Módulo: Operaciones & Procesos Industriales

Clase 05: Medición y Control

Alvaro Cepeda Ortiz

Herramientas para el análisis de datos
Las mediciones pueden poner de manifiesto una brecha en el
desempeño. Hay varias herramientas a su disposición que le
ayudarán a entender las causas del problema.
Aquí se presentan seis de ellas:
1. listas de verificación
2. histogramas y gráficos de barras
3. gráficos de Pareto
4. diagramas de dispersión
5. diagramas de causa y efecto
6. gráficos.
Listas de verificación
La recolección de datos con ayuda de una lista de verificación suele ser el
primer paso en el análisis de una medición. La lista de verificación es un
formulario que se usa para registrar la frecuencia con que se presentan ciertas
características del producto o servicio relacionadas con el desempeño.
Es posible que dichas características se midan con base en una escala continua
(por ejemplo, peso, satisfacción del cliente en una escala del 1 al 7, costo
unitario, porcentaje de pérdidas por material desperdiciado, tiempo o
longitud), o bien, por medio de un “sí” o un “no” (por ejemplo, queja del
cliente, error de registro, decoloración de la pintura, o dependientes
descorteses).
Histogramas y gráficos de barra
A menudo, los datos contenidos en una lista de verificación pueden presentarse
clara y sucintamente en forma de histogramas o gráficos de barras. Un
histograma resume los datos medidos sobre una escala continua, que muestra
la distribución de frecuencia de alguna característica de la calidad (en términos
estadísticos. la tendencia central y la dispersión de los datos). Con frecuencia,
en el histograma se indica la media de los datos. Un gráfico de barras es una
serie de barras que representan la frecuencia con la que se presentan las
características de los datos que se miden por medio de un “sí” o un “no”. La
altura de la barra indica el número de veces que se observó una característica
específica de la calidad.
Gráficos de Pareto
Cuando los gerentes descubren varios problemas en el proceso que es necesario atacar, tienen
que decidir cuál de ellos deberán atender primero. Vilfredo Pareto, un científico italiano del
siglo diecinueve cuyo trabajo estadístico se centró en las desigualdades presentes en los
datos, planteó que la mayor parte de una “actividad” tiene como causa un número
relativamente pequeño de los factores que la componen. En el caso de un problema de
calidad en un restaurante, la actividad podría estar constituida por las quejas de los clientes y
el factor causal podría ser “un camarero desatento”. En el caso de un fabricante, la actividad
en cuestión podría ser los defectos que presenta el producto y el factor, “una parte faltante”.
El concepto de Pareto, conocido como la regla 80-20, sostiene que el 80% de la actividad es
causada por el 20% de los factores. Con sólo concentrarse en el 20% de los factores (los
“pocos factores vitales”), los gerentes pueden atacar el 80% de los problemas de los
problemas de calidad. Por supuesto, los porcentajes exactos varían dependiendo de cada
situación, pero es inevitable que un número relativamente pequeño de factores ocasione la
mayoría de los escollos en el desempeño.
Gráficos de Pareto

Esos pocos factores vitales pueden identificarse por medio de un gráfico de Pareto, es decir,
un gráfico de barras en el que los factures están representados a lo largo del eje horizontal,
por orden decreciente de frecuencia. El gráfico tiene dos ejes verticales, uno a la izquierda que
ilustra la frecuencia (igual que en un histograma) y el otro a la derecha, que muestra el
porcentaje acumulativo de dicha frecuencia. La curva de frecuencia acumulativa identifica los
pocos factores vitales que requieren la atención inmediata de la gerencia.
Ejemplo Pareto
El gerente de un restaurante de barrio está preocupado porque cada vez
llegan menos clientes al local. Las quejas han ido en aumento y a él le
gustaría averiguar qué problemas debe atacar y presentar sus
conclusiones de manera que los empleados comprendan.
Ejemplo Pareto
Diagramas de Dispersión

