Primera Unidad Fundamentos Y Herramientas de Análisis: Unidad Servicios Empresariales (Use) Capacitacion Online 2020

PRIMERA UNIDAD
FUNDAMENTOS Y HERRAMIENTAS DE
ANÁLISIS
UNIDAD SERVICIOS EMPRESARIALES (USE)
Capacitacion online 2020
Sesión 1: FUNDAMENTOS DEL CONTROL ESTADISTICO
DE PROCESOS (CEP)

Objetivos
▪ Conocer los principales aspectos conceptuales del CEP así
como su terminología técnica.
▪ Presentar herramientas básicas del Control Estadístico de

Procesos (CEP).
▪ Describir las bases estadísticas de las graficas de control de

Shewhart.
▪ Discutir e ilustrar algunos aspectos prácticos en la

implantación del CEP.
www.senati.edu.pe
Contenido
1. Conceptos importantes del CEP
2. Métodos estadísticos de control y mejoramiento de calidad
3. El control estadístico y la mejora continua.
4. Estadígrafos y la distribución normal
5. Las siete herramientas estadísticas de la calidad
www.senati.edu.pe
¿Qué es C.E.P.?
▪ Definimos el “Control Estadístico de la Calidad” como la aplicación

de diferentes técnicas estadísticas a procesos industriales,
administrativos y/o servicios con objeto de comprobar si todas y
cada una de las partes del proceso o servicio cumplen unas ciertas
exigencias de calidad y ayudar a cumplirlas.
▪ Entendiendo por calidad de un producto o servicio como su

adecuación para ser usado.
www.senati.edu.pe
¿Qué es C.E.P.?
◼ CONTROL: Mantener el proceso dentro de sus límites.
◼ ESTADÍSTICO: Con la ayuda de datos que permita obtener

conclusiones.
◼ PROCESO: Operadores, máquinas, métodos y materiales

unidos para producir un producto o servicio
www.senati.edu.pe
Variabilidad
• La mayor dificultad para proporcionar productos o servicios de calidad

perfecta es la variabilidad inherente a cualquier proceso de fabricación o
de prestación de servicios.
• Si la diferencia entre dos unidades es pequeña no tiene importancia,

pero si es relativamente grande, alguna unidad puede ser inaceptable, o
lo que es lo mismo defectuosa.
• El estudio y evaluación de esa variabilidad es el objetivo de la aplicación

de técnicas estadísticas al control de la calidad.
www.senati.edu.pe
Variabilidad
▪ El principal objetivo del Control Estadístico de Procesos será

reducir sistemáticamente la variabilidad en productos y servicios.
Para ello es necesario, primero identificar las causas que provocan
variabilidad y posteriormente eliminarlas del proceso de
fabricación.
▪ Diremos que un proceso está bajo control o en estado de control

cuando la característica de calidad observada en el proceso varía
de forma estable alrededor de un valor medio fijo.
www.senati.edu.pe
Modelo conceptual de proceso
¿Que variables influyen y que tanto?

¿Que variables se pueden asegurar, como?
¿Que se puede controlar, donde, cuando, como?
www.senati.edu.pe
¿Qué es C.E.P.?
Control de calidad durante el proceso de producción, utilizando los datos

para mantener el proceso en estado de control estadístico (dentro de su
propia capacidad).
◼ Un sistemático y riguroso proceso para identificar y

ayudar a resolver problemas
◼ Una herramienta para mejorar la calidad y productividad
◼ Parte de una filosofía relacionada con el mejoramiento
continuo
◼ $ $ $ $ $ $ $
www.senati.edu.pe
Como trabaja el C.E.P....
◼ Cambiando el énfasis de la detección a la prevención
◼ Suministrando evidencia de como el sistema está actuando

(No opiniones o memoria)
◼ Diferenciando las causas especiales y las causas comunes

de variación.
www.senati.edu.pe
¿ Quiénes deben utilizarlo ?
◼ no es solo un asunto de
manufactura
◼ las técnicas del cep pueden y han
sido exitosamente utilizadas en Ingeniería para :
ambientes no manufactureros ◼ Incorporar la capacidad del proceso en los diseños
La gente de Ventas necesita entender el CEP ◼ Comunicarse con manufactura

para: ◼ Evaluar la ingeniería de procesos
◆ Comunicarse con los clientes y con
la planta Mantenimiento para:
◆ Evaluar el proceso de ventas ◼ Entender porqué los llaman a hacer reparaciones

(aviso de fuera de control)
◆ Porque los clientes lo están
pidiendo y cada vez son más los ◼ Comunicarse con la planta y la alta Gerencia
que lo piden ◼ Evaluar el proceso de mantenimiento
www.senati.edu.pe
Porqué usted necesita C.E.P....
◼Porque la calidad es una exigencia para el éxito empresarial en el ambiente

competitivo de hoy.
✓Las expectativas del cliente lo demandan
◼Porque el mejoramiento de la calidad es la mejor forma de mejorar la rentabilidad.

