CONTROL DE CALIDAD

EMAIL:cgonzales1@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 SANGUESA M, MATEO R, ILZARBE L. Teoría y

COMPLEMENTARIA
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
 CONTROL DE LA CALIDAD:

Inspección y especificaciones técnicas - Diseño

Supervisión de trabajadores calificados

Instalación y servicio del producto

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

El control de la calidad no es responsable

de la calidad del producto...................
El Control Especificaciones de lo que se necesita.
de Calidad
implica
integrar las
siguientes Diseño del producto o servicio, para cumplir las
técnicas y especificaciones
actividades:

Producción o instalación que cumplan todas las

intenciones de las especificaciones.

Inspección para determinar la conformidad con las

especificaciones

Examen del uso (evaluación), para obtener

información para modificar las especificaciones, si es
necesario.
Función esencial del carácter preventivo.
control de calidad
Control de recepción

Equipo

Para verificación dimensional

Control de materiales
USO DEL CONTROL DE CALIDAD

Industrias Electrónica para el consumidor,

orientadas a:
computadoras ,

generadores eléctricos a productos

pasteleros, farmacéuticos y de destilación.

Servicios

Cuidado médico y administración hotelera.

etc
ASEGURAMIENTO “Actividades planificadas y sistemáticas
DE LA CALIDAD: 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 -Trilogía de la Calidad
Ishikawa - Ingenierìa de procesos, 7
1985 herramientas de calidad
Misuno desarrolla el control de la calidad
1988 (CWQC)
Administración por la Calidad Total(TQM); uso
1990 de Seis Sigma
 NORMAS DEL CONTROL DE CALIDAD
EN EL PERU

Mejora las aumenta la

condiciones, porque: producción,

ocasiona facilidades de
venta en los mercados
internacionales,
mejoras en la producción,
calidad y regularidad.

reducir los rechazos y desperdicios,

Al productor le reducción de los costos de producción,
permite: aumentos en las ventas,
reducción de los gastos de administración y;

permite una organización de las

operaciones desde la materia prima hasta
el producto terminado.
EJERCICIO

Visite una de la siguientes organizaciones. Determine

cómo definen la calidad y cómo la controlan.
a. INDECOPI
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 DE CALIDAD

Físicas: Mecánicas

Sensoriales: relacionada con todos los sentidos

De cortesía, veracidad, éticas etc.

comportamiento:

De tiempo: Puntualidad, fiabilidad, o confiabilidad,

disponibilidad etc.

bases sobre las cuales se

edifica la aptitud de un producto
 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
 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
 PROYECTOS DE MEJORA

Metodología que aplica el ciclo de Deming (PHVA) a

una situación dada, de modo que en el tiempo se
logren mejoras sustantivas en los procesos.
 PROCEDIMIENTO
“Mejora Continua”
Identificar las oportunidades de mejora continua
para enriquecer los resultados del sistema de
calidad basándose en los procesos estables y
capaces ya existentes y controlar su aplicación.
 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 Capitulo1. Conceptos Control estadístico de
Obligatoria la calidad y seis sigma.
básicos de la calidad
y la producividad.pp4- Humberto Gutierrez
13. Pulido. Mc Graw Hill.
Education .2013

Capitulo1 El CONTROL
mejoramiento de ESTADÍSTICO DE LA
Calidad en el CALIDAD. Douglas C.
ambiente moderno de Montgomery. Grupo
Editorial Limusa Wiley
los negocios. pp1-36 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

¿En qué fases del proceso productivo

puede aplicarse los métodos
estadísticos de control de calidad?
¿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
DEFINICIÓN DE POBLACIÓN Y MUESTRA

MUESTRA: Es un número limitado de artículos tomados

de una fuente más grande.

POBLACIÓN: Es una fuente grande de artículos de donde

se toma una muestra.
VARIABLES DE UN PROCESO
Variable de Son las que definen las Temperatura,
Entrada (X): condiciones de operación del velocidad,
proceso, y del valor de ellas
depende la eficacia del presión,
proceso. cantidad y/o características de
algún insumo o material, etc.
Variable de Son las que reflejan los
Salida (Y): resultados obtenidos por el
proceso..

