TAPON CORONA DE COLOMBIA

S.A.

CURSO DE ESTADISTICA.
 DEFINICION

 La Estadística es la ciencia cuyo objetivo es reunir

una información cuantitativa concerniente a
individuos, grupos, series de hechos, etc. y deducir de
ello gracias al análisis de estos datos unos significados
precisos o unas previsiones para el futuro
 IMPORTANCIA

Las técnicas estadísticas se aplican de manera amplia en

mercadotecnia, contabilidad, control de calidad y en otras
actividades; estudios de consumidores; análisis de resultados en
deportes; administradores de instituciones; en la educación;
organismos políticos; médicos; y por otras personas que
intervienen en la toma de decisiones
 PROCESO

6M

ENTRADAS PROCESO SALIDAS

DATOS
 MEDICION AL PROCESO
Tabla de Indicadores Claves de Desempeño
Nombre de la Planta: PET Fontibon Periodo : 4 to Trimestre, 2010
2009 Octubre Noviembre Diciembre Q4
Factor Critico de Exito Medicion del Desmpeño Frecuencia Q4-Real Meta Real Meta Real Meta Real Meta Real

VOLUMEN UNIDADES PRODUCIDAS (MILLARES) Mensual 220,228.60 24,845.27 16,665.59 23,391.20 19,893.77 30,233.48 18,726.70 272,370.31 218,448.82
CONTROL DE COSTOS NOMINA/MILLAR Mensual $ 81.46 $ 60.96 $ 84.31 $ 64.38 $ 78.11 $ 49.69 $ 74.40 $ 64.55 $ 81.26
UNIDADES/PERSONA (en Millares) Mensual 302.09 386.47 268.80 358.97 320.87 461.66 302.04 350.38 292.83
MERMA/MILLAR Mensual $ 3.36 $ 3.82 $ 3.97 $ 3.82 $ 4.30 $ 3.82 $ 6.89 $ 3.82 $ 4.47
ENERGIA ELECTRICA/MILLAR Mensual $ 16.97 $ - $ - $ - $ - $ - $ - $ - $ -
Financiero

CONSUMO EE KWH/MILLAR Mensual 37.74 38.00 37.47 38.00 35.79 38.00 36.77 38.68 37.57
MANTENIMIENTO/MILLAR Mensual $ 28.69 $ 11.62 $ 20.32 $ 22.97 $ 38.10 $ 11.41 $ 47.18 $ 19.05 $ 33.95
FLETES/MILLAR Mensual $ 6.07 $ 6.91 $ 5.22 $ 7.00 $ 3.94 $ 7.12 $ 4.47 $ 6.99 $ 5.31
OTROS GASTOS/MILLAR Mensual $ 9.44 $ 6.60 $ 7.59 $ 6.85 $ 10.45 $ 4.44 $ 17.07 $ 6.58 $ 9.71
MATERIAL EMPAQUE/MILLAR Mensual $ 1.82 $ 1.52 $ 2.37 $ 1.53 $ 0.59 $ 1.53 $ 4.69 $ 1.51 $ 2.13
COSTO TOTAL/MILLAR Mensual $ 139.42 $ 91.43 $ 123.78 $ 106.54 $ 135.49 $ 78.00 $ 154.69 $ 102.49 $ 134.98
ADMINISTRACION ACTIVOS BOTELLAS/CAVIDAD (MILLAR) Mensual 458.81 621.13 416.64 584.78 497.34 755.84 468.17 567.44 455.10

LOGISTICA & SERVICIO CALIDAD TOTAL SERVICIO AL CLIENTE Mensual 96.8% 97.6% 97.9% 97.6% 98.0% 97.6% 96.6% 97.6% 96.2%
Cliente

ENTREGA A TIEMPO: CUMPLIMIENTO A VOLUMEN

Mensual 100.0% 99.0% 100.0% 99.0% 100.0% 99.0% 100.0% 99.0% 100.0%
ENTREGA A TIEMPO: CUMPLIMIENTO A FECHAS
Mensual 90.9% 95.0% 94.1% 95.0% 94.2% 95.0% 90.3% 95.0% 89.4%
CALIDAD DE PRODUCTO ENTREGA LIBRE DE DEFECTOS (30%) Mensual 99.8% 99.0% 100.0% 99.0% 100.0% 99.0% 100.0% 99.0% 99.8%

EFICIENCIA OPERATIVA UTILIZACION POR DEMANDA Mensual 73.9% 80.0% 63.8% 80.0% 73.5% 80.0% 68.5% 77.0% 68.6%
Procesos

EFICIENCIA GLOBAL DE LOS EQUIPOS (OEE)

