Ejemplo de Diagrama de Pareto

Un inspector que trabaja para un fabricante de ropa investiga las fuentes de defectos de la
ropa para definir la prioridad de los proyectos de mejora. El inspector da seguimiento al
número y tipo de defectos en el proceso.

Un ingeniero crea un diagrama de Pareto para priorizar los defectos que encontró el
inspector.

1. Abra los datos de muestra, DefectoRopa.MTW.

2. Elija Estadísticas > Herramientas de calidad > Diagrama de Pareto.
3. En Defectos o datos de atributos en, ingrese Defecto.
4. En Frecuencias en, ingrese Conteo.
5. Seleccione Combinar defectos restantes en una categoría después de este
porcentaje e ingrese 95.
6. Haga clic en Aceptar.

Interpretar los resultados

En este ejemplo, 45.2% de los defectos son botones faltantes y 23.3% son errores de
puntadas. El porcentaje acumulado de botones faltantes y errores de puntadas es 68.5%.
Por lo tanto, la mayor mejora a todo el proceso se podría lograr resolviendo los problemas
de botones faltantes
y puntadas.
Ejemplo de hoja de Comprobacion
“Su compu aquí” es un negocio que presta servicio técnico a computadores. El dueño ha
decidido caracterizar el tipo de errores que se presentan, su frecuencia y el número de
errores que puede solucionar un técnico por periodo de tiempo. Veamos cómo lo hizo.

Paso 1:

● Qué: Clasificar los defectos de tienen los clientes en su computador y la

eficacia en la solución por parte del personal.
● Por qué: Prestar un mejor servicio de acuerdo al tipo de defecto y capacitar al
personal nuevo en los defectos más frecuentes.
● Cuándo: Los datos se tomarán por tres semanas.
● Dónde: Los datos se tomarán en el salón de reparaciones.
● Quién: Los datos serán tomados por el ingeniero de producto y se evaluarán
tres técnicos.
● Cómo: Los datos serán tomados a través de hojas de chequeo, según la
siguiente clasificación:
○ Una cruz: Defectos en la board
○ Un circulo: Defectos en el monitor
○ Un triángulo: Defectos de ventilación
○ Una equis: Defectos por software o de virus
● Cuánto: Se tomarán los datos de 50 clientes o hasta que se cumpla el tiempo
estipulado.

Paso 2:

Fíjate en lo definido en el paso 1. Requerimos clasificar datos según la semana, la parte del
computador y el número de servicios prestados por cada técnico. Podemos adaptar varios
tipos de hojas de verificación. ¿Qué te parece esta?

Ejemplo de formato de
hoja de verificación
Paso 3: Y así luce el formato diligenciado. Con esto podemos determinar el número de
servicios según la clasificación definida, cuántos servicios realizó cada técnico y la semana
en que lo hicieron.

Ejemplo resuelto hoja de chequeo

Con estos datos ya podemos tomar decisiones respectivas o adelantar otros estudios con
otras herramientas de análisis y priorización de problemas. Por ejemplo,…

● ¿Por qué el técnico 2 no tiene el mismo rendimiento que el técnico 1 y el 3?

● ¿Cuánto tiempo toma realizar las reparaciones de cada tipo?
● ¿Qué puedo hacer para hacer más rápido las reparaciones de monitor?

Ejemplo de histograma
Vamos a considerar que, una empresa de búsqueda de empleo ha decidido hacer un
estudio del tiempo que se demoran sus asesores con cada usuario.

Paso 1: Para este estudio, se tomó el tiempo en minutos de asesoramiento con 50 usuarios.
Tiempo en minutos por usuario

Paso 2: Determinamos el rango. El valor más grande es 15,48 y el más pequeño es 8,58.

15,48-8,58=6,9

Paso 3: Calculamos el número de intervalos de clase (K). Lo hacemos con la fórmula de

raíz cuadrada del número de datos.

K=7,07

Lo redondeamos al entero más cercano: 7

Paso 4: Calculamos la amplitud o ancho del intervalo. Es la división del rango (paso 2) entre
el número de intervalos (paso 3)

El resultado es: 0,99. Bien podemos redondearlo a 1 o mantenernos en 0,99. Como el

ejemplo lo estoy elaborando con la plantilla de histograma en excel, lo dejaré en 0,99.

Paso 5 y paso 6:

Definimos las clases sumándole al valor más pequeño, el ancho del intervalo hasta que
obtenga 7 intervalos de clase, justo allí deberá estar el valor más grande de mis datos. A
continuación, agrupamos cada valor dentro del intervalo de clase, o dicho de otra forma,
determinamos la frecuencia. El resultado es el siguiente:

Paso 7: Construimos el histograma.

Personalmente prefiero ubicar en el eje x la marca de clase

y no los intervalos de clase. La marca de clase es el
resultado de sumar el límite superior e inferior del intervalo y dividirlos por dos. El resultado
no afecta la forma del histograma.

