Curso Taller Calidad

ANÁLISIS DE DATOS
EN EL SISTEMA DE GESTIÓN DE LA CALIDAD
Eduin D. Contreras Castañeda MSc.

Concepción 03 de agosto de2015
CURSO-TALLER ANÁLISIS
1 DE DATOS
AGENDA
- El Sistema de Gestión de la Calidad

- ¿Qué es el análisis de datos?
- El concepto de Variación
- Diagrama de Pareto
- Diagrama Causa-Efecto
- Histograma de Frecuencias
- Diagrama de dispersión
- Gráficas de control
CURSO-TALLER ANÁLISIS DE DATOS 2

REFLEXIONES
“Se produjo un largo silencio entre nosotros. Me di

cuenta que le estaba dando a mi hijo el mismo
consejo que mis padres me habían dado. El mundo
que nos rodea ha cambiado, pero el consejo no”.
KIYOSAKI, Robert. Padre rico, Padre pobre

REFLEXIONES
En el libro “La Máquina que Cambió el Mundo”, al cotejar la

aplicación de la Gestión por la Calidad Total entre el Oriente
y el Occidente, sus autores afirmaban: “… en el Occidente
todos conocen la letra de la nueva canción pero pocos se
disponen a cantarla…” ¡No dejemos que esto ocurra en
[Latinoamérica]! ¡Vamos a cantar y, si es posible, mejor que
los orientales! Solo la APLICACIÓN DEL CONOCIMIENTO
AGREGA VALOR.
FALCONI, Vicente. Gestión de la rutina del trabajo del cotidiano

REFLEXIONES
Control de Calidad (CC) es hacer lo que se debe hacer en todas las
industrias.
Para aplicar el CC tenemos que ofrecer educación continuada para

todos, desde el presidente hasta los obreros.
Cuando se aplica el CC, la falsedad desaparece de la empresa.
El 95% de los problemas de una empresa se pueden resolver con las

siete herramientas del CC.
Hagamos un CC que traiga tantas ganancias a la empresa ¡que no

sepamos qué hacer con ellas!
ISHIKAWA, Kaoru. ¿Qué es control total de calidad? La modalidad Japonesa

FCIN - ESPECIALIZACIÓN QHSE 5
REFLEXIONES
Mi deseo es que la economía japonesa quede firmemente establecida

mediante el CC y el Control Total de Calidad (CTC) y mediante la
capacidad japonesa para exportar productos buenos y de bajo costo a
todo el mundo. Entonces la economía japonesa se colocará sobre una
base más firme. La tecnología industrial japonesa quedará bien
establecida y el Japón estará en capacidad de exportar tecnología de
manera continua. En cuanto a las empresas, espero que puedan
compartir sus utilidades con los consumidores, empleados, accionistas
y la sociedad en general. Espero que estas empresas se conviertan en
instrumentos para mejorar la calidad de vida no solamente de los
japoneses sino de todos los pueblos y que contribuyan de esta manera
a traer paz al mundo.
ISHIKAWA, Kaoru. ¿Qué es control total de calidad? La modalidad Japonesa

SISTEMA DE GESTIÓN
DE LA CALIDAD ISO 9001:2008
7
SISTEMA DE GESTIÓN
DE LA CALIDAD ISO 9001:2015
Fuente: www.icontec.org

PRINCIPIO FUNDAMENTAL
ENFOQUE BASADO EN HECHOS PARA LA TOMA DE

DECISIONES
La toma de decisiones se basa en un análisis de los datos y

la información disponible, no se debe basar en estados de
ánimo.
ISO 9000:2005
Relación con ISO 9001:2008 en: 8.4
9
8.4 ANÁLISIS DE DATOS
La organización debe determinar, recopilar y analizar los

datos apropiados para demostrar la idoneidad y la eficacia
del sistema de gestión de la calidad y para evaluar dónde
puede realizarse la mejora continua de la eficacia del
sistema de gestión de la calidad. Esto debe incluir los datos
generados del resultado del seguimiento y medición y de
cualesquiera otras fuentes pertinentes.
ISO 9001:2008
10
El análisis de datos debe proporcionar información sobre:
a) la satisfacción del cliente (véase 8.2.1);

b) la conformidad con los requisitos del producto (véase 8.2.4);
c) las características y tendencias de los procesos y
productos, incluyendo las oportunidades para llevar a cabo
acciones preventivas (véase 8.2.3 y 8.2.4), y
d) los proveedores (véase 7.4).
ISO 9001:2008
11
9.1.3 Analysis and evaluation of data
The organization shall analyse and evaluate appropriate data arising from
monitoring, measurement and other relevant sources. This shall include
determination of applicable methods.
The results of analysis and evaluation shall be used:

a) to determine the suitability, adequacy and effectiveness of the quality
management system,
b) to assure that the goods and services can consistently meet customer
requirements,
c) to ensure that the operation and control of processes is effective, and
d) to identify improvements within the quality management system.
The results of analysis and evaluation shall be used as an input to the

management review.
Source: ISO/CD 9001:2015 12
ENTRADAS SALIDAS
Fuente: Nava y Jiménez, 2008
13
PROCESO DE INTERPRETACIÓN DE LOS DATOS
Fuente: Nava y Jiménez, 2008
14
¿Qué causa los productos defectuosos?
15
LA VARIACIÓN
1. Mano de Obra
2. Materia Prima
6 M´s 3. Maquinaría
4. Métodos de trabajo
5. Mediciones
6. Medio Ambiente
“A menor Variación, mayor Calidad”
16
HERRAMIENTAS ESTADÍSTICAS
PARA LA SOLUCIÓN DE PROBLEMAS
17
Definición de Problema
De acuerdo con Hosotani (1992), un problema