Algunas veces los gerentes sospechan que cierto factor es la causa de un problema de calidad
en particular. Un diagrama de dispersión, que es una representación gráfica de dos variables
que muestra si éstas se relacionan entre sí, puede usarse para confirmar o descartar esa
sospecha. Cada punto del diagrama de dispersión representa la observación de datos.
Por ejemplo, el gerente de un taller de fundición sospecha que los defectos de las piezas
fundidas son una función del diámetro del molde. Podría construir un diagrama de dispersión
que representara gráficamente el número de piezas fundidas defectuosas que corresponden a
cada diámetro de moldeo producido. Una vez terminado el diagrama, sería posible observar
con toda claridad cualquier relación entre el diámetro y el número de defectos.
Diagramas Causa Efecto
Un aspecto importante del análisis de procesos consiste en vincular cada medición con los
insumos, métodos y pasos del proceso que incorporan en el servicio o producto un atributo en
particular. Una forma de identificar un problema de diseño consiste en crear un diagrama de
causa y efecto, que relaciona un problema clave de desempeño con sus posibles causas.
Desarrollado originalmente por Kaoru Ishikawa, este tipo de diagrama ayuda a la gerencia
establecer una relación directa entre las desconexiones y las operaciones donde éstas se
originan. Las operaciones que no tienen relación alguna con un problema en particular no
aparecen en el diagrama.
El diagrama de causa y efecto se conoce a veces como diagrama de espina de pescado. La
principal brecha de desempeño se rotula como la “cabeza” del pescado; las categorías más
importantes de las posibles causas se representan como las “espinas” estructurales; y las
causas probables específicas aparecen como las “espinas menores”. Al elaborar y utilizar un
diagrama de causa y efecto, el analista identifica todas las categorías importantes de las
posibles causas del problema.
Ejemplo Ishikawa
El gerente de operaciones de Checker Board Airlines, en el Aeropuerto Internacional de
Port Columbus, observó un incremento en el número de retrasos en la salida de sus vuelos.
Gráficos
Los gráficos representan los datos en diversos formatos visuales, como los gráficos de línea y
los gráficos circulares. Los gráficos de línea representan los datos en secuencia, como puntos
conectados por segmentos de líneas, para destacar las tendencias de los datos. Los gráficos de
línea se usan en los gráficos de control y en los pronósticos. Los gráficos circulares representan
factores de los procesos en forma de rebanadas de un pastel; el tamaño de cada rebanada es
proporcional al número de veces que se presenta el factor. Los gráficos circulares son útiles
para mostrar datos procedentes de un grupo de factores que pueden representarse como
porcentajes cuya suma total es 100 por ciento.
Distribución de proporciones de muestras
Definamos  = n° elementos de una pob con cierta característica/tamaño pob

Podemos tener una distribución de probabilidades de la proporción

Por ejemplo, se tiene una caja con 5 bolas, tres blancas y 2 negras, la proporción de las blancas es  =
3/5. Entonces tendríamos una variable aleatoria que asocia cada muestra con su proporción
correspondiente, así
Y p
1 0
Y (b1 )  y Y (n1 ) 
1 1
Muestras posibles b1 b2 b3 n1 n2

Proporción: pi 1 1 1 0 0

La media de la población será:

111 0  0 3 Por lo tanto   
 
5 5
2 2
La Varianza queda: 3  3 
  1 * 3    0  * 2
2  
5  5  6

5 25
Expresando σ2 como 3/5*2/5, queda:
 2   (1   )
Distribución de proporciones de muestras
Segundo ejemplo, se emplean muestras de tamaño n=2, con restitución, tenemos 25 muestras posibles
como lo presenta la tabla
b1 b2 b3 n1 n2

La media de la población de muestras será: b1 2/2 2/2 2/2 1/2 1/2

(2 / 2) * 9  (1 / 2) *12  (0 / 2) * 4 3 b2 2/2 2/2 2/2 1/2 1/2

p  
25 5 b3 2/2 2/2 2/2 1/2 1/2
Se tiene entonces, para n=2 que p  
n1 1/2 1/2 1/2 0/2 0/2
La varianza es n2 1/2 1/2 1/2 0/2 0/2

2 2 2
3  3 1 3 
  1 * 9     *12    0  * 4

5  5 2 5  3
 p2 
25 25
Expresando  pcomo
2
(3/5*2/5)/2, queda:

 (1   )
 p2 
2
Distribución de proporciones de muestras
Se podría continuar con n=3, 4, 5 llegando a resultado similares, por lo que se tiene.

Población Finita Población Infinita

p   p  

 (1   )  (1   )
 p2  * f ( N , n)  p2 
n n

 (1   )  (1   )
p  * f ( N , n) p 
n n

donde f ( N , n)  1 Para muestro con

restitución

N  n Para muestro sin

y f ( N , n) 
N  1 restitución
Ejemplo de Distribución de proporción de las
muestras
En una empresa empacadora de alimentos se emplean máquinas que empaquetan embutidos. La
forma de establecer si el empaquetado se hizo de manera adecuada, puede ser a través del peso o
si no hay aire en el paquete (empaquetado debe ser al vació). En el segundo caso, la determinación
se hace por inspección visual y el resultado puede ser que el artículo se juzgue defectuoso y se
separe de la línea de proceso. Se dan a continuación una serie de datos correspondientes a 30 lotes.
Lote Paquetes Defectuosos Lote Paquetes Defectuosos
1 406 4 16 402 3
2 409 9 17 405 9
3 410 8 18 406 7
4 402 3 19 409 6
5 401 5 20 412 5
6 414 4 21 413 8
7 404 7 22 403 6
8 401 8 23 409 9
9 406 6 24 415 17
10 413 4 25 401 10
11 410 12 26 400 6
12 408 7 27 410 8
13 400 4 28 401 8
14 410 15 29 405 3
15 403 10 30 411 5
Ejemplo de Distribución de proporción de las
muestras
Dado que no se tiene la proporción de la población π, se puede empezar estimándola a partir de los datos
disponibles.

Para el cálculo del error estándar se requiere el tamaño n de lotes. Como los tamaños de los lotes son
distintos, se calcula el promedio de ellos.
Ejemplo de Distribución de proporción
de las muestras
Proporción Defectuosos
005%

004%

004%

003%
Proporción

003%

002%

002%

001%

001%

000%
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
Lotes

El proceso se encuentra bajo control

Módulo: Operaciones & Procesos Industriales
Clase 05: Medición y Control

Alvaro Cepeda Ortiz