Control Estadístico de Procesos

Renato León Castex

Ingeniero Civil Mecánico
Magister en Gestión de Calidad
Magister en Desarrollo Organizacional
renato.leon@gmail.com
 Control Estadístico de Procesos (SPC)

El Control Estadístico de Procesos (SPC) es la aplicación de

técnicas estadísticas para determinar si el resultado de un
proceso esta de acuerdo con la especificación de un producto
o servicio y cumple con los requerimientos del cliente.
 Control Estadístico de Procesos (SPC)

El Control Estadístico de Procesos (SPC) tiene como objetivo

hacer predecible un proceso en el tiempo.

Cuando un proceso es predecible, entonces, se pueden

asegurar que ciertas cosas ocurrirán en el futuro, con una
determinada probabilidad.
 Control Estadístico de Procesos (SPC)

Cuando existen “ciertas certezas” (probabilidad) del

comportamiento presente y futuro de un procesos, diremos
que esta “bajo control”.

Cuando un proceso esta sujeto a eventos azarosos, de difícil

predicción, entonces estará “fuera de control”.

El SPC es una herramienta fundamental para tener los

procesos bajo control, minimizando la variabilidad.
 Control Estadístico de Procesos (SPC)

Para entender y aplicar SPC debemos tener claridad sobre

algunos conceptos estadísticos y de probabilidades. La
comprensión de estos conceptos permite entender lo que
ocurre en un proceso, más allá de la simple aplicación de
instrucciones y formulas matemáticas.
 Control Estadístico de Procesos (SPC)

Lo que se busca desarrollar es el llamado “pensamiento

estadístico
 Control Estadístico de Procesos (SPC)

Principios del Pensamiento Estadístico:

• Todo trabajo ocurre en un sistema de procesos interconectados. Es

decir, toda actividad es un proceso, el cual es un conjunto de actividades
conectadas donde las entradas son transformadas en salidas para un
propósito específico.

• Variación hay en todo proceso. La variación resulta cuando

observaciones sucesivas de un sistema o fenómeno no producen
exactamente el mismo resultado.

• Entender y reducir la variación son las claves del éxito. La primera gran
meta de todo proceso de mejora debe ser: controlar y reducir la
variabilidad, de forma tal que los procesos sean estables, consistentes y
predecibles.
 Control Estadístico de Procesos (SPC)

La mejora en los mecanismos de captura de información

(sensores, sistemas), la posibilidad de analizar datos de
distinta naturaleza (Big Data), la capacidad de procesar
información para identificar patrones (Data Science), coloca a
la estadística en un lugar clave para la gestión de los
procesos y el logro de los objetivos de las organizaciones.
Control Estadístico de Procesos (SPC)
 Conceptos fundamentales

Población y Muestra

Una población es el conjunto completo de todos los objetos que

interesan a un investigador. El tamaño de la población, N, puede ser
muy grande, incluso infinito y otras veces desconocido.

Una muestra es un subconjunto observado de valores poblacionales

que tiene un tamaño determinado n.
 Conceptos fundamentales

Ejemplos de poblaciones:

• Todos los votantes inscritos en un país

• Todos los estudiantes universitarios
• Todas las facturas emitidas por una empresa en un año
• Todos los bujes fabricados por una fábrica en un semestre
• Todas las estrellas del Universo
• Todas las personas celiacas

A menudo las poblaciones son tan grandes que es difícil

analizarlas completamente (ya sea por recursos o por tiempo o
simplemente porque no se conoce cuanto vale N), lo que obliga a
examinar un subconjunto de ella (muestra)

¿Cuanto costó el Censo 2017?

 Conceptos fundamentales

Nuestro objetivo final será hacer afirmaciones basadas en

datos muestrales que tengan alguna validez sobre la
población en general. Para esto se requiere estudiar una
muestra que sea representativa de la población.
 Conceptos fundamentales

¿Qué le parece este mensaje?