✓El retorno de la inversión del mejoramiento de la calidad no tiene comparación
◼Porque la información es la clave del mejoramiento de la Calidad
➢Especialmente en manos de los empleados

◼Porque el C.E.P.. dirige la atención al proceso en lugar de al
producto.
www.senati.edu.pe
Para qué implementar el C.E.P....
◼ Para ayudar a decidir cuando ajustar el proceso, dejarlo quieto o detenerlo
◼ Para lograr costos bajos, alta calidad, alta productividad, capacidad

predecible, disminución del desperdicio y reproceso.
◼ Para ayudar a medir el efecto que tienen los cambios realizados en los
procesos.
◼ Para ayudar a elevar la moral porque la gente está más involucrada y dispuesta
a hacer un mejor trabajo
◼ Para aumentar la satisfacción de cliente porque: de pocos errores, mayores
negocios
www.senati.edu.pe
Algunos productos, servicios y expectativas del cliente
Hospital Fabrica de automoviles

• El paciente recibe el tratamiento • ¿Se desempeña como se
correcto? pretende?
• Pacientes tratados con cortesía • Componentes dentro de las
por todo el personal? tolerancias de fabricación?
• apoya todo el entorno del • Es agradable su apariencia?
Hospital a que los pacientes se
recuperen? •
Banco Aserradero
• las transacciones del cliente se • Maderos dentro de las tolerancias
completa con precisión? de contenido de humedad?
• Cumple el Banco con las • Se clasifican correctamente los
reglamentaciones maderos?
gubernamentales? • Hay nudos, rajaduras, muchas
• ¿Los estados de los clientes
reflejan con exactitud sus superficies y otros defectos en
transacciones? cantidad excesiva?
www.senati.edu.pe
Dimensiones de la calidad
Evolución de la Calidad
✓ Desempeño
✓ Confiabilidad
✓ Durabilidad
✓ Facilidad de servicio
✓ Estética
✓ Características incluidas
✓ Calidad percibida
✓ Conformidad con los estándares
Características de la Calidad
1. Físicas: Longitud, peso, voltaje, viscosidad.
2. Sensoriales: sabor, apariencia, color.
3. Orientadas al tiempo: confiabilidad,
durabilidad, facilidad de servicio.
www.senati.edu.pe
Antecedentes históricos
CEP en occidente – Western Electric CEP en Japón
1924: WALTER SHEWHART realizó experimentos en 1950’s: EDWARD DEMING / JOSEPH JURAN:
base al Teorema del Límite Central y desarrolló las Entrenaron a líderes industriales en técnicas del
Cartas de Control del CEP CEP
1926: HAROLD F. DODGE Y HARRY G. ROMIG, 1950’s: KAOURU ISHIKAWA: Es un seguidor de

desarrollaron las técnicas de Muestreo Estadístico. Deming y desarrolla el Diagrama de Ishikawa, los
Círculos de calidad e impulsa el control de calidad
total CWQC.
✓Durante la 2a. Guerra Mundial se expande el uso del
CEP en la industria de manufactura
✓La aplicación de las técnicas estadísticas ha ✓ Los japoneses implantaron el CEP y lograron
evolucionado a lo que hoy se conoce como Seis productos de alta calidad, Occidente retoma los
Sigma, aplicada por Motorola, GE, Sony, etc. métodos de CEP hasta después de los 1980’s.
www.senati.edu.pe
Métodos estadísticos de control y mejoramiento de calidad
A. LAS CARTAS DE CONTROL

15
• Técnica útil para el monitoreo de procesos
• Permiten identificar situaciones anormales 10 LCS
(causas especiales originadas por cambios en 5
Promedio
las 6M’s) LCI
0 Perfil
• Sirven para prevenir la producción de defectivos
B. DISEÑO DE EXPERIMENTOS C. MUESTREO DE ACEPTACIÓN

Técnica que permite calificar lotes de
✓ Técnica útil para identificar las variables clave que
afectan a la variabilidad de productos. productos como conformes o no
✓ Permite variar en forma sistemática los factores y conformes, por medio de una muestra
analizar su efecto representativa sin inspeccionar al 100%
Variables de Proceso Característica
Entrada/Factores de calidad
Lote Muestra ¿Ok?
www.senati.edu.pe
Administración por calidad total
Modelos: Creación de valor a Los Costos de Calidad

las partes interesadas
✓ Premio Malcolm Baldrige – EUA
CROSBY: La calidad se mide con el costo de calidad
✓ Premio Europeo a la calidad – Europa
• COSTOS DE PREVENCIÓN
✓ Premio Deming – Japón ✓ Planeación de calidad (manuales), Entrenamiento
✓ Premio Nacional de Calidad -México • COSTOS DE APRECIACIÓN
✓ Premios Estatales a la calidad ✓ Inspecciones, pruebas y materiales de prueba
• COSTOS DE FALLA INTERNA
✓ Desperdicios, retrabajos, reinspecciones
• COSTOS DE FALLA EXTERNA
✓ Garantías, reclamaciones, demandas legales,
penalizaciones, campañas
www.senati.edu.pe
Factores de éxito para la implantación del CEP
✓Liderazgo gerencial, ser parte de un programa mayor
✓ Enfoque de grupo de trabajo
✓Educación y entrenamiento en todos los niveles
✓Énfasis en la mejora continua
✓Sistema de reconocimiento
✓Apoyo técnico de ingeniería o calidad
www.senati.edu.pe
¿Qué es Estadística?
Recolección de datos Organización de datos
Es la ciencia que
relaciona los métodos
usados en la
Análisis de datos
Presentación de datos
Estadística Descriptiva
www.senati.edu.pe
Definiciones
Población: Es la colección de todos los elementos (piezas, personas, etc.). En

nuestro caso sería un número infinito de mediciones de las características bajo
estudio.
Muestra: Es una parte o subconjunto representativo de la población, o sea un