es la diferencia que existe entre un estado
ideal (objetivo) y un estado real o actual.
18
METODOLOGÍA PARA
LA SOLUCIÓN DE PROBLEMAS
19
PASO OBJETIVO HERRAMIENTAS COMENTARIOS
Fase: planear Entender la situación - diagrama de Pareto Si es posible
1. definir el problemática y determinar - Histograma cuantificar en pesos
problema objetivos - gráfica de tendencias
( run chart)
Fase: planear Definir el proceso con la finalidad Diagrama de flujo
2. describir el de conocerlo únicamente y en su
proceso actual Caso señalar la fase problemática
Fase: planear Encontrar y poder seleccionar las -diagrama de Ishikawa Recolectar y

3. encontrar y causas reales del problema - estratificación analizar
analizar causas - diagrama de dispersión información para
posibles - hojas de verificación. encontrar causas
posibles.
Fase: planear Planear uno o varios planes de - diagrama de flujo Determinar
4. desarrollar la acción que conduzcan a la responsabilidades,
solución solución del problema responsables y
fechas.
Fase: hacer Aplicar la solución
5. implantar la
solución
Fase: verificar Evaluar los efectos de la solución - diagrama de pareto Cuantificar ahorro
6. evaluar la implantada - histograma en pesos.
solución - gráfica de tendencias (run hart) Comparar con el
objetivo.
Fase: actuar Desarrollar planes de control y -comentar Mantener el
7. controlar monitoreo, estandarizar las gráficas de control problema resuelto
mejoras y prevenir el problema.
20
Fuente: Escalante, 2006
Fuente: Gutiérrez, H. (2010) 21
Seis Sigma
Obtener 3,4 defectos en un millón de

oportunidades es una meta bastante
ambiciosa pero lograble. Se puede clasificar la
eficiencia de un proceso con base en su nivel
de sigma:
1 sigma= 690.000 DPMO = 31% de eficiencia

2 sigma= 308.538 DPMO = 69% de eficiencia
3 sigma= 66.807 DPMO = 93,3% de eficiencia
4 sigma= 6.210 DPMO = 99,38% de eficiencia
5 sigma= 233 DPMO = 99,977% de eficiencia
6 sigma= 3,4 DPMO = 99,99966% de eficiencia
22
Diagrama de Pareto
Fuente: Tomado de www.fundibeq.org
23
Diagrama de Pareto
Un diagrama de Pareto es una forma

de gráfica de barras con los
elementos colocados en orden
descendente para que usted pueda
identificar los factores que más
contribuyen a un problema.
(Fukui et al., 2003, p. 54)
24
Características Principales
Priorización
Identifica los elementos que más peso o importancia tienen dentro de un
grupo.
Unificación de Criterios
Enfoca y dirige el esfuerzo de los componentes del grupo de trabajo hacia un
objetivo prioritario común.
Carácter objetivo
Su utilización fuerza al grupo de trabajo a tomar decisiones basadas en datos y
hechos objetivos y no en ideas subjetivas.
(Fundibeq, 2002, p. 3)
25
CÓMO ELABORAR DIAGRAMAS DE PARETO
Paso 1
Decida qué problemas se van a investigar y cómo recoger los datos.
1) Decida que clase de problemas son los que usted quiere investigar.
Ejemplo: objetos defectuosos, pérdidas en términos
monetarios, ocurrencia de accidentes.
2) Decida qué datos va a necesitar y cómo clasificarlos.
Ejemplo: por tipo de
defecto, localización, proceso, máquina, trabajador, método.
Nota: resuma los ítems que se presentan con poca frecuencia en la
categoría “otros”.
3) Defina el método de recolección de los datos y el periodo de duración de
la recolección.
Nota: se aconseja utilizar un formato de investigación.
(Kume, 2002, p. 20)
26
Paso 2 y 3
Diseñe una tabla para conteo de datos, con espacio suficiente para registrar
los totales y diligencie la tabla.
Ítem Tipo de no conformidad Conteo Total

1 Platos fríos IIIIIIIIII 10
2 Baño desaseado IIIIIIIIIIIII……II 42
3 Mesas desordenadas IIIII 6
4 Meseros desaseados IIIIIIIIIIIIIIIII…….IIII 104
5 Demasiada espera IIII 4
6 Pedido equivocado IIIIIIIIIIIIIIIII 20
7 Otros IIIIIIIIIIIII 14
Total 200
(Kume, 2002, p. 20)

27
Paso 4
Elabore una tabla de Pareto jerarquizando los ítems de la siguiente manera:
Número de Total %
Ítem Tipo de no conformidad %
defectos acumulado Acumulado
4 Meseros desaseados 104 104 52% 52%
2 Baño desaseado 42 146 21% 73%
6 Pedido equivocado 20 166 10% 83%
1 Platos fríos 10 176 5% 88%
3 Mesas desordenadas 6 182 3% 91%
5 Demasiada espera 4 186 2% 93%
7 Otros 14 200 7% 100%
Total 200 100%
FCIN - ESPECIALIZACIÓN QHSE (Kume, 2002, p. 21)28

Paso 5. Elabore el diagrama de Pareto de la siguiente manera:
Datos analizados de
Abril 1 a Junio 30
de 2012.
Número de Clientes
Investigados 200.
Pocos Vitales hasta

el 83% de los ítems
Acumulados.


