Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EMAIL:cgonzales1@usmp.edu.pe
EVALUACIÓN
Mecanismos
Acciones
Detección de
presencia de
errores
Herramientas
CONTROL DE LA CALIDAD:
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.
Equipo
Control de materiales
USO DEL CONTROL DE CALIDAD
Servicios
ocasiona facilidades de
venta en los mercados
internacionales,
mejoras en la producción,
calidad y regularidad.
Físicas: Mecánicas
CARACTERISTICA DE CALIDAD
PRODUCTO SERVICIO
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
… …
MEJORA CONTINUA
Pensamiento Tradicional
Precio
Aumento
de Precio Precio
Ganancia
Ganancia
Costo Costo
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
1
4
ACTUAR PLANEAR
VERIFICAR HACER
2
3
MEJORA CONTINUA DE LA
A P
CALIDAD V H
VERIFICAR
A
P EVALUAR
V H Documentar y definir nuevos proyectos.
ACTUAR
GENERALIZAR Y PRINICIPIAR DE
NUEVO
Verificación y mejora continua
VERIFICAR HACER
Verificar:
La satisfacción del cliente.
La conformidad con los requisitos del producto.
Los indicadores de procesos
Los proveedores
PROYECTOS DE MEJORA
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
DISEÑO
PRODUCTO
FINAL
PRODUCCION
• Evolución de la Calidad
Papel de la
estadística
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,
tiempo,
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.
1 2 9
12 3 01444558999
25 4 1222233345899
25 5
25 6 8
24 7 0356678888
14 8 0012224445567
1 9 1
¿Qué es?
¿Cuándo se utiliza?
¿Cómo se utiliza?
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
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:
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%
25%
20%
15%
10%
5%
0%
0 1 2 3
Continuas
Ejemplo
• Distribución de los pesos de cierto producto.
• 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 nk
• Función de probabilidad P[ X k ] p q , 0 k n
k
• 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 a. ¿Cuál sería la probabilidad de que 4
sean de alta calidad?
producto se califica como: alta,
b. Cuál es la probabilidad de que por lo
media y baja, de manera que el 70 menos 2 sean de alta calidad?
% son de alta calidad, el 20 % de
c. Cuál es la probabilidad de que 2
calidad media y el 10 % baja. Si sean de calidad media?
seleccionamos 10 productos d. Cuál sería el número esperado de
aleatoriamente, productos de alta calidad?
EJEMPLO
D N D
• Función de probabilidad
x n x
P[ X x] , x 0,1,2,.....,min(n, D)
N
n
D
• Media: n
N
D D N n
• Varianza: 2 n 1
N N N 1
EJEMPLO
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
Es decir:
x
z
Ejemplo
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
• La función de densidad es
asimétrica positiva. Sólo
tienen densidad los valores
positivos.
T de student
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
Media
Proporción
Varianza, etc
INTERVALOS DE CONFIANZA
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
a. Verificar la Normalidad.
PRUEBA DE HIPÓTESIS:
Validez Tests
Estadísticos
TIPOS DE ERRORES
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)
x o
t
s
n
Ejemplo
4035 3974 3949 4009 3969 3970 3955 4034 3969 3991
3928 4024 4017 3983 3979 3997 3984 3964 3995 3988
N° de dispositivos defectuosos: 0 1 2 3
N° de lotes: 84 15 1 0
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
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.
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
(Factores controlable
Factores no
controlables)
1 2 3 .. t
..
..
Resultados n Ytn
Media
MODELO ADITIVO LINEAL
Yij i ij i ij
Homogeneidad de varianzas
Estimación de Efectos
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
j 1 rj
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?.
E. ¿Qué se deduce de la
comparación entre estas dos
variabilidades?
Lecturas recomendadas