“¡Oh, estadísticas, las aberraciones que se

hacen en tu nombre”
Anónimo
 Conceptos fundamentales

Muestreo aleatorio

El muestreo aleatorio es un método que se emplea para seleccionar una muestra de n

objetos de una población de tamaño N, en el que cada miembro de la población se elige
estrictamente al azar, es decir, cada miembro de la población tiene la misma probabilidad
de ser elegido y todas las muestra posibles de un tamaño dado, n, tienen la misma
probabilidad de ser seleccionadas. La muestra resultante se denomina muestra aleatoria.

𝑁!
𝐶!" =
𝑛! 𝑁 − 𝑛 !
 Conceptos fundamentales

Tomar una muestra es un medio para llegar a un fin.

Necesitamos estudiar estadística, no para hacer
afirmaciones sobre la muestra, sino para extraer
conclusiones sobre la población en estudio.

Por lo anterior entonces podemos decir que la estadística es

el estudio de cómo se toman decisiones sobre una población
cuando la información proviene de una muestra, con una
dosis de incertidumbre.
 Conceptos fundamentales

Parámetro y Estadístico

Un parámetro es una característica específica de una población. Un

estadístico es una característica específica de una muestra.

Mediante un estadístico podemos tomar decisiones sobre un

parámetro. No obstante debemos reconocer que siempre habrá
una incertidumbre, ya que no conocemos el valor exacto del
parámetro.
 Estadística descriptiva e inferencial

Desde el punto de vista de la estadística, para estudiar un problema o analizar

una situación, hay que seguir una serie de pasos:

a) Identificación y definición del problema o situación

b) Recolección de datos de acuerdo a un proceso diseñado (medición)
c) Análisis de los datos mediante métodos estadísticos (Información)
d) Transformación de la información en conocimiento mediante métodos
estadísticos.
e) Toma de decisiones

Estadística descriptiva e inferencial

La estadística descriptiva está formada por los métodos gráficos y

numéricos que se utilizan para resumir y procesar datos para transformarlos
en información.

La estadística inferencial es la base para hacer predicciones, previsiones y

estimaciones que se utilizan para transformar la información en conocimiento.
 Conceptos fundamentales

Realización de inferencias

La estadística inferencial es un proceso que puede consistir en :

• Estimación de un parámetro

“Edad promedio de los alumnos universitarios”

• Contraste de hipótesis

“Mas del 50% de los alumnos tienen sobre 23 años”

• Análisis de relaciones

“Nivel de deserción en los alumnos sobre 30 años”

• Predicción

“Los alumnos sobre 30 años tienen mayor nivel de deserción”

 ESTADISTICA DESCRIPTIVA

Estadística Descriptiva

Descripción de los datos

Conceptos Fundamentales
 ESTADISTICA DESCRIPTIVA

Medidas de la tendencia central

A menudo necesitamos averiguar si los datos recogidos de un estudio tienden a

estar centrados o a agruparse en torno a algún valor. Las medidas de la
tendencia central entregan información numérica sobre una observación “típica”
de los datos.

Existen varias medidas de tendencia central, pero las mas usadas son:

• Media

• Mediana

• Moda
 ESTADISTICA DESCRIPTIVA

Media aritmética

La media aritmética (o media o promedio) de un conjunto de datos es la suma de los

valores de los datos dividida por el número de observaciones. Si el conjunto de datos
es toda la población de datos, la media poblacional, μ, es un parámetro que viene
dado por:

å Xi X 1 + X 2 + ... XN N = Tamaño Población

µ= i =1
=
N N

Si el conjunto de datos procede de una muestra, entonces la media muestral, x, es un

estadístico que viene dado por:

åx i
x1 + x 2 + ...xn
x= i =1
= n = Tamaño de la muestra
n n
 ESTADISTICA DESCRIPTIVA

Ejemplo :

