SS P2023 M1-4 Variación

INGENIERÍA DE CALIDAD
Seis Sigma
Módulo 1
DEFINIR
§
Preparado por:
Francisco J. Estrada, Ph.D. 1.4 Entendiendo la Variación
frestrad@uacj.mx
dr.f.estrada@gmail.com
2023 Rev 5.0
© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma
frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

1
Entendiendo
la
Variación

2
Los Fenómenos Aleatorios
✦ Fenómeno cuyo resultado no puede predecirse con total
certeza y que sucede o se presenta al azar. Por ejemplo,
es di9cil pronos:car el clima, o el comportamiento de la
bolsa de valores.
✦ Para nuestro caso, nos interesan más los fenómenos
industriales, como las medidas de eficiencia de un
producto o el volumen de ventas de determinado modelo
durante un periodo específico.
✦ Al comprender la estructura de la Variación, aumenta la

capacidad de controlar, mejorar y predecir el
comportamiento de estos fenómenos.

3
Variación
✦ Diferencia entre los resultados obtenidos
de un proceso o experimento estadís:co.
✦ La Variación puede describirse como una

distribución de datos con tres caracterís:cas:
1. Localización (!)
2. Dispersión (σ )
3. Forma

4
Variación
Una falla común en la interpretación de las observaciones, es
suponer que todos los eventos (defectos, errores, accidentes) son
atribuibles a alguien (usualmente la persona más cercana al lugar
de la ocurrencia) o bien, que está relacionado con un evento
especial.
El hecho es que la mayoría de los problemas en las áreas de
servicio o producción, están relacionados con el sistema.
Algunas veces, la falla es realmente local, atribuible a alguien en la
operación o no presente en la operación cuando debería estarlo.
Por lo tanto, llamamos causas comunes de variación las
relacionadas con el sistema, y causas especiales las que se
presentan fortuitamente por diversas razones.
W. Edwards Deming

5
¿Podemos Tolerar la Variación?
✦ En todo proceso, siempre exis:rá cierto grado de
variación.
✦ Se puede tolerar esta variación si:
Ø El proceso está sobre el obje:vo (on
target).
Ø La Variación es pequeña comparada con las
especificaciones del proceso.
Ø El proceso es estable con respecto al :empo.
✦ Es importante entender que es necesario minimizar el
nivel de Variación de un proceso.

6
Un estado de Control estadís:co NO ES el
Estado Natural de un Proceso de
Manufactura, sino que es un Logro, al cual se
llega mediante la Aplicación de un Esfuerzo
determinado, para Eliminar, una por una, las
Causas Especiales de Variación excesiva.
W. Edwards Deming

7
Variación
✦ Los elementos responsables por la Variación de un
proceso lo cons:tuyen los llamados 6M’s, los cuales
muy adecuadamente describen los elementos básicos
de todos los procesos:
Ø Mano de Obra
Ø Maquinaria
Ø Material
Ø Método
Ø Medición
Ø Madre Naturaleza (ambiente)

8
Variación y Control
• Para Administrar cualquier proceso y
reducir su variación, es necesario entender
sus fuentes.
• El primer paso es
dis:nguir entre las
causas de variación:
1) Comunes, y

2) Especiales.

9
Variación
✦ Causas Comunes. Se refiere a todos esos factores naturales,
extraños y no sistemá:cos que son inherentes al sistema.
Variación Controlada. Si solo causas comunes

están presentes, las salidas de un proceso forman una
distribución que es estable con el :empo y es
predecible. Prediction
X-R chart for Process A
UCL=77.20
75 Time
S ample Mean
Size
X=70.91
70
65 LCL=64.62
De acuerdo a Deming, del 85% al 95%
de la Variación total se debe a causas
0 5 10 15 20 25
Sample Number
comunes.

