en el Control de la
Calidad hoy en día
 CARACTERISTICAS Y REQUISITOS DE
CALIDAD

CARACTERISTICA DE CALIDAD
PRODUCTO SERVICIO

Apariencia Gusto Credibilidad Puntualidad

Belleza Estilo Efectividad Cortesía

Peso Dimensiones Flexibilidad Rapidez

Transportabilidad Durabilidad Honestidad Competencia

Las características de la calidad son las bases
sobre las cuales se edifica la aptitud de un
producto.
 Identificación de requisitos

Características Requisitos
Empaque Bolsa de papel de 50 kg
Tipo Blanca
Pol, % Min. 98,50
Humedad, % 0,40 – 0,54
PH Min. 6,0
Coliformes totales Ausencia
Mohos, UFC/10g Max. 20
ACTIVIDAD A REALIZAR POR EL ALUMNO

Características Requisitos

Escriba las características

y requisitos que definan
tus preferencias para la
compra de un producto

… …
MEJORA CONTINUA
 Pensamiento Tradicional
Precio
Aumento
de Precio Precio
Ganancia
Ganancia

Costo Costo

Costo +Ganancia= Precio

l
Necesitamos ganar
más hay que subir el
precio
 Pensamiento Nuevo Enfoque de la
Mejora Continua
Precio Precio

Ganancia Ganancia

Aumento de
Ganancia
Disminución
de Costo
Costo
Costo
Precio – Costo = Ganancia
l
Necesitamos ganar
más hay que bajar los
costos

MC
Metodologías de la Mejora Continua

Crecimiento
Ahorros y/o Utilidades
Solución Básica de Problemas

4. Diseñado para Seis Sigma

3. Seis Sigma
2. Lean
1.

Mapa de Cadena de Valor

Análisis de Brechas
Teoría de Restricciones
CICLO DE DEMING

1
4

ACTUAR PLANEAR

VERIFICAR HACER

2
3
 MEJORA CONTINUA DE LA
A P
CALIDAD V H

Definir el proyecto (Identificar y justificar).

P
A
V H Describir la situación actual. PLANEAR
Analizar datos para aislar las causas raíz.

A P Establecer acciones para eliminar las causas del problema.

V
H
Ejecutar las acciones establecidas. HACER
MUESTREAR
A P
H Verificar los resultados a través de indicadores.
V

VERIFICAR
A
P EVALUAR
V H Documentar y definir nuevos proyectos.
ACTUAR
GENERALIZAR Y PRINICIPIAR DE
NUEVO
TRABAJO PRACTICO
 ETAPAS A SEGUIR POR UN EQUIPO DE MEJORA

1- SELECCION TEMA Y FORMACION DEL EQUIPO

2- REUNION DE INTRODUCCION- PRESENTACION SINTOMAS

3- DEFINICION DEL PROBL. Y FIJAR OBJETIVOS

4- TORMENTA DE IDEAS
5- DIAGRAMA DE CAUSA Y EFECTO
CAUSAS
6- PONDERACION DE CAUSAS
7- PARETO DE LAS CAUSAS
8- CONFECCIONAR PLAN DE TRABAJO
ANALISIS 9- IMPLEMENTACION SOLUCIONES

DE CAUSAS
10- EVALUACION DE RESULTADOS

NO CIERRE DEL OBJETIVO

GRUPO ? NO ALCANZADO ? si INFORME FINAL

SI
SE NOTIFICA AL COMITE DE M. CONTINUA ESTABLECER NUEVA NORMA
TALLER DE MEJORA CONTINUA

Designación y función de cada

Reducir la cantidad de rechazos en el

area de control posterior a tintorería
integrante del grupo

Plantear el problema

Analizar fuente de problemas.

( Tormenta de ideas, Diagrama
causa y efecto, Pareto)

Enumerar posibles soluciones.

Asignar responsables a las

acciones encomendadas y
plazo de ejecución
1. Solución del problema de
Reducir la cantidad de rechazos en

mejora continua
el área de control posterior a
tintorería

El comité de mejora propone a 5

personas.

El comité se reúne y decide

reunirse una vez por semana.
Usar toda la metodología de
resolución de problemas.
2. Solución del problema de
mejora continua
PASO 1- Plantear bien el problema y objetivos.

PREGUNTAS A REALIZAR
QUE: exista menos material defectuoso
DONDE:En el puesto de control posterior a tintorería
CUANDO: Durante el mes de junio
CUANTO:Actual 35%

OBJETIVOS Reducir el material defectuoso al 15% en el

mes de Setiembre
 TORMENTA DE IDEAS

3. Solución del problema de

Problemas con el hilado y mezcla de
hilado; Disconformidad de personal;

mejora continua
Falta de espacio físico:
Apuro para entregar;
Tener gente capacitada para un buen
control de calidad;

Mejora de las condiciones de

trabajo;
Prendas mal cortadas;

Falta de compañerismo:
Problemas con el hilado y
mezcla de hilado

Disconformidad de personal
 4. Solución del problema de mejora continua
DIAGRAMA DE CAUSA Y EFECTO
MANO OBRA MATERIALES METODOS

Problemas de hilado. Ficha de producto incompleta

Poca experiencia

Hilado s/repasar Falta método standard

Disconformidad
Falta de trabajo
en equipo
Mescla de hilados MENOS MATERIAL
DEFECTUOSO
Desteñido
POST-TINTORERIA
Poca iluminación No hay mantenimiento
de maquinas Cada operador
mide diferente
Barrado Sin muestra patrón.
Mejora de las condicio-
nes de trabajo

MEDIO AMBIENTE MAQUINAS MEDICIONES

 5. Solución del problema de mejora continua

Diagrama de Pareto por rubro de defecto.

nº de unidades investigadas 5000

200 100
Numero
de porcentaje
180 90
unidades acumulado
defectuosas
160 80

140 70

120 60

100 50

80 40

60 30

40 20

20 10
Otros
PARA EVITAR BARRADO
IDEAR SOLUCIONES
Procedimiento de control
del hilado ingresado

Control de trabajo de los

telares

Realizar reuniones cada

15 días de control
 7. Solución del problema de mejora continua

IMPLANTAR
PLANILLA DE SEGUIMIENTO DEL PROYECTO

ITEM ACCIONES RESPONSABLE CRONOGRAMA % avance

1 Norma control de hilado J.C.L.

2 Control del hilado P.R.S

3 Control de tejido P.R.S..

4 Acciones correctivas en J.C.L.

maquinas
5 Lote piloto A.R.L.