Por lo general son las características de la calidad del producto que se

obtienen con el proceso.

Otras variables humedad relativa del medio ambiente,

que influyen
en el proceso: habilidad de un operario,

método de trabajo, etc.

TIPOS DE Son aquellas en Tipo de producto.
VARIABLES Cualitativas o donde las Ensamblado/No
de atributos: características que ensamblado.
se estudian no son
numéricas.
Nombres de los
clientes, etc.

Cuantitativas o Son aquellas Peso de un lote.

continuas: cuyas
características
pueden Número de
registrarse productos
defectuosos.
numéricamente
. Número de
clientes
atendidos, etc.
Las Discretas: Son aquellas que N°. de Clientes atendidos.

continuas pueden adquirir

ciertos valores.
a su vez N°. de quejas.

se
clasifican N°. de artículos defectuosos por
lote.
en:
N°. de servicios de mantenimiento.

peso,
Continuas: Son aquellas que
pueden tomar volumen,
cualquier valor dentro voltaje,
de un intervalo
específico. Requieren longitud,

de un instrumento de resistencia, temperatura,

precisión para medir
humedad,

tiempo,

diversas dimensiones, etc.

Tiempo en que un cliente es

atendido.
¿Cómo
podemos Debemos Los datos que se
cuantificar recurrir a los recolectan para fines
Datos: de calidad se obtienen
estas por observación
variables? directa.

Reflejan además una

tendencia donde
pueden medirse
valores que reflejen
una variabilidad que
conduzcan a niveles de
excelencia en calidad.
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
Cuando se desea mejorar un proceso a fin de
elevar la calidad de un producto se hace necesario
buscar información que pueda conducirnos al logro
del objetivo;
Un plan de mejora de la calidad debe tomar en
cuenta la variabilidad ¿Por qué?

En un proceso interactúan factores tales como los

materiales, maquinas, mano de obra, mediciones,
medio ambiente y métodos.
 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
USOS DEL HISTOGRAMA EN EL CONTROL DE
CALIDAD

1.- Valorar y verificar los procesos

2.- Indicar la necesidad de acción correctiva

3.- Medir los efectos de las acciones correctivas

4.- Comparar el compartimiento de las máquinas.

5.- Comparar los materiales

Interpretación ¿Hay un comportamiento simétrico?,
del histograma. ¿Hay Sesgo?,

¿Hacia qué lado?

¿Está centrado el proceso?

 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
En una fábrica de piezas de asbesto una 1-¿Qué tipo de láminas en
característica importante de calidad es el cuanto a grosor se están
espesor o grosor de las láminas. Para produciendo?
cierto tipo de lámina, el espesor óptimo
es de 5 mm, y se establece como
discrepancia tolerable a 0.8 mm, ya que si
la lámina tiene un grosor menor que 4.2 2-¿El grosor medio es
mm se considera demasiado delgada y no adecuado?
reunirá las condiciones de resistencia
exigidas por el cliente. Pero, si la lámina
tiene un grosor mayor que 5.8 mm,
entonces se gastara demasiado material
para su elaboración y elevarán los costos 3-¿La variabilidad del grosor es
del fabricante. Por lo tanto, es de suma mucha o poca?
importancia fabricar las láminas con el
grosor óptimo, y en el peor de los casos
dentro de las tolerancias especificadas.
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
EJERCICIO:
Ahora se pretende introducir
un nuevo método de Metodo_1 Metodo_2
abastecimiento a los (tradicional) (nuevo)
almacenes para disminuir las 895 895
mermas en grano(en Kg).
Para ello se realizará un
900 915
experimento en el cual se 910 910
proveerá a 10 almacenes con 915 890
el método tradicional y a 925 915
otros 10 con un nuevo
910 920
método.
Los datos de mermas por 890 920
almacén se muestran en el 895 905
sigte. cuadro: 910 900
920 910
a. Calcule las medidas estadísticas de tendencia
central, de dispersión y opine acerca de la merma en
cada método.
b. Realice un diagrama de cajas. ¿Qué es la más
destacado que observa?
c. Presenta 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
En una fábrica se asegura que el 30% de las
áreas reducen el consumo de energía eléctrica, al
realizar cambios en el sistema de iluminación.
Halle la probabilidad de que 2 de 5 áreas
reduzcan el consumo de energía eléctrica en las
áreas.
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 4
sean de alta calidad?
b. Cuál es la probabilidad de que por lo
menos 2 sean de alta calidad?
c. Cuál es la probabilidad de que 2
sean de calidad media?
d. Cuál sería el número esperado de
productos de alta calidad?
EJEMPLO