30
TIPOS DE DIAGRAMAS DE PARETO
1) Diagramas de Pareto de fenómenos.

-Calidad: defectos, faltas, fracasos, quejas, ítems
devueltos, reparaciones.
-Costo: magnitud de las pérdidas, gastos.
-Entrega: escasez de inventarios, demoras en los

pagos, demoras en la entrega
- Seguridad: accidentes, errores, interrupciones.

(Kume, 2002, p. 23)
31
TIPOS DE DIAGRAMAS DE PARETO
2) Diagramas de Pareto de causas.
-Operario: turno, grupo, edad, experiencia, destreza.
-Máquina:
máquinas, equipos, herramientas, organizaciones, modelos, instrumentos
-Materia prima: productor, planta, lote, clase.
-Método operacional: condiciones, órdenes, disposiciones, métodos.
(Kume, 2002, p. 23)
32
EJERCICIO
33
Un fabricante de neveras desea analizar cuáles son los defectos más frecuentes que aparecen
en las unidades al salir de la línea de producción. Para esto, empezó a clasificar todos los
defectos posibles en sus diversos tipos:
Tipo de Defecto Detalle del Problema

Motor no detiene No para el motor cuando alcanza la temperatura
No enfría El motor arranca pero la nevera no enfría
Compartimiento def. Compartimiento roto o deforme
Pintura defectuosa Defectos de pintura en superficies externas
Rayas Rayas en las superficies externas
No funciona Al conectar no arranca el motor
Puerta no cierra La puerta no cierra correctamente
Gavetas defectuosas Gavetas interiores con quiebres
Motor no arranca El motor no arranca después de ciclo de parada
Mala nivelación La nevera se balancea y no se puede nivelar
Puerta defectuosa Puerta del refrigerador no cierra herméticamente
Otros Otros defectos no incluidos en los anteriores
Posteriormente, un inspector revisa cada nevera a medida que sale de producción registrando sus defectos
de acuerdo con dichos tipos. Después de inspeccionar 88 neveras, se obtuvo una tabla como esta:
Mes 1 Mes 2 Mes 3 Mes 4

X= COMPARTIMIENTO DEFORME
XXXX # CFFW KKKKKK VFF
V=PINTURA DEFECTUOSA
#=GAVETAS DEFECTUOSAS VR XXX XFFFFF KKKKKK
C=MALA NIVELACIÓN VV VKK KKKKK XX
Z=MOTOR NO ARRANCA KKKKKKKK KKKK KKKKKR FFFF
K=MOTOR NO DETIENE FFFFFFFF FFF FF FRR
F=NO ENFRÍA
W N N
O=OTROS
U=PUERTA DEFECTUOSA
W=PUERTA NO CIERRA Por lo tanto, usted debe elaborar un diagrama de Pareto que permita
R=RAYAS
N=NO FUNCIONA
identificar los pocos vitales y los muchos triviales en esta situación.
Taller 1
La Tabla 1 representa el tipo de defecto discriminado por

operario, máquina y día de la semana en que se presentó el
defecto en los diferentes productos manufacturados en el
proceso productivo. Como analista del proceso, usted deberá
realizar un análisis de Pareto Global, Pareto para el operario A y
B, Pareto para la Máquina 1, 2 ,3 y 4, de modo tal, que se puedan
identificar en cada caso los principales defectos e identificar las
principales fuentes generadoras de defectos.
35
Taller 1
Tabla 1. Datos del tipo de defecto generado durante la semana del 1 al 05 de abril de 2015

EL DIAGRAMA DE ISHIKAWA
(CAUSA-EFECTO)
37
DEFINICIÓN
El diagrama de Ishikawa, fue inventado por el Dr. Kaoru

Ishikawa en 1953, quién represento de forma sencilla las
causas que ocasionaban los problemas de una planta
industrial en el Japón.
“Diagrama que muestra la relación entre una

característica de calidad (efecto) y los factores (causas)”.
(Kume, 2002, p. 27)
38
ESTRUCTURA
Hueso Grande
Hueso Pequeño
Hueso
Mediano
Columna
CARACTERÍSTICA
Vertebral
CARACTERÍSTICA (EFECTO)
FACTORES (CAUSAS)
Fuente: Kume, 2002
39
CARACTERÍSTICAS
Métodos: procedimientos usados en la realización de actividades.
Mano de Obra: la gente que realiza las actividades.
Materia Prima: el material que se usa para producir.
Medición: los instrumentos utilizados para evaluar procesos y productos.
Medio Ambiente: las condiciones del lugar de trabajo.
Maquinaria y Equipo: los equipos y periféricos usados para producir.
40
METODOLOGÍA
Paso 1: Describa el efecto o atributo de calidad.
Variación
dimensional
41
METODOLOGÍA
• Paso 2: Escoja una característica de calidad y escríbala en el lado derecho de una
hoja de papel, dibuje de izquierda a derecha la línea de la espina dorsal y
encierre la característica de calidad en un cuadrado. Enseguida, escriba las
causas primarias que afectan a la característica de calidad, en forma de grandes
huesos, encerrados también en cuadrados.
METODOLOGÍA
• Paso 3: Escriba las causas (causas secundarias) que afectan a los grandes
huesos (causas primarias) como hueso medianos, y escriba las causas
(causas terciarias) que afectan a los huesos medianos como huesos
pequeños.
METODOLOGÍA
• Paso 3: Escriba las causas (causas secundarias) que afectan a los grandes
huesos (causas primarias) como hueso medianos, y escriba las causas
(causas terciarias) que afectan a los huesos medianos como huesos
pequeños.
Fuente: Kume, 2002