10
Variación por Causas Comunes
✦ Ejemplos de Variación por causas comunes:
Ø Maquinaria
• Vibración de la máquina
• Fluctuaciones en la Temperatura
• Variabilidad en la dureza del X-R chart for Process A
material 75
UCL=77.20
Sample Mean
Ø Oficina 70
X=70.91
• Experiencia individual de 65
0 5 10 15 20 25
LCL=64.62
los trabajadores Sample Number

11
Variación
✦ Causas Especiales. Cuando la Variación fluctúa de una manera no-
aleatoria e inesperada se considera proveniente de una causa especial o
asignable. Las causas especiales son generalmente grandes en magnitud y
pueden ser iden:ficadas y corregidas.
Variación No Controlada. Si causas

especiales están presentes, la salida de un
proceso no es estable con el :empo y no es
predecible.
X-R chart for Process B
Time
80
UCL=77.27 Size
Sample Mean
70 X=70.98
60
LCL=64.70
De acuerdo a Deming, del 5% al 15%
de la Variación total se debe a causas
50
0 5 10 15
Sample Number
20 25
especiales.

12
Variación por Causas Especiales
✦ Ejemplos de Variación por causas especiales:
Ø Maquinaria
• U:lización de la herramienta equivocada
• Desgaste de herramientas
• Velocidad de alimentación X-R chart for Process B
• Errores en el setup 80
UCL=77.27
X=70.98
Sample Mean
70
• Material, ángulo LCL=64.70
60
Ø Oficina 50
0 5 10 15 20 25
• Trabajadores fuera Sample Number
de la oficina por día fes:vo

Causas Especiales

13
Reducción de la Variación
Target
+1σ
✦ Este proceso :ene 4
desviaciones estándar
LSL USL
entre la media y el Limite
Superior de Especificación.
+4σ
Target ✦ El proceso ideal (con

+1σ
variación disminuida) :ene
6 desviaciones estándar
LSL USL
entre la media y el Limite
Superior de Especificación.
+6σ

14
Rol de las Especificaciones
✦ Las especificaciones iden:fican los límites de
aceptación para caracterís:cas individuales de
un producto.
✦ Bien u:lizadas, proporcionan una
guía para determinar si un
proceso puede generar
productos con las caracterís:cas
deseadas.
✦ U:lizadas en forma equivocada, pueden desviar los
esfuerzos de mejoramiento en aquellos procesos que
se encuentran “dentro de especificaciones.”

15
Reaccionando a la Información
✦ ¿Cómo reacciona usted y su
organización a los datos obtenidos
de su proceso?
✦ ¿Reacciona su organización
primariamente, cuando los
productos están fuera de
especificaciones?
✦ ¿Está su organización administrando los procesos

o los productos?

16
Sobre-Ajuste (Tampering)
✦ El Sobre-Ajuste o Tampering, sucede cuando se realizan ajustes
constantemente a un proceso basándose en mediciones
individuales, resultados de pruebas, etc.
...Ajustando el
...pero ahora
Tratamos de proceso
tenemos más no-
reducir no
Ajuste conformidades en el
conformidades...
otro extremo
Proceso
LSL USL LSL USL
...así que ...hasta que

seguimos terminamos
ajustando más y teniendo un
más... Proceso peor.
Proceso Peor
LSL USL
LSL USL

17
Sobre-Ajuste (Tampering)
• Ejemplos: Parámetros del proceso,
termostato, etc.
• El sobre ajuste es una forma de
reaccionar a la información
• Una de las fuentes más comunes de variación por
causas especiales es el sobre ajuste
• Se ha demostrado que la variación puede
disminuirse a la mitad solo eliminando el sobre-
ajuste.
• Esta oportunidad de mejora existe en casi todas las
compañías actualmente.

18
La Variación y la Fábrica Escondida
• Cada dato fuera de los límites de especificación :ene que ser
detectado, reparado y vuelto al proceso.
• Cada uno cuesta :empo y dinero.
90% de
OK Yield de Calidad
Entradas Operación Inspección Primera al
instancia Cliente
No
Retrabajo Yield después de
OK
Fábrica Inspección o prueba
Escondida Tiempo,
Scrap materiales,
gente
• La Variación en Manufactura provoca una “Fabrica Escondida”.

Se incrementa el costo y se pierde capacidad.