grupo de mediciones de las características.
Variable aleatoria: es una función o regla que asigna uno y sólo un valor de una
variable " y" a cada evento en el espacio muestral. En este caso representa una
medición particular.
www.senati.edu.pe
Definiciones
Distribución: Es la forma del patrón de variación observado.
Datos continuos Los datos que tienen un valor real (temperatura,

presión, tiempo, diámetro, altura ).
Datos discretos: Datos que toman valores enteros (1, 2, 3, etc.)
Datos por atributos: Bueno - malo, pasa - no pasa, etc.
www.senati.edu.pe
Definiciones
Estadístico: Es una medición tomada en Parámetro: Es el valor verdadero en

una muestra que sirve para hacer una población (media, desviación
inferencias en relación con una población estándar, se indican con letras
(media de la muestra, desviación estándar griegas)
de la muestra).Normalmente es una
variable aleatoria y tiene asociada una
distribución.
Ejemplo de estadísticos Ejemplo de Parámetros

x : la media muestral : la media poblacional
p: la proporción muestral : la proporción poblacional
s2 : la varianza muestral 2 : la varianza poblacional
s: la desviación estándar muestral : la desviación estándar poblacional
www.senati.edu.pe
Clasificación de las variables
Nominales
Cualitativas o
Categóricas
Ordinales
Variables
Discretas
Cuantitativas o
Numéricas
Continuas
www.senati.edu.pe
La distribución Normal Estándar
La distribución normal es una distribución de

probabilidad que tiene media 0 y desviación
estándar de 1.
La desviación estándar
sigma representa la
El área bajo la curva o la probabilidad desde distancia de la media al
menos infinito a más infinito vale 1. punto de inflexión de la
curva normal
La distribución normal es simétrica, es decir cada

mitad de curva tiene un área de 0.5.
La escala horizontal de la curva se mide en X

desviaciones estándar, su número se describe con x-3s x-2s x-s x x+s x+2s x+s3
Z.
Para cada valor Z se asigna una probabilidad o

z
área bajo la curva mostrada en la Tabla de -3 -2 -1 0 1 2 3
distribución normal
www.senati.edu.pe
La distribución Normal Estándar
➢ Es una distribución simétrica y unimodal.

➢ La media, la mediana y moda tienen el mismo valor.
➢ Es de amplia aplicación, dado que la mayoría de los procesos industriales y las
variaciones naturales siguen un comportamiento “normal”.
www.senati.edu.pe
Ejem: Proceso con media =100 y desviación estándar = 10
70 80 90 100 110 120 130
68%
34% 34%
90 110
68%
34% 34%
13.5% 13.5%
95%
80 120
68%
2.365% 34% 34% 2.365%
13.5% 13.5%
99.73%
70 130
www.senati.edu.pe
El control estadistico
y la mejora de procesos
www.senati.edu.pe
Enfoque Tradicional
Clasificación de Procesos
“Las tareas se desarrollan en forma individual”
Enfoque basado en procesos

“El resultado es obtenido en forma más eficiente
cuando las actividades y recursos anexos se
gestionan como un proceso”
www.senati.edu.pe
Aplicación del Ciclo Shewhart
1. Desarrollar procesos Solución de problemas (Kaizen)

2. Satisfacer clientes A través de mejoras
3. Mejorar la organización Objetivos y estrategias
www.senati.edu.pe
Las 7 herramientas
Estadisticas de la Calidad
www.senati.edu.pe
Control estadístico de Procesos
1. Hoja de Verificacion
www.senati.edu.pe
1. Hoja de verificación o registro
▪ Una Hoja de Verificación (también llamada “de Control” o “de Chequeo”)

es un impreso con formato de tabla o diagrama, destinado a registrar y
compilar datos mediante un método sencillo y sistemático.
▪ Esta técnica de recogida de datos se prepara de manera que su uso sea

fácil e interfiera lo menos posible con la actividad de quien realiza el
registro, para analizar la manera en que los principales factores que
intervienen, influyen en una situación o problema específico.
www.senati.edu.pe
Utilización
En la mejora de la calidad, se utiliza tanto en el estudio de

los síntomas de un problema, como en la investigación de
las causas o en la recogida y análisis de datos para probar
alguna hipótesis.
También se usa como punto de partida para la elaboración

de otras herramientas, como por ejemplo los Gráficos de
Control, diagramas de Pareto e Histogramas.
www.senati.edu.pe
Kaoru Ishikawa identificó cinco usos para las hojas de control en el control
estadístico de la calidad. Estas pueden utilizarse para:
➢ Comprobar la forma de la distribución de probabilidad de un proceso.
➢ Cuantificar defectos por tipo.
➢ Cuantificar defectos por ubicación.
➢ Cuantificar defectos por causa (máquina, trabajador).
➢ Realizar un seguimiento de la finalización de los pasos en un procedimiento de

varios pasos (como una lista de verificación o checklist).
www.senati.edu.pe
Pasos para elaborar una Hoja de verificación o registro
1. Determinar claramente el proceso sujeto a observación.
2. Definir el período de tiempo durante el

cual serán recolectados los datos.
3. Diseñar una forma que sea clara y fácil de

usar.
4. Obtener los datos de una manera consistente y honesta.
Para este diseño, existen muchísimas herramientas ofimáticas: Excel, Word,

