Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROCESOS
UNIDAD SERVICIOS EMPRESARIALES (USE)
Capacitacion online 2020
Objetivos del curso
www.senati.edu.pe
Contenido
www.senati.edu.pe
¿Qué es C.E.P.?
www.senati.edu.pe
¿Qué es C.E.P.?
www.senati.edu.pe
Variabilidad
www.senati.edu.pe
Modelo conceptual de proceso
www.senati.edu.pe
Como trabaja el C.E.P....
www.senati.edu.pe
¿ Quiénes deben utilizarlo ?
no es solo un asunto de
manufactura
las técnicas del cep pueden y han
sido exitosamente utilizadas en Ingeniería para :
ambientes no manufactureros Incorporar la capacidad del proceso en los diseños
www.senati.edu.pe
Porqué usted necesita C.E.P....
producto.
www.senati.edu.pe
Para qué implementar el C.E.P....
Para ayudar a medir el efecto que tienen los cambios realizados en los
procesos.
Para ayudar a elevar la moral porque la gente está más involucrada y dispuesta
a hacer un mejor trabajo
Para aumentar la satisfacción de cliente porque: de pocos errores, mayores
negocios
www.senati.edu.pe
Algunos productos, servicios y expectativas del cliente
www.senati.edu.pe
Dimensiones de la calidad
Evolución de la Calidad
Desempeño
Confiabilidad
Durabilidad
Facilidad de servicio
Estética
Características incluidas
Calidad percibida
Conformidad con los estándares
Características de la Calidad
www.senati.edu.pe
Antecedentes históricos
1924: WALTER SHEWHART realizó experimentos en 1950’s: EDWARD DEMING / JOSEPH JURAN:
base al Teorema del Límite Central y desarrolló las Entrenaron a líderes industriales en técnicas del
Cartas de Control del CEP CEP
www.senati.edu.pe
Métodos estadísticos de control y mejoramiento de calidad
C. MUESTREO DE ACEPTACIÓN
B. DISEÑO DE EXPERIMENTOS
Técnica que permite calificar lotes de
Técnica útil para identificar las variables clave que productos como conformes o no
afectan a la variabilidad de productos. conformes, por medio de una muestra
Permite variar en forma sistemática los factores y representativa sin inspeccionar al 100%
analizar su efecto
Variables de Proceso Característica
Entrada/Factores de calidad
Lote Muestra ¿Ok?
www.senati.edu.pe
Administración por calidad total
www.senati.edu.pe
Factores de éxito para la implantación del CEP
Sistema de reconocimiento
www.senati.edu.pe
¿Qué es Estadística?
Recolección de Organización de
datos datos
Es la ciencia que
relaciona los métodos
usados en la
www.senati.edu.pe
Definiciones
Variable aleatoria: es una función o regla que asigna uno y sólo un valor de una
variable " y" a cada evento en el espacio muestral. En este caso representa una
medición particular.
www.senati.edu.pe
Definiciones
www.senati.edu.pe
Definiciones
www.senati.edu.pe
Clasificación de las variables
Nominales
Cualitativas o
Categóricas
Ordinales
Variables
Discretas
Cuantitativas o
Numéricas
Continuas
www.senati.edu.pe
La distribución Normal Estándar
www.senati.edu.pe
La distribución Normal Estándar
www.senati.edu.pe
Ejem: Proceso con media =100 y desviación estándar = 10
68%
34% 34%
90 110
68%
34% 34%
13.5% 13.5%
95%
80 120
68%
2.365% 34% 34% 2.365%
13.5% 13.5%
99.73%
70 130
www.senati.edu.pe
El control estadistico
y la mejora de procesos
www.senati.edu.pe
Enfoque Tradicional
Clasificación de Procesos
“Las tareas se desarrollan en forma individual”
www.senati.edu.pe
Aplicación del Ciclo Shewhart
al
aci on
niz
rga
aO
ultur
C
www.senati.edu.pe
Las 7 herramientas
Estadisticas de la Calidad
www.senati.edu.pe
Control estadístico de Procesos
1. Hoja de Verificacion
www.senati.edu.pe
1. Hoja de verificación o registro
www.senati.edu.pe
1. Hoja de verificación o registro
Utilización
www.senati.edu.pe
1. Hoja de verificación o registro
Kaoru Ishikawa identificó cinco usos para las hojas de control en el control
estadístico de la calidad. Estas pueden utilizarse para:
Comprobar la forma de la distribución de probabilidad de un proceso.
www.senati.edu.pe
Pasos para elaborar una Hoja de verificación o registro
www.senati.edu.pe
Tipos de Hoja de verificación o de chequeo
www.senati.edu.pe
Tipos de Hoja de verificación o de chequeo
www.senati.edu.pe
Tipos de Hoja de verificación o de chequeo
Cuando las salidas del proceso son objetos para los cuales se pueden
observar defectos en lugares variables (por ejemplo burbujas en
productos laminados o huecos en piezas fundidas), se puede usar un
diagrama de concentración de defectos.
Cada vez que el proceso genera una salida, se evalúa la salida de los
defectos y marca la sección de cada vista donde se encuentra cada
uno.
www.senati.edu.pe
Tipos de Hoja de verificación o de chequeo
www.senati.edu.pe
Sesión 2: HERRAMIENTAS DE ANÁLISIS
1. Los Histogramas
2. Tabulación de datos
4. El Diagrama de Caja
www.senati.edu.pe
2. Histograma
LIE LSE
www.senati.edu.pe
Histograma: ejemplos tipicos
Y otros …
www.senati.edu.pe
Histograma
Modos de frecuencia:
1. Histogramas normales (tipo campana, Gauss): mas frecuencia de valores
centrales.
2. Histogramas bimodales (doble pico): Cuando hay mezcla de datos o de factores
diferentes.