Mensual 91.6% 75.0% 93.6% 75.0% 93.6% 75.0% 91.7% 75.0% 92.2%
UTILIZACION POR SET UP Mensual 94.6% 94.0% 96.0% 94.0% 95.0% 94.0% 95.4% 91.9% 95.4%
EFICIENCIA Mensual 95.7% 92.0% 96.6% 92.0% 96.6% 92.0% 95.6% 92.0% 95.9%
DISPONIBILIDAD Mensual 95.9% 94.0% 97.3% 94.0% 97.2% 94.0% 96.4% 91.0% 96.7%
Habilidades

AUSENTISMO TIEMPO EXTRA/MILLAR Mensual $ 5.72 $ 7.27 $ 2.77 $ 7.45 $ 4.28 $ 5.04 $ 4.74 $ 7.26 $ 5.58
RETENCION DE EMPLEADOS ROTACION MENSUAL Mensual 1.0% 3.0% 0.0% 3.0% 0.0% 3.0% 1.6% 3.0% 0.8%
SEGURIDAD ACCIDENTES Mensual 0 0 1 0 0 0 0 0 1

Codigo Colores: 5% o mas desfavorable a la meta

95% - 105% con respecto a la meta
5% o mas favorable a la meta
 DATO

 Datos son los hechos que describen sucesos y

entidades." Datos" es una palabra en plural que se refiere
a más de un hecho. A un hecho simple se le denomina "data-
ítem" o elemento de dato.
Los datos son
comunicados por varios tipos de símbolos tales como las letras
del alfabeto, números, movimientos de labios,
.
Los datos son símbolos que describen condiciones, hechos,
situaciones o valores. Los datos se caracterizan por no contener
ninguna información. Un dato
puede significar un número, una letra, un signo ortográfico o
cualquier símbolo que represente una cantidad, una medida,
una palabra o una descripción.
.
 DATO

La importancia de los datos está en su capacidad de asociarse
dentro de un contexto para convertirse en información. Por si
mismos los datos no tienen capacidad de comunicar un
significado y por tanto no pueden afectar el comportamiento de
quien los recibe. Para ser útiles, los datos deben convertirse en
información para ofrecer un significado, conocimiento, ideas
o conclusiones.

 EJEMPLO : 95-60-95
 TIPOS DE DATOS
 CONTINUOS: Es cuando los datos estadísticos se generan a
través de un proceso de medición ; son aquellas que aceptan
valores en cualquier punto fraccionario de un determinado
intervalo, o sea, que aceptan fraccionamiento en un
determinado intervalo.
 DISCRETOS:Se generan a través de un proceso de conteo. Son
aquellas que no aceptan valores en puntos fraccionarios dentro
de un determinado intervalo, o sea, son aquellas que no aceptan
fraccionamiento dentro de un determinado intervalo.
POBLACION Y MUESTRA
 HISTOGRAMAS

representación gráfica de datos numéricos que permite ver tres

propiedades de los mismos:
- forma en la que se distribuyen las observaciones
- tendencia central
- dispersión
Histograma de frecuencias relativas típico:
HISTOGRAMAS DATOS NO
AGRUPADOS
HISTOGRAMAS DATOS
AGRUPADOS
 HISTOGRAMAS DATOS
AGRUPADOS

# DE DATOS # DE CLASES
(9-16) 4
(17-32) 5
(33-64) 6
(65-128) 7
(124-256) 8
(257-512) 9
(513-1024) 10
Numero de clases recomendadas por cantidad de
datos
 MEDIDAS DE TENDENCIA
CENTRAL

Definen la ubicación del centro de las observaciones

y se utilizan tres formas de medidas llamadas
” medidas de tendencia central”
 MEDIA
• Es la medida de posición central más utilizada, la más
conocida y la más sencilla de calcular, debido principalmente a
que sus ecuaciones se prestan para el manejo algebraico, lo
cual la hace de gran utilidad. Su principal desventaja radica en
su sensibilidad al cambio de uno de sus valores o a los valores
extremos demasiado grandes o pequeños. La media se define
como la suma de todos los valores observados, dividido por el
número total de observaciones
 MEDIA PARA DATOS
AGRUPADOS
• debemos calcular la media mediante la multiplicación de los
diferentes valores por la frecuencia con que se encuentren
dentro de la información; es decir,

• Donde (Yi) representa el punto medio de cada observación,

(ni) es la frecuencia o número de observaciones en cada clase
y (n) es el tamaño de la muestra siendo igual a la suma de las
frecuencias de cada clase.
 MEDIANA