Libre Office, Google Sheets, etc.
www.senati.edu.pe
Tipos de Hoja de verificación o de chequeo
I. Hoja de chequeo con escala de medición:
Sirve para evaluar la forma de distribución

de probabilidad para construir después una
distribución de frecuencia. En este tipo de
hoja se clasifica la medición según una serie
de categorías o parámetros. Además,
permite trazar límites de especificación.
www.senati.edu.pe
II. Hoja de chequeo para identificar la

frecuencia con la que ocurre un defecto:
Cuando un proceso ha sido identificado como un candidato

para la mejora, es importante saber qué tipos de defectos
ocurren en sus salidas y sus frecuencias relativas. Esta
información sirve de guía para investigar y eliminar las fuentes
de defectos, empezando por las más frecuentes.
Por ejemplo:
La fábrica de muñecas “Muñecas para todos, S.L”, ha
identificado que los defectos más comunes en el momento de
la fabricación de un tipo de muñecas son:
✓ Pintura movida en los ojos.
✓ Cabello mal cosido.
✓ Brazos mal encajados.
✓ Otros.
El período de medición determinado es de una semana.
www.senati.edu.pe
III. Hoja de chequeo para determinar la localización de un defecto
Cuando las salidas del proceso son objetos para los cuales se pueden
observar defectos en lugares variables (por ejemplo burbujas en
productos laminados o huecos en piezas fundidas), se puede usar un
diagrama de concentración de defectos.
Este tipo de hoja de control consta de lo siguiente: un diagrama a

escala del objeto desde cada uno de sus lados, opcionalmente dividido
en secciones de igual tamaño.
Cada vez que el proceso genera una salida, se evalúa la salida de los
defectos y marca la sección de cada vista donde se encuentra cada
uno.
El uso de su conocimiento del proceso junto con las ubicaciones debe

revelar la fuente o fuentes de variación que producen los defectos.
www.senati.edu.pe
VI. Lista de chequeo o checklist
La lista de verificación está diseñada como una ayuda para la

corrección de fallos cuando se realizan procedimientos de pasos
múltiples, particularmente durante la comprobación y el acabado de
las salidas del proceso.
Este tipo de hoja de control consta de lo siguiente:
• Un contorno (opcionalmente numerado) de las subtareas a

realizar.
• Cajas o espacios en los que se pueden introducir marcas de

verificación para indicar cuándo se ha completado la subtarea.
• Las anotaciones se deben hacer en el orden en que las

subtareas se completan realmente.
Es una de las más usadas tanto en calidad como en nuestra vida

diaria.
www.senati.edu.pe
Sesión 2: HERRAMIENTAS DE ANÁLISIS

Objetivos
▪ Definir las reglas básicas a seguir en la construcción e
interpretación de los histogramas, resaltando las situaciones en
que pueden o deben ser utilizados.
▪ Su utilización será beneficiosa para el desarrollo de los

proyectos abordados por los equipos y grupos de mejora que
estén implicados en la mejora de la calidad.
▪ Es de aplicación a todos aquellos estudios en que es necesario

analizar la pauta de comportamiento de un determinado
fenómeno en función de su frecuencia de aparición.
▪ Desarrollar ejercicios de aplicación con los alumnos.

www.senati.edu.pe
Contenido
1. Los Histogramas
2. Tabulación de datos
3. El Diagrama Tallo y Hoja
4. El Diagrama de Caja
www.senati.edu.pe
2. Histograma
Es una representación grafica que muestra datos (valores) agrupados indicando

la frecuencia de su ocurrencia o existencia.
Se emplea para mostrar la capacidad de un proceso, la relación que guarda el

proceso con las especificaciones y Las normas. Da una idea de la magnitud de
la población y muestras de discontinuidades y dispersiones que se dan en los
datos.
LIE LSE
www.senati.edu.pe
Histograma: ejemplos tipicos
✓ Evaluar o revisar procesos (control).
✓ Detectar la necesidad de correctivos (evidencia del problema).
✓ Medir los efectos de cambios (evaluación y seguimiento).
✓ Comparar rendimientos de maquinas, procesos, operarios …
✓ Comparar proveedores (evaluación de alternativas de materiales).
✓ Y otros …
www.senati.edu.pe
Histograma
Modos de frecuencia:
1. Histogramas normales (tipo campana, Gauss): mas frecuencia de valores centrales.
2. Histogramas bimodales (doble pico): Cuando hay mezcla de datos o de factores
diferentes.
3. Histogramas de “islas” (2 grupos diferentes): Cuando hay mezcla accidental de
datos.
www.senati.edu.pe
Construcción del histograma - datos agrupados
Paso 1. Contar los datos (N)

Paso 2. Calcular el rango de los datos R = (Valor mayor- valor menor)
Paso 3. Seleccionar el número de columnas o celdas del histograma

Regla de sturges : k = 1 + 3.3 log(n),
Regla de Jule : k = √n
si N = 1 a 50, K = 5 a 7; si N = 51 - 100; K = 6 - 10
Paso 4. Dividir el rango por K para obtener el ancho de clase
Paso 5. Identificar el límite inferior de clase más conveniente y sumarle el ancho

de clase para formar todas las celdas necesarias
Paso 6. Tabular los datos dentro de las celdas de clase

Paso 7. Graficar el histograma y observar si tiene una forma normal
www.senati.edu.pe
Caso de estudio
Una persona investigó en 40 tiendas los precios de la calculadora Casio

FX–570-ES y obtuvo los siguientes resultados, expresados en soles.
60 68 74 75 73 67 83 75
75 80 65 74 72 80 76 78
85 72 76 84 87 86 64 82
75 71 67 68 74 78 75 83
78 63 90 91 77 71 70 77
Construya un cuadro de distribución de frecuencias.
www.senati.edu.pe
Caso de estudio
Ordenando por filas Variable : Precio de la calculadora