METODOLOGÍA
• Paso 4: Asigne la importancia de cada factor, y marque los factores
particularmente importantes que parecen tener un efecto significativo
sobre la característica de calidad.
CAUSAS PRINCIPALES P1 P2 P3 TOTAL

Método de inspección 3 1 1 5
Procedimiento de trabajo 2 5 2 9
Calidad de los materiales 1 2 3 6
Operación de la máquina 4 3 4 11
Experiencia del operario 5 4 5 14
TOTAL 15 15 15 45
METODOLOGÍA
• Paso 5: Registre cualquier información que pueda ser de utilidad.
CAUSAS PRINCIPALES P1 P2 P3 TOTAL

Método de inspección 3 1 1 5
Fuente: Kume, 2002
Procedimiento de trabajo 2 5 2 9
Calidad de los materiales 1 2 3 6
Operación de la máquina 4 3 4 11
Experiencia del operario 5 4 5 14
TOTAL 15 15 15 45
EJEMPLOS
47
EJEMPLOS
Fuente: Fukui et al., 2003
48
Taller 2
Formando equipos de dos personas, realizar un

diagrama de Ishikawa breve, siguiendo el
procedimiento completo, para el problema
“Perder una asignatura”.
49
HISTOGRAMAS
50
OBJETIVOS
•Comprender qué y cómo se construye un histograma.
•Comprender la importancia de los histogramas como

herramienta estadística en el control de calidad y en el análisis
de datos.
DESARROLLO
•Población y muestra
•Construcción e interpretación del histograma
51
POBLACIÓN
Totalidad de valores posibles de una

característica particular de un grupo
especificado de objetos, los cuales
constituyen un universo.
Ejemplo:
Universo: personas que se encuentran en
el salón de clases.
Característica: edad. Fuente: Tomado del sitio web:
Población: edades de dichas personas. http://www.imagenesdeposito.com/tags/1/reunion+de+personas+fotos

++fotos.html
52
MUESTRA
Parte de la población en estudio

seleccionada según una regla o plan.
Ejemplo:
Muestra: Edades de 10 personas Fuente: Tomado de l sitio web:

http://alejandracorderojimenez.blogspot.com/2011_06_01_archive.html
elegidas al azar.
53
HISTOGRAMA
Definición: gráfica de barras que

muestra la repartición de un grupo
de datos.
Objetivo: visualizar la dispersión, el

centrado y la forma de un grupo de
datos.
54
METODOLOGÍA
Se cuenta con información sobre el peso del rollo de papel higiénico sin
centro cuya especificación es de 62-64 gr. (ver Cuadro). Dichas muestras
fueron tomadas cada hora durante un día. Elaborar el histograma y
determinar que % de producto esta fuera de la especificación.
Hora Peso del rollo Valor> Valor<
1 62.45 62.58 63.38 62.02 63.11
2 64.17 63.34 62.33 62.21 63.57
3 64.78 63.92 62.80 62.10 63.86
4 63.92 63.70 62.37 62.88 63.88
5 63.77 63.80 64.83 63.45 65.32
6 63.15 63.04 63.22 62.73 64.27
7 63.09 64.34 64.27 66.04 64.15
8 62.84 64.49 63.04 62.87 61.73
9 62.88 64.68 62.74 63.15 64.19
10 62.13 63.08 62.83 63.42 63.26
11 65.98 63.48 64.59 65.03 63.29
12 63.13 FCIN - ESPECIALIZACIÓN
63.71 63.11 62.67 QHSE 64.66 55
METODOLOGÍA
1. Calcular el Rango de las Partes
Rpartes= (Mayor Valor - Menor Valor)
Rpartes= 66.04- 61.73
Rpartes= 4.31
56
METODOLOGÍA
2. Calcular las marcas de clase o los intervalos
Es dividir el Rango en intervalos de igual magnitud.

Ancho de marcas de clase (Amc) = Rpartes/Xi
Donde Xi= 5, 6, 7, 8, 9 y 10
De tal forma que se escoja el resultado más cercano al entero, cuando haya dos
posibilidades de escogencia, use el intervalo de menor amplitud si el número de
valores medidos es de 100 o más y el intervalos de mayor amplitud, si hay 99 o
menos valores observados, deben obtenerse entre 5 y 20 intervalos de igual
magnitud.
Amc1= 4.31/5 = Amc2= 4.31/6= Amc3= 4.31/7=
Amc4= 4.31/8= Amc5= 4.31/9= Amc6= 4.31/10=

El Amc seleccionados es Amc1= 0.862, debido a que es el valor más cercano al entero y
los datos son inferiores a 100.
METODOLOGÍA
3. Determinar las clases para los intervalos
Intervalo Lim Inf Lim Sup P. Medio Conteo f u uf (u^2)f

1 61.73 62.592 62.161 IIIIIIIII 9 -1 -9 9
2 62.592 63.454 63.023 IIIIIIIIIIIIIIIIIIIIIII 25 0 0 0
3 63.454 64.316 63.885 IIIIIIIIIIIIIII 15 1 15 15
4 64.316 65.178 64.747 IIIIIIII 8 2 16 32
5 65.178 66.04 65.609 III 3 3 9 27
Total 60 31 83
58
METODOLOGÍA
4. Calcular la Media y la Desviación Estándar
X= a+h(∑uf/n) = 63.497
S= h√(∑u^2f – (∑uf)^2/n)/(n-1) = 0.94049
Donde:
a= punto medio de la clase que tiene la mayor frecuencia