3. Histogramas de “islas” (2 grupos diferentes): Cuando hay mezcla accidental de
datos.
www.senati.edu.pe
Construcción del histograma - datos agrupados
www.senati.edu.pe
Caso de estudio
60 68 74 75 73 67 83 75
75 80 65 74 72 80 76 78
85 72 76 84 87 86 64 82
75 71 67 68 74 78 75 83
78 63 90 91 77 71 70 77
www.senati.edu.pe
Caso de estudio
www.senati.edu.pe
Caso de estudio
www.senati.edu.pe
Caso de estudio
Determinando la frecuencia
Ii Xi fi
60 67 68 73 74 75 75 83
[60 – 66> 63 4
65 72 74 75 76 78 80 80 [66 – 72> 69 7
64 72 76 82 84 85 86 87 [72 – 78> 75 15
67 68 71 74 75 75 78 83 [78 – 84> 81 8
63 70 71 77 77 78 90 91 [84 – 90> 87 4
[90 – 96] 93 2
Total 40
www.senati.edu.pe
Caso de estudio
Ii Xi fi hi Fi Hi
[60 – 66> 63 4 0.100 4 0.100
[66 – 72> 69 7 0.175 11 0.275
[72 – 78> 75 15 0.375 26 0.650
[78 – 84> 81 8 0.200 34 0.850
[84 – 90> 87 4 0.100 38 0.950
[90 – 96] 93 2 0.050 40 1.000
Total 40 1.000
www.senati.edu.pe
Construcción del histograma Ii Xi fi hi Fi Hi
[60 – 66> 63 4 0.100 4 0.100
[66 – 72> 69 7 0.175 11 0.275
[72 – 78> 75 15 0.375 26 0.650
[78 – 84> 81 8 0.200 34 0.850
[84 – 90> 87 4 0.100 38 0.950
16 [90 – 96] 93 2 0.050 40 1.000
14 Total 40 1.000
12
10
8
Frec.
6
4
2
0
60-66 66-72 72-78 78-84 84-90 90-96
www.senati.edu.pe
El uso del Histograma en la valoración de la calidad
www.senati.edu.pe
Estratificación
www.senati.edu.pe
www.senati.edu.pe
Diagrama de tallo y hoja
www.senati.edu.pe
Diagrama de tallo y hoja
39 24 24 34 26 41 29 48 28 22
De ella podemos elaborar sus diagrama de Tallos y Hojas y compararla con la anterior.
www.senati.edu.pe
2.2 Diagrama de caja
Min Max
Q1 Q2
Q3
(Mediana)
Escala
www.senati.edu.pe
Medidas descriptivas
www.senati.edu.pe
Medidas descriptivas: Medidas de tendencia central
Población Muestra
r r
pX i i pX i i
p i 1
r Xp i 1
r
p i 1
i p i
i 1
65
Medidas descriptivas: Medidas de tendencia central
Depende del número de datos, no de los valores de los datos por lo que no se ve afectada por valores
extremos.
www.senati.edu.pe
Medidas descriptivas: Medidas de tendencia central
Wm n
Me Lm Fm 1
fm 2
Donde:
Lm : limite inferior de la clase mediana
Wm : ancho de clase de la clase mediana
n : total de datos
Fm-1 : frecuencia absoluta acumulada de la clase que precede a la clase mediana
fm : frecuencia absoluta de la clase mediana
www.senati.edu.pe
Medidas descriptivas: Medidas de tendencia central
Longitud fi Fi
8 8 8
10 16 24
12 12 36
15 8 44
17 24 68 Intervalos Xi fi Fi
20 32 100 [ 60, 63 › 61.5 2 2
[ 63, 66 › 64.5 6 8
[ 66, 69 › 67.5 4 12
[ 69, 72 › 70.5 6 18
[ 72, 75 ] 73.5 2 20
www.senati.edu.pe
Medidas descriptivas: Medidas de tendencia central
d1
Mo Li d d W
1 2
La Moda (Mo) de datos agrupados:
donde
Li es el límite inferior del intervalo modal
d1 f i f i 1
d 2 f i f i 1
W ancho de clase
www.senati.edu.pe
Medidas descriptivas: Medidas de tendencia central
www.senati.edu.pe
2. Medidas de Dispersión o Variabilidad
I. Rango o recorrido
• Son números que miden el grado de Es la diferencia entre sus valores
separación de los datos con respecto a máximo y mínimo. Esto es:
un valor central.
www.senati.edu.pe
2. Medidas de Dispersión o Variabilidad
( yi x ) 2
yi
2
2
̅x = 90 / 6 = 15
s
2 i 1
i 1
x
n n Yi Yi - ̅x (Yi - ̅x )²
15 0 0
13 -2 4
Si se calcula a partir de una muestra es denotada por s2 y 12 -3 9
si es de una población por σ2. 15 0 0
Tiene unidades de medición al cuadrado. 18 3 9
17 2 4
La desviación estándar es la raíz cuadrada de la varianza 26
www.senati.edu.pe
2. Medidas de Dispersión o Variabilidad
f i ( xi x) 2 f i xi
2
2 Intervalos Xi fi Xi fi Xi - ̅X (Xi - ̅X)² fi(Xi - ̅X)²
s
2 i 1
i 1
x
n n
[ 20, 40 › 30 12 360
k
hi ( xi x) 2 [ 40, 60 › 50 14 700
i 1
[ 60, 80 › 70 36 2520
i 1
82 5,380 31,219.52
www.senati.edu.pe
2. Medidas de Dispersión o Variabilidad
s
CV
x
Es el número x Mo
As
s
• Si es unimodal y asimétrica:
• (Media–Mo) es aproximadamente 3(Media–Me)
3( x Me )
As
s
www.senati.edu.pe
Medidas descriptivas: Medidas de Asimetría
Simétrica As=0
www.senati.edu.pe
Medidas descriptivas: Medidas de Asimetría
Normal o mesocúrtica K = 0
www.senati.edu.pe
Las medidas de posicion no central
Las cuantilas
• Cuartiles (Qi)
• Deciles (Di)
• Percentiles (Pi)
www.senati.edu.pe
Las medidas de posicion no central: los Cuartiles (Qi)
www.senati.edu.pe
Las medidas de posicion no central: los Cuartiles (Qi)
Punto de posición
i n 1
Donde:
i : numero que indica el cuartil deseado
4 n : total de datos
www.senati.edu.pe
Las medidas de posicion no central: los Cuartiles (Qi)
in
F Q 1
Los Cuartiles: datos agrupados: Qi LQ WQ 4
fQ
Donde:
LQ : limite inferior de la clase donde esta el cuartil
WQ : ancho de clase donde esta el cuartil
n : total de datos
i : numero que indica el cuartil deseado
FQ-1 : frecuencia absoluta acumulada de la
clase que precede a la clase del cuartil
fQ : frecuencia absoluta de la clase del cuartil
in /4 : Punto de posición
www.senati.edu.pe
Las medidas de posicion no central: los Cuartiles (Qi)
Interv. fi Fi
[10 - 20> 3 3
[20 - 30> 17 20
[30 - 40> 8 28
[40 - 50> 22 50
50
www.senati.edu.pe
Diagrama de caja
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una presentación visual
que describe varias características importantes al mismo tiempo, tales como la dispersión y
simetría.