Sean 10 barras de acero que se utilizarán para fabricar ejes. Se miden sus
longitudes en mm y el resultado se muestra en el siguiente gráfico de puntos:
 ESTADISTICA DESCRIPTIVA

Si calculamos la media de las longitudes, se obtiene :

74,000 + 74,001 + 74,001 + 74,001 + 74,002 + 74,002 + 74,003 + 74,004 + 74,005 + 74,015
𝑥̅ =
10
𝑥̅ = 74,003

Notas:

1. La media es única, ya que un conjunto de datos tiene una y sólo una media.

2. Su valor está influenciado por todas las observaciones en el conjunto de datos,

en particular los muy pequeños o los muy grandes
 ESTADISTICA DESCRIPTIVA

Mediana

La mediana es la observación que ocupa el lugar central de un conjunto de

observaciones ordenadas en sentido ascendente (o descendente). Si el tamaño
de la muestra, n, es un número impar, la mediana es la observación que se
encuentra en el medio. Si el tamaño de la muestra, n, es un número par, la
mediana es la media de las dos observaciones que se encuentran en el medio.

La mediana se encontrará en la 0,5 (n + 1) primera posición ordenada

 ESTADISTICA DESCRIPTIVA

Ejemplo :

Calcular la mediana de los siguientes datos de diámetros de 7 discos (cm.)

66, 85, 62, 72, 92, 77, 66

Solución:

Primero se ordenan los valores de acuerdo a su magnitud, de menor a mayor:

62 66 66 72 77 85 92

Cómo el número de observaciones es impar, la mediana será el valor intermedio,

que es 72.

Si aplicamos la formula para la posición, obtenemos

0,5 (7+1) = 4 : Número en la cuarta posición = 72

 ESTADISTICA DESCRIPTIVA

Moda

La moda, si existe, es el valor que aparece con mayor frecuencia

• Si todos los valores en un conjunto ocurren con la misma frecuencia, no hay

moda.

• Si dos o mas valores ocurren con la misma frecuencia y esa frecuencia es

mayor que la de otros valores en el conjunto, entonces habrá más de una
moda.
 ESTADISTICA DESCRIPTIVA

Ejemplo :

Calcular la moda de los siguientes datos de diámetros de 7 discos (cm.):

66, 85, 62, 72, 92, 77, 66

Solución:

El valor con mayor frecuencia es 66 ya que aparece 2 veces, mientras el resto

de los valores sólo aparecen 1 vez.
 ESTADISTICA DESCRIPTIVA

Ejemplo:

En una fábrica de tubos de acero, se registra las medidas de los diámetros de los tubos de
3”. Para eso se toma una muestra aleatoria de 10 unidades fabricadas durante un día. Los
valores obtenidos son los siguientes:

Tubos 1 2 3 4 5 6 7 8 9 10

Diámetro (cm.) 7,60 7,62 7,63 7,61 7,60 7,59 7,63 7,62 7,63 7,60

Media = 7,613

Mediana = 7,59 – 7,60 – 7,60 – 7,60 – 7,61 – 7,62 – 7,62 – 7,63 – 7,63 – 7,63 = 7,615

Moda = 7,60 y 7,63 (bi-modal)

 ESTADISTICA DESCRIPTIVA

Comparación entre la media, mediana y moda

• La media y la mediana son medidas que localizan la “mitad” de una distribución .

Esto no necesariamente es cierto para la moda.

• La moda puede ser inestable en muestras pequeñas. Por ejemplo, la moda de los
números 1, 1, 1, 2, 3, 4, 5, 5 es 1. Pero si uno de los 1 se cambia por 0, el conjunto
se vuelve bi modal (1 y 5). Por otra parte, si uno de los 1 se cambia por 5, la moda
será 5.

• La mediana no es afectada por el tamaño de las puntuaciones en los extremos

superior e inferior de la distribución para la que se calcula. Por ejemplo, la mediana
de 1, 2, 3, 4, 5 es 3. Si el 5 se cambia por 490, la mediana aún es 3.