19
Describiendo
la Variación
con Números

20
Medidas de Tendencia Central
✦ La Medida de Tendencia Central es un valor
numérico que sirve para describir la ubicación
central de los datos o en que medida los datos
:enden a agruparse en el centro.
✦ Se u:lizan por lo general tres :pos de

medidas:
1) Media,
2) Mediana y
3) Moda.

21
La Media
✦ La Media (!) es la suma de las observaciones realizadas
divididas entre la can:dad de observaciones
correspondientes.
✦ Es una medida de tendencia central, no una medida de
la variación. Sin embargo es indispensable para calcular
algunas de las medidas de variación estadís:ca.
X=
∑ x
i=1 i
=
x1 + x 2 + ... + x n
n n
Ø ! = Media
Ø xi = Dato i
Ø n = Cantidad de Valores observados
€ © 2001-2023 Dr. Francisco J. Estrada, Ph.D.
frestrad@uacj.mx dr.f.estrada@gmail.com
Ingeniería de Calidad. Seis Sigma
M1-4 Entendiendo la Variación

22
La Mediana
✦ La Mediana (M) es el valor que divide una serie de
observaciones ordenadas (en forma ascendente o
descendente) de manera tal que la can:dad de
elementos que la precede es igual a la can:dad de
elementos que la siguen.
✦ Por ejemplo, si se :enen 7 datos en orden, el 4°

dato será la mediana. Si se :enen 8 datos entonces
la mediana será el promedio de los datos #4 y #5.
✦ NOTA: La Mediana puede ser una

fracción o decimal, aún cuando todos los
valores sean enteros.

23
La Moda
✦ La Moda (Mo) de un conjunto de números es el
valor que aparece con la mayor frecuencia.
✦ Puede suceder que en una serie de datos no haya

moda o que haya varias.
✦ Se dice que una serie de datos es:

Unimodal si solo :ene una moda;

Bimodal si :ene dos modas y

Mul:modal si :ene más de dos modas.


24
Relación entre Media, Mediana y Moda
✦ Si la distribución es Simétrica, los valores de la Media,
Mediana y Moda serán idén:cos; si la distribución es
asimétrica, los valores serán dis:ntos.
✦ La Media es la medida de tendencia central que más se

u:liza. Es ú:l cuando la distribución es simétrica o su
asimetría no es significa:va, para calcular medidas de
dispersión, gráficos de control, y cuando en la estadís:ca
induc:va se necesita echar mano de un valor estable.
✦ La Mediana es una medida eficiente cuando la

distribución :ene asimetría. Es ú:l cuando se desea
encontrar el punto medio exacto de una distribución.

25
Relación entre Media, Mediana y Moda
✦ Si la distribución :ene valores extremos, la media se verá
afectada en tanto que la mediana no.
✦ La moda se u:liza cuando se necesita una rápida y

aproximada medida de la tendencia central.
Simétrica No Simétrica
Media (!) Media (!) Moda (Mo)

Mediana (M) Mediana (M)
Moda (Mo)

26
Medidas de Dispersión
✦ Las Medidas de Dispersión describen cómo se
diseminan o dispersan los datos en torno del valor
central.
✦ Se u:lizan por lo general tres :pos de

medidas:
1) Rango,
2) Desviación Estándar, y
3) Varianza.

27
Describiendo la Variación con Números
✦ El Rango es la diferencia entre los valores u
observaciones Mayor (Max) y Menor (Min). Rango
= Max - Min
✦ El Min es el punto con el valor más pequeño

en un juego de datos.
✦ El Max es el punto con el valor más grande en

un juego de datos.

28
Desviación Estándar
✦ La desviación estándar es un valor numérico, expresado
en las unidades de los valores observados, que mide la
tendencia a la dispersión de los datos. Se expresa
mediante la siguiente fórmula:
n
2
∑ (x i − x)
i=1
s=
n −1
✦ La desviación estándar puede interpretarse como “el

promedio de la distancia entre los datos y la media.”
€

29
Varianza
✦ La Varianza se define de la manera siguiente:
n
2
2
∑ (x i − x)
i=1
s =
n −1
✦ La Varianza es el cuadrado de la desviación

estándar. La varianza es de u:lidad porque éstas
€
pueden sumarse mientras que las desviaciones
estándar no.