Para su realización se representan los tres cuartiles y los valores mínimo y máximo de los
datos, sobre un rectángulo, alineado horizontal o verticalmente.
Min Max
Q1 Q2 Q3
(Mediana)
www.senati.edu.pe Escala
¿Cómo se dibuja un Diagrama de Caja?
1) Se ordenar los datos de la muestra y se obtienen; el valor mínimo, el máximo, y los tres
cuartiles Q1, Q2 y Q3.
www.senati.edu.pe
¿Cómo se dibuja un Diagrama de Caja?
Estos límites nos permitirán identificar los valores atípicos, que serán aquellos datos
que queden fuera del intervalo (Li , Ls).
www.senati.edu.pe
¿Cómo se dibuja un Diagrama de Caja?
5) Se dibuja una línea horizontal desde cada extremo del rectángulo central hasta el
valor más alejado no atípico, es decir, que está dentro del intervalo (Li, Ls).
6) Identificar todos los datos que están fuera del intervalo (Li,Ls), marcándolos como
atípicos.
www.senati.edu.pe
¿Cómo se dibuja un diagrama de caja?
Ejemplo: Construir el diagrama de caja para un conjunto de datos que tiene: valor mínimo 10, valor
máximo 55, Q1 = 28 , Q2 = 32, Q3= 38, El rango intercuartílico es Q = Q3 −Q1 = 38 − 28 =10 , por lo que
En el diagrama podemos observar que tenemos dos valores atípicos, (el 10 y el 55), puesto que ambos
caen o están fuera del intervalo (Li, Ls ) = (13, 53) (13, 53).
Además la distribución de datos es sesgada en forma positiva.
Recordemos que la caja central contiene el 50% de los datos. Cada línea o bigote puede contener hasta un
25% de los datos. Por último, es recomendable señalar con una marca especial los valores atípicos.
www.senati.edu.pe
¿Cómo se dibuja un diagrama de caja?
www.senati.edu.pe
¿Cómo se dibuja un diagrama de caja?
www.senati.edu.pe
¿Cómo se dibuja un diagrama de caja?
Comparar distribuciones
La mayor utilidad de los diagramas caja-bigotes
es para comparar dos o más conjuntos de
datos.
Comparación distribución de edades
Análogamente a lo realizado con los diagramas
de tallo y hojas, comparamos, mediante estos
diagramas, esta distribución con la del otro
ejemplo de distribución de edades.
A partir de dicha comparación puede
35 38 32 28 30 29 27 19 48 40 obtenerse bastante información de
39 24 24 34 26 41 29 48 28 22 ambas distribuciones.
www.senati.edu.pe
¿Cómo se dibuja un diagrama de caja?
www.senati.edu.pe
SEGUNDA UNIDAD
CARTAS DE CONTROL Y CAPACIDAD
DEL PROCESO
UNIDAD SERVICIOS EMPRESARIALES (USE)
Capacitacion online 2020
Sesión 3: CARTAS DE CONTROL
Mejorar un proceso.
www.senati.edu.pe
Contenido
1. Cartas de control: Conceptos
www.senati.edu.pe
Las cartas de control
www.senati.edu.pe
Las cartas de control
www.senati.edu.pe
www.senati.edu.pe
Variación observada en una Carta de Control
www.senati.edu.pe
Causas Comunes o Normales
• CAUSAS COMUNES
-Siempre están presentes
-Sólo se reduce con acciones de mejora mayores
-Su reducción es responsabilidad de la dirección
Límite
inf. de
Fuentes de variación: Márgenes inadecuados de diseño, especs.
Límite
sup. de
materiales de baja calidad, capacidad del proceso insuficiente especs.
www.senati.edu.pe
Causas Especiales
www.senati.edu.pe
Errores al hacer inferencias considerando Cartas de Control
• Error tipo II: Inferir que el proceso esta bajo control estadístico
www.senati.edu.pe
Límites de Control y Errores
LSC
Media del
Proceso
LIC
Límites 3 sigma
www.senati.edu.pe
Límites de Control y Errores
Error tipo I:
Probabilidad de investigar
una causa cuando no existe
LSC
Media del
Proceso
LIC
www.senati.edu.pe
Límites de Control y Errores
UCL
Cambio en la media
del proceso
Media del
Proceso
LCL
www.senati.edu.pe
Tipos de comportamiento
Solo si hay causas comunes (naturales), los resultados de la característica conforman una
distribución estable y predecible en el tiempo.
www.senati.edu.pe
Reglas para identificar procesos fuera de control
Regla 1:
– Un proceso se supone fuera de control si un punto esta fuera de los límites de control.
Regla 2:
– Un proceso se supone fuera de control si dos de tres puntos consecutivos se localizan
fuera de los límites de advertencia en el mismo lado de la línea central.
UCL
Advertencia
Advertencia
LCL
www.senati.edu.pe
Reglas para identificar procesos fuera de control
Regla 3: UCL
UCL
Regla 4:
- Un proceso se supone fuera de control
si ocho o mas puntos consecutivos se
ubican del mismo lado de la línea
central. LCL
www.senati.edu.pe
Determinación de causas asociadas a puntos fuera de control
• Es importante identificar las causas que hacen que los puntos estén
fuera de los límites de control.
Conocimiento del proceso.
Esfuerzo conjunto.
www.senati.edu.pe
Determinación de causas asociadas a puntos fuera de control
www.senati.edu.pe
Determinación de causas asociadas a puntos fuera de control
B. Tendencia
www.senati.edu.pe
Pasos para establecer un Gráfico de Control
www.senati.edu.pe
Cuando y donde Inspeccionar
www.senati.edu.pe
Tipos de cartas de control
1. Para variables
a) Gráficos X-barra y R
2. Para atributos
b) Gráficos X-barra y S
c) Gráficos X (Valores individuales) a) Gráficos p
d) Gráfico CUSUM y de promedios ponderados. b) Gráficos np
e) Gráficos para características de calidad c) Gráficos para no conformidades
relacionadas.
