RESUMEN DE CONTROL EXAMEN I PARCIAL

HISTOGRAMA
Es una gráfica de barras que permite describir el comportamiento de un
conjunto de datos en cuanto a su tendencia central, forma y dispersión.
Construccion de histograma

PASO 1: Determine el rango de los datos.

R = Dato máximo – Dato mínimo
PASO 2: Obtenga el número de clases.
K = √n
Un criterio usado frecuentemente es que el número de clases debe ser
aproximadamente igual a la raíz cuadrada del número de datos.
PASO 3: Establecer la amplitud de la clase.
A= Rango = R
Número de Clase k
PASO 4: Construir los límites de clase.
LI = Valor mínimo – ½ (U) = Límite inferior
U = Unidad mínima de trabajo de datos
LS = LI + A = Límite Superior
PM = LI + LS = Punto medio
2
PASO 5: Obtenga la distribución de Frecuencia.
PASO 6: Graficar el Histograma e interpretarlo.

Interpretacion del Histograma

1. Simetría
2. Dispersión
3. Centramiento del Proceso
4. Picos
5. Datos aislados o raros

CAPITULO 8

ESTADISTICA DESCRIPTIVA: LA CALIDAD Y LA VARIABILIDAD

Obtención de datos
Cuando se quiere tomar una decisión importante, como resolver de raíz un
problema, es necesario tener información que permita identificar cuándo,
dónde y en qué condiciones se da tal problema; es decir, se debe encontrar
su regularidad estadística y sus fuentes de variabilidad. Por desgracia, la
práctica de obtener información antes de actuar, corregir o decidir no es tan
socorrida. Los hábitos y las inercias imperantes en muchas organizaciones
las llevan a actuar con la experiencia, con corazonadas, intuiciones,
tradiciones y con base en el método de prueba y error.

Antes de obtener información sobre un problema o una situación, lo que se

debe tener muy claro y delimitado es el objetivo que se persigue y el
tiempo y los recursos de que se dispone para abordar dicho problema. No
hacer lo anterior conduce, con frecuencia, a que la información que se
obtiene no ayude a responder las interrogantes que se tienen y, en última
instancia, a tomar decisiones erróneas.

Una vez localizado el problema, definidos los objetivos perseguidos e

identificado el tipo de información que se necesita, surgen entre otros los
siguientes problemas: cómo obtener tal información, en qué cantidad y
cómo analizarla. Para estas tres cuestiones no existe una única respuesta
que se pueda consultar en un manual o en una tabla. La respuesta la
proporciona esencialmente la estadística a partir del conocimiento del
objeto de estudio (problema), del tipo de acción o decisión que se desee
tomar y de los recursos y el tiempo de que se dispone para abordar el
problema.

La variabilidad y el pensamiento estadístico

La variación es parte de nuestra vida diaria: el tiempo o que tardamos de
nuestra casa a nuestro trabajo o escuela es diferente de una día a otro; la
temperatura del ambiente es diferente de una hora a otra; lo dulce de una
bebida preparada en casa es diferente de un día a otro aunque
aparentemente se preparó igual, etc. Esta variación que ocurre en nuestras
vidas, también ocurre en los resultados de los procesos, ya que son
generados por la interacción de materiales, máquinas, mano o mente de
obra (gente), mediciones, medio ambiente y métodos. Estos seis elementos,
las 6 M, determinan de manera global todo proceso, y cada uno aporta parte
de la variabilidad (y de la calidad) de los resultados de un proceso, como se
esquematiza en la fi gura 8.2. Por lo que si hay algún cambio signifi cativo
en el desempeño del proceso, la razón de tal modifi cación se encuentra en
una o más de las 6 M.

Pensamiento estadístico

Lo que se acaba de explicar son aspectos fundamentales del pensamiento

estadístico, que es una filosofía de aprendizaje y acción basada en los
siguientes principios: 1) todo el trabajo ocurre en un sistema de procesos
interconectados; 2) la variación existe en todos los procesos, y 3) entender
y reducir la variación son claves para el éxito. Se considera que es una fi
losofía de aprendizaje y acción que relaciona la forma en la que la gente
toma información del proceso (aprendizaje) y también la manera en la que
responde a esto (acción). Es decir, si la estadística se utiliza
adecuadamente, es posible conocer y aprender de la realidad, pero esto no
debe quedar ahí, sino que se tiene que actuar en consecuencia a ese nuevo
aprendizaje.