6 Verificación de lote piloto J.C.L..

 Consultar a todos operarios
involucrados. Pedir opiniones

RESISTENCIA AL CAMBIO
ACCIONES PARA EVITAR
Hacer reunión con
supervisores del sector.
Analizar sus puntos de vista

Hablar con los proveedores

de hilado

Hablar con los proveedores

de las maquinas

Tener reuniones con la

gerencia

No poner en practica nada sin

enterar a todos
 Verificación y mejora continua

Lo que no se mide no se controla

Lo que no se controla no se mejora
ACTUAR PLANEAR

VERIFICAR HACER

Verificar:
 La satisfacción del cliente.
 La conformidad con los requisitos del producto.
 Los indicadores de procesos
 Los proveedores
 Actividad a realizar por el alumno

• Proponer un proyecto de mejora, indicar una breve

descripción
• Porque la necesidad de la mejora
• Indicar la situación actual.
• Objetivo de la mejora.
•
 Lectura Obligatoria
Capitulo1. Conceptos básicos de la calidad y la
productividad. pp 4-13.
Control estadístico de la calidad y seis sigma. Humberto Gutierrez
Pulido. Mc Graw Hill. Education .2013

Capitulo1 El mejoramiento de Calidad en el ambiente

moderno de los negocios. pp1-36
CONTROL ESTADÍSTICO DE LA CALIDAD. Douglas C. Montgomery.
Grupo Editorial Limusa Wiley S.A, México 2010
Métodos Estadísticos en el
mejoramiento de calidad
Objetivo:
Analizar las principales técnicas para realizar un análisis
descriptivo e inferencial de un conjunto de datos, donde se
detecte la tendencia central, la variabilidad, así como como
la forma de distribución de estos datos para hacer una
valoración amplia de la capacidad de un proceso.
METODOLOGÍA ESTADÍSTICA BÁSICA PARA LA
CALIDAD

Recopilación
de datos

Organización
Estadística y
predictiva presentación
de datos
METODOLOGÍA
ESTADISTICA

Inferencia Medidas
estadística estadísticas
¿Para qué sirve la estadística?

DISEÑO

PRODUCTO
FINAL

PRODUCCION
 • Evolución de la Calidad
Papel de la
estadística

• Primera : Finales del s. XIX, principios del XX

• Segunda : Años 1930 - 1960
• Tercera : Años 1960 - 1980
ETAPAS • Cuarta : Años 1980...
CALIDAD = Cumplimiento de
especificaciones

M.P PRODUCTO INSPECCION

 Papel de la
• Número muy elevado de artículos
estadística...
MUESTREO

• Muestra de pocos artículos,

Se extrae una representativa
muestra
 VARIABLE Y DATOS DE VARIABLES

VARIABLES: Características de productos, procesos y servicios,

las cuales toman un rango de valores.

DATOS DE LAS VARIABLES: Se determinan mediante

medición continua de los valores, tales como la
longitud, el diámetro, el tiempo, presión, etc

Tolerancias en especificaciones físicas y químicas.

CONSERVAS DE PIMIENTO JALAPEÑO
Especificaciones Mínimo Máximo
Acidez expresada en % de ácido acético 0.75 2
Cloruros expresados en % de cloruro de sodio 2 7
pH < 4.6
Llenado en % del volumen del envase 90%
Espacio libre en % del volumen del envase 10%
 VARIABLE Y DATOS DE VARIABLES

ATRIBUTOS: Características de productos, procesos y servicios, las

cuales se clasifican como aceptar/rechazar o pasa/no
pasa.

DATOS DE LOS ATRIBUTOS: se determina mediante conteo de los

valores discretos, tales como defectos por unidad

Atributo: pH < 4.6

Pasa 50
No Pasa 2
 TABLA 2 - Defectos en el envase

Aspecto Exterior Aspecto Interior

- Código de lote ilegible; - Manchas por sulfuraciones;
- Fuga; - Corrosión;
- Hinchamiento; - Desprendimiento de barniz;
- Protuberancias o espigamiento; - Desprendimiento del compuesto
sellante;
- Rayaduras; - Defectos de cierre;
- Abolladuras que puedan afectar la - Pérdida de barniz.
hermeticidad;
- Oxidación;
- Pérdida de barniz;
- Defectos de cierre.
DATO Información numérica

Recolecta, registra,
analiza

Se presenta para
asegurar la calidad
USOS Analizar un
producto, proceso o
servicio.

Determinar si un Identificar
producto o servicio problemas y
este bajo control verificar las causas.

Identificar y eliminar
los defectos y los
defectuosos.
Se deben formar ciertas decisiones antes de recolección, registro y
análisis de datos.

Estas decisiones Próposito: ¿Porqué se necesitan los datos?

están relacionados
con:
Tipos de Datos: ¿Qué tipo de datos se necesitan?

Origen de los datos: ¿Disponibles o serán recolectados?

Recolección: ¿Quién, dónde, cuándo y como se

recolectarán?

Reducción de datos: ¿Cómo se clasificarían, organizarán

los datos para propósitos de análisis y presentación?

