HERRAMIENTAS ESTADISTICAS EN LOS PROCESOS PRODUCTIVOS

LAS ORGANIZACIONES TIENEN COMO PRINCIPAL OBJETIVO INCREMENTAR SUS

VENTAS Y PARA TAL FIN, DEBERÁN SER MAS COMPETITIVAS Y UNA MANERA DE
LOGRARLO ES REDUCIR LOS COSTOS, PERO PARA ELLO DEBERÁ SER
EFICIENTE EN CADA UNA DE LAS ETAPAS DE UN PROCESO, ES ALLÍ DONDE EL
CONTROL ESTADÍSTICO TOMA PROTAGONISMO, YA QUE ESTE TIENE COMO
FINALIDAD MEJORAR LOS PROCESOS, DISMINUIR COSTOS MEDIANTE LA
IDENTIFICACIÓN DE REPROCESOS, DESPERDICIOS O RETRASOS.

STATISTICAL TOOLS IN PRODUCTION PROCESSES

Luz Maryori Quinchia Osorio a

a
Instituto Tecnológico Metropolitano, Medellín, Colombia. Luzquinchia19679@correo.itm.edu.co

Resumen: El objetivo principal de este trabajo mostrar el uso de diferentes

herramientas estadísticas como apoyo al mejoramiento de la calidad de los
procesos, para ello se realizó mediciones en una organización, la cual presta
servicio de evaluación de la conformidad y donde su producto “tangible” es un
reporte. Las mediciones fueron obtenidas a través de un muestreo aleatorio,
donde se quiso evaluar la calidad del reporte entregado. Adicionalmente se evaluó
en un instrumento de medición la posible existencia de diferencias significativas al
cambiar un parámetro en su funcionamiento. Se quiso abordar la temática debido
a que el principal objetivo de las organizaciones es satisfacer las necesidades de
sus clientes y entregar productos tangibles o intangibles con los más altos
estándares de calidad y el uso de diferentes herramientas estadísticas nos
permiten abordar diferentes problemáticas encontradas en la cotidianidad al
interior de las empresas y en muchas ocasiones se dificulta las soluciones por ser
aparentemente complejas.

Palabras clave: Mejoramiento continuo, análisis de varianza, cartas de control, diagrama

Pareto, acciones de mejora.

Abstract:
The main objective of this work is to show the use of different statistical tools to
support the improvement of the quality of the processes, for which measurements
were made in an organization, which provides a conformity assessment service
and where its "tangible" product is a report. The measurements were obtained
through random sampling, where we wanted to evaluate the quality of the report
delivered. Additionally, the possible existence of significant differences when
changing a parameter in its operation was evaluated in a measuring instrument.
We wanted to address the issue because the main objective of organizations is to
satisfy the needs of their customers and deliver tangible or intangible products with
the highest quality standards and the use of different statistical tools allow us to
address different problems encountered in daily life. within companies and on
many occasions solutions are difficult because they are apparently complex .

Keywords: Continuous improvement, analysis of variance, control charts, Pareto diagram,

improvement actions.