30
Medidas de Dispersión
✦ Los siguientes son el número de homeruns
conectados por Babe Ruth jugando con los
Yankees:
✦ 54, 59, 35, 41, 46, 25, 47, 60, 54, 46,
49, 46, 41, 34, 22.
✦ Determine el Min, Max, Rango, Media,

Mediana, Moda, Desviación Estándar y
Varianza.

31
Estadística Descriptiva en MiniTab
1. Escriba los valores en una

hoja de Trabajo de
Minitab.

32
2. Vaya a Stat> Basic
Sta:s:cs> Display
Descrip:ve
Sta:s:cs

33
3. Doble click
en
Homeruns
4. Click
Sta:s:cs

34
5. Seleccione las estadís:cas deseadas
6. Click OK

35
✦ Se calcula el valor de min, max, mediana, media.
Moda, desviación estándar, Rango y Varianza.

36
1. El año pasado una empresa de distribución pagó a su personal
administra:vo los siguientes salarios: $23,000 cada uno de sus seis
auxiliares administra:vos, $65,000 cada uno de sus dos contadores,
$75,000 a tres ingenieros, $100,000 a cuatro gerentes y al director de la
compañía $250,000. ¿Cuál es el salario promedio pagado en esta
compañía? ¿Cuántos de los empleados ganan menos de la media?¿Cuál
es la Mediana?
2. Si para este año, la empresa tan solo aumenta el salario del director a
$475,000, ¿En qué afecta esto la media? ¿y la Mediana?
3. Los siguientes son los resultados de una encuesta sobre los hábitos y
ac:tudes de estudiantes universitarios en su primer año:
w 108, 140, 114, 91, 180, 115, 126, 92, 169, 146, 109, 132,
115, 88, 113, 151, 70, 115, 187, 104
✦ Calcule la media, mediana, moda, min, max, rango, desviación estándar,

varianza, Q1, Q3, Error Estándar de la Media.

37
Describiendo
la Variación
con Gráficos

38
Gráficos para Variables Categóricas
✦ Gráfico de Barras. Permite comparar los
valores alcanzados por cada categoría de la
Variable mediante barras.
✦ Gráfico de Pastel. Permite comparar los valores alcanzados
por cada categoría de la Variable mediante un pastel
seccionado en rebanadas.
Estado Civil Valor (Millones) Porcentaje
Soltero 43.9 22.9

Casado 116.7 60.9
Viudo 13.4 7.0
Divorciado 17.6 9.2

39
Gráfico de Barras en MiniTab
✦ Hagamos primero un
gráfico de barras para los
datos de la página anterior.
1. Escriba los valores en

una hoja de Trabajo de
Minitab.
2. Vaya a Graph > Bar

Chart

40
3. Seleccione Cuentas de
Valores
6. Doble Click en
Estado Civil
4. Seleccione
Simple
5. Click
OK 7. Click Data Op:ons

41
8. Seleccione Frecuencia
9. Doble click en Valor
10.Click
OK 11.Click Chart Op:ons

42
12.Seleccione
“Decreasing Y”
13.Click
OK

43

44
Gráfico de Pastel en MiniTab
✦ Hagamos ahora un gráfico de
pastel para los mismos datos.
1. Vaya a Graph > Pie

Chart

45
2. Seleccione “Valores
de una Tabla”
3. Seleccione “Estado
Civil” como variable
categórica
4. Seleccione
“Valor”
5. Click Labels

46
6. Seleccione “Slice
Labels”
7. Seleccione “Nombre” y
“Porcentaje”

47

48
Histogramas
✦ Un histograma divide el Rango de los valores
de una variable en intervalos.
✦ Muestra una serie de barras que
representan la cuenta o porcentaje de las
observaciones que caen en cada intervalo.