Un proceso de producción a. Calcule la probabilidad de que el

de partes trabaja con un proceso se detenga debido al
porcentaje promedio de esquema de muestreo.
defectos de 5 %. Cada
hora se toma una muestra
aleatoria de 10 artículos y
se prueban. Si la muestra b. ¿ Con la respuesta en a. el
contiene más de un esquema de muestreo es
defecto el proceso deberá adecuado o generará
detenerse. 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!
El promedio de solicitudes Calcular la media y
de servicio que recibe un desviación estándar de
departamento de las solicitudes de
mantenimiento en una servicio que recibe un
departamento en una
empresa por cada turno de empresa.
trabajo es 12.
¿Calcular la probabilidad
de que se reciban más
de 17 solicitudes?
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 3.000 m.
a) no contenga defectos;
b) contenga exactamente 3 defectos;
c) contenga menos de 7 defectos.
EJEMPLO

El número de fallas de un a) Cuál es la probabilidad de

instrumento de prueba que el instrumento no falle
debidas a las partículas en una jornada de 8 horas?
contaminantes de un
producto, es una variable
aleatoria de Poisson con b) Cuál es la probabilidad de
media 0.01 fallas por hora. 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

Una máquina que expende a. ¿Qué porcentaje de vasos

bebidas gaseosas está contendrá más de 180 ml?
calibrada de modo que
descargue un promedio de 150
mililitros por vaso. Si la b. ¿Cuál es la probabilidad de
cantidad de líquido está que un vaso contenga entre
140 y 170 ml?
distribuida normalmente con
una desviación estándar igual
c. Si se usan vasos de 160ml,
a 12 ml. ¿cuántos de los siguientes
900 vasos se derramarán?

d. ¿Bajo qué valor estará el

20% de los vasos con
menos contenido?
EJEMPLO

El volumen que una a) .Cual es la probabilidad de que el

maquina de llenado volumen depositado sea menor
automático deposita que 12 onzas de liquido?
en latas de una
bebida gaseosa tiene
una distribución b) Si se desechan todas las latas que
normal con media tienen menos de 12.1 o mas de
12.6 onzas de liquido, .cual es la
12.4 onzas de liquido proporción de latas desechadas?
y desviación estándar
de 0.1 onzas de
c) Calcule especificaciones que sean
liquido. simétricas alrededor de la media,
de modo que se incluya al 99%
de todas las latas.
 Ejemplo
El precio de venta de a) ¿Que porcentaje de artículos
cierto artículo, Y , sigue esperaras que se vendieran a
una distribución Normal mas de 550 n.s?
de media 500 nuevos
soles y desviación b) ¿Que precio dividirá el 10%
estándar 30 nuevos de los artículos mas baratos
soles. 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 a)¿Se distribuyen normalmente
seco tiene una máquina los pesos?
para llenar cajas que
después se venden por
peso. La máquina se b)¿Cuáles son las medias y las
reajusta dependiendo del desviaciones estándar del
tipo de cereal (hojuela, peso?
inflado), pero todas las
cajas se llenan con c) ¿Qué porcentaje de cada tipo
especificación de peso no cumplirá la especificación
de 16 onzas  0,05 onzas. del peso?
Se recopilaron datos a
través de varias corridas d)¿Recomendaría algún cambio
de los tipos de cereal. 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 (a) ¿Cuál es la probabilidad de

