Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MUESTRA
Población o
Característica Muestra
Proceso
Número de
N n
individuos
x
x
Media N
x
n
( x x)
2
( x x)
2
Varianza 2
s2
n 1
N
Desviación
σ s
Estándar
Proporción p’ ó π p
Correlación ρ r
Las Las
características características
de una de una
población se muestra se
llaman llaman
PARÁMETROS ESTADÍSTICAS
y son constantes y son variables
Los parámetros son constantes cuyos valores son generalmente
desconocidos. Tratamos de determinar su valor o tomar decisiones
sobre estos.
1
Muestreo Aleatorio
Básico
El objetivo de la obtención de un producto con
características vendibles es compartido entre el
inspector y aquellos para quienes él trabaja. Para
cada persona involucrada, la obtención de este
objetivo significa mayor seguridad en el trabajo. El Correcto Incorrecto
cumplimiento con las prácticas sólidas de muestreo Apilamiento de lotes
requiere la cooperación de todos los involucrados y es
motivado por un entendimiento claro del Fig. 2 Se necesita accesibilidad para el muestreo aleatorio
razonamiento que apoya los procedimientos
establecidos. Flujo de Materiales
Representación Comunicación
La producción, a menudo viene en lotes. Cuando dos Existe una razón para los métodos y procedimientos
lotes deben ser evaluados como si fueran uno solo detallados de control de la calidad. Entre más gente
(por ejemplo, la producción de la mañana y de la esté consciente de ellos, será mayor las probabilidad
tarde), la muestra debe representar cada porción en, de su cumplimiento y cooperación. Por ejemplo, la
aproximadamente, las mismas proporciones. A su vez, diferencia entre el muestreo lote a lote, la
cada una de las sub-muestras (mañana y tarde) deben inspección al 100%, y la inspección en proceso, debe
estar seleccionadas aleatoriamente. Estos principios ser dada a conocer.
también aplican para la inspección en la recepción de
materiales. En algunos casos, el muestreo aleatorio Diferencia Entre La Inspección Al 100% y La
se dificulta por la forma en que los lotes están Inspección Lote Por Lote
entarimados o acomodados (Fig. 2). Se debe hacer
todo esfuerzo necesario para tener accesibles todas Inspección al 100% Inspección Lote por Lote
las partes del lote.
Incorrecto
La muestra proviene de un solo segmento
Correcto
3 3
La muestra proviene de todos los segmentos
El inspector rechaza las Si el inspector no encuentra
piezas defectuosas que demasiadas piezas
Fig. 1 Las unidades confinadas a esquinas, capas o segmentos encuentra y acepta la defectuosas en la muestra,
especiales tienen una muy baja probabilidad de reflejar las verdaderas
características del lote, sesgando de esta manera la evaluación de la
prueba. acepta el lote completo. De
calidad. lo contrario, rechaza el lote
completo.
2
Para detalles de cómo llevar a cabo el muestreo, consultar los siguientes
documentos incluidos en el material del curso:
3
Cinco Reglas básicas de Probabilidad
Si E es un evento cualquiera, la probabilidad de que el evento E, o sea p(E), ocurra está dada por:
La cual puede ser expresada tal cual (en número de probabilidad) o en porcentaje (número de
probabilidad x 100)
NOTA IMPORTANTE sobre los modelos: No se puede demostrar que sean correctos para describir la
realidad a la cual pretendemos aplicarlo, pero si podemos demostrar que no son correctos.
F
p( E y F ) p( E ) p( )
E
Si E y F son eventos que no son mutuamente excluyentes, esto es, que pueden ocurrir juntos,
entonces la probabilidad de ocurrencia de E o F está dada por:
p( EóF ) p( E) p( F ) P( EyF )
4
ÁREAS APROXIMADAS
PARA UNA
CURVA TÍPICA NORMAL
(ESTANDARIZADA)
5
Tabla de la Distribución Normal
________________________________________
x
Esta tabla contiene las proporciones del área total bajo la curva desde -∞ hasta Z . Para ilustrar: Cuando Z=2, la
probabilidad de obtener un valor igual a o menor que x es .9773.
6
Ejercicios de la Distribución Normal
1. Cuáles son los valores de Z (dos colas) correspondientes al 95% del área bajo la
Curva (ABC) de la DN?
98
99
95
95
95
99
96
97
96
95
y sabemos que los resultados históricos siguen una DN, ¿aprobarías este lote
de producto?
7
Distribución Exponencial
8
Ejercicios con la Distribución Exponencial
4. Establece cuál sería un límite de alera adecuado para este sistema y explica
por qué.
9
Teorema del Límite Central
Este teorema tiene tres postulados:
1. Cuando se toman muestras de tamaño constante (n, llamada aquí ‘tamaño de subgrupo’)
provenientes de una población cualquiera, los promedios de los valores individuales de cada
subgrupo tenderán hacia una distribución normal en la medida en que el tamaño de n
aumenta, independientemente de que la distribución de donde provienen sea o no normal.
S
SX
n
En este se basan los gráficos de control de Shewhart para llevar a cabo el Control Estadístico de
Proceso (CEP).
Los Gráficos de Control de Proceso son herramientas muy potentes y muy reveladoras sobre el
comportamiento de un proceso, pero es muy frecuente que, si no se entiende correctamente su
fundamento, el cual se basa completamente en este teorema, degeneren en registros inútiles y
pérdida de tiempo.