• Con esta medida podemos identificar el valor que se encuentra

en el centro de los datos, es decir, nos permite conocer el valor
que se encuentra exactamente en la mitad del conjunto de
datos después que las observaciones se han ubicado en serie
ordenada. Esta medida nos indica que la mitad de los datos se
encuentran por debajo de este valor y la otra mitad por encima
del mismo. Para determinar la posición de la mediana se utiliza
la fórmula
MEDIANA PARA DATOS
AGRUPADOS
 MODA
• La medida modal nos indica el valor que más veces se repite
dentro de los datos; es decir, si tenemos la serie ordenada (2, 2,
5 y 7), el valor que más veces se repite es el número 2 quien
seria la moda de los datos. Es posible que en algunas ocasiones
se presente dos valores con la mayor frecuencia, lo cual se
denomina Bimodal o en otros casos más de dos valores, lo que
se conoce como multimodal.
 MODA PARA DATOS
AGRUPADOS

SE TOMA LA MARCA DE CLASE DEL INTERVALO QUE

PRESENTE LA MAYOR FRECUENCIA
 MEDIDAS DE TENDENCIA
CENTRAL
• En conclusión las Medidas de tendencia central, nos permiten
identificar los valores más representativos de los datos, de
acuerdo a la manera como se tienden a concentrar. La
Media nos indica el promedio de los datos; es decir, nos
informa el valor que obtendría cada uno de los individuos si se
distribuyeran los valores en partes iguales. La Mediana por el
contrario nos informa el valor que separa los datos en dos
partes iguales, cada una de las cuales cuenta con el cincuenta
porciento de los datos. Por último la Moda nos indica el valor
que más se repite dentro de los datos.
 CUARTILES
• Los cuartiles son medidas de posición que tienen la propiedad
de dividir la serie estadística en cuatro grupos de números
igual de términos
• Se emplean generalmente en la determinación de estratos o
grupos correspondientes a fenómenos socio económicos,
monetarios Los tres cuartiles se designan asi:
Q1=PRIMER CUARTIL
Q2= SEGUNDO CUARTIL
Q3= TERCER CUARTIL
• Se deben ordenar los datos de menor a mayor para calcular los
cuartiles
 CUARTILES

• Q1= N + 1 Hallar los cuartiles de las

siguientes series de números
4
A. 3,4,5,7,8,10,11
B. 14,4,5,8,7,9,10,3
• Q2= N + 1
2
• Q3= 3(N + 1)
4
MEDIDAS DE DISPERSION
 VARIANZA

• Esta medida nos permite identificar la diferencia promedio que

hay entre cada uno de los valores respecto a su punto central
(Media ). Este promedio es calculado, elevando cada una de
las diferencias al cuadrado (Con el fin de eliminar los signos
negativos), y calculando su promedio o media; es decir,
sumado todos los cuadrados de las diferencias de cada valor
respecto a la media y dividiendo este resultado por el número
de observaciones que se tengan. Si la varianza es calculada a
una población (Total de componentes de un conjunto), la
ecuación sería:
 DESVIACION ESTANDAR

• Esta medida nos permite determinar el promedio aritmético de

fluctuación de los datos respecto a su punto central o media.
La desviación estándar nos da como resultado un valor
numérico que representa el promedio de diferencia que hay
entre los datos y la media. Para calcular la desviación estándar
basta con hallar la raíz cuadrada de la varianza, por lo tanto su
ecuación sería:
 RANGO

• Esta medida nos permite determinar la amplitud de los datos a

partir de los valores de cada extremo de la serie de datos pero
no nos ofrece información acerca cada uno de los valores
respecto a su punto central ( media)

RANGO= VALOR MAXIMO- VALOR MINIMO

 EJERCICIO

• Para comprender el concepto de las medidas de distribución

vamos a suponer que el gerente de una empresa de alimentos
desea saber que tanto varían los pesos de los empaques (en
gramos), de uno de sus productos; por lo que opta por
seleccionar al azar cinco unidades de ellos para pesarlos. Los
productos tienen los siguientes pesos (490, 500, 510, 515 y
520) gramos respectivamente.
 DISTRIBUCION NORMAL

• Un proceso opera en condiciones normales, si tiene los

materiales dentro de de especificaciones y del mismo lote, un
método consistente, un medio ambiente adecuado, el operador
capacitado, y el equipo ajustado correctamente, si se toman
mediciones en alguna característica del producto, mostrará el
siguiente comportamiento:
DISTRIBUCION NORMAL
 DISTRIBUCION NORMAL

La distribución normal es una de las distribuciones más

usadas e importantes. Se ha desenvuelto como una
herramienta indispensable en cualquier rama de la ciencia,
la industria y el comercio.
Muchos eventos reales y naturales tienen una distribución
de frecuencias cuya forma es muy parecida a la
distribución normal. La distribución normal es llamada
también campana de Gauss por su forma acampanada.
 PROPIEDADES DE LA
DISTRIBUCION NORMAL