Plan de acción: dependiendo de los datos, ¿qué acciones

específicos se tienen contemplados?
DESCRIPCION DE LA VARIACION
 DIAGRAMA DE TALLOS Y HOJAS

En un área de servicios dentro de una empresa de

manufactura se realiza una encuesta para evaluar la
calidad de servicio proporcionado y el nivel de
satisfacción de los clientes internos. La encuesta
consiste de 10 preguntas, y cada una de ellas evalúa
diferentes aspectos del servicio proporcionado. Las
respuestas para cada pregunta es un número entre 0 y
10. Para hacer un primer análisis de los resultados
obtenidos se suman los puntos obtenidos de las 10
preguntas para cuestionario. A continuación se
muestran los puntos obtenidos en diagrama de tallo-
hoja.
 Tallo y hoja de servicios N =
50
Unidad de hoja = 1.0

1 2 9
12 3 01444558999
25 4 1222233345899
25 5
25 6 8
24 7 0356678888
14 8 0012224445567
1 9 1

a. Calcule las medidas estadísticas de tendencia central, de

dispersión y opine acerca de la calidad del servicio
b. Realice un histograma usando la regla de sturges. ¿Qué es el
más destacado que observa?
DISTRIBUCION DE FRECUENCIA Y EL
HISTOGRAMA

¿Qué es?
¿Cuándo se utiliza?
¿Cómo se utiliza?

Datos Intervalos de clase

30 a 50 5a7
51 a 100 6 a 10
101 a 250 7 a 12
Más de 250 10 a 20
 ELEMENTOS BASICOS SOBRE VARIACION.

La variación es causal

Hay distintos tipos de variación

La eliminación o atenuación de cada tipo de causa

demanda de acciones radicalmente distintas

Un sistema es estable cuando solo obedece a causas

comunes

La cantidad de variación se puede medir estadísticamente

 MEDIA ARITMÉTICA

x i
x i 1

Parámetros n
estadísticos que
MEDIANA
estiman el valor
central • Se ordenan los datos según su
magnitud y se elige/n el/los
central/es (semisuma).

MODA

• Es el valor mas frecuente de la

distribución
MEDIDAS DE VARIABILIDAD

Varianza

 x i  x
2

S2  i 1
n 1

Desviación estándar

 x i  x
2

S i 1
n 1
MEDIDAS DE VARIABILIDAD

Coeficiente de Variación

S
CV  x100
x

Error estándar

s
Sx 
n
EJERCICIO:

Describir las características de los cuatros histogramas siguientes, y

razonar cual es la medida de centralización y de dispersión más
adecuada para la distribución correspondiente.
EJERCICIO
Los ingenieros industriales realizan periódicamente
análisis de la “medición de trabajo" con el fin de
determinar el tiempo requerido para generar una unidad
de producción. En una planta de procesamiento se
registro durante 30 días el número total de horas-obrero
necesarias por día para realizar cierta tarea. Los datos
obtenidos fueron los siguientes:
128 109 95 97 124 128 142 98 108 102
113 109 124 142 97 138 133 136 120 112
146 128 103 135 114 109 100 111 131 113

a) La tabla de frecuencias y dos representaciones gráficas de la

distribución de datos, ¿de que representaciones se trata?
b) La media, intervalo modal, varianza y desviación estándar.
c) Los percentiles 17 y 65.¿A que percentiles corresponden los
valores 110 y 125?
DIAGRAMA DE
CAJA
 GRÁFICO DE CAJAS – BOX PLOT

Valor Máximo
25%
Tercer Cuartil

25%
Diferencia
Mediana
Intercuartílica
25%

25%
Primer Cuartil

Valor Mínimo
 EJEMPLO 4

Del ejemplo del proceso de servicios

¿Existen valores atípicos?
DISTRIBUCIONES DE PROBABILIDAD
 DISTRIBUCIONES DE PROBABILIDAD

Discretas

Ejemplo 40%

• Distribución de defectuosos de cierto 35%

producto. 30%

25%

20%

15%

10%

5%

0%
0 1 2 3
 Continuas

Ejemplo
• Distribución de los pesos de cierto producto.

En una fabrica de componentes electrónicos la humedad del

aire es una variable de mucha importancia. La función f es la
función de densidad de una variable aleatoria X que
determina la humedad relativa del aire (en tanto por 1) en
dicha fabrica..

a) Es la variable aleatoria X continua? >Cuanto vale k para

que efectivamente f sea una función de densidad?
b) Calcula P(X < 0.5), P(X > 0.7) y P(X < 1.3).
c) ¿Cuál es la varianza de X?
d) Si se obtienen 100 observaciones independientes de esta
variable, ¿Cual es la probabilidad de que el valor medio
de estas 100 observaciones fuera mayor que 0.7?
El tiempo de vida de una bombilla sigue una distribución
Exponencial cuya media es 2000 horas.
a) ¿Cual es la probabilidad de que la bombilla dure mas de
2000 horas? ¿Por que la solución no es 1/2? Razona la
respuesta.
b) Al estrenar un almacén se colocan 10 de estas bombillas
en sus respectivas lámparas (se encienden y apagan a
la vez) ¿Cual es la probabilidad de que después de 500
horas de uso haya fallado alguna?
Valor esperado y varianza de una v.a. X

• Se representa
Valor mediante E[X] ó μ
• Es el equivalente a
esperado la media

• Se representa
mediante VAR[X] o
Varianza σ2
• Es el equivalente a
la varianza
 Distribución binomial

 n  k nk
• Función de probabilidad P[ X  k ]    p q , 0  k  n
k 

– Problemas de cálculo si n es grande y/o p cercano a 0 o 1.