Tipo de Clases : Intervalos
60 67 68 73 74 75 75 83 Cantidad de datos : N = 40
65 72 74 75 76 78 80 80 Rango : Xmax – Xmin = 91 – 60 = 31
64 72 76 82 84 85 86 87 Número de clases : k = 1 + 3,32 log N

ó k = 1 + 3,32 log 40
67 68 71 74 75 75 78 83 R k = 6,32 => Redondeando k = 6
W =
63 70 71 77 77 78 90 91 K 31
Amplitud : => w= = 5,17 = 6
6
www.senati.edu.pe
Caso de estudio
Determinando la Marca de Clase

Precio Marca de
clase
60 67 68 73 74 75 75 83
[60 – 66> 63
65 72 74 75 76 78 80 80 [66 – 72> 69
64 72 76 82 84 85 86 87 [72 – 78> 75
[78 – 84> 81
67 68 71 74 75 75 78 83
[84 – 90> 87
63 70 71 77 77 78 90 91 [90 – 96] 93
www.senati.edu.pe
Caso de estudio
Determinando la frecuencia
Ii Xi fi
60 67 68 73 74 75 75 83
[60 – 66> 63 4
65 72 74 75 76 78 80 80 [66 – 72> 69 7
64 72 76 82 84 85 86 87 [72 – 78> 75 15
67 68 71 74 75 75 78 83 [78 – 84> 81 8
63 70 71 77 77 78 90 91 [84 – 90> 87 4
[90 – 96] 93 2
Total 40
www.senati.edu.pe
Caso de estudio
Determinando las demás frecuencias
Ii Xi fi hi Fi Hi
[60 – 66> 63 4 0.100 4 0.100
[66 – 72> 69 7 0.175 11 0.275
[72 – 78> 75 15 0.375 26 0.650
[78 – 84> 81 8 0.200 34 0.850
[84 – 90> 87 4 0.100 38 0.950
[90 – 96] 93 2 0.050 40 1.000
Total 40 1.000
www.senati.edu.pe
Construcción del histograma Ii Xi fi hi Fi Hi
[60 – 66> 63 4 0.100 4 0.100
[66 – 72> 69 7 0.175 11 0.275
[72 – 78> 75 15 0.375 26 0.650
[78 – 84> 81 8 0.200 34 0.850
16 [84 – 90> 87 4 0.100 38 0.950
[90 – 96] 93 2 0.050 40 1.000
14
Total 40 1.000
12
10
8
Frec.
6
4
2
0
60-66 66-72 72-78 78-84 84-90 90-96
www.senati.edu.pe
El uso del Histograma en la valoración de la calidad
❖ El histograma representa un grupo de piezas provenientes de una operación

industrial. Esto muestra como se comporta un proceso industrial en un
momento determinado.
❖ mediante el histograma puede determinarse en que grado el proceso esta

produciendo buenos resultados y hasta que punto existen desviaciones
respecto a los limites fijados en las especificaciones.
www.senati.edu.pe
Estratificación
➢Cuando los datos proceden de distintas maquinas, proveedores, lotes, turnos u

operadores, pueden encontrarse información valiosa si se hace un histograma
por cada fuente (estratificar) con lo que se podrá determinar cual es la maquina o
el proveedor mas problemático.
➢Es recomendable que siempre que se realice un estudio de la salida de un

proceso se utilice el histograma y este se interprete a detalle. De esa manera será
posible detectar situaciones problemáticas y posibles soluciones para las
mismas.
www.senati.edu.pe
www.senati.edu.pe
Diagrama de tallo y hoja
Supongamos la siguiente distribución de

frecuencias
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
que representan la edad de un colectivo de N = 20
personas y que vamos a representar mediante un
diagrama de Tallo y Hoja. Por último reordenamos las hojas y hemos
Comenzamos seleccionando los tallos que en terminado el diagrama
nuestro caso son las cifras de decenas, es decir 3,
2, 4, que reordenadas son 2, 3 y 4.
A continuación efectuamos un recuento y vamos
«añadiendo» cada hoja a su tallo
www.senati.edu.pe
Diagrama de tallo y hoja
Comparar dos distribuciones

Podemos comparar, mediante estos diagramas, dos distribuciones. Supongamos una
segunda distribución.
35 38 32 28 30 29 27 19 48 40
39 24 24 34 26 41 29 48 28 22
De ella podemos elaborar sus diagrama de Tallos y Hojas y compararla con la anterior.
www.senati.edu.pe
2.2 Diagrama de caja
Es una ayuda gráfica para ver la variabilidad de los datos.
Min Max
Q1 Q2
Q3
(Mediana)
Escala
www.senati.edu.pe
Medidas descriptivas
1. Medidas de tendencia central

Media aritmética
Mediana
Moda
Media Aritmética: datos no agrupados

• La media aritmética de un conjunto de n observaciones x1, x2, ..., xn de una muestra es el
promedio de las mediciones:
Media aritmética para datos
Media aritmética muestral Media aritmética poblacional con frecuencia
n N k
x i x i y i fi k
x= i =1
 = i =1 = i =1
=  yi hi
n N n i =1
www.senati.edu.pe
Medidas descriptivas: Medidas de tendencia central
Media aritmética para datos agrupados