•La media, mediana, moda coinciden son iguales yse

localizan en el pico
 PROPIEDADES DE LA
DISTRIBUCION NORMAL
• El área bajo la curva o probabilidad de menos infinito a más
infinito vale 1.
• La distribución normal es simétrica, la mitad de curva tiene un
área de 0.5.
• La escala horizontal de la curva se mide en desviaciones
estándar.
• La forma y la posición de una distribución normal dependen
de los parámetros , por lo que hay un número infinito de
distribuciones normales.
 PROPIEDADES DE LA
DISTRIBUCION NORMAL
 PROPIEDADES DE LA
DISTRIBUCION NORMAL

Existe una relación del porcentaje de probabilidad o area bajo

La curva con la desviación estandar.En la grafica observamos el
Ejemplo de 1desviacion = 68.26% 2 desviaciones 95.46% y 3
Desviaciones 99.73%
Lo anterior se puede calcular con la tabla de distribucion normal
hallando el valor Z
 TIPOS DE DISTRIBUCION

Diremos que una distribución es simétrica cuando su

mediana, su moda y su media aritmética coinciden.
Diremos que una distribución es asimétrica a la derecha si
las frecuencias (absolutas o relativas) descienden más
lentamente por la derecha que por la izquierda.
Si las frecuencias descienden más lentamente por la
izquierda que por la derecha diremos que la distribución
es asimétrica a la izquierda.
TABLA DE DISTRIBUCION
NORMAL
TABLA DE DISTRIBUCION
NORMAL
 PROBABILIDAD

• La probabilidad mide la frecuencia con la que se obtiene un

resultado (o conjunto de resultados) al llevar a cabo un
experimento aleatorio, del que se conocen todos los resultados
posibles, bajo condiciones suficientemente estables. La teoría
de la probabilidad se usa extensamente en áreas como
la estadística, la física, la matemática, la ciencia y
la filosofía para sacar conclusiones sobre la probabilidad de
sucesos potenciales y la mecánica subyacente de sistemas
complejos.
 DISTRIBUCION NORMAL
ESTANDAR
• En la práctica, se tienen valores reales de promedio diferentes
de cero y con desviación estándar diferentes de uno, para
determinar la probabilidad o área bajo la curva, se determina el
número de desviaciones estándar Z entre algún valor X y la
media de la población o de la muestra X como sigue

P
 PROBABILIDAD
En la que:
• x = valor de la variable aleatoria de interés.
• x = media de la distribución de la variable aleatoria.
• σ = desviación estándar de la distribución.
• z = número de desviaciones estándar que hay desde x a la
media de la distribución. (El uso de z es solamente un cambio
de escala de medición del eje horizontal)
Ejemplo : El departamento de personal de una empresa
requiere que los solicitantes a un puesto en cierta prueba
alcancen una calificación de 500. Si las calificaciones de la
prueba se distribuyen normalmente con media 485 y
desviación estándar 30 ¿Qué porcentaje de los solicitantes
pasará la prueba?
DISTRIBUCION NORMAL
ESTANDAR
SE RESUELVE:
P= X>500=
P( Z > (500-485)/30)
=P( Z>0.5)=
1-P(Z>0.5)=
1-P(0.6914)=
P=1-0.6914=
P=0.309
DISTIBUCION NORMAL
ESTANDAR

EL AREA ES 69.11%
 PROBABILIDAD

Cuanto es la probabilidad de tener datos en 0.17 y 0.26 y

En el objetivo 0.21mm…. Resuelvalo?
PROBABILIDAD
 GRAFICOS DE CONTROL
• DEFINICION:

Una gráfica de control es una herramienta que muestra en

forma
continua, el comportamiento de una variable en un proceso
determinado, en función del número
de la muestra o del tiempo. Recordando el histograma, de
simple vista se considera que para convertir
el histograma a una gráfica de control, solamente tenemos
que voltearlo hacia un lado, y observar
donde cae dato por dato en orden del tiempo, como se nota
en las ilustraciones siguientes
GRAFICOS DE CONTROL
 GRAFICOS DE CONTROL
OBJETIVO:
Identificar la variación de un proceso para detectar y prevenir
problemas potenciales; también analizar su estabilidad, separar e
identificar las causas especiales de las causas comunes y en
función de este análisis, tomar las acciones apropiadas para
alcanzar y mantener
un estado de control estadístico del proceso, así como mejorar la
habilidad del mismo; previniendo y hasta eliminando la
producción de partes no conformes. Además de prevenir
defectos, las gráficas
de control también se convierten en un catalizador para obtener
mejor conocimiento del proceso, así
• como nos ayudan a predecir el mantenimiento cuando se
requiere.
 GRAFICOS DE CONTROL
LIMITES:
característica correspondiente al estado bajo control. También
incluye dos líneas horizontales llamadas
• límites de control. Estos límites de control se eligen de manera
que ayuden a distinguir entre
• el área donde figura la variación por causas comunes, del área
donde es posible tener causas especiales.
• Se acostumbra unir con una línea, los datos muéstrales en la
grafica de control para observarlos mejor. Los limites también
están basados en la probabilidad – la convención es que los
límites inferiores y superiores son aquellos que se estima
capturan el 99.73% de la variación por causas
• comunes (para distribuciones normales, son ± 3 sigma).
GRAFICOS DE CONTROL
 FORMULAS PARA GRAFICAS
X- RM
• Línea Central LC = X
• Límite de Control Superior LCS = X + 3σc.c.
(Xi)
• Límite de Control Inferior LCI = X - 3σc.c.
(Xi)
• Sigma de Causa Común σc.c = RM / d2
 GRAFICAS DE RANGO
MOVILES
• Además de poder notar cambios en la media, también es útil
ver cambios en la dispersión de los datos. Esto se logra con
una gráfica de rangos móviles; para este tipo de gráfica, las
fórmulas para el establecimiento de los límites son las
siguientes:
• Línea Central LC = RM
• Límite de Control Superior LCS = RM + 3σRM
• Límite de Control Inferior LCI = RM - 3σRM
• Sigma de Rangos Móviles σRM = σc.c. (Xi) x d3
 GRAFICAS DE CONTROL
X-R
• A veces no conviene utilizar una gráfica Xi de datos
individuales para monitorear un proceso; estas gráficas tienen
sus limitantes, por lo que es preferible utilizar gráficas de
promedios, donde en vez de graficar dato por dato individual,
se grafican promedios. En algunas situaciones es más
beneficioso tomar promedios cuando:
• Buscamos mejor resolución para poder detectar causas
especiales rápidamente
• Trabajamos con distribuciones no normales
• En este caso, el Teorema del Límite Central nos ayuda con
las limitaciones de las graficas Xi, al permitir una mejor
discriminación entre causas comunes y causas especiales.
• Individuo
 GRAFICAS DE CONTROL
X-R
• Línea Central LC = X
• Límite de Control Superior LCS = X + 3σc.c. (Xbarras)
• LCS = X + A2 (R)
• Límite de Control Inferior LCI = X - 3σc.c. (Xbarras)
• LCI = X - A2 (R)
• Sigma C.C. de Xbarras σc.c (Xbarras) = σc.c (Xi)
• Donde:
• X es el promedio de los promedios de los subgrupos de datos
• R es el promedio de todos los rangos
• n es el número de observaciones de cada subgrupo
• A2 es un constante que se obtiene de una tabla según el número de
observaciones
 GRAFICAS DE CONTROL
X-R
• Línea Central LC = R
• Límite Superior de Control LCS = R + 3σR
• -o-
• LCS = D4 x R
• Límite Inferior de Control LCI = R - 3σR
O
• LCI = D3 x R
• Sigma de Rangos σR = σc.c. (X) x d3
 PROCESO BAJO CONTROL
ESTADISTICO
• ¿Cuál es el estado de un proceso bajo control estadístico? Es la condición que
describe un
• proceso en el cual todas las causas especiales de variación han sido eliminadas,
persistiendo únicamente
• las causas comunes. Un sinónimo de Control Estadístico es “La Estabilidad”.
• Es crítico para el control estadístico, basar las decisiones en datos exactos y oportunos, y
no en deseos, corazonadas o experiencia. Dicho de otra forma, el control estadístico
establece un magnífico canal de comunicación entre Hombre y Máquina.
• 6.5.1 Características de un Proceso Estable
• Un proceso estable es aquel con una media y varianza constantes. En una gráfica de
control de un
• proceso estable, se nota que….
• 􀂾 La mayoría de los puntos caen cerca de la línea central.
• 􀂾 Ocasionalmente algún punto cae cerca de los límites de control.
• 􀂾 Ningún punto cae fuera de los límites de control.
PROCESO BAJO CONTROL
ESTADISTICO
 INESTABILIDADES TIPICAS
DE LOS PROCESOS

• Inestabilidades típicas en un proceso incluyen:

• 􀂾 Cambios en la media
• 􀂾 Tendencias
• 􀂾 Cambios en la varianza
• 􀂾 Cambios en la media y en la varianza
• Las siguientes ilustraciones muestran ejemplos
de estas inestabilidades.
INESTABILIDADES TIPICAS
DE LOS PROCESOS
REGLAS DE LOS GRAFICOS
DE CONTROL
REGLAS DE LOS GRAFICOS
DE CONTROL
REGLAS DE LOS GRAFICOS
DE CONTROL
REGLAS DE LOS GRAFICOS
DE CONTROL
 CAPACIDAD DE PROCESO