• Media: μ =n p

• Varianza: σ2 = n p q
La calidad del acabado de cierto producto se califica como:
alta, media y baja, de manera que el 70 % son de alta
calidad, el 20 % de calidad media y el 10 % baja. Si
seleccionamos 10 productos aleatoriamente,
a. ¿Cuál sería la probabilidad de que 8 sean de alta
calidad?
b. Cuál es la probabilidad de que al menos 3 sean de alta
calidad?
c. Cuál es la probabilidad de que 4 sean de calidad media?
d. Cuál sería el número esperado de productos de alta
calidad?
EJEMPLO

Un proceso de producción de partes trabaja con un

porcentaje promedio de defectos de 5 %. Cada hora se
toma una muestra aleatoria de 18 artículos y se prueban.
Si la muestra contiene más de un defecto el proceso
deberá detenerse.
a. Calcule la probabilidad de que el proceso se detenga
debido al esquema de muestreo.
b. ¿ Con la respuesta en a. el esquema de muestreo es
adecuado o generará demasiadas interrupciones?
 Distribución Hipergeometrica

 D  N  D 
• Función de probabilidad  


x  n  x 
P[ X  x]  , x  0,1,2,.....,min( n, D)
N
 
n 

– Problemas de cálculo si n es grande y/o p cercano a 0 o 1.

D
• Media:  n
N

D  D  N  n 
• Varianza: 2 n 1   
N  N  N  1 
EJEMPLO

Se sabe que tres lotes de 25 fusibles eléctricos de las

clases A, B y C contienen 3, 4 y 7 unidades
defectuosas, respectivamente. Si se eligen al azar dos
fusibles de uno de los lotes y resulta que ambos están
en perfecto estado, halla la probabilidad de que hayan
sido extraídos del lote A.
 Distribución de Poisson
• Se obtiene como aproximación de una distribución
binomial con la misma media, para ‘n grande’ y ‘p
pequeño’ (p<0,05).
• Queda caracterizada por un único parámetro μ (que
es a su vez su media y varianza.)
• Función de probabilidad:

k
P[ X  k ]  e   , k  0,1,2,...
k!
EJEMPLO

Una cierta máquina de fabricación de rollos de cinta aislante

tiene un promedio de tres defectos cada 1.000 m. Calcular la
probabilidad de que un rollo de 4.000 m.
a) no contenga defectos;
b) contenga exactamente 7 defectos;
c) contenga menos de 6 defectos.
EJEMPLO

El número de fallas de un instrumento de prueba debidas a

las partículas contaminantes de un producto, es una variable
aleatoria de Poisson con media 0.02 fallas por hora.
a) Cuál es la probabilidad de que el instrumento no falle en
una jornada de 8 horas?
b) Cuál es la probabilidad de que se presente al menos
una falla en un periodo de 24 horas?
 Distribución normal o de Gauss
Aparece de manera natural:

• Errores de medida,Contenido neto, Diámetros, longitud,..

• Distribuciones binomiales con n grande (n>80) y ‘p ni pequeño’
(np>5) ‘ni grande’ (nq>5).
Está caracterizada por dos parámetros: La media, μ, y la
desviación estandar, σ.

Su función de densidad es:

Todas las distribuciones normales N(μ, σ), pueden
ponerse mediante una traslación μ, y un cambio de
escala σ, como N(0,1). Esta distribución especial se
llama normal estándar.

Es decir:

x
z

 Ejemplo

El volumen en un proceso de envasado debe estar entre

310 y 330 mL. De acuerdo con los datos históricos se
tiene que la media es 318 mL y una desviación estándar
de 4 mL. ¿El proceso de envasado funciona bien en
cuanto el volumen?
EJEMPLO

El volumen que una maquina de llenado automático

deposita en latas de una bebida gaseosa tiene una
distribución normal con media 12.4 onzas de liquido y
desviación estándar de 0.1 onzas de liquido.
a) .Cual es la probabilidad de que el volumen depositado
sea menor que 12 onzas de liquido?
b) Si se desechan todas las latas que tienen menos de
12.1 o mas de 12.6 onzas de liquido, .cual es la
proporción de latas desechadas?
c) Calcule especificaciones que sean simétricas
alrededor de la media, de modo que se incluya al
99% de todas las latas.
EJEMPLO

Un circuito contiene Desviación

tres resistores en serie. Resistor Media estándar
Los datos anteriores
muestra la siguiente
información sobre la 1 125 3
resistencia. La
resistencia se ajusta a
una distribución normal. 2 200 4

3 600 12

¿que porcentaje de circuitos cumplirían con la

especificación de resistencia total para 930 30 Ω
 Ejemplo
El precio de venta de cierto artículo, Y , sigue una
distribución Normal de media 500 nuevos soles y
desviación estándar 30 nuevos soles.
a) ¿Que porcentaje de artículos esperaras que se
vendieran a mas de 550 n.s?
b) ¿Que precio dividirá el 10% de los artículos mas
baratos del resto?
c) Si escoges diez al azar, ¿cuál es la probabilidad de
que al menos uno de ellos tenga un precio superior
a 600 n.s?
DISTRIBUCION DE
MUESTREO
 DISTRIBUCION DE MUESTREO

El propósito del muestreo:

Calcular una variable o medida de atributo para cierta

característica de calidad de la muestra. Esa medida se usará
después para evaluar el rendimiento. Del proceso mismo.
 Un productor de cereal seco tiene una máquina para llenar
cajas que después se venden por peso. La máquina se reajusta
dependiendo del tipo de cereal (hojuela, inflado), pero todas las
cajas se llenan con especificación de peso de 16 onzas  0,05
onzas. Se recopilaron datos a través de varias corridas de los
tipos de cereal.
a)¿Se distribuyen normalmente los pesos?
b)¿Cuáles son las medias y las desviaciones estándar del peso?
c) ¿Qué porcentaje de cada tipo no cumplirá la especificación del
peso?
d)¿Recomendaría algún cambio en el proceso de llenado? Si es
así, ¿Cuál sería?
 Hojuela
1 16.0175 21 16.0064 41 16.0121 61 15.9775 81 15.9753
2 15.9661 22 15.9843 42 15.9531 62 16.0131 82 15.9779
3 15.9997 23 15.9959 43 16.0022 63 15.9821 83 16.0143
4 16.0204 24 15.9740 44 15.9880 64 16.0119 84 15.9920
5 16.0074 25 16.0216 45 16.0047 65 16.0060 85 16.0185
6 16.0220 26 16.0070 46 15.9743 66 15.9952 86 16.0006
7 16.0294 27 16.0060 47 16.0102 67 16.0035 87 16.0196
8 16.0043 28 16.0117 48 16.0217 68 16.0230 88 16.0453
9 16.0306 29 16.0058 49 15.9829 69 16.0067 89 16.0295
10 16.0214 30 16.0302 50 15.9943 70 15.9985 90 16.0363
11 15.9518 31 15.9850 51 16.0123 71 16.0047 91 15.9898
12 16.0159 32 15.9897 52 16.0424 72 15.9987 92 16.0123
13 16.0155 33 16.0423 53 16.0055 73 16.0042 93 16.0008
14 15.9570 34 16.0102 54 15.9909 74 15.9877 94 15.9918
15 16.0088 35 15.9913 55 15.9965 75 15.9733 95 16.0420
16 16.0373 36 16.0440 56 16.0432 76 15.9672 96 15.9964
17 16.0044 37 16.0378 57 16.0270 77 16.0385 97 15.9991
18 15.9862 38 16.0040 58 15.9955 78 16.0006 98 16.0149
19 15.9936 39 15.9944 59 16.0145 79 16.0299 99 16.0074
20 15.9731 40 16.0159 60 15.9978 80 15.9976 100 16.0074
 Inflado
1 16.0023 21 15.9935 41 15.9965 61 15.9982 81 15.9945
2 15.9926 22 15.9978 42 16.0064 62 16.0015 82 16.0032
3 15.9972 23 16.0010 43 15.9988 63 15.9994 83 15.9921
4 16.0024 24 16.0017 44 15.9791 64 15.9959 84 16.0017
5 15.9963 25 15.9949 45 16.0003 65 15.9930 85 16.0016
6 15.9931 26 15.9905 46 15.9904 66 15.9974 86 15.9856
7 15.9966 27 16.0030 47 16.0008 67 15.9960 87 16.0007
8 16.0044 28 16.0063 48 15.9894 68 15.9959 88 15.9971
9 15.9936 29 15.9940 49 15.9986 69 16.0015 89 15.9998
10 15.9935 30 16.0025 50 16.0014 70 15.9948 90 15.9994
11 16.0006 31 15.9921 51 15.9934 71 15.9969 91 15.9914
12 15.9959 32 16.0038 52 16.0034 72 15.9998 92 16.0017
13 15.9943 33 15.9974 53 15.9993 73 15.9986 93 15.9908
14 16.0030 34 15.9997 54 15.9958 74 16.0035 94 15.9914
15 15.9954 35 15.9968 55 16.0070 75 15.9950 95 15.9956
16 15.9967 36 16.0022 56 15.9924 76 16.0025 96 15.9959
17 16.0068 37 15.9950 57 15.9966 77 15.9986 97 15.9975
18 15.9938 38 16.0002 58 16.0011 78 16.0073 98 16.0087
19 15.9918 39 15.9934 59 16.0000 79 15.9988 99 15.9969
20 16.0006 40 16.0020 60 15.9974 80 15.9924 100 15.9987
Ejemplo

Una fábrica de gaseosa utiliza una envasadora

automática para rellenar botellas de plástico. Cada
botella debe contener 300ml pero en realidad los
contenidos varían según una distribución normal con
media de 298ml y desviación estándar de 3ml.
(a) ¿Cuál es la probabilidad de que una botella individual
contenga menos de 295ml?
(b) ¿Cuál es la probabilidad de que el contenido
promedio de las botellas en un paquete de 6 contenga
menos de 295ml?
 Teorema del límite central

Dada una v.a. cualquiera, si extraemos muestras de

tamaño n, y calculamos los promedios muestrales, entonces:
• dichos promedios tienen distribución aproximadamente normal;

• Las aproximaciones anteriores se hacen exactas cuando n

tiende a infinito.

Este teorema justifica la importancia de la

distribución normal.
INFERENCIAS SOBRE LA CALIDAD DEL
PROCESO
 Población
Relación
entre una
población y
una muestra

Muestra

Histograma
 Distribuciones asociadas a la normal
• Dependiendo del problema:
– X2 (chi cuadrado)
– t- student
– F-Snedecor

• Estas distribuciones resultan directamente de operar con

distribuciones normales.
 Chi cuadrado

• Tiene un sólo parámetro

denominado grados de
libertad.

• La función de densidad es
asimétrica positiva. Sólo
tienen densidad los valores
positivos.
 T de student

• Tiene un parámetro denominado grados de libertad.

 F de Snedecor
• Tiene dos parámetros denominados grados de libertad.
ESTIMACIÓN DE PARAMETROS DE
PROCESOS
 INFERENCIA ESTADÍSTICA

Análisis, interpretación de
resultados y conclusiones
a partir de una muestra
aleatoria

Estimación de
Parámetros:Aproximación Estimador: Función de las
de los valores de los observaciones muestrales
parámetros.
COMPRENDE:

Estimación de

Puntual
Parámetros

Estimación
Por intervalo
Prueba de
hipótesis
 TIPOS DE ESTIMACION

• Estimación por intervalo

Conjunto de valores contenidos en Tipos

un intervalo

 Media
 Proporción
 Varianza, etc
 INTERVALOS DE CONFIANZA

Para una distribución normal el 95 % de los datos cae

dentro de los límites z=-1,96 a z=1,96

Los promedios de las muestras también se distribuyen

normalmente

 
x Z  ;x Z 
(1 ) n (1 ) n
2 2
Si n < 30, s deja de ser un buen estimador; es necesaria una corrección:

s s
x t  ;x t 
(1 , n 1) n (1 , n 1) n
2 2

Distribución t (tablas u hojas de cálculo)

Ejemplo

La duración de una determinada componente

electrónica sigue una distribución normal. Los
resultados de una muestra aleatoria de esta clase de
componentes son: 1200, 1350, 1275, 890, 1125, 1520,
1100 horas.
a) Estima la duración media y la varianza.
b) Halla los correspondientes intervalos de confianza
para la media y la varianza al 90 %.
c) ¿Puede admitirse que la duración media de la
componente electrónica es de 1200 horas?( α= 0;05).
d) Con estos datos, habrá evidencias para contradecir lo
que nos dice un experto de que la desviación
estándar no es superior a 150? ( α= 0;05).:
EJEMPLO
Los siguientes datos corresponde al tiempo de atención
en sus servicio de reclamos a los usuarios. Se puede
afirmar para un nivel de significación del 5 % que el
tiempo medio necesario para ser atendido es diferente
8.6 minutos.

