Aplicaciones Estadísticas en Administración

de la Calidad y Productividad
Estadística en las Organizaciones
Administración de Calidad Total
 Es un modelo que se enfoca en el mejoramiento continuo de
productos y servicios a través del mayor énfasis en la

Ing. Leonel Molina Guardiola

estadística, los procesos de mejoramiento y la optimización
total del sistema.
 Ha sido desarrollado principalmente por Edwards Deming,
Joseph Juran y Kaoru Ishikawa.
— Enfoque principal en el proceso de mejoramiento.
— Variación concentrada en el proceso no en el individuo.
— Trabajo en equipo para administrar la calidad.
— La satisfacción del cliente como meta primaria.
— Transformación organizacional.
— Alta calidad cuesta menos, pero requiere capacitación.
— Erradicación del miedo.
Administración Seis Sigma
 Es un sistema de mejoramiento de la calidad más sistematizado que el modelo de Administración
de la Calidad total.
 Da importancia a los resultados finales en un periodo corto de tiempo de 3 a 6 meses.

Ing. Leonel Molina Guardiola

• Definir de forma cuantitativa las necesidades de los clientes y lo que constituye un ‘defecto’.
Definir • Establecer los objetivos concretos de mejora, costos, beneficios e impacto en el consumidor

• Medir la capacidad de los sistemas de medición objetivos, subjetivos y visuales.

• Medir la capacidad o rendimiento del proceso frente a las necesidades de los clientes.
Medir • Recopilar datos sobre éste para su posterior análisis

• Se determinan las raíces de por que ocurren defectos.

• Analizar estadísticamente los datos para identificar los factores críticos que afectan al
Analizar funcionamiento del proceso y el origen de los errores

• Identificar y verificar estadísticamente posibles mejoras a las variables analizadas.

• Estudia la importancia de cada variable del proceso utilizando experimentos diseñados.
Mejorar • El objetivo es determinar el mejor nivel para cada variable.

• Establecer controles que aseguren la sostenibilidad de las mejoras introducidas a lo largo del
tiempo.
Controlar • Procedimientos ISO
La Teoría de las Graficas de Control
 Las gráficas de control permiten monitorear la variación en una característica del
producto o servicio a lo largo del tiempo (pasado, presente y futuro). Hace énfasis
principalmente en separar las causas de variación:

Ing. Leonel Molina Guardiola

— Causa común de variación (Ruido)
 es inherente al sistema y cierta a ocurrir. Proviene de las múltiples fuentes identificadas en el
Modelo del Sistema

— Causa especial de variación (Señales)

 no es inherente al sistema y no es cierta a ocurrir. Proviene de afuera del sistema de una sola
causa identificable

 Variación es:
— La causa de que dos cosas no sean la mismas
— Reduce o elimina la habilidad de predecir
— “Administrar es la habilidad de predecir” – Dr. Deming
— Métodos estadísticos es la ciencia y estudio de la variación
— Comenzarán a estudiar la variación con histogramas
La Teoría de las Graficas de Control
 Limites:
— Límites de Especificación
 La voz del cliente

Ing. Leonel Molina Guardiola

— Límites del Proceso
 La medida de cómo el proceso esta desempeñándose

— Estos dos límites no son lo mismo!

— La diferencia entre los dos límites produce una brecha que indica cuando un proceso
necesita ser mejorado
— Sólo porque un resultado no cumple una especificación no significa necesariamente que
es “diferente”

Límite Superior de Especificación

Límite Superior de Control Causa especial

Todos los puntos aleatorios dentro de los límites son causas comunes

Límite Inferior de Control Causa especial

Límite Inferior de Especificación

La Teoría de las Graficas de Control
 Tendencias:
— Ocho o más puntos consecutivos que caen por arriba de la línea central

Ing. Leonel Molina Guardiola

u ocho o más puntos consecutivos que caen por debajo de la línea
central.
— Ocho o más puntos consecutivos se mueven hacia arriba en valor u
ocho o más puntos consecutivos se mueven hacia abajo en valor.
La Teoría de las Graficas de Control

Ing. Leonel Molina Guardiola

Graficas de Control
 Para escoger el tipo correcto de Gráfico de Control dependemos del tipo
de información que se quiera controlar

Ing. Leonel Molina Guardiola

 Hay 2 tipos diferentes de información:

1. Variables o Información medible – Puede contener fracciones

2. Atributos – Son números enteros

 Pasa o No Pasa – Caso 1
 Información de Conteo – Caso 2

Nota: Se debe tener un buen análisis de causas cuando tratamos de mejorar

un proceso utilizando Gráficos de Atributo
Gráfica de control para la proporción
de artículos disconformes: Gráfica P
 Son utilizados cuando los elementos que son muestreados se clasifican de

Ing. Leonel Molina Guardiola

acuerdo a su conformidad o no con los requerimientos definidos
operacionalmente o las especificaciones.

p (1  p k

X
k
LSC  p  3
n  ni p i 1
i

LC  p n i 1
k

p (1  p
k n i
LIC  p  3 i 1
n
Xi = numero de elementos disconformes en el subgrupo i.
ni = tamaño de muestra (o subgrupo) para el subgrupo i.
Pi = X/n = proporción de elementos disconformes en el subgrupo i.
K = numero de subgrupos seleccionados.
= tamaño promedio del subgrupo.
= proporción estimada de elementos disconformes.
Gráfica P
 Los siguientes datos lista el numero y proporción de habitaciones disconformes
para cada día durante el periodo de 4 semanas HOTEL1.

Ing. Leonel Molina Guardiola

Habitaciones Habitaciones Habitaciones Habitaciones
Día Estudiadas no reparadas Día Estudiadas no reparadas
1 200 16 15 200 18
2 200 7 16 200 13
3 200 21 17 200 15
4 200 17 18 200 10
5 200 25 19 200 14
6 200 19 20 200 25
7 200 16 21 200 19
8 200 15 22 200 12
9 200 11 23 200 6
10 200 12 24 200 12
11 200 22 25 200 18
12 200 20 26 200 15
13 200 17 27 200 20
14 200 26 28 200 22

a. Construya una grafica P.

b. Se encuentra este proceso en estado de control estadístico?
Gráfica P

Ing. Leonel Molina Guardiola

Gráfica P de Habitaciones no reparadas

0.14 LCS=0.1411

0.12

0.10

Proporción
_
0.08 P=0.0827

0.06

0.04

LCI=0.0243
0.02
1 4 7 10 13 16 19 22 25 28
Muestra
Gráfica de Control para el Rango y la Media
 La grafica -barra mide la media en subgrupos cada uno de tamaño n para k
periodos de tiempo consecutivos.
 Limites de control para la grafica -barra:

Ing. Leonel Molina Guardiola

k

R i
LSC  X  A2 R R i 1
k
LC  X k

LSC  X  A2 R X i

X i 1
k
A2 = Factor constante (tabla E.10)
= Rango Promedio de n observaciones
-barra = la media de las medias de cada subgrupo
Gráfica de Control para el Rango y la Media
 Se usan para monitorear y analizar un proceso cuando tiene datos
numéricos. Las gráficas de control generalmente se usan en parejas, una
mide la dispersión y otra el promedio del proceso.

Ing. Leonel Molina Guardiola

— La Gráfica R mide la dispersión a través del rango en muestras iguales o
menores a 10 elementos.
— Limites de control de la grafica R:

LSC  D4 R
LC  R
LIC  D3 R
D3, D4 = Factor constante (tabla E.10)
= Rango Promedio de n observaciones
Grafica X-barra y Rango
 Ejercicio 14.13 Pag. 526
El gerente de almacén de una empresa telefónica local esta implicado en un proceso
que recibe tableros de circuitos muy caros y los regresa al centro de abastecimiento

Ing. Leonel Molina Guardiola

para que puedan reutilizarse posteriormente. El procesamiento veloz de estos
circuitos es de vital importancia para brindar un buen servicio a los clientes y para
reducir el gasto de capital. Los datos en el archivo WAREHSE representan el numero
de tableros de circuitos procesados por día para cada uno de los subgrupos de cinco
empleados a lo largo de un periodo de 30 días.
a. Construya grafica de control para la media y rango.
b. Esta este proceso bajo control?
 Grafica X-barra y Rango

Ing. Leonel Molina Guardiola

Grafica X-barra y Rango
Gráfica Xbarra-R de 1, ..., 5
400
LC S =355.3

Ing. Leonel Molina Guardiola

Media de la muestr a

300

_
_
200 X=198.7

100

LC I=42.0
0
1 4 7 10 13 16 19 22 25 28
M uestr a

600
LC S =574.2
Rango de la muestr a

450

300 _
R=271.6

150

0 LC I=0
1 4 7 10 13 16 19 22 25 28
M uestr a