u= 0 para la clase que tiene mayor frecuencia
h= Ancho de marca de clase Amc.
59
METODOLOGÍA
5. Construir y analizar gráfico
Histograma
30 LEI=62 LEI=64
25
25
Frecuencia en gramos
20
15
15
Frecuencia
10 9
8
5 3
0
0
62.592 63.454 64.316 65.178 66.05 y mayor...
Clase
60
METODOLOGÍA
6. Calcular % de producto dentro y fuera de las especificaciones
30 Media=63.497
LEI=62 25 LEI=64
25
20
15
15
10 9
8
5
3
0
0
62.592 63.454 64.316 65.178 66.05 y mayor...
Clase
61
METODOLOGÍA
6. Calcular % de producto dentro y fuera de las especificaciones
30 Media=63.497
LEI=62 25 LEI=64
25
20
15
15
10 9
8
5
3
0
0
62.592 63.454 64.316 65.178 66.05 y mayor...
Clase
62
LECTURA DE HISTOGRAMAS
Distribución en forma de campana: Distribución con doble campana o con

Forma simétrica con un pico en la mitad doble pico: Un marcado valle en el centro
del recorrido de los datos. Es la de la distribución con picos a ambos lados.
distribución natural, habitual para, los Esta forma, generalmente, es la
datos de gran cantidad de procesos. combinación de dos distribuciones y sugiere
la presencia de dos procesos distintos.
Distribución plana: Una gran parte Distribución en peine: Valores altos y

plana, sin ningún pico y con dos ligeras bajos se alternan de forma regular. Esta
colas a los lados. Esta forma puede ser el pauta de variación es típica de errores de
resultado de varias distribuciones en medición, errores en la forma de agrupar
campana con sus centros distribuidos los datos para la construcción del
uniformemente a lo largo del recorrido Histograma o sesgos sistemáticos de
de los datos. redondeo.
Pico Aislado: como en el caso de la Pico en extremo: un pico situado en un

distribución de dos picos, esta forma extremo de una distribución regular. Esta
sugiere la existencia de dos procesos forma se presenta cuando la cola de una
distintos. El proceso con el pico pequeño distribución regular se ha cortado y
será una anormalidad o deficiencia que acumulado en una sola categoría en el
no sucede a menudo o regularmente. extremo del recorrido de los datos. Suele
Fuente: Tomado de www.fundibeq.org indicar un registro poco cuidadoso o sesgado
de los datos.
COMPARACIÓN CON LAS ESPECIFICACIONES
Aceptable: aunque las cosas cambien Inaceptable: es necesario centrar el

ligeramente. Hay margen de tolerancia. proceso hacia el valor nominal, y reducir
la variabilidad.
Taller 3
En una panadería, dos trabajadores, A y B, están haciendo pan en las máquinas 1 y 2. El peso
de los panes franceses se registro durante 20 días, como se muestra en la Tabla 1. Cada día se
tomaron aleatoriamente cuatro panes de cada máquina y se pesaron. La especificación del
peso es de 200-225 (g).
1- Haga los siguientes histogramas

Un histograma global.
Un histograma del panadero A y otro del panadero B.
Un histograma de la máquina 1 y otro de la máquina 2.
Cuatro histogramas que muestren combinaciones de diferentes panaderos y de diferentes
máquinas.
2- Estúdielos comparándolos con la especificación, describiendo la forma y tipo de histograma.

Además, se debe calcular el % de producto fuera de especificación y concluir en cada caso
explicando la situación correspondiente.
67
Tabla 1. Datos del peso de los panes franceses
68
DIAGRAMA DE DISPERSIÓN
Y
GRÁFICAS DE CONTROL
69
CORRELACIÓN
Definición
Se entiende por correlación el grado de relación existente entre dos
variables.
Concepto
• Cuando entre dos variables existe una correlación total, se cumple que a
cada valor de una variable, le corresponde un único valor de la otra
(función matemática).
• Es frecuente que dos variables estén relacionadas de forma que a cada
valor de una de ellas le correspondan varios valores de la otra.
• En este caso es interesante investigar el grado de correlación existente
entre ambas.
70
VARIABLES
Las dos variables que trataremos pueden enmarcarse así:
a) Una característica de calidad y un factor que la afecta

b) Dos características de calidad relacionadas
c) Dos factores relacionados con una sola característica de
calidad.
Para comprender la relación entre estas, es importante, en

primer lugar, hacer un diagrama de dispersión y comprender
la relación global.
(Kume, 2002, p. 68)

71
En un diagrama de dispersión se
examina la relación entre parejas de
datos.
Esta herramienta generalmente es
utilizada por el círculo de control de
calidad cuando desea establecer la
relación entre una causa y el efecto, o
bien, la relación entre dos causas.
(Fukui et al., 2003, p. 69) Fuente: Tomado de www.fundibeq.org
72
USOS DEL GRÁFICO DE DISPERSIÓN
El diagrama de dispersión se usa cuando un grupo de personas o

procedimientos están produciendo resultados con una amplia
variación.
El diagrama de dispersión puede mostrar que o existe alguna

correlación positiva entre dos variables o que puede estar presente
una correlación positiva o que no hay correlación en absoluto o
que puede haber una correlación negativa o que hay una
correlación negativa.
(Fukui et al., 2003, p. 70)
73
CÓMO ELABORAR UN
Paso 1
Reúna pares de datos (X,Y), cuyas relaciones usted quiere estudiar, y
organice esa información en una tabla. Es deseable tener al menos 30
pares de datos.
Paso 2
Encuentre los valores mínimo y máximo para X y Y. Decida las escalas que
va a usar en los ejes horizontal y vertical de manera que ambas
longitudes sean aproximadamente iguales, lo cual hará que el diagrama
sea más fácil de leer. Cuando las dos variables sean un factor y una
característica de calidad, use el eje horizontal X para el factor y el eje
vertical Y para la característica de calidad.
FCIN - ESPECIALIZACIÓN QHSE (Kume, 2002, p. 69)74