utiliza una envasadora que una botella individual
automática para rellenar contenga menos de
botellas de plástico. Cada 295ml?
botella debe contener 300ml
pero en realidad los
contenidos varían según una (b) ¿Cuál es la probabilidad de
distribución normal con que el contenido promedio
media de 298ml y desviación de las botellas en un
paquete de 6 contenga
estándar de 3ml. menos de 295ml?
TEOREMA Dada una v.a. cualquiera, si extraemos muestras de
DEL tamaño n, y calculamos los promedios muestrales, entonces:
LIMITE
CENTRAL 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 X2 (chi cuadrado)
problema: 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 a) Estima la duración media y la varianza.

determinada
componente b) Halla los correspondientes intervalos de
electrónica sigue una confianza para la media y la varianza
distribución normal. al 95 %.
Los resultados de una
muestra aleatoria de c) ¿Puede admitirse que la duración
esta clase de media de la componente electrónica es
de 1200 horas?( α= 0;05).
componentes son:
1200, 1350, 1275,
890, 1125, 1520, 1100 d) Con estos datos, habrá evidencias para
horas. contradecir lo que nos dice un experto
de que la desviación estándar no es
superior a 150? ( α= 0;05).:
EJEMPLO

De una máquina que fabrica piezas cilíndricas; se

selecciona una muestra aleatoria de piezas, cuyos
diámetros(en centímetros) son:

1.01 0.97 1.03 1.05 0.98 0.98 1.04

1.09 0.78 1.05 1.02 0.98 0.67 0.54
0.89 0.56 1.01 1.12 1.05 1.07 1.03

Estime el intervalo de confianza del 95% para el diámetro

promedio de piezas fabricadas, si la población está
distribuida normalmente.
EJEMPLO
Se recibe un lote de 5000 artículos provenientes de un fabricante
que asegura que el porcentaje de artículos defectuosos en la
producción es de 1,5%. Al seleccionar una muestra aleatoria de 250
artículos y después de inspeccionarlos, se descubren 12
defectuosos. Estimar el intervalo de confianza del 95% para la
proporción de
artículos defectuosos en el proceso de manufactura del fabricante
¿Qué se puede concluir en relación a la afirmación del fabricante?
EJEMPLO
Un Ingeniero encargado del control de calidad en una fábrica
está convencido que la balanza para pesar materia prima
varía según una desviación estándar de 1,8 libras. Con el fin
de someter a prueba el equipo se tomó una muestra de
pesos obteniendo los siguientes resultados:

104.1 110.2 109 103.3 108.1 107.6 105.7 111

104 108 109.6 103.2 105.7 108.7 109.7 103.6
107.5 105 109.7 108.5 104.8 108.7 109.8 105.9

a. Verificar la Normalidad.

b. Obtenga el intervalo de confianza del 90% para la varianza y

desviación estándar
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 Hipótesis Nula No existen diferencias significativas

entre nuestras observaciones y una
seguir: (H0) referencia o entre conjuntos de datos
Comprobación
de hipótesis
Hipótesis Si existen diferencias significativas
Alternativa (H1) entre nuestras observaciones y una
referencia o 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.
Un fabricante afirma que 256 261 239 255 242
la resistencia media de un
resistor de 240 W. Un 235 231 266 245 234
comprador pone a prueba
12 y observa los valores 266 241 256 234 267
siguientes:
¿ El lote cumple las especificaciones a un nivel de
significación del 5%?
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 44 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 12
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 95% de

confianza.

b. Hay evidencias estadísticas de que el porcentaje de

dispositivos defectuosos es superior al 2 %? ( α= 0;05
 Comparación de dos muestras
n < 30
Suposiciones: Dos muestras independientes (1 y 2) de Distribución
Aproximadamente Normal
Hipótesis Nula: H0: μ1= μ2

Hipótesis H1, dos colas: μ1 ≠ μ 2

Alternante: una cola: μ1 < μ2 y μ1 > μ2
Test estadístico: varianza mayor / varianza menor

(también test F: si Fcalculado > Fcritico : varianzas diferentes).