Ejemplo
• Para datos agrupados en intervalos Intervalo Xi fi Xi fi

k k s
X i fi X i fi k
[ 60, 63 › 61.5 2 123
x= i =1
k
= i =1
=  X i hi
[ 63, 66 ›

n i =1 64.5 6 387
fi
i =1 [ 66, 69 › 67.5 4 270
• Donde: [ 69, 72 › 70.5 6 423
Xi son las marcas de clase de los intervalos de
clase [ 72, 75 [ 73.5 2 147
fi es la frecuencia absoluta del intervalo i
n es el número de datos
20 1,350
k es el número de intervalos
Media aritmética ponderada
La Media Cuando los Valores de la Variable X:

X1, X2 … Xn tiene asociados algunas
Ponderada pesos o pi: p1, p2 … pn
Población Muestra
r r
pX i i pX i i
p = i =1
r Xp = i =1
p
r
i =1
i p i =1
i
63
La Mediana (Me): datos no agrupados
• Para un conjunto de observaciones x1, x2,...,xn, se ordenan las observaciones de

menor a mayor
x[1], x [ 2], ...,x [ n].

• La mediana se calcula como:
• si n es impar es el valor central de los datos ordenados.
• si n es par es la semisuma de los dos datos centrales.
Depende del número de datos, no de los valores de los datos por lo que no se ve afectada por valores
extremos.
www.senati.edu.pe
La Mediana (Me) de datos agrupados:
Wm  n 
Me = Lm +  − Fm −1 
fm  2 
Donde:
Lm : limite inferior de la clase mediana
Wm : ancho de clase de la clase mediana
n : total de datos
Fm-1 : frecuencia absoluta acumulada de la clase que precede a la clase mediana
fm : frecuencia absoluta de la clase mediana
www.senati.edu.pe
Longitud fi Fi
8 8 8
10 16 24
12 12 36
15 8 44
17 24 68 Intervalos Xi fi Fi
20 32 100 [ 60, 63 › 61.5 2 2
[ 63, 66 › 64.5 6 8
[ 66, 69 › 67.5 4 12
[ 69, 72 › 70.5 6 18
[ 72, 75 ] 73.5 2 20
www.senati.edu.pe
La Moda (Mo) datos no agrupados:

• Es el dato que más veces se repite
• No siempre es única.
 d1 
Mo = Li +   
W
 1
d + d 2 
La Moda (Mo) de datos agrupados:
donde
Li = es el límite inferior del intervalo modal
d1 = f i − f i −1
d 2 = f i − f i +1
W = ancho de clase
www.senati.edu.pe
Relación entre la media, mediana y moda
• Si la distribución es simétrica, la media, mediana y moda tienen el mismo valor.
• Si es asimétrica de cola a la derecha:

• Mo < Me < Media
• Si es asimétrica de cola a la izquierda:

• Mo > Me > Media
www.senati.edu.pe
2. Medidas de Dispersión o Variabilidad
I. Rango o recorrido
• Son números que miden el grado de Es la diferencia entre sus valores
separación de los datos con respecto a máximo y mínimo. Esto es:
un valor central.
• Las principales son: R = xmáximo − xmínimo

I. Rango
II. Varianza y desviación estándar ➢ Es fácil de calcular
III. Coeficiente de variación ➢ Es una medida inestable, pues su valor
cambia grandemente ante datos
extremos.
www.senati.edu.pe
II. Varianza: datos no agrupados
Es la media aritmética de los cuadrados de Ejemplo:

la diferencia de los datos respecto a su
media aritmética. Ejemplo: hallar la varianza de los valores
15, 13, 12, 15, 18, 17
n n
 ( yi − x ) 2
 yi
2
2
̅x = 90 / 6 = 15
s2 = i =1
= i =1
−x Yi Yi - ̅x (Yi - ̅x )²
n n
15 0 0
13 -2 4
➢ Si se calcula a partir de una muestra es denotada por s2 y
12 -3 9
si es de una población por σ2. 15 0 0
➢ Tiene unidades de medición al cuadrado. 18 3 9
17 2 4
➢ La desviación estándar es la raíz cuadrada de la varianza
26
www.senati.edu.pe
II. Varianza: datos agrupados

Para datos agrupados con marcas de clase x1, x2,...,xk y frecuencias f1, f2,..., fk,:
Ejemplo: hallar la varianza del sgte cuadro estadístico

k k
 f i ( xi − x) 2  f i xi
2
2 Intervalos Xi fi Xi fi Xi - X
̅ (Xi - ̅X)² fi(Xi - X
̅ )²
s =
2 i =1
= i =1
−x
n n
[ 20, 40 › 30 12 360
k
=  hi ( xi − x) 2 [ 40, 60 › 50 14 700
i =1
[ 60, 80 › 70 36 2520
k
=  hi xi − x
2 2 [ 80, 100] 90 20 1800
i =1 82 5,380 31,219.52
www.senati.edu.pe
III. Coeficiente de variación
Es una medida de dispersión relativa que se define como:
s
CV =
x
➢ El CV no tiene unidades de medida.

