Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA NO. 3
CONTROL ESTADÍSTICO
2
3.1 Control Estadístico
de Procesos (CEP)
3
3.1 Control estadístico de procesos (CEP)
¿Qué es?
Capacidad de un proceso
Consiste en conocer la amplitud de la variación natural del proceso para una característica de
calidad dada; esto permitirá saber en qué medida tal característica de calidad es satisfactoria
(cumple especificaciones).
5
Gutiérrez Pulido Humberto y De la Vara Salazar Román. (2004).
Control estadístico de la calidad y seis sigma. P(18).
3.1 Control estadístico
Las variables de salida o de respuesta de de procesos
un proceso deben cumplir con ciertas metas.
6
Gutiérrez Pulido Humberto y De la Vara Salazar Román. (2004).
Control estadístico de la calidad y seis sigma. P(18).
3.1 Control estadístico
de procesos
7
3.1 Control estadístico de
procesos.
La reducción de la variación
conduce a:
• Mejorar la calidad.
• Mejor comprensión de la
capacidad del proceso.
8
3.1 Control estadístico de
procesos.
9
3.1 Control estadístico de
procesos.
Si se trata de un proceso masivo que produce muchas Cuando se trata de un proceso lento, que
piezas por día, se considera un periodo de 4 a 10 día. produce pocos piezas por día es necesario
incrementar el periodo de estudio para
completar una muestra.
12
3.2 Habilidad y
Capacidad de Procesos
(CCP´s)
13
3.2 Habilidad y Capacidad de Procesos (CCP´s)
Proceso: secuencia
cronológica de acciones.
Capacidad o Habilidad:
Se refiere a la capacidad
del proceso cuantificada a
partir de sus datos.
14
3.2 Habilidad y Capacidad
de Procesos (CCP´s)
Capacidad de proceso:
Se refiere a la capacidad de un
proceso para cumplir las
especificaciones de un diseño o
servicio dado.
16
3.2 Habilidad y Capacidad de Procesos (CCP´s)
Objetivos:
17
3.2 Habilidad y Capacidad de Procesos (CCP´s)
18
Predicción cuantitativa: es el Histograma: es una
procedimiento que genera un representación gráfica de
análisis estadístico usando una variable en forma de barras,
magnitudes numéricas que donde la superficie de cada
pueden ser tratadas mediante barra es proporcional a
herramientas del campo de la frecuencia de los valores
la estadística. representados
19
3.3 Inferencia Estadística
para la Toma de
Decisiones
20
3.3 Inferencia Estadística para la Toma de Decisiones
CONCEPTO:
Inferir propiedades
Conclusiones y tendencias
22
3.3 Inferencia Estadística para la Toma de Decisiones
23
3.3 Inferencia Estadística para la Toma de Decisiones
Toma de decisiones
Corroborar hipótesis
25
3.4 Matriz Causa-Efecto, Gráfico de Pareto.
¿Qué es?
Representación gráfica
que permite visualizar las
causas que explican un
determinado problema.
26
3.4 Matriz Causa-Efecto, Gráfico de Pareto.
Construcción
4. Análisis de
las relaciones
3. causa-efecto.
Representación
2. Identificar los del diagrama.
factores o
1. Definir y causas que
determinar originan el
claramente el efecto.
problema.
27
3.4 Matriz Causa-Efecto, Gráfico de Pareto.
Ventajas
Sistematizar Favorece el
Metodología
las causas de trabajo en
Racional.
un problema. equipo.
28
3.4 Matriz Causa-Efecto, Gráfico de Pareto.
Diagrama de Pareto
29
3.4 Matriz Causa-Efecto, Gráfico de Pareto.
Construcción
1. Decidir cómo clasificar 2. Determinar el tiempo de 3. Obtener los datos y
los datos. recogida de los datos. ordenarlos
Construcción
31
3.4 Matriz Causa-Efecto, Gráfico de Pareto.
Construcción
6. Construir la línea de
frecuencia acumulada.
7. El Análisis de
Pareto.
32
Construcción
33
3.5 Diagramas de
Dispersión
34
3.5 Diagramas de Dispersión
4. Realizar el gráfico
Con la finalidad de poder incorporarlo en un informe de análisis, o
bien en el acta de la revisión del sistema de gestión de calidad.
Las reclamaciones por parte de los clientes vienen dadas porque los
productos ofrecidos no cumplen sus expectativas
36
3.5 Diagramas de Dispersión
Tipos de correlaciones
que nos encontramos:
38
3.6 Análisis de
Regresión y Correlación
Lineal.
39
3.6 Análisis de Regresión y Correlación Lineal.
¿Qué es?
40
3.6 Análisis de Regresión y Correlación Lineal.
Ejemplo de análisis de
regresión
Veamos un ejemplo muy simple del análisis de
regresión. Supongamos que una empresa quiere
calcular la demanda por una determinada
mercancía.
Como variable independiente, tomaremos el
precio del producto. Entonces, la compañía, en
base a sus datos históricos, construye una
ecuación como la siguiente:
Análisis de correlación
lineal
Análisis de correlación
lineal simple
44
3.6 Análisis de Regresión y Correlación Lineal.
Coeficiente de
correlación
• Coeficiente de correlación r de Pearson (rxy). Se usa cuando los datos están medidos en
una escala de intervalo o de razón.
• Coeficiente de correlación rho de Spearman (rs). Se utiliza cuando una o ambas variables
están medidas en la escala ordinal, en la escala de intervalo o la de razón.
45
3.6 Análisis de Regresión y Correlación Lineal.
Si r= 0 Nula
Si r > 0 y r < 0,10 Casi Nula
Si r 0,10 y r < 0,20 Muy Baja
Si r 0,20 y r < 0,40 Baja
Si r 0,40 y r < 0,60 Media
Si r 0,60 y r < 0,80 Alta
Si r 0,80 y r < 1,00 Muy Alta
Si r = 1 Perfecta
47
3.6 Análisis de Regresión y Correlación Lineal.
50