observaciones en cada uno de los

reportes (Ver Tabla 1).
1. INTRODUCCIÓN
En una primera etapa se observa que los
gráficos de control determinan el control
o estado de un proceso, es posible Tabla 1. Observaciones encontradas durante
observar el comportamiento a través del el muestreo
tiempo y observar mejoras o no sobre lo Item Observación Cantidad % Ocurrencia
que se esta midiendo. Actualmente la 1 Nombre contacto 1 1%
organización presenta problemas con la 2 Correo Electrónico 2 2%
calidad en los reportes entregados y se 3 Solicitante 2 2%
desea establecer a través de una 4 Trazabilidad 15 15%
muestra aleatoria el porcentaje de 5 Condiciones
reportes entregados con observaciones ambientales 4 4%
que pueden repercutir en la calidad. En 6 Formato reporte 1 1%
una segunda etapa se realizará un 7 Presentación gráfica 4 4%
tratamiento estadístico para un 8 Cifras significativas
instrumento en el cual se pretende y/o Decimales 4 4%
cambiar los filtros usados al momento de 9 Pruebas realizadas 2 2%
realizar mediciones y se quiere verificar 10 Registro de datos 1 1%
si existen o no diferencias significativas
11 Registro en sistema
al cambiar el filtro. de información 1 1%
12 Sede 3 3%
13 Opiniones e
2. METODOLOGÍA interpretaciones 2 2%
Etapa 1. La muestra fue tomada de los 14 Datos Técnicos 2 2%
reportes entregados durante el periodo 15 Lugar de calibración 2 2%
de tiempo comprendido entre el primero 16 Sin observación
de mayo de 2023 y 22 de mayo del 54 54%
mismo año. Se obtuvo una población de Total general 100
Fuente: Elaboración propia
2022 reportes entregados, de los cuales
se decide tomar una muestra del 5%, es El reporte es juzgado de acuerdo a las
decir 100 reportes. observaciones encontradas y se deberán
Los reportes son enumerados y a través tomar las correcciones necesarias como
del software RStudio se genera de es generar un suplemento al reporte,
manera aleatoria 100 números los cuales dicha actividad representa un reproceso.
son comparados con el listado inicial
para ser revisados nuevamente. Se Se realiza la carta P, en la cual se
construyo una base de datos la cual muestra la cantidad de observaciones
sirvió para registrar la existencia de halladas en las fechas determinas
comprendidas en el periodo de tiempo reconocer los problemas mas
anteriormente mencionado (Ver Tabla 2). importantes en los cuales la organización
debe enfocarse y dirigir sus esfuerzos.
Para ello se construye un diagrama
pareto con los datos reportados en la
tabla 1 (Ver Figura 2)
Tabla 2. Observaciones encontradas por
fecha
Fecha Muestra Observación P (%)
5/05/2023 11 5 45%
8/05/2023 5 1 20%
9/05/2023 2 1 50%
10/05/2023 15 7 47%
11/05/2023 11 7 64%
12/05/2023 13 11 85%
15/05/2023 4 2 50%
16/05/2023 12 2 17%
17/05/2023 11 1 9%
18/05/2023 3 2 67%
Figura 2. Diagrama de pareto
19/05/2023 4 1 25% Fuente: elaboración a través del software RStudio.
22/05/2023 7 6 86%
Fuente: Elaboración propia
A través del gráfico se observa que los
ocho primeros ítems corresponden al
Los resultados nos indican que de cada
80% y están relacionados con la
100 reportes se espera que la proporción
problemática en los reportes entregados
de reportes con observaciones se
y son estos en los que la organización
encuentre entre 0% y máximo el 90%
deberá enfocarse.
con un promedio del 47% (Ver figura 1)
A continuación, se desarrollará la etapa 2
de este informe.

Figura 1. Representación gráfica de las cartas
P cambian los resultados?
Fuente: elaboración a través del software RStudio.
Adicional se quiso conocer la relevancia
en las observaciones halladas y
1.1 INTRODUCCIÓN
En ocasiones se nos presenta
situaciones en la vida productiva en
donde debemos comparar los resultados
de una variable, pero haciendo alguna
modificación. Por ejemplo, realizar un
producto con dos métodos diferentes,
realizar una misma medición con dos
operarios diferentes, entre otros. Para
estos casos surge la pregunta: ¿Al
cambiar alguna variable, será que
Para estos casos se usa una prueba
denominada ANOVA, esta prueba es
usada para comparar las varianzas entre
las medias o promedios de diferentes
grupos y determina si existe alguna
diferencia entre las medias de los
diferentes grupos. Para observarlo mejor,
se realizará un análisis sobre un
instrumento de medición
(Termohigrómetro) al cual se le desea
instalar filtros para su funcionamiento en
proceso, pero se desconoce si al usar
algún tipo de filtro las mediciones pueden
cambiar de manera significativa.
2.1 METODOLOGÍA
Se realiza una investigación
experimental, para la cual se obtienen
datos a través de las mediciones
realizadas a los sensores. Para ellos se
usa una cámara climática de humedad
generando 80%hr y esperando su
estabilización mediante la observación
grafica entregada por el dispositivo. Al
momento de alcanzar estabilidad se
procede a tomar lecturas en intervalos de
1 minuto durante 10 minutos. Obteniendo
en total 10 lecturas (Ver tabla 3)
planteando como hipótesis nula que: la
muestra proviene de una distribución
normal. Se espera que el p-valor sea
mayor al nivel de significancia. Para
contrastar el valor se usa una prueba de
Shapiro-Wilk (Ver tabla 4).
Tabla 4. Resultados prueba normalidad
FILTRO_G FILTRO SIN_FI
RIS _BLANC LTRO
O
p-valor 0.421 0.3827 0.0929
Fuente: Elaboración propia
Una vez demostrada la normalidad de
datos se procede a realizar el análisis de
los datos encontrados.
Se realiza una gráfica de boxplot con el
objetivo de verificar la existencia de
datos atípicos (Ver figura 3).