Además, me gusta junto al histograma trazar el polígono de frecuencias, que no es más que
conectar con rectas la parte superior de cada columna, justo en la mitad. Esto da una mejor
idea de la forma de distribución del histograma.

El resultado del ejercicio resuelto del histograma es el siguiente:

Ejercicio resuelto de histograma

Ejemplo Gráfica de Control

Todos los días se tomaban muestras de las formas llenas, de un departamento en

particular, en una compañía de seguros para revisar la calidad del desempeño de
ese departamento. Con el fin de establecer una norma tentativa para el
departamento, se tomó una muestra de 300 unidades al día (n=300) durante 10
días, obteniendo los siguientes resultados:

Desarrolle una gráfica de proporciones o

gráfica p utilizando un intervalo de confianza de un 90% para las 10 muestras
recolectadas. ¿Qué comentarios puede hacer sobre el proceso?. ¿Qué sucede ahora
si los límites de control se definen a un σ del promedio de defectos?.
En primer lugar calculamos el promedio de unidades defectuosas para cada una de
las muestras (celdas color celeste). Por ejemplo la muestra 1 presenta 10 defectos
(de un total de 300 unidades inspeccionadas), en consecuencia el porcentaje de
defectos de dicha muestra corresponde aproximadamente a un 3,33% (10/300).
Luego se obtiene el promedio de unidades defectuosas del total de las muestras
(celda amarilla) correspondiente a un 3,03% (se obtiene de [3,33%+2,67%
+3,00%+…+2,67%]/10).

A continuación se procede con la estimación de la desviación estándar (Sp):

De la tabla de la distribución normal estándar un intervalo de confianza de un 90%

equivale a definir los límites de control a 1,645*Sp. Con esto podemos calcular el
Límite de Control superior (LCS) y Límite de Control Inferior
(LCI)respectivamente (notar que los resultados han sido aproximados).

● LCS = 3,03% + 1,645*0,9896% = 4,66%

● LCI = 3,03% – 1,645*0,9896% = 1,40%

A continuación y con la ayuda de Excel se procede a graficar los límites de control

(líneas verdes y violeta), el promedio de unidades defectuosas de cada una de las
muestras (línea azul) y el promedio de defectos total (línea roja). El proceso se
encuentra bajo control estadístico. Los promedios de defectuosos se encuentran
dentro de los límites de control estadístico.

Ejemplo de diagrama de dispersión

Vamos a ver desde una problemática empresarial, un ejemplo resuelto de diagrama de
dispersión para el área de calidad.

Imagina que una litográfica está abriendo una nueva área de producción para la impresión
de posters, y en este momento se encuentra haciendo todos los ensayos y pruebas para
determinar la cantidad de tinta de cada color que deberían tener las maquinas.

Como prueba inicial, han decidido establecer la relación de errores de impresión según el
grado de llenado de los recipientes de tinta de la máquina.

Bien, definida la situación, iniciamos desde el paso 2:

Las variables a estudiar para este ejemplo de grafico de dispersión en calidad son:

● Cantidad de tinta en litros

● Número de errores de impresión

Para el paso 3, comenzamos a recolectar las variables. En nuestro caso, el departamento

de control de calidad hace 50 corridas o pruebas durante 5 días continuos.
Los resultados, a continuación:

Cantidad de errores según el grado

de tinta Ejemplo resuelto de diagrama de dispersión

Para el paso 4 ubicamos los ejes según las variables que tenemos. Al estar el número de
errores influenciado por la cantidad de tinta, lo ubicamos como el eje y. Por consiguiente, el
eje x es la cantidad de tinta. Ahora sí, hacemos el gráfico de dispersión.

Paso 5: Determinamos el coeficiente de correlación. En excel lo calculamos con la formula

COEF.DE.CORREL. Para nuestro ejemplo resuelto, obtenemos 0,94, ¿se ve esto reflejado
en el gráfico? Por supuesto que si, fíjate que los puntos están muy cerca unos de los otros,
lo que indica que los valores se correlacionan fuertemente, es decir que la relación entre un
aumento en los litros de tinta, impacta directamente en el número de errores en la impresión
de posters. De hecho se hace evidente si miramos la tabla, no hay grandes saltos entre
datos si miramos el número de errores.

Paso 6: Analizamos. Evidentemente hay una

relación positiva fuerte entre la cantidad de
tinta con la que se carga el tubo de la máquina
y el número de errores generados en la
impresión de los posters. Un paso siguiente
para un problema de este tipo, sería buscar la
forma de aprovechar la capacidad restante de
la máquina, por ejemplo usar más tubos y más
pequeños.
Ejemplo de Histograma

El histograma permite reconocer y analizar patrones de comportamiento en la información

que no son aparentes a primera vista.