(c y u)
www.senati.edu.pe
Teorema del Límite Central
• Por ejemplo los 300 datos (cuyo valor se encuentra entre 1 a 9) pueden estar
distribuidos como sigue:
50
40
30
20 Frec.
10
0
1 2 3 4 5 6 7 8 9
www.senati.edu.pe
Teorema del Límite Central
10
8
6
4 Frec.
2
0
3.5 4.5 5.5 6.5
www.senati.edu.pe
Teorema del Límite Central
www.senati.edu.pe
Teorema del Límite Central
www.senati.edu.pe
Teorema del Límite Central
PREMISAS
• Si la variable aleatoria X tiene cualquier distribución con media y desviación estándar .
CONCLUSIONES
www.senati.edu.pe
Teorema del Límite Central
CONCLUSIONES (cont..)
• Si la población original es casi normal, las medias muestrales se
distribuyen normalmente para toda n.
www.senati.edu.pe
Sesión 4: CARTAS DE CONTROL PARA VARIABLES
www.senati.edu.pe
Cartas de Control para Variables
www.senati.edu.pe
Pasos para la construcción de gráficos X R
1 n
X i xij Ri max xij min xij
n j 1 j j
www.senati.edu.pe 126
Gráficos de medias y rangos ( X R )
LSC A LC LIC A
• Rangos:
LSC D2 R LC d 2 LIC D1 R
Donde: 3
A D1 d 2 3d 3 D2 d 2 3d 3
n
www.senati.edu.pe 127
Gráficos de medias y rangos ( X R )
LSC X A2 R LC X LIC X A2 R
• Para los rangos
LSC D4 R LC R LIC D3 R
Donde: 3 d3 d3
A2 D3 1 3 D2 1 3
d2 n d2 d2
www.senati.edu.pe
Pasos para la construcción de gráficos X R
n d2 A2 d3 D3 D4
2 1,128 1,880 0,853 0,000 3,267
3 1,693 1,023 0,888 0,000 2,575
4 2,059 0,729 0,880 0,000 2,282
5 2,326 0,577 0,864 0,000 2,115
6 2,534 0,483 0,848 0,000 2,004
7 2,704 0,419 0,833 0,076 1,924
La tabla de la derecha muestra el 8
9
2,847
2,970
0,373
0,337
0,820
0,808
0,136
0,187
1,864
1,816
10 3,078 0,308 0,797 0,223 1,777
valor de las constantes d2, d3, A2, D3 y 11 3,173 0,285 0,787 0,256 1,744
12 3,258 0,266 0,778 0,284 1,716
13 3,336 0,249 0,770 0,308 1,692
D4 para distintos tamaños de los 14 3,407 0,235 0,763 0,329 1,671
15 3,472 0,223 0,756 0,348 1,652
16 3,532 0,212 0,750 0,640 1,636
subgrupos racionales. 17 3,588 0,203 0,744 0,379 1,621
18 3,640 0,194 0,739 0,392 1,608
19 3,689 0,187 0,734 0,404 1,596
20 3,735 0,180 0,729 0,414 1,586
21 3,778 0,173 0,724 0,425 1,575
22 3,819 0,167 0,720 0,434 1,566
23 3,858 0,162 0,716 0,443 1,557
24 3,895 0,157 0,712 0,452 1,548
25 3,931 0,153 0,708 0,459 1,541
www.senati.edu.pe 129
Cartas de X y R
· Este par de cartas se utilizan para monitorear procesos con datos variables. Una para
las medias y otra para los rangos.
· La Carta X-media monitorea los promedios de las muestras del proceso monitoreando
tendencias en la media del proceso.
www.senati.edu.pe
Cartas de X y R
Procedimiento:
Identificar la característica crítica a controlar y tamaño de subgrupo (n = 3 a 6)
Iniciar la recolección de aprox. 25 subgrupos (k), tomando partes consecutivas
en cada uno.
Decidir cómo y cuándo colectar la información de los subgrupos, de tal forma de
detectar cambios.
Elaborar la gráfica con los datos.
Analizar las cartas de control
www.senati.edu.pe
Como el C.E.P. es empleado para mejorar procesos
www.senati.edu.pe
Cartas de X y R
n A 2 A 3 d2 D 3 D 4 B3 B4
2 1.880 2.659 1.128 0 3.267 0 3.267
3 1.023 1.954 1.693 0 2.575 0 2.568
4 0.729 1.628 2.059 0 2.282 0 2.266
5 0.577 1.427 2.326 0 2.115 0 2.089
6 0.483 1.287 2.534 0 2.004 0.030 1.970
7 0.419 1.182 2.704 0.076 1.924 0.118 1.882
8 0.373 1.099 2.847 0.136 1.864 0.185 1.815
9 0.337 1.032 2.970 0.184 1.816 0.239 1.761
10 0.308 0.975 3.078 0.223 1.777 0.284 1.716
11 0.285 0.927 3.173 0.256 1.744 0.321 1.679
12 0.266 0.886 3.258 0.283 1.717 0.354 1.646
13 0.249 0.850 3.336 0.307 1.693 0.382 1.618
14 0.235 0.817 3.407 0.328 1.672 0.406 1.594
15 0.223 0.789 3.472 0.347 1.653 0.428 1.572
www.senati.edu.pe
Cartas de X y R – ejemplo 1
www.senati.edu.pe
Cartas de X y R – ejemplo 1
0 5 1 01 5o d e a
Los límites de control para el
g
LS C=12.27
gráfico de rangos:
n
LSC D4 R 2,115 (5,8) 12,27
a
LC=5.80
LIC D3 R 0 (5,8) 0
R
LC 5,8
5 10 15 20
M ues tra
www.senati.edu.pe
Cartas de X y R – ejemplo 1
2 38 A 30 p 32 e 34 r 36t u 48 r 0 a p r o
Los límites de control para el gráfico
de medias:
L S C=36 .67
LC 33,32
5 10 15 20
M ue s tra
www.senati.edu.pe
o
u
r
r t
• Las muestras 6, 8, 11 y 19 están fuera de control en
p
e
gráfico de medias y la 9 lo esta en el gráfico de rangos.