Tabla 3. Resultados prueba experimental

Lectur FILTRO FILTRO_ SIN_FILTRO
a _GRIS BLANCO
1 60,33 69,61 70,59
2 60,94 70,47 71,57
3 60,69 70,34 71,44 Figura 3. Gráfica boxplot
Fuente: elaboración a través del software RStudio.
4 60,20 69,73 70,22
5 59,59 68,88 69,24 En el eje X se muestran los 3 sensores
6 59,47 68,76 69,00 donde 1 equivale al sensor con
7 60,20 69,49 70,34 “Filtro_gris”, el numero 2 equivale al
sensor con “Filtro_blanco” y el numero 3
8 61,06 70,71 71,69
equivale al sensor con “Sin_Filtro” y en el
9 60,81 70,47 71,44 eje Y se muestra la humedad relativa. A
10 60,20 69,73 71,34 través del gráfico no se observan datos a
Fuente: Elaboración propia típicos y se observa que ninguno de los
sensores alcanza la humedad objetivo, la
cual corresponde al 80%hr.
A continuación, se contrasta la
normalidad del conjunto de datos, A continuación, se realiza un estudio
usando un nivel de significancia del 0.05 para verificar si existen diferencias
significativas entre las medias de las
medidas, para ello se usa un análisis de
varianza, donde se plantea como
hipótesis nula que las varianzas son
iguales y como hipótesis alternativa que
las varianzas son diferentes. (Ver tabla
5),
Tabla 3. Análisis de varianza
Origen de
las
variacione Valor crítico
s F Probabilidad para F
Entre 579,6
grupos 7 6,63027E-23 3,354130829
Dentro de
los grupos
Fuente: Elaboración propia
El valor p para el ANOVA de las
mediciones de humedad variando los
filtros en los sensores es menor al 0.05.
3. RESULTADOS
En la Etapa 1 de este informe se pudo
establecer que al sacar una muestra de
100 reportes se puede obtener que el
90% de estos puede contener
observaciones significativas para el
usuario final, adicional se pudo identificar
el 80% de las causas que mas afectan
que los resultados posean observaciones
relevantes, ente ellos están: la
trazabilidad, las condiciones ambientales,
la presentación gráfica, entre otros).
La organización deberá establecer
acciones de mejora con el fin de
disminuir la cantidad de observaciones
encontradas por reportes y así mejorar la
calidad en la entrega de los resultados.
En la Etapa 2 se pudo establecer a
través del gráfico boxplot que ninguno de
los sensores alcanza la humedad
objetivo, la cual corresponde al 80%hr,
adicionalmente se observa que existe
diferencia entre las medias de las
medidas tomadas por los sensores en el
mismo momento, es decir, que al medir
la misma humedad relativa existe
diferencias derivadas al cambio de filtro
usado, adicionalmente existe mayor
variabilidad de las lecturas usando el
filtro identificado como “Sin_filtro”. Las
diferencias anteriormente mencionadas
se confirman con el resultado arrojado en
la prueba de análisis de varianza, en la
cual se pudo establecer que existen
diferencias estadísticas significativas al
cambiar el filtro.
Una vez determinas las diferencias a
través del análisis de varianza se
establecen pruebas “Post hoc”. Para ello
se utilizará la prueba de Tukey que
ayudará a identificar si existe diferencia
en uno o más pares de grupos.
Se determina la diferencia honestamente
significativa (HSD), la cual equivale a
0,831. Se espera que la diferencia entre
grupos no supere este valor (Ver tabla 4)
Tabla 4. Resultados prueba Tukey
FILTRO_ FILTRO_ SIN_FILT
GRIS BLANCO RO
FILTRO_GRIS -9,47 -10,34
FILTRO_BLAN -0,87
CO
SIN_FILTRO
Fuente: Elaboración propia
La prueba indica que las diferencias
entre los grupos de: FILTRO_GRIS/
FILTRO_BLANCO y FILTRO_GRIS/
SIN_FILTRO son los que presentan las
diferencias más significativas, por ende,
es posible pensar que el sensor que
posee el Filtro gris es quien genera las
diferencias más significativas.
4. CONCLUSIONES
Las herramientas estadísticas tienen
un uso importante en el desarrollo de
los procesos productivos de las
organizaciones, a través de ellas es
posible tomar decisiones basados en
datos objetivos lo cual minimiza los
riesgos.
Es posible optimizar y hacer mas
eficiente los procesos a través de la
comprensión de las variables
estudiadas permitiendo implementar
mejoras continuas en los procesos,
medir el impacto de las mejoras y
validar la efectividad en los cambios
implementados.
Las herramientas estadísticas, son
fundamentales para garantizar la
calidad de los productos y/o servicios.
Es posible controlar y monitorear
sistemáticamente los procesos y
detectar posibles tendencias.
REFERENCIAS

Salazar, h. G. (2009). Control estadistico de calidad y seis sigma. Guanajuato, Mexico:

McGrawHill.