49
Visualizando Dos Juegos de Datos
✦ Los siguientes son :empos de operación para una estación de
ensamble en dos células de producción diferentes. Elabore
histogramas, diagramas de caja y de puntos.
• 40 26 39 14 42 18 25 43 46 27 19 47
19 26 35 34 15 44 40 38 31 46 52 25
Op Time 1
35 35 33 29 34 41 49 28 52 47 35 48
22 33 41 51 27 14 54 45 30
• 20 16 29 11 22 12 15 23 26 17 19 27
12 20 25 24 19 24 20 18 21 26 22 15 Op Time 2
25 15 23 19 24 21 29 18 22 27 25 28
12 23 21 31 27 24 25 24 21

50
Visualizando Dos Juegos de Datos en MiniTab
1. Escriba los valores

en una hoja de
Trabajo de Minitab.

51
Histogramas en MiniTab
2. Vaya a Stat> Basic

Sta:s:cs> Display
Descrip:ve
Sta:s:cs

52
3. Seleccione “Op
Time 1” y “Op
Time 2” como
variables
4. Click Graphs
5. Seleccione la caja
de “Histogram of
Data, with normal
curve”
6. Click OK

53
7. Click Sta:s:cs
8. Selecciones sus
opciones

54
✦ Se elabora el histograma y se calculan las estadís:cas
seleccionadas.

55
1. Vaya a Graph> Histogram
2. Seleccione “With
Fit”
3. Click OK

56
4. Seleccione Op Time 1 y Op Time 2
6. Escriba “Opera:on
Time Cell1 vs. Cell 2”
5. Click
“Labels”

57
8. Seleccione
“Overlaid on the
same Graph”
7. Click “Mul:ple
Graphs”
9. Click
“OK”

58
Histogramas

59
Diagramas de Caja
✦ Básicamente un Diagrama de
Valor más alto dentro del
Caja consiste de una caja, sus Límite Superior
bigotes y puntos flotantes Outlier Q3+1.5(Q3-Q1)
(outliers).
*
Q3
Mediana
✦ Se dibuja una línea a través
de la caja en la mediana. La
parte inferior de la caja es el
primer cuar:l (Q1) y la parte
superior es el tercer cuar:l
(Q3)
Q1
Valor más bajo dentro el
Límite Inferior Q1-1.5(Q3-Q1)

60
Diagramas de Caja en MiniTab
1. Vaya a Graph> Boxplot
2. Seleccione “Mul:ple Y’s
Simple”
3. Click OK

61
4. Seleccione Op Time 1 y Op Time 2
6. Escriba “Opera:on Time

Cell1 vs. Cell 2”
5. Click
“Labels”

62
7. Click “Data
View”
8. Haga su
Selección

63
Diagrama de Cajas

64
✦ Hagamos los Diagramas de Puntos
1. Vaya a Graph> Dot Plot
3. Seleccione
Op Time 1 y
Op Time 2
2. Seleccione “Mul:ple Y’s

Simple”