2 83 03 23 43 63 84 0a
p
• Cuando se estudian las causas asignables, estas llevan
r
a una herramienta defectuosa en el área de moldeo.
a
u
e
r
LS C=36.10
gráfico.
d
e
LC=33.21
0 5 1 01 5
p
o
A
g
LIC=30.33
n
LS C=10.57
a
5 10 15 20
LC=5. 00
Mues tra
R
5 10 15 20
M ues tra
www.senati.edu.pe
Cartas de X s
subgrupo.
www.senati.edu.pe
Cartas de X s
1 k 1 k
X Xi S Si
k i 1 k i 1
www.senati.edu.pe
Pasos para la construcción de Cartas X s
www.senati.edu.pe
Pasos para la construcción de Cartas X s
Cuando no se conocen los valores de y los mismos se calculan a
partir de los datos para obtener los límites de control.
www.senati.edu.pe
Carta X y S
n A A d2 D D B3 B4
LSC B4 S
2 3 3 4
www.senati.edu.pe
Carta X y S: Ejemplo
Mediciones del diámetro interior (mm) de los anillos para pistones de motores de automóviles
K (muestras) x Si
25 Σ = 1,850.028 0.2350
x = 74.001 s = 0.0094
n = tamaño de la muestra = 5
www.senati.edu.pe
Carta X y S: Ejemplo
www.senati.edu.pe
Carta X y S: Ejemplo
Grafico de control
www.senati.edu.pe
Carta X y S: Ejemplo
Linea Central x
x Limite x 3
s
k C4 n
224.72 0.08551
14.98 14.98 3 14.98 0.014
15 0.9213 4
s
s 1.280 0.08551
Limite 14.84 y 15.12
k 15
Grafica de Control
www.senati.edu.pe
Carta X y S
2. Un plan de muestreo de variables se usa para aceptación o rechazo de grupos de habilidad
de lámparas faro para cumplir con las bujías mínimas requeridas. Los rechazos de grupos son
demasiados frecuentes, y se desean estudiar los datos de muestreo por medio de graficas de
control x̄ y s, puesto que los tamaños de las muestras varían de 4 a 20. Para el estudio inicial
se obtienen datos de doce muestras en tres días. Esto se indica en la sgte tabla con los
cálculos del tamaño de la muestra x̄ y s. Los datos son resultados codificados, ajustados para
fijar la especificación mínima para las bujías en el valor de cero (0.0).
fecha: n x̄ s fecha: n x̄ s
9 set 4 9.425 4.18 10 set 10 5.37 5.484
5 16.66 3.559 20 17.7 3.893
5 10.58 4.258 13 set 5 10.38 4.303
5 10.78 2.476 7 9.343 3.814
10 set 5 5.48 4.917 7 8.486 5.99
10 9.89 5.8 20 12.905 5.914
www.senati.edu.pe
Carta X y S: Ejemplo
Los cálculos de los limites de control para las graficas de control del promedio
( ̄x ) y deviación estándar (s) son como sigue:
n xi 1,196.603
X
i 11 .62
n i
103
n 1 s 2
2199.37
24.169 4.92
s
i i
n k i
91
Para n = 5 LSCx x A3 s = 11.62 + 1.427 (4.92) = 18.64
LIC x x A3 s = 4.60
LICs B3 s = 2.089 (4.92) = 10.28
LSCs B4 s = 0.0 (4.92) = 0.0
www.senati.edu.pe
Carta X y S: Ejemplo
www.senati.edu.pe
Carta de Control Individual
www.senati.edu.pe
Carta de Control Individual
www.senati.edu.pe
Carta de control Individuales: Ejemplo
www.senati.edu.pe
Carta de control individual
Nº de la Rango Móvil
Tanda
Viscosidad
MR
Carta de Rango móvil:
x
1 33.75 LSC MR D4 MR 3.267 0.48 1.57
2 33.05 0.70
3 34.00 0.95
4 33.81 0.19 LIC MR D3 MR 0.0 0.48 0
5 33.46 0.35
6 34.02 0.56
7 33.68 0.34
Carta de Promedios:
8 33.27 0.41
9 33.49 0.22 MR 0.48
10 33.20 0.29
LSC x 3 33.52 3 34.80
d2 1.128
11 33.62 0.42
12 33.00 0.62
13 33.54 0.54
MR 0.48
14 33.12 0.42 LIC x3 33.52 3 32.24
d2 1.128
15 33.84 0.72
www.senati.edu.pe
Uno de los criterios para determinar el tamaño de muestra en
cartas de control para variables: utilizando la norma mil std 414
www.senati.edu.pe
Selección del Gráfico de Control
www.senati.edu.pe
Sesión 5: CARTAS DE CONTROL PARA ATRIBUTOS
www.senati.edu.pe
Cartas de Control para Atributos
Datos de Atributos
Tipo Medición ¿Tamaño de Muestra ?
p Fracción de partes defectuosas, Constante o variable > 30 defectivas o no
conformes
www.senati.edu.pe
Carta P
• Buena o mala
• Pasa-No Pasa
• Opera-No Opera
• Conforme o No conforme
www.senati.edu.pe
Carta P
Terminología
n = tamaño de cada muestra (por ejemplo, producción semanal)
np = número de unidades defectuosas en cada muestra
p = proporción (porcentaje) de defectos en cada muestra -
(fracción defectiva)
k = número de muestras
www.senati.edu.pe
Carta P - ejemplo
347 0.2313
www.senati.edu.pe
Carta P - ejemplo
347
p 0 .2313 LC
30 50 .5
LSC = 0.410239
.4 LC = 0.231333
.3 LIC = 0.0524275
Límites de Control:
p
.2
0.2313 0.7687
LSC 0 .2313 3 0.4102 .1
50
5 10 15 20 25 30
www.senati.edu.pe
Carta P - ejemplo
N°
Componentes
Muestra Errores Fracción
defectuosos
Algunos componentes no pasaron la p
K = 13 semanas
www.senati.edu.pe
Carta P - ejemplo
SOLUCION:
Paso 1: Calcular ̅̄p̄̅ y n (puesto que los tamaños de muestras son diferentes)
Total defectuoso s 22
p d /( m x n)
Numero total inspeccion ado 195
0.1128
p (1 p ) 0.1128 (1 0.1128 )
LCS p 3 0.1128 3 0.358
n 15
LC 0.1128
p (1 p ) 0.1128 (1 0.1128 )
LCI p 3 0.1128 3 0.132 0
n 15
www.senati.edu.pe
Carta P - ejemplo
Paso 2. Dibuje en la gráfica cada una de las proporciones defectuosas de la muestra. Como vemos en la sgte
figura, la proporción de elementos defectuosos es estable. Ningún subgrupo está fuera de control.