➢ Compara la variabilidad de dos o más series de datos que tengan
unidades diferentes.
➢ A mayor CV mayor dispersión
➢ Cuando las medias son iguales basta comparar las desviaciones
estándar.
www.senati.edu.pe
3. Medidas de Asimetría
3.1 Índices de asimetría de Pearson (As)
Es el número
◼
x − Mo
As =
s
• Si es unimodal y asimétrica:
• (Media–Mo) es aproximadamente 3(Media–Me)
3( x − Me )
As =
s
www.senati.edu.pe
Medidas descriptivas: Medidas de Asimetría
Índice de Asimetría de Pearson (As)
Asimétrica positiva (o de cola a la derecha) As>0
Simétrica As=0
Asimétrica negativa (o de cola a la izquierda) As<0
www.senati.edu.pe
Medidas descriptivas: Medidas de Asimetría
3.2 Índice de Curtosis o apuntamiento

Leptocúrtica K > 0
• El apuntamiento se mide en relación a la curva

normal o mesocúrtica
1
• Es el número Q3 − Q1
K = 2
P90 − P10 Platicúrtica K < 0
Normal o mesocúrtica K = 0
P10 P25 P75 P90
www.senati.edu.pe
Las medidas de posicion no central
Las cuantilas
Medidas descriptivas que pueden dividir al total de datos en cierto

numero de partes igualmente numerosos y nace como consecuencia
del estudio de la mediana. Las principales son:
• Cuartiles (Qi)
• Deciles (Di)
• Percentiles (Pi)
www.senati.edu.pe
Las medidas de posicion no central: los Cuartiles (Qi)
www.senati.edu.pe
Los Cuartiles: datos no agrupados:
Punto de posición
i (n + 1)
Donde:
i : numero que indica el cuartil deseado
4
n : total de datos
Ejemplo: Sean los sueldos diarios de 12 trabajadores

9, 11, 13, 15, 15, 16, 16, 17, 17, 18, 19, 20
Se pide determinar: Q1, Q2, y Q3
www.senati.edu.pe
 in 
 − F Q −1 
Los Cuartiles: datos agrupados:
Qi = LQ + WQ  4 
 fQ 
 
 
Donde:
LQ : limite inferior de la clase donde esta el cuartil
WQ : ancho de clase donde esta el cuartil
n : total de datos
i : numero que indica el cuartil deseado
FQ-1 : frecuencia absoluta acumulada de la
clase que precede a la clase del cuartil
fQ : frecuencia absoluta de la clase del cuartil
in /4 : Punto de posición
www.senati.edu.pe
Los Cuartiles: ejemplo
En el siguiente cuadro estadístico, se pide determinar: Q1, Q2, y Q3
Interv. fi Fi
[10 - 20> 3 3
[20 - 30> 17 20
[30 - 40> 8 28
[40 - 50> 22 50
50
www.senati.edu.pe
Diagrama de caja
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una presentación visual
que describe varias características importantes al mismo tiempo, tales como la dispersión y
simetría.
Para su realización se representan los tres cuartiles y los valores mínimo y máximo de los
datos, sobre un rectángulo, alineado horizontal o verticalmente.
Min Max
Q1 Q2 Q3
(Mediana)
www.senati.edu.pe Escala
¿Cómo se dibuja un Diagrama de Caja?
1) Se ordenar los datos de la muestra y se obtienen; el valor mínimo, el máximo, y los tres
cuartiles Q1, Q2 y Q3.
2) Se dibuja un rectángulo (de anchura arbitraria) cuyos extremos son Q1 y Q3 y se indica

en su interior la posición de la mediana, Q2, mediante una línea vertical.
3) Se calcula el rango intercuartílico del conjunto de datos: Q = Q3 −Q1
www.senati.edu.pe
4) Se determinan los límites admisibles superior e inferior. Donde el límite inferior es

igual al máximo entre el valor mínimo de los datos y el primer cuartil menos una vez
y media el rango intercuartílico. Y el límite superior es el mínimo entre el valor mayor
de los datos y la suma del tercer cuartil con una vez y medio el rango intercuartílico.
Estos límites nos permitirán identificar los valores atípicos, que serán aquellos datos
que queden fuera del intervalo (Li , Ls).
www.senati.edu.pe
5) Se dibuja una línea horizontal desde cada extremo del rectángulo central hasta el
valor más alejado no atípico, es decir, que está dentro del intervalo (Li, Ls).
6) Identificar todos los datos que están fuera del intervalo (Li,Ls), marcándolos como
atípicos.
www.senati.edu.pe
¿Cómo se dibuja un diagrama de caja?
Ejemplo: Construir el diagrama de caja para un conjunto de datos que tiene: valor mínimo 10, valor
máximo 55, Q1 = 28 , Q2 = 32, Q3= 38, El rango intercuartílico es Q = Q3 −Q1 = 38 − 28 =10 , por lo que
En el diagrama podemos observar que tenemos dos valores atípicos, (el 10 y el 55), puesto que ambos
caen o están fuera del intervalo (Li, Ls ) = (13, 53) (13, 53).
Además la distribución de datos es sesgada en forma positiva.
Recordemos que la caja central contiene el 50% de los datos. Cada línea o bigote puede contener hasta un
25% de los datos. Por último, es recomendable señalar con una marca especial los valores atípicos.
www.senati.edu.pe
Ejemplo: distribución de edades

Utilizamos la ya usada distribución de frecuencias (en
tallos y hojas), que representan la edad de un
colectivo de 20 personas.
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
El bigote de la izquierda representa al
Para calcular los parámetros estadístico, lo primero
colectivo de edades ( Xmín, Q1)
es ordenar la distribución:
La primera parte de la caja a (Q1, Q2),
20 23 24 24 24 25 29 31 31 33 34 36 36 37 La segunda parte de la caja a (Q2, Q3)
39 39 40 40 41 45 El bigote de la derecha viene dado por (Q3,
Xmáx).
www.senati.edu.pe
Información del diagrama