1. En el primer principio se habla de procesos interconectados para

enfatizar que los procesos no operan de manera aislada, más bien
interactúan con el resto del sistema. De tal forma que si no se toma
en cuenta el modo en el que se relaciona un proceso con el resto del
sistema, la optimización de una de las partes puede tener un efecto
negativo para el resto del sistema (vea capítulo 3).
2. El segundo principio reconoce que los resultados de todos los
procesos son variables, lo cual ya se explicó y quedará en evidencia a
lo largo del libro.

3. El tercer principio es una de las razones y objetivos principales de la

mejora: reducir la variabilidad hasta lograr niveles de excelencia en
calidad, como el nivel de calidad Seis Sigma (vea el capítulo 16).

4. El reto es que en una organización se logre profundizar en la

filosofía del pensamiento estadístico para conocer la realidad tal
como es (con variación), pero también le permitirá direccionar mejor
sus esfuerzos de mejora. La fi gura 8.3 muestra la forma en la que el
 pensamiento estadístico puede ayudar en los diferentes niveles de
una organización.

- ESTRATEGICO
- DIRECTIVO
- OPERACIONAL

Medidas de tendencia central

Con las mediciones de una característica de calidad de tipo cuantitativo,
como las del ejemplo 8.1, el primer aspecto a investigar es la tendencia
central de los datos para cada marca de azúcar, es decir, identificar un valor
en torno al cual los datos tienden a aglomerarse o concentrarse. Esto
permitirá saber si el proceso está centrado; es decir, saber si la tendencia
central de la variable de salida es igual o está muy próxima a un valor
nominal deseado (en el ejemplo, el valor nominal es 500 gramos). En
seguida veremos tres medidas de la tendencia central: la media, mediana y
moda.

Media muestral
Suponga que x1 , x2 , x3 , ... , xn son las observaciones numéricas de una
muestra, entonces la medida más usual de tendencia central es la media (o
promedio) muestral, que es igual a la media aritmética de todos los datos:

Es decir, la media muestral se obtiene sumando todos los datos, y el

resultado se divide entre el número de datos (n). Por ejemplo, los siguientes
datos representan el sueldo semanal de siete trabajadores de cierta área de
una empresa:

Entonces x 5 1 200, por lo que el sueldo promedio de los trabajadores es de

1 200 pesos. Es claro que esto no quiere decir que todos o la mayoría de los
trabajadores ganen 1 200 pesos, es más, en el ejemplo nadie gana tal
cantidad.

Mediana o percentil 50
Otra medida de tendencia central de un conjunto de datos es la mediana, x ,
que es igual al valor que divide a la mitad los datos cuando éstos están
ordenados de menor a mayor. Para calcular la mediana cuando el número
de datos es impar, los datos se ordenan de manera creciente y el que quede
en medio de dicho ordenamiento será la mediana; y si el número de datos
es par, entonces la mediana se calcula dividiendo entre dos la suma de los
números que están en el centro del ordenamiento. Así, los datos que son
menores o, a lo más, igual que la mediana x constituyen 50% de los datos;
mientras que los que son mayores o iguales son el restante 50%. Por ello la
mediana también se le conoce como el percentil 50.

Moda
Otra medida tradicional de la tendencia central de un conjunto de datos es
la moda, que es igual al dato que se repite con más frecuencia. En el caso
de los sueldos de los trabajadores la moda es 1 100. De aquí se desprende
que no siempre la media es el dato más frecuente, ya que en este caso la
media es 1 200, y no 1 100.

Medidas de dispersión o variabilidad

Además de la tendencia central de un conjunto de datos, es necesario
conocer qué tan diferentes son entre sí, es decir, es importante saber su
variabilidad (o dispersión). Esto es un elemento vital en el análisis
estadístico de un conjunto de datos, particularmente cuando se quiere hacer
un estudio de capacidad de un proceso. En seguida veremos cuatro formas
de medir la variabilidad.

La desviación estándar muestral es la medida más usual de variabilidad e

indica qué tan esparcidos están los datos respecto a la media; se denota con
S y se calcula mediante la siguiente expresión:

Desviación estándar poblacional o del proceso, s. Si para calcular la

desviación estándar se utilizan todos los elementos de la población o
proceso, entonces se obtiene la desviación estándar poblacional y se denota
por la letra griega sigma, s.