0.3
LCS =0.358 · ¿Por qué el LIC es siempre cero?
Proporción
_
• ¿Qué oportunidades para mejorar existen?,
P=0.1128
0.1
• ¿Podemos aprender algo de las muestras 1, 2, 6, 8, y 10?
0.0 LCI=0
1 2 3 4 5 6 7 8 9 10 11 12 13
Muestra
Las pruebas se realizaron con tamaños de la muestra desiguales
www.senati.edu.pe
Carta P - ejemplo
Numero de Números de
muestra cuenta
equivocados
El gerente de operaciones del Dpto. de servicios de
1 15
registros del Hometown Bank se siente preocupado por la
2 12
gran cantidad de errores que comete el personal de ese
3 19
banco al registrar los números de cuenta de los clientes.
4 2
5 19
Cada semana se toma una muestra aleatoria de 2,500 6 4
depósitos y se anota la cantidad de números de cuenta 7 24
registrados incorrectamente.
8 7
9 10
Los resultados de las 12 ultimas semanas aparecen en la 10 17
siguiente tabla. ¿Esta fuera de control este proceso? Use 11 15
acotamientos de control tres sigma. 12 3
Total 147
www.senati.edu.pe
Carta P - ejemplo
SOLUCION:
Paso 1. Construya la gráfica p, usando datos del pasado para calcular ̅̄p̄̅
p (1 p )
p 0.0049 (1 0.0049) / 2500 0.0014
n
www.senati.edu.pe
Carta P - ejemplo
Paso 2. Calcule la proporción defectuosa de esta muestra. En el caso de la muestra 1, la proporción de
elementos de elementos defectuosos es 15/2500 = 0.0060
Paso 3. Dibuje en la gráfica cada una de las proporciones defectuosas de la muestra, como vemos en la sgte
figura.
Grafica p de los numeros de cuenta equivocados
0.010 1
LCS=0.00909
0.008
0.006
Proporción
_
P=0.0049
0.004
0.002
LCI=0.00071
0.000
1 2 3 4 5 6 7 8 9 10 11 12
Muestra
La muestra 7 rebasa el acotamiento de control superior, por lo tanto, el proceso está fuera de control y
será necesario averiguar las razones del mal desempeño registrado durante esa semana. Tal vez los
números de cuenta fueron introducidos erróneamente en la computadora por una persona en proceso de
capacitación, o una maquina codificadora tenía una falla. Una vez corregido el problema, el analista vuelve
a calcular los acotamientos.
www.senati.edu.pe
Carta NP
www.senati.edu.pe
Carta NP
Esta gráfica es casi la misma que la de p, pero es más fácil de entender para los operarios pues
no requieren hacer ningún cálculo a la hora de utilizarla y colocar el número de unidades no
conformes.
Nota:
Si el tamaño de muestra varía de subgrupo a subgrupo, se presenta una gráfica difícil de explicar al
personal operativo. Una técnica es utilizar un tamaño de muestra promedio. De esta forma los límites
aparecerán constantes. Este tamaño puede calcularse con información histórica de inspecciones
previas.
www.senati.edu.pe
Carta NP - ejemplo
Muestra N° partes Defectuos
En un proceso se inspeccionan K = 15 os
1 4000 2
lotes tomando n = 4000 partes de cada 2 4000 3
3 4000 3
lote, se rechazan algunas partes por 4 4000 2
5 4000 4
tener defectos, como sigue: 6 4000 2
7 4000 3
8 4000 3
9 4000 6
10 4000 8
11 4000 3
12 4000 4
13 4000 4
14 4000 7
15 4000 6
K=15 lotes
www.senati.edu.pe
Carta NP - ejemplo
SOLUCION:
Gráfica NP de Defectuosos
Total de defectuoso s 60
p d /( m x n)
10 LCS=10.00
0.001
Luego: Numero total de observacio nes 15 4000 8
Conteo de muestras
6
n p 4000 x 0.001 4 4
__
NP=4
2
LCS np 3 n p (1 p) 4 3 4 (1 0.001) 10 0 LCI=0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Muestra
LC n p 4
El proceso se encuentra bajo control estadístico.
LCI np 3 n p (1 p ) 4 3 4 (1 0.001) 1.9969 0
www.senati.edu.pe
Carta NP - ejemplo
1 600 21
2 600 22
3 600 20
4 600 21
5 600 23
6 600 39
7 600 18
8 600 24
9 600 20
www.senati.edu.pe
Carta NP
La proporción disconforme es el resultado de la división de los elementos disconformes entre el
tamaño de la muestra, en este caso, 600.
A continuación, se sustituyen los valores en las fórmulas para calcular los valores de los límites.
Así, se tiene que:
Luego: LCS=37.25
35
n p 600 x 0.0385 23.1
Conteo de muestras
30
25 __
NP=23.11
LCS np 3 n p (1 p ) 23.1 3 23.1 (1 0.0385) 37.25 20
15
LC n p 23.11
10
LCI=8.97
LCI np 3 n p (1 p ) 23.1 3 23.1 (1 0.0385) 8.97 1 2 3 4 5
Muestra
6 7 8 9
www.senati.edu.pe
Carta C
Terminología
c = Número de defectos encontrados en cada unidad o
unidades constantes de inspección
k = número de muestras
www.senati.edu.pe
Carta C
www.senati.edu.pe
Carta C - ejemplo
www.senati.edu.pe
Carta C - ejemplo
12
Conteo de muestras
10
Por lo tanto, los límites de control de la carta c, están dados por:
8
_
C=6.37
6
4
LCS C 3 c 6.37 3 6.37 13.94 2
0 LCI=0
LCS C 3 c 6.37 3 6.37 1.2 0
1 4 7 10 13 16 19 22 25 28
Muestra
No hay puntos fuera de los límites. Por lo tanto los límites de control a usar en el futuro son esos
mismos.