• La media es afectada por el tamaño de cada valor en un conjunto de datos. Por

ejemplo la media de 1, 2, 3, 4, 5 es 3. Si se cambia el 5 por 490, la media es 100.
 ESTADISTICA DESCRIPTIVA

Medidas de la variabilidad

La media por sí sola no es una descripción completa o suficiente de los

datos. También se requieren números descriptivos que midan la
variabilidad o dispersión de las observaciones con respecto a la media.

Aunque dos conjuntos de datos tengan la misma media, las observaciones

individuales de uno de ellos podrían variar con respecto a la media más
que las del segundo.
 ESTADISTICA DESCRIPTIVA

Ejemplo:

Muestra A : 1 2 1 36
Muestra B : 8 9 10 13

Aunque la media es 10 en ambas muestras, es evidente que los datos de la

muestra A están mas alejados de 10 que los de la muestra B. Por lo tanto
necesitamos números descriptivos que midan esta dispersión.
 ESTADISTICA DESCRIPTIVA

Amplitud o Rango

Amplitud o Rango es la diferencia entre la observación mayor y la menor

Cuanto mayor es la dispersión de los datos con respecto al centro de la distribución,

mayor es la amplitud o el rango. Como la amplitud o el rango sólo tiene en cuenta
la observación mayor y la menor, puede estar muy distorsionada si hay una
observación excepcionalmente extrema.
𝑅 = 𝑀𝑎𝑥 𝑥! − 𝑀𝑖𝑛 𝑥!
 ESTADISTICA DESCRIPTIVA

Varianza

La varianza poblacional σ2 , es la suma de los cuadrados de las diferencias entre

cada observación y la media poblacional dividida por el tamaño de la población, N:

∑ " + ∑ " +
(𝑥
,-. , − 𝜇) 𝑥
,-. ,
𝜎+ = = −𝜇
𝑁 𝑁

La varianza muestral, s2, es la suma de los cuadrados de las diferencias entre

cada observación y la media muestral dividida por el tamaño de la muestra n
menos 1.
∑ ! + ∑ ! + +
,-. (𝑥 , − 𝑥)
̅ 𝑥
,-. , − 𝑛 𝑥̅
𝑠+ = =
𝑛−1 𝑛−1
 ESTADISTICA DESCRIPTIVA

Desviación Estándar

La desviación estándar σ se define como la raíz cuadrada de la varianza:

å i
( x - µ ) 2

s = i =1
N
El estadístico es:
n

å i
( x - x ) 2

s = i =1
n -1
 ESTADISTICA DESCRIPTIVA

Ejemplo: Medidas de Dispersión

Sea una muestra de 25 mediciones del flujo en m3/hora de un sistema

de bombeo. Calcular el Rango y la Desviación Estándar de los datos

𝑹𝒂𝒏𝒈𝒐: 𝑹 = 𝟔𝟐, 𝟒𝟖 − 𝟒𝟖, 𝟎𝟏 = 𝟏𝟒, 𝟒𝟕

 ESTADISTICA DESCRIPTIVA

𝑛 = 25

48,01 + 48,66 + 49,82 + … + 58,34 + 62,48

𝑥̅ = = 53,306
25
! ! ! ! !
(48,01 +48,66 + ⋯ 58,34 + 62,48 ) − 25 ∗ (53,306)
𝑠! =
25 − 1

𝑠 ! = 11,4099
𝑠 = 3,378
 ESTADISTICA DESCRIPTIVA

Cuando queremos llegar a una conclusión sobre una población o una

muestra, a través de la media y la varianza muestral, podemos enfrentar
los dilemas de la exactitud y la precisión.
 Control Estadístico de Procesos

Renato León Castex

Ingeniero Civil Mecánico
Magister en Gestión de Calidad
Magister en Desarrollo Organizacional
renato.leon@gmail.com