• Las técnicas estadísticas son muy útiles a lo largo del ciclo del producto,
desde las actividades de diseño y desarrollo antes de la manufactura, hasta
la cuantificación de la variabilidad de un proceso y las actividades para su
reducción y mejora continua. Hasta ahora el enfoque ha sido el análisis del
proceso en sí mismo, pero es clave considerar que se puede lograr un
proceso en comparación a lo que el cliente solicita. No se llegará muy lejos
si se produce algo que no le sirve a nadie, o si se generan muchas pérdidas
en lograr satisfacer al cliente a toda costa. Entonces, es necesario para el
fabricante saber qué tan cerca o qué tan lejos está su proceso de cumplir
con lo que pide el cliente; para determinar este detalle tan crítico, se han
desarrollado maneras de relacionar el proceso a las
• especificaciones impuestas por el cliente, con lo que surgen algunas
preguntas:
 CAPACIDAD DEL PROCESO
• ¿Qué son las especificaciones?: Las especificaciones son
límites impuestos por el cliente. Puede ser que el cliente le
exija al proveedor que le fabrique botellas plásticas de cierta
altura ( 234.5 hasta 235.5 mm); de otro modo, las botellas
pueden quedar muy cortas o muy altas, dificultando o
haciendo imposible el llenado de producto con los equipos o
procesos designados. El cumplir consistentemente con las
especificaciones impuestas por el cliente se asocia con la
buena calidad.
• Al tomar en cuenta las especificaciones del cliente, existen tres
situaciones:
• 1. Dos Especificaciones - A veces el cliente determina un
rango, compuesto por una
• especificación inferior y una especificación superior, que
representa la variación que el cliente esta dispuesto aceptar
 CAPACIDAD DE PROCESO

• 2. Una Especificación - Existen casos donde en vez de un

rango, hay solo una especificación – la especificación inferior
o la especificación superior, pero no las dos -.Un ejemplo es la
carga vertical, donde se maneja la especificación inferior, pero
no se impone una superior. En este caso, entre mas carga
vertical resista una botella, es mejor.
• 3. Ninguna especificación – A veces el cliente no impone
ninguna especificación. Posiblemente el cliente no ha colocado
límites porque no es una característica crítica que afecte el
proceso o el producto.
• Es importante no confundir los límites de especificación
impuestos por el cliente, con los límites de control
CAPACIDAD DE PROCESO
 CAPACIDAD DE PROCESO

• Es el rango dentro del cual se mueve el proceso, debido a

causas comunes o variación natural, una vez que está bajo
control estadístico. También se define como la habilidad
lograda por maquinas, materiales, métodos y personas, para
producir un producto que cumple consistentemente con sus
requisitos y con las expectativas del cliente. En otras
palabras, la Capacidad del Proceso evalúa si la variación de
causa común es suficiente para producir sin defectos y utiliza
los conceptos y cálculos realizados en los capítulos anteriores.
 DESEMPEÑO DEL PROCESO

• Es lo que un proceso ha logrado, tomando en cuenta tanto las

causas comunes, como las causas especiales. Los índices de
desempeño indican si el proceso ha cumplido con las
expectativas del cliente. El desempeño se puede evaluar según
periodos de interés; a través del desempeño, se puede estimar
el porcentaje de producto generado fuera de especificación
 DIFERENCIAS ENTRE
CAPACIDAD Y DESEMPEÑO
 INDICE CP

• El índice Cp o Capacidad Potencial del proceso, está dado

por la relación entre la tolerancia de especificación y la
dispersión 6c.c. del proceso, sin importar su localización
respecto ala media para calcularlo se necesitan de las dos
especificaciones, su formula es:
 INDICE CPK
• considera la ubicación o proximidad del proceso, respecto a los límites de
especificación y se calcula después de verificar que el proceso se encuentra
estable, en estado de control estadístico.
• Al tener dos limites de especificación, se calculan las dos formulas para ver
cual da el resultado mas pequeño. La fórmula que se utiliza, es la del límite
de especificación más cercano a la media;
• entre mayor sea este índice, menor probabilidad existirá de que un producto
se salga de especificaciones. Si no hay dos especificaciones, aún se puede
calcular Cpk pero sólo se usa la formula que considere el límite de
especificación que esté disponible. Sin especificaciones, no se

Cpk = (LSE – X) / 3c.c. o Cpk = (X – LIE) / 3 c.c.