www.senati.edu.pe
Carta C - ejemplo
www.senati.edu.pe
Carta C - ejemplo
SOLUCION: Grafica c, de defectos por rollo de papel
30
+2SL=28.94
Conteo de muestras
_
20 C=20
LCS C 2 c 20 2 20 28.94 15
-2SL=11.06
LCS C 2 c 20 2 20 11 .06 10
5
1
1 2
Luego tenemos la gráfica de control en la siguiente figura. Muestra
b. Puesto que el primer rollo tenía solo 27 defectos, o sea, menos de lo que indica el acotamiento de
control superior, el proceso sigue estando bajo control. Cinco defectos es menor que el valor del
acotamiento de control inferior y, por consiguiente, el proceso se encuentra técnicamente “fuera de
control”. Sin embargo, la gráfica de control indica que ha sucedido algo bueno. En este caso, sería
conveniente que la gerencia localizara la causa asignable y la aprovechara para reducir el número
promedio de defectos.
www.senati.edu.pe
Carta U
· Ejemplos:
• Se toma una muestra de tamaño constante de tableros PCB por semana,
identificando defectos visuales por tablero.
• Se inspeccionan aparatos de TV por turno, se determinan los defectos por TV
promedio.
www.senati.edu.pe
Carta U
y n es el tamaño de la muestra i.
www.senati.edu.pe
Carta U: ejemplo
k=12 semanas
www.senati.edu.pe
Carta U: ejemplo
SOLUCION
u d / ( m x n) 4.197 6
Total muestra 12 50
_
U=4.197
4
u 4.197
LCS u 3 4.197 3 5.066 LCI=3.328
n 50 3
LC u 4.197
2
1
u 4.197 1 2 3 4 5 6 7 8 9 10 11 12
LCI u 3 4.197 3 3.328 Muestra
n 50
www.senati.edu.pe
Selección del Gráfico de Control
Característica de Calidad
Variable Atributo
Defectuoso Defecto
no
¿n > 1? x y MR
Tamaño si Unid. de
si muestral muestreo
constante constante
no
p o np si no
¿n ³ 10? xyR no
si
Gráfico p con c u
tamaño muestral
xys variable
www.senati.edu.pe
Sesión 6: CAPACIDAD DEL PROCESO
www.senati.edu.pe
Contenido
1. Conceptos importantes
www.senati.edu.pe
Capacidad del Proceso
www.senati.edu.pe
CAPACIDAD DEL PROCESO: USOS
Reducir la variabilidad.
Asignar los equipos a los tipos de trabajo para los cuales son más
adecuados.
www.senati.edu.pe
Capacidad del Proceso: Pasos Basicos
www.senati.edu.pe
Capacidad del Proceso
Una manera de evaluar la capacidad del proceso para producir dentro de las
especificaciones, es comparar el ancho de la especificación con el ancho del proceso.
Fig.1
La figura 2 muestra y compara dos procesos. El proceso para el cual a/b es mayor a 1,
es mejor que el otro, pues presenta menor variación.
www.senati.edu.pe
Índice de Capacidad potencial del Proceso : CP
Donde:
www.senati.edu.pe
Índices de Capacidad real del Proceso : CPK
Como Cp no toma en cuenta la ubicación (centrado) del proceso, es necesario definir
otro índice que si la considere; sea el proceso señalado en el siguiente grafico
Al comprar c/d se puede ver el centrado del proceso en relación con la mitad de la variación del mismo.
c = la distancia entre el centro del proceso (media) y el limite de especificación mas cercano.
d = la mitad del ancho del proceso.
www.senati.edu.pe
Índices de Capacidad real del Proceso : CPK
www.senati.edu.pe
Tamaño de la Muestra
Muestras :
- Deben ser tan homogéneas como sea posible
- De manera que, si hay causas asignables, debe haber una alta
probabilidad de observar diferencias entre muestras y una
baja probabilidad de observar diferencias dentro de una muestra.
www.senati.edu.pe
Subgrupos Racionales
www.senati.edu.pe
Tamaño de la Muestra
Tamaño de la Muestra
Pequeña Grande
www.senati.edu.pe
Tamaño de la Muestra
www.senati.edu.pe
Frecuencia de Muestreo
• La frecuencia debe ser tal que permita detectar los cambios lo más pronto
posible, para reducir riesgos de producto no conforme.
• Sin embargo la frecuencia no debe ser tan alta para que el costo sobrepase
las ventajas.
www.senati.edu.pe
Frecuencia de Muestreo
www.senati.edu.pe
www.senati.edu.pe
Capacidad del Proceso
www.senati.edu.pe
Inicio
CAPACIDAD DEL PROCESO
Esquema general para implementación de Definir variables de
proceso a medir
un programa de control estadístico o para
el mejoramiento de los procesos con base Definir plan de
mediciones
en esta herramienta.
Realizar las mediciones de
acuerdo al plan establecido
Si
No
ICP>1
?
Si
Verificar Programas de
ICP>1.33 No
centrado del mejoramiento
? proceso del proceso
Si
Decisión gerencial
www.senati.edu.pe
Capacidad del proceso: ejemplo
Un proceso para el llenado de envases con fórmula para bebe debe tener una
medida de 3 onzas ± 0.150 onzas. Se muestrearon 200 frascos del proceso. Los
resultados mostraron que la cantidad promedio de alimento vertido en los
envases fue de 3.042 onzas. La desviación estándar de dicha cantidad fue de
0.034 onzas. Determine el valor de Cpk.
SOLUCION
Especifica cion tecnica del producto : Caracteris ticas del proceso : x 3.042 onz ; s 0.034 onz
LCS 3 0.150 3.150
LCI 3 0.3150 2.850 3.150 3.042 3.042 2.850
C PK Minimo ; 1.06 ; 1.88
3 ( 0. 034 ) 3 ( 0. 034 )
www.senati.edu.pe
Índice Cr (razón de capacidad potencia)
Indicador de la capacidad potencial del proceso que divide la amplitud de la variación natural
de este entre la variación tolerada. Representa la proporción de la banda de especificación que
es cubierta por el proceso.