Interpretación del histograma

Cuando un histograma se construye de manera correcta, es resultado de un
número sufi ciente de datos (de preferencia más de 100), y éstos son
representativos del estado del proceso durante el periodo de interés. Se
recomienda, entonces, considerar los siguientes puntos en la interpretación
del histograma.
1. Observar la tendencia central de los datos. Localizar en el eje
horizontal o escala de medición las barras con mayores frecuencias. En el
histograma de la fi gura 8.6, las mediciones más comunes se encuentran
entre 4.2 y 5 mm.
2. Estudiar el centrado del proceso. Para ello, es necesario apoyarse en el
punto anterior y observar la posición central del cuerpo del histograma
respecto a la calidad óptima y a las especificaciones, si las hay. Por
ejemplo, en la fi gura 8.6 el proceso poca variabilidad, mientras que el
inciso f ) muestra un proceso descentrado con mucha variabilidad.
3. Examinar la variabilidad. Para esto hay que observar, a partir del
grupo de barras más alto, qué tan rápido disminuye la frecuencia de las
demás barras; por ejemplo, en la fi gura 8.7a) se aprecia un histograma con
poca dispersión y en la 8.7b) uno con mucha.
4. Analizar la forma del histograma. La forma de campana es la forma de
la distribución que más se presenta en la práctica
5. Datos raros o atípicos. Una pequeña cantidad de mediciones muy
extremas o atípicas son fácilmente identificadas mediante un histograma,
debido a que aparece una o más barras pequeñas bastante separadas o
aisladas del resto.
6. Estratificar. En ocasiones, en el histograma no se observa ninguna
forma particular, pero hay mucha variación y, en consecuencia, la
capacidad del proceso es baja.

CAPITULO 12
Diagrama de causa-efecto (Ishikawa) y diagramas de procesos

Diagrama de causa-efecto
Una vez que queda bien defi nido, delimitado y localizado dónde se
presenta un problema importante, es momento de investigar sus causas.
Una herramienta de especial utilidad para esta búsqueda es el diagrama de
causa-efecto o diagrama de Ishikawa: 1 un método gráfico mediante el cual
se representa y analiza la relación entre un efecto (problema) y sus posibles
causas. Existen tres tipos básicos de diagramas de Ishikawa, los cuales
dependen de cómo se buscan y se organizan las causas en la gráfica.

Método de las 6M
El método de construcción de las 6M es el más común y consiste en
agrupar las causas potenciales en seis ramas principales (6M): métodos de
trabajo, mano o mente de obra, materiales, maquinaria, medición y medio
ambiente. Como se vio en el capítulo 8, estos seis elementos definen, de
manera global, todo proceso, y cada uno aporta parte de la variabilidad del
producto final, por lo que es natural esperar que las causas de un problema
estén relacionadas con alguna de las 6M. La pregunta básica para este tipo
de construcción es: ¿qué aspecto de esta M se refleja en el problema
analizado? Más adelante se da una lista de posibles aspectos para cada una
de las 6M que pueden ser causas potenciales de problemas en manufactura.
- Mano de obra
- Material
- Metodo
- Maquina
- Medio ambiente
- Mediciones
Algunas de las ventajas del uso del diagrama de Ishikawa son las
siguientes:
 Hacer un diagrama de Ishikawa (DI) es un aprendizaje en sí (se logra
conocer más el proceso o la situación).
 Motiva la participación y el trabajo en equipo, y les sirve de guía
para la discusión.
 Las causas del problema se buscan activamente y los resultados
quedan plasmados en el diagrama.
 Muestra el nivel de conocimientos técnicos que se han logrado sobre
el proceso.
 Señala todas las posibles causas de un problema y cómo se
relacionan entre sí, con lo cual la solución se vuelve un reto y se
motiva así el trabajo por la calidad.
  Puede aplicarse secuencialmente para llegar a las causas de fondo de
un problema

Mano de obra o gente

• Conocimiento: ¿la gente conoce su trabajo?
• Entrenamiento: ¿están entrenados los operadores?
• Habilidad: ¿los operadores han demostrado tener habilidad para el trabajo
que realizan? • Capacidad: ¿se espera que cualquier trabajador pueda llevar
a cabo de manera eficiente su labor?
• ¿La gente está motivada?, ¿sabe la importancia de su trabajo por la
calidad?

Métodos
• Estandarización: ¿las responsabilidades y los procedimientos de trabajo están defi
nidos clara y adecuadamente o dependen del criterio de cada persona?

• Excepciones: cuando el procedimiento estándar no se puede llevar a cabo, ¿existe un

procedimiento alternativo claramente definido?

• Definición de operaciones: ¿están definidas las operaciones que constituyen los

procedimientos?, ¿cómo se decide si la operación fue hecha de manera correcta?

La contribución a la calidad por parte de esta rama es fundamental, ya que por un lado
cuestiona si están defi nidos los métodos de trabajo, las operaciones y las
responsabilidades, y por el otro, en caso de que sí estén defi nidos, cuestiona si son
adecuados.