One-Sample T: Tiempo

Test of mu = 8.6 vs not = 8.6

Variable N Mean StDev SE Mean 95% CI T P
Tiempo 19 8.684 2.335 0.536 (7.559, 9.809) 0.16 0.877
EJEMPLO
Si la media de las medidas del diámetro de unas varillas
es 4,2 y la desviación estándar es 0,05.
Se pide:
Hallar los límites de control teóricos si el número de
elementos de cada muestra es n=6, para la media y
desviación estándar.
EJEMPLO
Un tipo de baldes de pintura esta declarada como apta para pintar
un promedio de 80 m2 con una desviación típica de 8.4 m2.Se
desea comprobar si puede aceptarse este valor promedio. Con
este objetivo se ha decidido probar 100 de estos baldes y rechazar
la pintura si el promedio de superficie pintada resultará menor que
78 m2 Se aceptará el valor de la desviación estándar.
1. Calcular el nivel de confianza y la significación de esta prueba.
2. Si la pintura pintara realmente un promedio de 79 m2 cual sería
la probabilidad de no rechazar la media indicada por el
fabricante.
3. ¿Y si el promedio fuera de 75 m2
HIPÓTESIS ESTADÍSTICA
Es una afirmación que se hace acerca de un parámetro
poblacional.

Hipótesis nula es una afirmación que está establecida y

que se espera sea rechazada después de aplicar una
prueba estadística. Se representa por Ho.
Hipótesis alternante, es la afirmación que se espera sea
aceptada después de aplicar una prueba estadística y se
representa por H1.

PRUEBA DE HIPÓTESIS:

Procedimiento estadístico basado en la evidencia

muestral y la teoría de probabilidad.
 HIPÓTESIS ESTADÍSTICAS
¿Las diferencias entre nuestras observaciones y una referencia o
entre conjuntos de datos son de naturaleza química (por ejemplo)
o estadística?

Sistemática a seguir: Comprobación de hipótesis

Hipótesis Nula (H0) Hipótesis Alternativa (H1)

No existen diferencias Si existen diferencias

significativas entre nuestras significativas entre nuestras
observaciones y una referencia o observaciones y una referencia o
entre conjuntos de datos entre conjuntos de datos

Validez Tests Estadísticos

 TIPOS DE ERRORES

Error tipo I, que se

Error tipo II, que se
comete cuando se
comete cuando se acepta
rechaza una hipótesis
una hipótesis nula que
nula que realmente es
realmente es falsa.
cierta.
 TIPOS DE ERROR AL PROBAR HIPÓTESIS

Realidad
Decisión H0 H0 cierta H0 Falsa
Error de tipo II
No Rechazo H0 Correcto P(Error de tipo II) =β

Error de tipo I
Rechazo H0 P(Error de tipo I)= Correcto
α
 Formulación Ho, H1

Elegir 

Supuestos
Seleccionar la prueba estadística

Criterios de Decisión
Cálculo de la prueba estadística

Conclusión
 Comparación de un promedio con un valor
determinado (n < 30)

Suposiciones: Distribución Aproximadamente Normal

Hipótesis: Nula: H0:   0
Alternativa: H1,
dos colas:   0
una cola:  < 0 y  > 0
Test estadístico: Distribución t con (n-1) grados de libertad

x  o
t
s
n
Ejemplo

Un ingeniero de control de calidad midió el espesor de la

pared de 25 botellas de vidrio de dos litros. La media
muestral es 4.05 mm, mientras que la desviación
estándar de la muestra es de 0.08 mm. Encontrar un
intervalo de confianza del 90% para la media del espesor
de la pared de las botellas. Supongamos que es
importante demostrar que el espesor de la pared es
mayor que 4.0 mm. Proponer y probar una hipótesis
apropiada utilizando estos datos. Obtener conclusiones
con α =0.05. Se sabe que el espesor sigue
aproximadamente una distribución normal.
EJEMPLO

Una línea de llenado de bolsas de detergente debe contener 4 kg

en cada bolsa. Se toma una muestra de los pesos de 20 paquetes y
se obtiene los valores ( en gramos)

4035 3974 3949 4009 3969 3970 3955 4034 3969 3991

3928 4024 4017 3983 3979 3997 3984 3964 3995 3988

Se sabe por los datos históricos que la desviación estándar de

los pesos es de 25 g .¿Puede decirse que el proceso está
descentrado ( está llenado los paquetes con un peso medio
distinto de 4 kg.?
Ejemplo

Una empresa estudia introducir un nuevo sistema de

producción para mejorar su productividad media
establecida actualmente en 42 unidades por persona y
día. Se estima que el cambio no sería rentable si no
consigue elevar dicho número por encima de 45 u.
Realizada una prueba con la nueva tecnología, aplicada
a 35 personas, se obtuvo una producción media de 46.5
y no se observó ningún cambio apreciable en la
dispersión que estaba establecida en 1.5 u. por día. ¿Se
debe efectuar el cambio tecnológico?
La probabilidad de que cierto tipo de dispositivo sea
defectuoso es p. A partir de una muestra de 100 lotes de 15
dispositivos se obtuvieron los siguientes resultados:

N° de dispositivos defectuosos: 0 1 2 3
N° de lotes: 84 15 1 0

a) Estima el valor de p y halla un intervalo al 98% de

confianza.
b) Hay evidencias estadísticas de que el porcentaje de
dispositivos defectuosos es superior al 1 %? ( α= 0;05).
 Comparación de dos muestras
n < 30
Suposiciones: Dos muestras independientes (1 y 2) de
Distribución Aproximadamente Normal
Hipótesis: Nula: H0: 1  2
Alternativa: H1,
dos colas: 1  2
una cola: 1 < 2 y 1 > 2
Test estadístico: Depende de que la relación (varianza
mayor / varianza menor) sea menor o mayor de 3.
(tambien test F: si Fcalculado > Fcritico : varianzas
diferentes).
Relación : 1 (varianzas iguales):
x1  x2
t  n1  1 s12   n2  1 s22
1 1 sp 
sp  n1  n2  2
n1 n2
 Comparación de dos muestras
n < 30

Relación: 2 (varianzas distintas):

2
 s12 s22 
x1  x2  n  n 
t H  1 2 
2 2
s2
s 2
 s12   s22 
1
 2
 n 
 1
 n 

2 
n1 n2
n1  1 n2  1
Decisiones:
Tener en cuenta los “nuevos” grados de libertad (H)
H1:   0 (test dos colas) -t/2, df < t < t/2, df H0 aceptada
H1:  < 0 (test una cola) t > -t, df H0 aceptada
H1:  > 0 (test una cola) t < t, df H0 aceptada
Con objeto de evaluar las mejoras en el diseño de un colector
solar, se ha realizado una prueba comparativa del modelo actual
(A) y del prototipo de la nueva versión (B). La prueba se ha
hecho de manera simultánea, estando los colectores situados
muy próximos y con la misma orientación. Las pruebas se han
realizado durante 9 días y la tabla siguiente recoge los valores
medios de cada colector para cada uno de los días (vatios).

Colector Día 1 Día 2 Día 3 Día 4 Día 5 Día 6 Día 7 Día 8 Día 9
A 203.3 204.5 202.2 197.7 203 198 204.8 199.5 201.3
B 204.5 207.8 205 204.1 205.2 205.7 205.7 202.8 202.3

Realice el planteamiento estadístico e interprete el resultado.

COMPARACION DE DOS CENTRIFUGADORAS
La calidad de la pintura látex depende, entre otras cosas, del
tamaño de partículas. Para medir esta característica se utilizan
dos centrifugadoras, y se sospecha que éstas reportan
mediciones distintas para la misma pintura. Se decide hacer un
estudio, para lo cual de un mismo lote de pintura se tomaron 12
lecturas con cada centrifugadora. Los resultados son los
siguientes.

CENTRIF A CENTRIF B

4714 4295
Especifique las hipótesis necesarias, y
4601 4271 realice las pruebas respectivas que
4696 4326 respondan a: ¿existen diferencias
4896 4618
4905 4779 significativas entre centrifugadoras?
4870 4752
4987 4744
5144 3764
4006 3797
4561 4401
4626 4339
4924 4700
Una fábrica dedicada a la fabricación de losetas para el
recubrimiento de naves espaciales recibe el encargo de una
empresa muy importante dedicada a la aeronáutica.
Dicha fábrica produce dos tipos de losetas, A y B. Para saber qué
tipo de losetas preferirá la empresa se hace una prueba con 18
losetas (9 del tipo A y 9 del tipo B), introduciéndolas en hornos a
10.000ºC y anotando el tiempo transcurrido hasta su rotura. Los
resultados, en horas, son los indicados en la tabla adjunta.
a) ¿Qué losetas preferirá la empresa?
b) ¿Cómo se podría haber mejorado la precisión del experimento?
¿Por qué?
 A B
54.6 58.9
45.8 65.7
57.4 55.6
40.1 57.6
56.3 64.2
51.5 60.8
50.7 59.8
64.5 59.0
52.6 50.3
EJEMPLO

Una fábrica de pañales utiliza

CANT.
habitualmente dos laboratorios para PAÑAL LAB. ABSOR.(g)
comprobar la absorción de sus
productos. En un momento 1 1 15.5
determinado, se decide llevar a cabo
2 1 15.2
un estudio llevando 6 pañales lo
más parecidos posible a los 3 1 14.6
laboratorios (3 a cada uno). Las
cantidades absorbidas detectadas 4 2 16.0
son: 5 2 15.6

6 2 14.6
 Comparación de dos muestras
relacionadas
Se desea saber si un determinado plan de seguridad en el trabajo
es efectivo en la reducción del número de accidentes laborales y,
por tanto, en la pérdida de horas de trabajo debido a accidentes.
Los siguientes datos son las horas de trabajo semanales perdidas
a causa de accidentes en seis fábricas, antes y después de
implantar el nuevo plan de seguridad.

Planta

1 2 3 4 5 6

ANTES 12 29 16 37 28 15

DESPUÉS 10 28 17 35 25 16

a) Especificar las hipótesis necesarias.

b) ¿Se puede decir con estos datos que el plan de seguridad es
efectivo?
¿Qué ocurre cuando hay más de dos
poblaciones?
 DISEÑO DE EXPERIMENTOS

Un diseño experimental es un plan detallado

describiendo todas los aspectos de un experimento:
1. Qué características medir.
2. Qué elementos participarán.
3. Qué condiciones (experimentales) estudiar.
4. Qué materiales utilizar (procedimientos
experimentales).
5. Se debe recolectar toda la información.
 PROCESO
Entrada Salida Característica de
Calidad
O variable respuesta

(Factores controlable
Factores no
controlables)

¿Cuáles características de calidad se van a medir?