65
Diagrama de Puntos

66
Length Supp 1 Supp 2
✦ Elabore los Length 601.2 598.4 599.8 600.0 598.6 600.0 598.2 602.0
Histogramas, 601.4 598.2 602.2 600.0 599.2 599.8 596.8 599.4 603.6
601.6 598.8 601.0 600.0 599.8 599.6 602.8 599.4 600.8
Diagramas de 598.0 597.8 601.4 598.8 601.2 599.2 600.8 600.2 600.2
601.4 598.2 601.0 598.2 600.4 599.6 603.6 599.0 600.4
Puntos y de Cajas 599.4 598.2 601.2 599.4 600.2 600.2 604.2 599.4 600.2
para los siguientes 600.0
600.2
598.2
601.2
601.4
601.8
599.6
599.4
599.6
599.6
599.8
599.6
602.4
598.4
598.0
597.6
602.2
598.0
datos, mostrando 601.2 600.0 601.6 599.4 599.6 600.0 599.6 598.0 598.4
598.4 598.8 601.0 600.0 600.2 599.6 603.4 597.6 600.8
en una sola hoja 599.0 599.4 600.2 598.8 599.2 599.2 600.6 601.2 602.8
598.4 599.0 597.6
las tres variables. 601.2
601.0
597.2
600.8
599.0
601.2
599.2
599.4
599.0
599.6
598.6
599.6 598.2 600.4 601.6
Calcule la Media, 600.8 600.6 601.2 599.6 600.4 601.2 602.0
599.4
600.6
599.0
603.4
597.0
597.6 599.6 601.2 599.0 600.0 599.6
Mediana, Moda, 601.6 599.4 601.2 599.2 599.0 600.2 599.4 602.2 599.8
599.4 598.0 601.0 600.6 599.6 600.0 600.8 599.8 597.8
Mínimo, Máximo, 601.2 600.8 601.0 598.8 599.4 600.0 600.8 599.8 602.4
Rango, Desviación 598.4
599.2
597.8
599.2
601.4
601.4
598.8
599.8
599.2
597.8
599.4
599.8
598.6
600.0
601.0
601.6
602.2
600.6
Estándar, Varianza. 598.8 599.2 598.8 599.2 600.4 599.2 600.4 601.6 596.2
601.4 600.6 598.8 599.4 599.6 599.6 600.8 600.2 602.4
✦ Archivo en 599.0 598.0 598.8 600.0 600.0 599.4 600.8 601.8 601.4
597.2 601.2 599.2
Minitab: camshay 601.0
601.6
598.0
598.8
598.2
601.8
600.2
600.2
600.8
600.4
600.0
600.0 600.4 597.6 601.6
601.4 601.0 601.0 599.6 599.4 599.2 599.8 599.8 600.4
601.4 600.8 601.4 599.0 599.0 599.4 596.4 602.8 598.0
598.8 598.8 601.4 599.0 598.4 599.6 600.4 600.0 601.2
601.4 599.4 599.0 599.8 599.0 599.8 598.2 599.6 604.2
598.4 601.0 601.4 600.8 599.6 599.0 598.6 602.2 600.2
601.6 598.8 601.8 598.8 598.8 599.6 599.6 603.8 600.0
598.8 599.6 601.6 598.2 599.2 599.4 599.0 603.6 596.8
601.2 599.0 601.2 599.6 601.8
© 2001-2023 Dr. Francisco J. Estrada, Ph.D. 599.6 600.4 Ingeniería de Calidad. Seis Sigma

67

SS P2023 M1-4 Variación

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

SS P2023 M1-4 Variación

Cargado por

Copyright:

Formatos disponibles

INGENIERÍA DE CALIDAD

2023 Rev 5.0

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ Al comprender la estructura de la Variación, aumenta la

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ La Variación puede describirse como una

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

Variación Controlada. Si solo causas comunes

X-R chart for Process A

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

los trabajadores Sample Number

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

Variación No Controlada. Si causas

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

• Material, ángulo LCL=64.70

• Trabajadores fuera Sample Number

de la oﬁcina por día fes:vo

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

Target ✦ El proceso ideal (con

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ ¿Está su organización administrando los procesos

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

LSL USL LSL USL

...así que ...hasta que

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

• La Variación en Manufactura provoca una “Fabrica Escondida”.

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ Se u:lizan por lo general tres :pos de

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

€ © 2001-2023 Dr. Francisco J. Estrada, Ph.D.

M1-4 Entendiendo la Variación

✦ Por ejemplo, si se :enen 7 datos en orden, el 4°

✦ NOTA: La Mediana puede ser una

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ Puede suceder que en una serie de datos no haya

✦ Se dice que una serie de datos es:

Bimodal si :ene dos modas y

Mul:modal si :ene más de dos modas.

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ La Media es la medida de tendencia central que más se

✦ La Mediana es una medida eﬁciente cuando la

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ La moda se u:liza cuando se necesita una rápida y

Media (!) Media (!) Moda (Mo)

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma

frestrad@uacj.mx dr.f.estrada@gmail.com M1-4 Entendiendo la Variación

✦ Se u:lizan por lo general tres :pos de

© 2001-2023 Dr. Francisco J. Estrada, Ph.D. Ingeniería de Calidad. Seis Sigma