CÓMO ELABORAR UN
Paso 3
Registre los datos en el gráfico. Cuando se obtengan los mismos valores
en diferentes observaciones, muestre estos puntos haciendo círculos
concéntricos (O), o registre el segundo punto muy cercano del primero.
Paso 4
Registre todos los aspectos que puedan ser de utilidad:
-Título del diagrama
-Periodo de tiempo
-Número de pares de datos
-Título y unidades de cada eje
-Nombre de la persona que hizo el diagrama
(Kume, 2002, p. 70)
75
EJEMPLO: Errores en las facturas
Situación
Un equipo se encargó de analizar las causas de los frecuentes errores en las
facturas.
El número de datos a rellenar variaba según el tipo de factura. Un miembro del

equipo propuso concentrarse en simplificar las facturas más
complicadas, seguramente causa de la mayoría de los errores.
El equipo decidió investigar en primer lugar la teoría, aparentemente

obvia, según la cual el número de errores en una factura dependía de la
cantidad de datos a incluir en la misma.
El equipo recogió los datos relativos a los últimos meses y los representó en un
Diagrama de Dispersión.
FCIN - ESPECIALIZACIÓN QHSE
(Fundibeq, 2002, p. 17)76
Tabla de los datos recogidos
77
Diagrama de Dispersión
El Diagrama de
Dispersión no parecía
confirmar la teoría de
una relación entre el
número de datos a incluir
en la factura y la cantidad
de errores en la misma.
(Fundibeq, 2002, p. 18)
78
Una estratificación de los datos por empleada (una tenía mucha más experiencia que
la otra) mostró que efectivamente no existía la correlación buscada pero si una clara
diferencia en el número de errores entre las dos. (Fundibeq, 2002, p. 18)
79
Diagrama de Dispersión
El proporcionar más
formación a la empleada
con menor experiencia
llevó a una sensible
reducción de los errores
en las facturas.
(Fundibeq, 2002, p. 18)

80
CÓMO LEER
DIAGRAMAS DE DISPERSIÓN
Identificar y Excluir Puntos Lejanos
Kume, 2002, p. 72
81
CÓMO LEER
Correlación Positiva Fuerte y Débil
n= 30 r= 0.9 n= 30 r= 0.6
82
CÓMO LEER
Correlación Negativa Fuerte y Débil
n= 30 r= -0.9 n= 30 r= -0.6
83
CÓMO LEER
Sin Correlación
n= 30 r= 0.0 n= 30
84
TALLER 1
Los datos a continuación muestran el contenido de

carbono en (%) y la resistencia a la tracción en (kg/mm2)
de un cierto acero.
•Elabore un diagrama de dispersión e interprételo

•Obtenga el coeficiente de correlación r.
•Obtenga una línea de regresión que estime la resistencia
a la tracción a partir del contenido de carbono.
•Con un (%) de Carbono de 3.0, a cuanto equivale la
resistencia a la tracción en (kg/mm2) del acero.
(Kume, 2002, p. 70)
85
No. % (kg/mm2)
1 2.0 43
2 2.4 46
3 2.2 45
TALLER 1 4
5
2.3
2.5
44
45
6 2.8 48
7 2.2 43
8 2.7 47
9 2.4 44
10 2.3 45
11 2.0 42
12 2.2 44
13 2.6 47
14 2.1 44
15 2.5 46
16 2.7 47
17 2.1 42
18 2.6 48
19 2.4 45
20 2.1 43
21 2.3 45
22 2.2 43
23 2.3 46
24 2.4 47
25 2.3 44
26 2.4 45
27 2.6 46
28 2.5 42
29 2.6 46
30 FCIN - ESPECIALIZACIÓN
2.4 QHSE 46 86
GRÁFICAS DE CONTROL
87
OBJETIVO Y ALCANCE
Definir las reglas básicas a seguir para la elección, la construcción y la
correcta interpretación de los Gráficos de Control por Variables y resaltar
las situaciones en que pueden o deben ser utilizados.
Es de aplicación a todos aquellos estudios en que es necesario analizar el

funcionamiento de los procesos, bien sea para su control o para
profundizar en el conocimiento de su comportamiento.
Su utilización será beneficiosa para el desarrollo de los proyectos

abordados por los Equipos y Grupos de Mejora y por todos aquellos
individuos u organismos que estén implicados en proyectos de mejora de
la calidad en los que concurran estas circunstancias.
88
DEFINICIÓN
La gráfica de control fue propuesta por

primera vez por W. A. Shewhart, quien Limite de control superior
trabajaba en Bell Telephone
Valores observados
Laboratories en 1924. Se traza un par
de X
de líneas que son los límites de control
y se puede examinar si la calidad de Línea central
los productos o el proceso se

encuentran en una condición estable o
no, verificando si los puntos que
Limite de control inferior
expresan la calidad de los productos o
el proceso, caen dentro o fuera de los
límites de control. Número de subgrupos (muestra)
(Fukui et al., 2003, p. 71)
89
DEFINICIÓN
Limite de control superior

Herramientas estadísticas que
Valores observados
muestran el comportamiento de
de X
cierta característica de calidad
Línea central
de un proceso o producto con
respecto al tiempo.
Limite de control inferior
(Escalante, 2006, p. 107)
Número de subgrupos (muestra)
90
CAUSAS DE VARIACIÓN
Causas Comunes
Estas causas existen en función de la manera como se
administra una organización, y atañe a los altos mandos su
reducción y control.
Se deben al sistema (empresa):