La parte izquierda de la caja es mayor que la de la derecha; ello quiere decir que las
edades comprendidas entre el 25% y el 50% de la población está más dispersa que entre
el 50% y el 75%.
El bigote de la izquierda (Xmím, Q1) es más corto que el de la derecha; por ello el 25% de
los más jóvenes están más concentrados que el 25% de los mayores.
El rango intercuartílico = Q3 - Q1 = 14,5; es decir, el 50% de la población está comprendido
en 14,5 años.
www.senati.edu.pe
Comparar distribuciones
La mayor utilidad de los diagramas caja-bigotes
es para comparar dos o más conjuntos de
datos.
Comparación distribución de edades
Análogamente a lo realizado con los diagramas
de tallo y hojas, comparamos, mediante estos
diagramas, esta distribución con la del otro
ejemplo de distribución de edades. A partir de dicha comparación puede
35 38 32 28 30 29 27 19 48 40 obtenerse bastante información de
39 24 24 34 26 41 29 48 28 22 ambas distribuciones.
www.senati.edu.pe
www.senati.edu.pe
Muchas Gracias...
www.senati.edu.pe
www.senati.edu.pe

Primera Unidad Fundamentos Y Herramientas de Análisis: Unidad Servicios Empresariales (Use) Capacitacion Online 2020

Cargado por

Información del documento

Descripción original:

Título original

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

Primera Unidad Fundamentos Y Herramientas de Análisis: Unidad Servicios Empresariales (Use) Capacitacion Online 2020

Cargado por

Copyright:

Formatos disponibles

PRIMERA UNIDAD

UNIDAD SERVICIOS EMPRESARIALES (USE)

▪ Presentar herramientas básicas del Control Estadístico de

▪ Describir las bases estadísticas de las graficas de control de

▪ Discutir e ilustrar algunos aspectos prácticos en la

1. Conceptos importantes del CEP

2. Métodos estadísticos de control y mejoramiento de calidad

3. El control estadístico y la mejora continua.

4. Estadígrafos y la distribución normal

5. Las siete herramientas estadísticas de la calidad

▪ Definimos el “Control Estadístico de la Calidad” como la aplicación

▪ Entendiendo por calidad de un producto o servicio como su

◼ CONTROL: Mantener el proceso dentro de sus límites.

◼ ESTADÍSTICO: Con la ayuda de datos que permita obtener

◼ PROCESO: Operadores, máquinas, métodos y materiales

• La mayor dificultad para proporcionar productos o servicios de calidad

• Si la diferencia entre dos unidades es pequeña no tiene importancia,

• El estudio y evaluación de esa variabilidad es el objetivo de la aplicación

▪ El principal objetivo del Control Estadístico de Procesos será

▪ Diremos que un proceso está bajo control o en estado de control

¿Que variables influyen y que tanto?

Control de calidad durante el proceso de producción, utilizando los datos

◼ Un sistemático y riguroso proceso para identificar y

◼ Cambiando el énfasis de la detección a la prevención

◼ Suministrando evidencia de como el sistema está actuando

◼ Diferenciando las causas especiales y las causas comunes

La gente de Ventas necesita entender el CEP ◼ Comunicarse con manufactura

◆ Evaluar el proceso de ventas ◼ Entender porqué los llaman a hacer reparaciones

◼Porque la calidad es una exigencia para el éxito empresarial en el ambiente

◼Porque el mejoramiento de la calidad es la mejor forma de mejorar la rentabilidad.

◼Porque la información es la clave del mejoramiento de la Calidad

➢Especialmente en manos de los empleados

◼ Para ayudar a decidir cuando ajustar el proceso, dejarlo quieto o detenerlo

◼ Para lograr costos bajos, alta calidad, alta productividad, capacidad

Hospital Fabrica de automoviles

CEP en occidente – Western Electric CEP en Japón

1926: HAROLD F. DODGE Y HARRY G. ROMIG, 1950’s: KAOURU ISHIKAWA: Es un seguidor de

A. LAS CARTAS DE CONTROL

B. DISEÑO DE EXPERIMENTOS C. MUESTREO DE ACEPTACIÓN

Modelos: Creación de valor a Los Costos de Calidad

✓Liderazgo gerencial, ser parte de un programa mayor

✓ Enfoque de grupo de trabajo

✓Educación y entrenamiento en todos los niveles

✓Énfasis en la mejora continua

✓Apoyo técnico de ingeniería o calidad

Recolección de datos Organización de datos

Población: Es la colección de todos los elementos (piezas, personas, etc.). En

Muestra: Es una parte o subconjunto representativo de la población, o sea un

Distribución: Es la forma del patrón de variación observado.

Datos continuos Los datos que tienen un valor real (temperatura,

Datos discretos: Datos que toman valores enteros (1, 2, 3, etc.)

Datos por atributos: Bueno - malo, pasa - no pasa, etc.

Estadístico: Es una medición tomada en Parámetro: Es el valor verdadero en

Ejemplo de estadísticos Ejemplo de Parámetros

La distribución normal es una distribución de

La distribución normal es simétrica, es decir cada

La escala horizontal de la curva se mide en X

Para cada valor Z se asigna una probabilidad o

➢ Es una distribución simétrica y unimodal.

70 80 90 100 110 120 130

Enfoque basado en procesos

1. Desarrollar procesos Solución de problemas (Kaizen)