¿Cuáles factores controlables deben incluirse en el experimento?
¿Qué niveles debe utilizar cada factor?
¿Cuál diseño experimental es el adecuado?
 FUENTES DE VARIABILIDAD

 Proceso de medición.
 Condiciones a estudiar (tratamientos)
 Materiales y procedimientos utilizados.
 Unidades experimentales (sujetos, unidades de
observación).
 ANALISIS DE VARIANZA
En el trabajo analítico suelen presentarse a menudo comparaciones en las que
intervienen más de dos medias.

Comparar la concentración media de proteína en una solución

para muestras almacenadas en condiciones diferentes

Comparar los resultados medios obtenidos de la concentración de

Ejemplos un analito utilizando diferentes métodos

Comparar la media de los resultados en una valoración obtenidos

por diferentes operadores que usan los mismos aparatos

Compara medias de diversos conjuntos, a través de sus varianzas

 Tratamientos

1 2 3 .. t

1 Y11 Y21 Y31 Yt1

2 Y12 Y22 Y32 Yt2

..

..

Resultados n Ytn

Media
MODELO ADITIVO LINEAL

Yij     i   ij  i   ij

• Yij respuesta de la la j-ésima observación del i-

ésimo tratamiento
•  media general
• i efecto del i-ésimo tratamiento
• ij efecto aleatorio
SUPUESTOS DEL MODELO

•Independencia
•Normalidad.
•Homogeneidad de varianzas

Estimación de Efectos

V. Total = V. Debido a Efectos de Tratamientos

+ V. Debido a Efectos Aleatorios
HOMOGENEIDAD DE VARIANZAS: TEST BARTLETT´S

k
 N  k  ln(S 2
p )    ni  1 ln Si2
2  i 1

1  k  1  1 
1     
3  k  1  i 1  ni  1  N  k 

k
1
N  k 
S 
2
p  ni  1 S i
2

i 1
ANVA

Fuente de G.L. SC MS F
variación
Entre t-1 SCTr MSTr MSTr/MSE
tratamientos
Dentro de n.-t SCE MSE
tratamientos
Total n.-1 SCTo

Nota:
CV: coeficiente de variación
 PRUEBA DE HIPOTESIS PARA EL
MODELO I:

 i  i.  
t


i 1
i 0

Ho: 1 = 2 = . . . = t = 0
H1: al menos un i  0 , i = 1, 2, . . . , t

H o : 1  2  ...   t
H1 : al menos un i es diferente
 SUMA DE CUADRADOS (SC)

1. Variación Total
t rj

SCTo   Y  TC 2
ij
j 1 i 1

2. Variación entre Tratamientos

t 2
Y
SCTr    TC i.

j 1 rj

3.Variación dentro de Tratamientos

SCE  SCTo  SCTr

EJEMPLO

Los datos que se presentan a

continuación corresponden a la
productividad media por hora en el A B C
montaje de un cierto mecanismo, 2.6 3.2 2.6
según el procedimiento empleado
sea A, B o C. Suponga que la 2.5 3.1 2.5
recolección de los datos se ha
3.1 3.5 2.7
aleatorizado convenientemente y no
existe otro factor alguno que ejerza 2.6 3.4 2.7
el mismo tipo de influencia para
todos los resultados obtenidos.

¿Cuál es el factor de interés? , ¿cuáles son los niveles?, ¿es el factor

de efectos fijos o al azar?, ¿por qué?
Indique las suposiciones del modelo.¿se cumplen los supuestos?
¿Puede decirse que los tres procedimientos no dan la misma
productividad?, si es así, ¿cuál o cuáles son distintas?
Se consideran cuatro máquinas para su uso en la fabricación de
sellos de caucho. Las Máquinas se deben comparar respecto a la
resistencia a la tracción del producto. Se utiliza una muestra aleatoria
de cuatro sellos de cada máquina para determinar si la resistencia
media a la tracción varía de una maquina a otra. Las siguientes son
mediciones de la resistencia a la tracción en kilogramos por
centímetro cuadrado x 10-1

M1 M2 M3 M4
17.5 16.4 20.3 14.6
16.9 19.2 15.7 16.7
15.8 17.7 17.8 20.8
18.6 15.4 18.9 18.9
a)¿ Existe diferencia significativa entre la resistencia
promedio de cada máquina?.
b) ¿La máquina 1 tiene una resistencia promedio igual a
17 con α= 0.05?
c) Se puede decir que la resistencia promedio de la
máquina 1 está más cerca de 17 que de 17.5 con α =
0:05.
A ¿Cuál es el factor de
interés? , ¿cuáles son los
niveles?, ¿es el factor de
efectos fijos o al azar?,
¿por qué? CANT.
B. Escribir el modelo aditivo PAÑAL LAB. ABSOR.(g)
lineal para este
1 1 15.5
experimento. indique las
2 1 15.2
suposiciones del
modelo.¿Se cumplen los 3 1 14.6
supuestos? 4 2 16.0
C.¿Cuál es la variabilidad 5 2 15.6
entre laboratorios? 6 2 14.6
(Cantidad absorbida.) 7 3 14.5
D.¿Cuál es la variabilidad 8 3 15.8
entre pañales? 9 3 15.9
E. ¿Qué se deduce de la
comparación entre estas
dos variabilidades?
 Lecturas recomendadas

• Capitulo 2. capacidad de procesos I:Estadística Descriptiva

• Capitulo 3.Introducción de Probabilidad
• Capitulo 4.Inferencia estadística
Control estadístico de la calidad y seis sigma. Humberto Gutiérrez
Pulido. Mc Graw Hill. Education .2013

• Capitulo 2:Modelado de la Calidad del Proceso. pp 39 -77

Control Estadístico de la Calidad. Montgomery D. Tercera edición.
2010
• Capitulo 3: Inferencias sobre la Calidad de un proceso. pp 83 -149
Control Estadístico de la Calidad. Montgomery D. Tercera edición.
2010