 INDICE CPk
• Regresando al ejemplo del auto y la cochera, si el auto es muy
ancho, se debe entrar justo en el centro para no dañarlo (o
dañar la casa); aunque si el auto es más ancho que el garaje,
simplemente no se puede entrar. En caso contrario, si el auto
es muy angosto, se puede estacionar justo en el centro o un
poco desviado hacia los lados sin que esto represente ningún
problema ya que habrá suficiente espacio. Cpk muestra la
relación entre el ancho de la cochera (cliente), el ancho del
auto( proceso) y que tan centrado se estaciona
 DISTINTOS VALORES DE
CPk Y LO QUE REVELAN

Caso 1: Cpk es un valor negativo – Proceso Incapaz

Esto significa que la media del proceso esta fuera de los límites de especificación, ya
sea por
el lado de la especificación inferior o de la superior. El proceso entonces no es capaz de
cumplir consistentemente con los requisitos del cliente, porque se generan muchos
defectos.
Se debe investigar las fuentes de variación y hacer mejoras en el proceso.
 DISTINTOS VALORES DE
CPk Y LO QUE REVELAN

Caso 2: Cpk es menor a 1.0 – Proceso Incapaz

El proceso no es capaz de cumplir consistentemente con los requisitos del cliente.
En este
ejemplo se están generando defectos tanto por fuera del límite de especificación
inferior como del límite de especificación superior.
 DISTINTOS VALORES DE
CPk Y LO QUE REVELAN

También se puede tener un Cpk menor a 1 si el proceso esta

generando defectos saliéndose de un solo límite de
especificación
 DISTINTOS VALORES DE
CPk Y LO QUE REVELAN

Caso 3: Cpk es igual a 1.0 – Proceso Capaz

El proceso es capaz de cumplir con los requisitos del cliente, cuando solo hay variación
por causas comunes. Sin embargo, esta clase de proceso no es deseable porque requiere
mucho monitoreo. Cuando Cpk es igual a 1.0, esto significa que los límites de control
del proceso, son equivalentes a las especificaciones del cliente. De esta manera, no hay
espacio para permitir causas especiales sin quedar fuera de especificación.
DISTINTOS VALORES DE
CPk Y LO QUE REVELAN
 DESEMPEÑO DEL PROCESO

• El desempeño considera lo que un proceso ha logrado.

Tomando en cuenta tanto las causas comunes como las causas
especiales, los índices de desempeño indican si el proceso ha
cumplido con las expectativas del cliente. Se calculan los
índices según periodos de interés; por ejemplo, se puede
analizar el desempeño de un proceso al trabajar con un cierto
lote de materia prima. Debido a que el desempeño toma en
cuenta las causas especiales y las causas comunes, utiliza
sigma total. El desempeño potencial mide el desempeño del
proceso sin considerar la meta.
• Pp = (LSE – LIE) / 6 total
 DESEMPEÑO DEL PROCESO

• El desempeño actual mide el desempeño del proceso durante

un periodo de interés, pero a diferencia del desempeño
potencial, el actual si considera la meta. Es de gran utilidad si
se desea conocer que tanto varía el proceso; además, el
desempeño actual se puede calcular a diario, para ver en el
momento que tan cerca y consistentemente se alcanza la
capacidad del proceso.
• Desempeño Actual:

Ppk = (LSE – X) / 3 total ó Ppk = (X – LIE) / 3 total

 RELACION ENTRE CPk
Y PPk
Al comparar los índices de capacidad con los de desempeño, se puede
determinar si el proceso esta controlado o no. Situaciones posibles:
Cpk = Ppk
Los valores de Cpk y Ppk serán muy similares o iguales, cuando el proceso
este centrado y bajo control estadístico (estable). En este caso no hay
causas especiales presentes; sin embargo, las cifras necesitan ser mayores a
1 para que el proceso sea capaz.
Si Cp es mayor que Cpk, significa que el proceso esta desviado.
Ppk puede ser igual, similar o aún un poco mas grande que Cpk (solo debido a
la formula que se usa que involucra sigma total), pero no significativamente
mas grande. Cuando hay mucha diferencia entre Cpk y Ppk, por ejemplo,
Cpk = 2 y Ppk = 1, esto representa una situación donde durante el periodo
que se considero para calcular Ppk, el
proceso estuvo sujeto a mucha variación por causas especiales, las cuales se
deben investigar.
 CORRELACION ENTRE
VARIABLES CUANTITATIVAS
• Se considera que dos variables cuantitativas están relacionadas entre sí
cuando los valores de una de ellas varían de forma sistemática con
respecto a los valores homónimos de la otra. Dicho de otro modo, si
tenemos dos variables, A y B, existe relación entre ellas si al aumentar los
valores de A también lo hacen los de B, o por el contrario si al aumentar
los valores de A disminuyen los de B.
• Para variables métricas, el gráfico de dispersión es la manera más sencilla
de comprobar la relación entre las dos variables, pudiendo esta adoptar
diferentes formas.
• El método más usual para medir la intensidad de la relación lineal entre
dos variables métricas es la correlación momento-producto o correlación
de Pearson
 CORRELACION ENTRE
VARIABLES CUANTITATIVAS
• Los componentes fundamentales de una
relación entre dos variables cuantitativas son:

La Fuerza El Sentido La Forma

 CORRELACION ENTRE
VARIABLES CUANTITATIVAS
• La fuerza mide el grado en que los pares de observaciones quedan
representados en una línea. Si la nube de observaciones es estrecha y
alargada, una línea recta representará adecuadamente a la nube de puntos y
a la relación y por tanto ésta será fuerte.