-Diseño deficiente
-Materiales inadecuados
-Mala iluminación
-Condiciones ambientales…
91
CAUSAS DE VARIACIÓN
Causas Especiales
Se deben a situaciones particulares o “especiales”, y no afectan
a todos:
-Máquinas desajustadas
-Métodos ligeramente alterados
-Diferencias entre trabajadores…
Su arreglo generalmente corresponde al personal de cada área

en la que puedan presentarse.
92
Proceso Estable
Un proceso estable solamente está sujeto a causas comunes de

variación (pueden existir también algunas causas especiales de
variación pero su efecto sería insignificante), o lo que se conoce
como un sistema constante de causas; está en control
estadístico y por tanto su variación es predecible dentro de los
límites de control.
93
Proceso Inestable
Un proceso inestable no necesariamente tiene gran variación;

sin embargo, ésta no es predecible. El mejoramiento del mismo
generalmente se logra a través del personal del área.
94
Usos de las Gráficas de Control
1. Evaluar la estabilidad de un proceso, y posteriormente

evaluar el desempeño del mismo por medio de estudios de
capacidad.
2. Mejorar el desempeño de un proceso al dar indicaciones
sobre las posibles causas de variación, y por tanto
eliminarlas, además de ayudar a la prevención de
problemas.
3. Mantener el desempeño de un proceso al indicar el tiempo
de ajustes del mismo.

Tipos de Gráficas de Control
VALOR
NOMBRE
CARACTERÍSTICO
Gráfica X-R (Valor Promedio y Rango)
Valor Continuo
Gráfica x (Lecturas individuales)
Gráfica pn (Número de unidades defectuosas)
Gráfica p (Fracción de unidades defectuosas)
Valor Discreto
Gráfica c (Número de defectos)
Gráfica u (Número de defectos por unidad)
Fuente: Kume, 2002, p. 94
96
GRÁFICA X-R
Esta se usa para controlar y analizar un proceso en el cual la

característica de calidad del producto que se está midiendo
toma valores continuos, tales como
longitud, peso, concentración, y esto proporciona la mayor
cantidad de información sobre el proceso. X representa un valor
promedio de un subgrupo y R representa el rango del subgrupo.
(Kume, 2002, p. 95)
97
GRÁFICA X-R
Se cuenta con información sobre el peso del rollo de papel higiénico sin
centro cuya especificación es de 62-64 gr. (ver Cuadro). Dichas muestras
fueron tomadas cada hora durante un día. Elaborar una gráfica de
Promedios y Rangos, interpretarla y calcular la capacidad del proceso.
Muestras del Peso del Rollo
Subgrupos X1 X2 X3 X4 X5
1 62.45 62.58 63.38 62.02 63.11
2 64.17 63.34 62.33 62.21 63.57
3 64.78 63.92 62.8 62.1 63.86
4 63.92 63.7 62.37 62.88 63.88
5 63.77 63.8 64.83 63.45 65.32
6 63.15 63.04 63.22 62.73 64.27
7 63.09 64.34 64.27 66.04 64.15
8 62.84 64.49 63.04 62.87 61.73
9 62.88 64.68 62.74 63.15 64.19
10 62.13 63.08 62.83 63.42 63.26
11 65.98 63.48 64.59 65.03 63.29
12 63.13 63.71 QHSE 63.11
FCIN - ESPECIALIZACIÓN 62.67 64.66 98
GRÁFICA X-R
Paso 1. Calcular el Promedio (X) y el Rango (R) de cada subgrupo. Luego

calcular el Promedio de los Promedios (X) y el Rango Promedio (R).
Muestras del Peso del rollo
Subgrupos X1 X2 X3 X4 X5 X R
1 62.45 62.58 63.38 62.02 63.11 62.71 1.36
2 64.17 63.34 62.33 62.21 63.57 63.12 1.96
3 64.78 63.92 62.8 62.1 63.86 63.49 2.68
4 63.92 63.7 62.37 62.88 63.88 63.35 1.55
5 63.77 63.8 64.83 63.45 65.32 64.23 1.87
6 63.15 63.04 63.22 62.73 64.27 63.28 1.54
7 63.09 64.34 64.27 66.04 64.15 64.38 2.95
8 62.84 64.49 63.04 62.87 61.73 62.99 2.76
9 62.88 64.68 62.74 63.15 64.19 63.53 1.94
10 62.13 63.08 62.83 63.42 63.26 62.94 1.29
11 65.98 63.48 64.59 65.03 63.29 64.47 2.69
12 63.13 63.71 63.11 62.67 64.66 63.46 1.99
Promedios FCIN - ESPECIALIZACIÓN QHSE 63.50 2.05 99
GRÁFICA X-R
Paso 2. Calcular los Limites de Control para la Gráfica X y para la Gráfica R

Limites de Control Gráfica X
Limites de Control Gráfica R

PASO 3. REALIZAR GRÁFICA X
PASO 4. REALIZAR GRÁFICA R
PASO 5. INTERPRETAR GRAFICAS
1. Puntos Fuera de los límites de Control de X y R
(Kume, 2002, p. 105)

2. Racha: una longitud de siete puntos consecutivos o más en un

lado de la Gráfica X, se considera anormal.
(Kume, 2002, p. 105)

2. Racha: una longitud de siete puntos consecutivos o más en un

lado de la Gráfica X, se considera anormal.
Fuente: Fukui et al., 2003, p. 72
(Kume, 2002, p. 105)