10
Control
Estadístico
del Proceso
(CEP)
11
ANÁLISIS DE PARETO
Una vez identificadas las causas raíz de estas pocas significativas, podemos enfocar
nuestros esfuerzos a resolverlas, con mucho mejores resultados.
12
7.2.La frecuencia de los problemas o defectos se grafica en forma de barras
verticales, sobre el eje de la frecuencia en el lado izquierdo.
7.3.El porcentaje acumulativo se grafica en forma de línea empleando el eje
del lado derecho.
7.4.Se indica una flecha sobre la línea del porcentaje acumulativo
correspondiente al 80% de problemas o defectos.
7.5.Se prepara un plan de acción para esos problemas o defectos comprendidos
dentro del 80%.
¿Cuándo se utiliza?
13
DIAGRAMAS DE CAUSA-EFECTO
14
EL DIAGRAMA DE TALLO Y HOJAS
Es una técnica estadística para
representar un conjunto de datos. Cada
valor numérico se divide en dos partes. El
o los dígitos principales forman el tallo y
los dígitos secundarios las hojas. Los
tallos están colocados a lo largo del eje
vertical, y las hojas de cada observación
a lo largo del eje horizontal.
2.1. Máximo
2.2. Mínimo
2.3. Rango (= máximo-mínimo)
2.4. Cuenta de los valores individuales
2.5. Número de clases ( n redondeado)
2.6. Intervalo de clase (=rango/número de clases)
3.1. Cada clase queda definida por un Límite Inferior de Clase (LIK)
y un Límite Superior de Clase (LSK).
3.2. Añadir un decimal más, con respecto a los valores originales, a
cada límite de clase inferior o superior.
3.3. El primer LIK corresponde al valor mínimo de la serie de datos.
3.4. Todos los LSK son = LIK + Intervalo de Clase.
16
cada clase.
17
III. Para Construir un Histograma en Excel
5.3. Las Opciones de Salida. De las tres que aparecen se selecciona la que
se desee: rango de salida se refiere a que los resultados aparezcan en
la misma hoja en una sección en blanco que se seleccione para este fin.
Esta se define con la dirección de la celda superior izquierda del
rectángulo imaginario que contendría a todos los resultados. En una
hoja nueva, si queremos los resultados en otra hoja nueva del mismo
libro. En el renglón en blanco se pone el nombre de la nueva hoja. En
un libro nuevo, si deseamos que los resultados aparezcan en otro
archivo de Excel.
20
Gráficas de Corridas (“Series de Tiempo” a corto plazo)
Una gráfica de corrida es un tipo simple de gráfica en el que mostramos el
comportamiento de una variable cualquiera con respecto al tiempo, durante una
corrida de prueba de un proceso específico.
Estas aplican de manera principal cuando estamos en las etapas de Desarrollo o
Calificación de un proceso, pues nos permite ver el comportamiento de este con
respecto al tiempo para cada una de sus variables críticas, tanto los Parámetros
Críticos del Proceso, como los Atributos críticos de la Calidad.
Consiste en monitorear una variable crítica y graficar su resultado con respecto
al tiempo de toma de muestra. La gráfica mostrará el comportamiento de esta en
cuanto a presentar estabilidad y capacidad preliminares, durante una corrida
corta.
21
Gráficos de Control Estadístico de Procesos
Estos gráficos de control estadístico de proceso (CEP) fueron inventados por el
ingeniero Walter Andrew Shewhart a principios del siglo XX. Su base es el
teorema del límite central, que nos permite “normalizar” una población de datos
independientemente de la forma de la distribución de dónde proviene.
Estos equivalen a “ponerle al proceso una boca para que nos vaya diciendo como
va. Por consiguiente, la principal razón para usar estos gráficos es poder corregir
la variabilidad del proceso en caso de que el gráfico indique falta de control. Una
vez terminado el proceso ya no tiene tanta utilidad, pues el producto ya se
fabricó. Si tienen utilidad ulterior, pero solo para poder obtener información
para corregir a futuro. El producto que ya se fabricó, si se hizo mal, puede ya no
tener remedio.
Existen varios tipos distintos, tanto para variables continuas, como para variables
discretas. Los más comunes son los gráficos de control de medias y rangos para
variables continuas.
1. Se prepara un gráfico doble (TC y Disp.) para cada variable crítica del
proceso.
2. Definir el tamaño de subgrupo (n) que se muestreará. Esto se hace con
base en la facilidad de la medición que se tomará en las muestras, el costo
del producto, el tiempo de análisis, etc.
3. Definir los tiempos de muestreo, que sean adecuados para la duración del
proceso, ya sea por lote o por turno.
22
4. Definir el método de evaluación de cada una de las variables a medir y
validarlo.
5. Escribir los PNO aplicables y entrenar al personal involucrado.
6. Calcular los límites de control iniciales, con un mínimo de 30 subgrupos,
tanto para la medida de tendencia central, como para la medida de
dispersión.
7. Validar la metodología.
8. Iniciar el muestreo del proceso con la n definida y a los intervalos de
tiempo establecidos.
9. Observar el comportamiento del proceso con respecto a la tendencia
central y la dispersión.
10. En caso de indicar el gráfico situaciones fuera de control, tomar las
acciones necesarias para corregirlo y llevarlo al nivel de cumplimiento
original.
11. Los datos obtenidos deberán revisarse periódicamente y en caso necesario,
ajustar los límites de control, justificando científicamente or qué se hará
el ajuste.
Los otros tipos de gráficos de CEP, p y c, operan de manera similar a estos con
base en la distribución binomial o de Poisson.
23
13
14
15
16