• El sentido de la relación se refiere a cómo varían los valores de B con

respecto a A. Si al crecer los valores de la variable A lo hacen los de B, será
una relación positiva o directa. Si al aumentar A, disminuye B, será una
relación negativa o inversa.

• La forma establece el tipo de línea a emplear para definir el mejor ajuste.

Se pueden emplear tres tipos de líneas: una línea recta, una curva
monotónica o una curva no monotónica.
 CORRELACION ENTRE
VARIABLES CUANTITATIVAS
• CURVA MONOTÓNICA CURVA NO MONOTÓNICA

• En el caso de usar una curva monotónica, ese factor de proporción entre las
dos variables no es constante a lo largo de toda la recta, y por lo tanto la
pendiente de la misma es variable en su recorrido. Se dice que la línea de ajuste
es no lineal puesto que es una curva.
Por último, en el caso de usar una curva no monotónica varía tanto la
pendiente de la curva como el sentido de la relación, que en unos sectores puede
ser positiva (ascendente) y en otros negativa (descendente).
 DIAGRAMAS DE DISPERSION
• Dadas dos variables X y Y tomadas sobre el mismo elemento de la
población, el diagrama de dispersión es simplemente un gráfico de dos
dimensiones, donde en un eje (la abscisa) se grafica una variable
(independiente), y en el otro eje (la ordenada) se grafica la otra variable
(dependiente). Si las variables están correlacionadas, el gráfico mostraría
algún nivel de correlación (tendencia) entre las dos variables. Si no hay
ninguna correlación, el gráfico presentaría una figura sin forma, una nube
de puntos dispersos en el gráfico.
 GRAFICAS DE DISPERSION

• Disposición:
Eje de abscisas: variable independiente (X)
Eje de ordenadas: variable dependiente (Y)
• Frecuentemente X es una variable controlada (no aleatoria)
• Un punto por cada observación (par de valores X-Y)

• Aproximación al tipo de relación existente entre las variables

FORMAS TIPICAS DE LOS
GRAFICOS DE DISPERSION
PATRONES TIPICOS
DE ASOCIACION
 EL COEFICIENTE DE
CORRELACION LINEAL PEARSON
• El Coeficiente de Correlación Lineal de Pearson es un índice
estadístico que permite medir la fuerza de la relación lineal entre dos
variables. Su resultado es un valor que fluctúa entre –1 (correlación
perfecta de sentido negativo) y +1 (correlación perfecta de sentido
positivo). Cuanto más cercanos al 0 sean los valores, indican una
mayor debilidad de la relación o incluso ausencia de correlación entre
las dos variables.

Su cálculo se basa en la
expresión:
 EL COEFICIENTE DE
CORELACION LINEAL PEARSON
• Si el coeficiente de correlación de Pearson (r) es cercano a 0,
las dos variables no tienen mucho que ver entre sí (no tienen
casi ninguna covariación lineal). Si su valor es cercano a +/-1,
esto significa que la relación entre las dos variables es lineal y
está bien representada por una línea.
EJERCICIO DE CORRELACION
 DIAGRAMA DE DISPERSION

Como previamente se indicó la correlación elevada y

estadísticamente significativa no tiene que asociarse a
causalidad. Cuando objetivamos que dos variables están
correlacionadas diversas razones pueden ser la causa de dicha
correlación: a) pude que X influencie o cause Y, b)
 CORRELACION ENTRE
VARIABLES CUANTITATIVAS
• puede que influencie o cause X, c) X e Y pueden estar
influenciadas por terceras variables que hace que se
modifiquen ambas a la vez.
• El coeficiente de correlación no debe utilizarse para comparar
dos métodos que intentan medir el mismo evento, como por
ejemplo dos instrumentos que miden la tensión arterial. El
coeficiente de correlación mide el grado de asociación entre
dos cantidades pero no mira el nivel de acuerdo o
concordancia. Si los instrumentos de medida miden
sistemáticamente cantidades diferentes uno del otro, la
correlación puede ser 1 y su concordancia ser nula 7.
 EJERCICIO
Realizar la correlación y el diagrama de
dispersión

a) b) Determine el efecto de la
velocidad de la mezcla en
la cantidad de impurezas
CONCLUSIONES