3. Tendencia: Cuando los puntos forman una curva continua

ascendente o descendente, se dice que hay una tendencia.
MEDIAS
EN CC
353 LSC
352
351
350 LCC
349
348
347 LIC
0
5 10 15 20 25
MEDICIONES
(Kume, 2002, p. 105)
4. Acercamiento a los límites de control: teniendo en cuenta los

puntos que se acercan a los límites de control de 3 sigma, si 2 de 3
puntos ocurren por fuera de las líneas de 2 sigma, el caso se
considera anormal.
(Kume, 2002, p. 106)

5. Acercamiento a la línea central: cuando la mayoría de los puntos

están dentro de las líneas de 1.5 Sigma, esto se debe a una forma
inapropiada de hacer los subgrupos.
(Kume, 2002, p. 107)

6. Periodicidad: también es anormal que la curva muestre

repetidamente una tendencia ascendente y descendente para casi el
mismo intervalo.
(Kume, 2002, p. 107)

PASO 6. CALCULAR LA CAPACIDAD
POTENCIAL (Cp) Y REAL DEL PROCESO (Cpk1 y Cpk2)
Esto se hace para saber si el proceso puede o no cumplir las

especificaciones.
(Kume, 2002, p. 64)

PASO 6. CALCULAR LA CAPACIDAD
POTENCIAL (Cp) Y REAL DEL PROCESO (Cpk1 y Cpk2)
Process Statistics
Capability Indices CPa .379
CpKa .190
The normal distribution is assumed. LSL = 62
and USL = 64.
a. The estimated capability sigma is based on
the mean of the sample group ranges.
TALLER GRAFICAS DE CONTROL X-R
¡Gracias por compartir su tiempo!
Pueden contactarme en:

econtreras@uniboyaca.edu.co

Curso Taller Calidad

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Curso Taller Calidad

Cargado por

Copyright:

Formatos disponibles

ANÁLISIS DE DATOS

EN EL SISTEMA DE GESTIÓN DE LA CALIDAD

Eduin D. Contreras Castañeda MSc.

- El Sistema de Gestión de la Calidad

CURSO-TALLER ANÁLISIS DE DATOS 2

“Se produjo un largo silencio entre nosotros. Me di

KIYOSAKI, Robert. Padre rico, Padre pobre

CURSO-TALLER ANÁLISIS DE DATOS 3

En el libro “La Máquina que Cambió el Mundo”, al cotejar la

FALCONI, Vicente. Gestión de la rutina del trabajo del cotidiano

CURSO-TALLER ANÁLISIS DE DATOS 4

Para aplicar el CC tenemos que ofrecer educación continuada para

Cuando se aplica el CC, la falsedad desaparece de la empresa.

El 95% de los problemas de una empresa se pueden resolver con las

Hagamos un CC que traiga tantas ganancias a la empresa ¡que no

ISHIKAWA, Kaoru. ¿Qué es control total de calidad? La modalidad Japonesa

Mi deseo es que la economía japonesa quede firmemente establecida

ISHIKAWA, Kaoru. ¿Qué es control total de calidad? La modalidad Japonesa

CURSO-TALLER ANÁLISIS DE DATOS 8

ENFOQUE BASADO EN HECHOS PARA LA TOMA DE

La toma de decisiones se basa en un análisis de los datos y

Relación con ISO 9001:2008 en: 8.4

La organización debe determinar, recopilar y analizar los

El análisis de datos debe proporcionar información sobre:

a) la satisfacción del cliente (véase 8.2.1);

The results of analysis and evaluation shall be used:

The results of analysis and evaluation shall be used as an input to the

Fuente: Nava y Jiménez, 2008

Fuente: Nava y Jiménez, 2008

De acuerdo con Hosotani (1992), un problema

Fase: planear Encontrar y poder seleccionar las -diagrama de Ishikawa Recolectar y

Obtener 3,4 defectos en un millón de

1 sigma= 690.000 DPMO = 31% de eficiencia

Fuente: Tomado de www.fundibeq.org

Un diagrama de Pareto es una forma

(Fukui et al., 2003, p. 54)

Ítem Tipo de no conformidad Conteo Total

(Kume, 2002, p. 20)

Total 200 100%

FCIN - ESPECIALIZACIÓN QHSE (Kume, 2002, p. 21)28

Pocos Vitales hasta

FCIN - ESPECIALIZACIÓN QHSE 29

Fuente: Tomado de www.fundibeq.org

1) Diagramas de Pareto de fenómenos.

-Costo: magnitud de las pérdidas, gastos.

-Entrega: escasez de inventarios, demoras en los

- Seguridad: accidentes, errores, interrupciones.

2) Diagramas de Pareto de causas.

-Operario: turno, grupo, edad, experiencia, destreza.

-Materia prima: productor, planta, lote, clase.

-Método operacional: condiciones, órdenes, disposiciones, métodos.

(Kume, 2002, p. 23)

Tipo de Defecto Detalle del Problema

Mes 1 Mes 2 Mes 3 Mes 4

La Tabla 1 representa el tipo de defecto discriminado por

FCIN - ESPECIALIZACIÓN QHSE 36

El diagrama de Ishikawa, fue inventado por el Dr. Kaoru

“Diagrama que muestra la relación entre una

(Kume, 2002, p. 27)

Fuente: Kume, 2002

Métodos: procedimientos usados en la realización de actividades.

Mano de Obra: la gente que realiza las actividades.

Materia Prima: el material que se usa para producir.

Medición: los instrumentos utilizados para evaluar procesos y productos.