Máquinas o equipos
• Capacidad: ¿las máquinas han demostrado ser capaces de dar la calidad que se les
pide?

• Condiciones de operación: ¿las condiciones de operación en términos de las variables

de entrada son las adecuadas?, ¿se ha hecho algún estudio que respalde esta afirmación?

• ¿Hay diferencias?: al hacer comparaciones entre máquinas, cadenas, estaciones,

instalaciones, etc., ¿se identificaron grandes diferencias?

• Herramientas: ¿hay cambios de herramientas periódicamente?, ¿son adecuados?

• Ajustes: ¿los criterios para ajustar las máquinas son claros y se determinaron de forma
adecuada?
• Mantenimiento: ¿hay programas de mantenimiento preventivo?, ¿son adecuados?

Material
• Variabilidad: ¿se conoce cómo influye la variabilidad de los materiales o materia
prima sobre el problema?

• Cambios: ¿ha habido algún cambio reciente en los materiales?

• Proveedores: ¿cuál es la influencia de múltiples proveedores?, ¿se sabe si hay

diferencias significativas y cómo influyen éstas?

• Tipos: ¿se sabe cómo influyen los distintos tipos de materiales?

Medio ambiente
• Ciclos: ¿existen patrones o ciclos en los procesos que dependen de las condiciones del
medio ambiente?
• Temperatura: ¿la temperatura ambiental influye en las operaciones?

Mediciones
• Disponibilidad: ¿se dispone de las mediciones requeridas para detectar o prevenir el
problema?

• Definiciones: ¿están definidas operacionalmente las características que se miden?

• Tamaño de muestra: ¿se han medido suficientes piezas?, ¿son lo bastante

representativas como para sustentar las decisiones?

• Repetibilidad: ¿se tiene evidencia de que el instrumento de medición es capaz de

repetir la medida con la precisión requerida?

Ventajas del método 6M

• Obliga a considerar gran cantidad de elementos asociados con el problema.
• Puede utilizase cuando el proceso no se conoce con detalle. • Se concentra en el
proceso y no en el producto.
Desventajas del método 6M
• En una sola rama se identifican demasiadas causas potenciales.
• Tiende a concentrarse en pequeños detalles del proceso.
• El método no es ilustrativo para quienes desconocen el proceso.
Método de flujo del proceso
En la construcción mediante el método de flujo del proceso, la línea principal del
diagrama de Ishikawa sigue la secuencia normal del proceso en la que se da el problema
analizado. Se anotan las principales etapas del proceso, y los factores o aspectos que
pueden influir en el problema se agregan según la etapa en la que intervienen. La fi gura
12.3 muestra un diagrama construido con este método. Para ir agregando las causas
potenciales, se parte de la pregunta: ¿La variabilidad en esta parte del proceso afecta el
problema especificado?

Ventajas
• Obliga a preparar el diagrama de fl ujo del proceso.
• Se considera al proceso completo como una causa potencial del problema.
• Identifica procedimientos alternativos de trabajo.
• Se pueden llegar a descubrir otros problemas no considerados inicialmente.
• Permite que las personas que desconocen el proceso se familiaricen con él, lo que
facilita su uso.
• Puede emplearse para predecir problemas del proceso, poniendo especial atención a
las fuentes de variabilidad.
Desventajas
• Es fácil no detectar las causas potenciales, puesto que la gente suele estar muy
familiarizada con el proceso y le parece todo normal.
• Es difícil usarlo por mucho tiempo, sobre todo en procesos complejos.
• Algunas causas potenciales pueden aparecer muchas veces.

Método de estratificación o enumeración de causas

La construcción mediante el método de estratificación va directo a las principales causas
potenciales, sin agrupar de acuerdo con las 6M. La selección de estas causas muchas
veces se hace a través de una sesión de lluvia de ideas. Con el propósito de atacar causas
reales y no consecuencias o reflejos, es importante preguntarse varias veces el porqué
del problema, con lo que se profundiza en la búsqueda de las causas, y la construcción
del diagrama de Ishikawa parte de este análisis previo, con lo que el abanico de
búsqueda es más reducido.

Ventajas
• Proporciona un agrupamiento claro de las causas potenciales del problema, lo que
permite centrarse directamente en el análisis del mismo.
• Este diagrama es, por lo general, menos complejo que los obtenidos mediante los
otros procedimientos.

Desventajas
• Se pueden dejar de contemplar algunas causas potenciales importantes.
• Puede ser complicado definir subdivisiones principales.
• Se requiere un mayor conocimiento del producto o el proceso.