Relación : 1 (varianzas iguales):

x1  x2
t
1 1  n1  1 s12   n2  1 s22
sp  sp 
n1 n2 n1  n2  2
 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 La calidad de la pintura látex depende, entre
DOS otras cosas, del tamaño de partículas. Para
CENTRIFUGADORAS 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
4601 4271
4696 4326 Especifique las hipótesis necesarias,
4896 4618 y realice las pruebas respectivas que
4905 4779 respondan a: ¿existen diferencias
4870 4752 significativas entre centrifugadoras?
4987 4744
4644 3764
4806 3797
4561 4401
4626 4339
4924 4700
Una fábrica dedicada a la
fabricación de losetas para el
recubrimiento de naves A B
espaciales recibe el encargo de 54.6 58.9
una empresa muy importante
dedicada a la aeronáutica.
45.8 65.7
Dicha fábrica produce dos tipos 57.4 55.6
de losetas, A y B. Para saber 40.1 57.6
qué tipo de losetas preferirá la
empresa se hace una prueba 56.3 64.2
con 18 losetas (9 del tipo A y 9 51.5 60.8
del tipo B), introduciéndolas en 50.7 59.8
hornos a 10.000ºC y anotando
el tiempo transcurrido hasta su 64.5 59.0
rotura. Los resultados, en 52.6 50.3
horas, son los indicados en la
tabla adjunta.

¿Qué losetas preferirá la empresa?

¿Cómo se podría haber mejorado la precisión del experimento? ¿Por qué?

EJEMPLO

Una fábrica de pañales utiliza CANT.

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

6 2 14.6
 Comparación de dos muestras
relacionadas
Se desea saber si un
determinado plan de seguridad Planta
1 2 3 4 5 6
en el trabajo es efectivo en la ANTES 12 29 16 37 28 15
reducción del número de DESPUÉS 10 28 17 35 25 16
accidentes laborales y, por
tanto, en la pérdida de horas
de trabajo debido a
accidentes. Los siguientes a) Especificar las hipótesis
datos son las horas de trabajo necesarias.
semanales perdidas a causa
de accidentes en seis fábricas, b) ¿Se puede decir con estos
datos que el plan de seguridad
antes y después de implantar es efectivo?
el nuevo plan de seguridad.
¿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:
Qué características medir.

Qué elementos participarán.

Qué condiciones (experimentales) estudiar.

Qué materiales utilizar (procedimientos experimentales).

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 Proceso de medición.
VARIABILIDAD
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 Independencia
MODELO
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
S 
2
p 
 N  k  i 1
 ni  1 Si2
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,
según el procedimiento empleado 2.6 3.2 2.6
sea A, B o C. Suponga que la
recolección de los datos se ha 2.5 3.1 2.5
aleatorizado convenientemente y no
existe otro factor alguno que ejerza 3.1 3.5 2.7
el mismo tipo de influencia para 2.6 3.4 2.7
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 lineal PAÑAL LAB. ABSOR.(g)
para este experimento. indique las 1 1 15.5
suposiciones del modelo.¿Se
cumplen los supuestos? 2 1 15.2
3 1 14.6
C.¿Cuál es la variabilidad entre 4 2 16.0
laboratorios? (Cantidad
absorbida.) 5 2 15.6
6 2 14.6
7 3 14.5
D.¿Cuál es la variabilidad entre
pañales? 8 3 15.8
9 3 15.9

E. ¿Qué se deduce de la
comparación entre estas dos
variabilidades?
 Lecturas recomendadas

Control estadístico Capitulo 2. capacidad de procesos

de la calidad y seis I:Estadística Descriptiva
sigma. Humberto Capitulo 3.Introducción de Probabilidad
Gutiérrez Pulido.
Mc Graw Hill.
Capitulo 4.Inferencia estadística
Education .2013

Control Capitulo 2:Modelado de la Calidad del

Estadístico de la Proceso. pp 39 -77
Calidad.
Montgomery D. Capitulo 3: Inferencias sobre la Calidad de
Tercera edición. un proceso. pp 83 -149
2010