6
Cr
ES EI
Con este índice se pretende que el numerador sea menor que el denominador, es decir, lo deseable
son valores de Cr pequeños (menores que 1).
La ventaja del índice Cr sobre el Cp es que su interpretación es un poco mas intuitiva, a saber: el
valor del índice Cr representa la proporción de la banda de especificación que es ocupada por el
proceso. Por ejemplo si el Cr=1.20, querrá decir que la variación del proceso abarca o cubre 120%
de la banda de especificación, por lo que su capacidad potencias es inadecuada.
www.senati.edu.pe
Índice K (índice de centrado del proceso)
N
K x 100
1
ES EI
2
Como se aprecia, este indicador mide la diferencia entre la media del proceso, μ y el valor
objetivo o nominal, N (target), para la correspondiente característica de calidad; y compara
esta diferencia con la mitad de la amplitud de las especificaciones. Multiplicar por 100
ayuda a tener una medida porcentual. La interpretación de K es:
www.senati.edu.pe
Índice K (índice de centrado del proceso)
La interpretación de K es:
www.senati.edu.pe
Índice Cpm (índice de Taguchi)
Índice de Taguchi similar al Cpk, que en forma simultanea, toma en cuenta el centrado y la
variabilidad del proceso.
Desde el punto de vista de taguchi, cumplir con especificaciones no es sinónimo de buena
calidad y la reducción de la variabilidad debe darse en torno al valor nominal (calidad
optima).
Es decir, la mejora de un proceso debe estar orientada a reducir su variabilidad alrededor
del valor nominal, N, y no solo para cumplir con especificaciones. Taguchi, propone que la
capacidad del proceso se mida con el índice Cpm que esta definido por:
ES EI 2
C pm 2 N
6 Donde ζ (tau) esta dada por:
www.senati.edu.pe
Índice Cpm (índice de Taguchi)
Nótese que el índice Cpm compara el ancho de las especificaciones con 6 ζ, pero ζ no
solo toma en cuenta la variabilidad del proceso, a través de σ², sino que también toma
en cuenta su centrado a través (μ - N)².
De esta forma, si el proceso esta centrado, es decir, si μ = N, entonces Cp, Cpk y Cpm
son iguales.
Interpretación:
Cuando el índice Cpm es menor que uno significa que el proceso no cumple con especificaciones,
ya sea por problemas de centrado o por exceso de variabilidad.
www.senati.edu.pe
Capacidad a partir de un Histograma
www.senati.edu.pe
Ejemplo (carta X – R)
El Cpk = (264.06 - 200) / (33.23) (3) = 0.64 por tanto el proceso no cumple con las
especificaciones.
www.senati.edu.pe
Control Estadístico de Procesos: Modulo IV
www.senati.edu.pe
Contenido
• Diagrama de Pareto
• Diagrama Causa-Efecto
• Flujogramas
• Diagrama de dispersión.
www.senati.edu.pe
Diagrama de Pareto
www.senati.edu.pe
Diagrama de Pareto
www.senati.edu.pe
Diagrama de Pareto Wilfredo Pareto decía que:
El 20% de los países con economías
fuertes, domina a los demás.
PORCENTAJE DE COMPOSICIÓN
CONDUCTAS DE UN MAL SERVICIO
125
100 % El 20% de las personas que aportan
100 con su trabajo, sostienen al 80% de
80 %
la población.
75
60 %
La abundancia en una sociedad, la
50
40 % posee y administra sólo el 20% de la
25 población.
20 %
0
La mejora de la calidad se logra al
resolver el 20% las causas que
generan el 80% de los problemas.
www.senati.edu.pe
Ventajas del Diagrama de Pareto
www.senati.edu.pe
Pasos para la Construcción del
Diagrama de Pareto
2.Resumir datos
Ejemplo:
Un accesorio de metal estampado con una
forma particular se cubre con un adhesivo y
se coloca en un molde en el que se inyecta
caucho para hacer el producto. El estudio
muestra los siguientes datos:
5. En el eje “X” colocar los factores
o causas; en el eje “Y” izquierdo lo
referente a la frecuencia y en el eje
“Y” derecho el porcentaje.
6. Gráficos
• Barras: Frecuencia
• Línea: Frecuencia relativa
acumulada
Diagrama de Causa – Efecto (Ishikawa o Espina de Pescado)
www.senati.edu.pe
Diagrama de Causa – Efecto (Ishikawa o Espina de Pescado)
www.senati.edu.pe
Diagrama de Causa – Efecto (Ishikawa o Espina de Pescado)
CAUSA
NIVEL 2
MANO
MANO DE
DE OBRA
OBRA CAUSA
NIVEL 1
PERSONAL
PERSONAL
El
El problema
problema
se identifican los factores que contribuyen a las causas
oo efecto
efecto es
es
definido
definido
MATERIAL
MATERIAL
ORGANIZACION
ORGANIZACION CAUSA
NIVEL 3
www.senati.edu.pe
Diagrama de Causa – Efecto (Ishikawa o Espina de Pescado)
MATERIALES MÉTODO
www.senati.edu.pe
Lluvia de Ideas
www.senati.edu.pe
Técnica de los 5 ¿porques?
Esta técnica se utilizó por primera vez en Toyota durante la evolución de sus
metodologías de fabricación, que luego culminarían en el Toyota Production
System (TPS).
www.senati.edu.pe
Técnica de los 5 ¿porques?
www.senati.edu.pe
SIMBOLO REPRESENTA
5. Diagrama de flujo Inicio o término. Indica el principio o el fin del flujo, puede
ser acción o lugar, además se usa para indicar una unidad
administrativa o persona que recibe o proporciona
Diagrama de Flujo es una representación información.
Actividad. Describe las funciones que desempeñan las
gráfica de la secuencia de etapas, personas involucradas en el procedimiento.
operaciones, movimientos, decisiones y otros
eventos que ocurren en un proceso.
Documento. Representa un documento en general que
entre, se utilice, se genere o salga del procedimiento.
NO Pide material
¿Existencia Solicita material mediante
INICIO mediante requ- Surte material
suficiente? orden de
isición de compra
compra
Pide material
Diagrama de mediante
SI
B
A
NO Comunica SI
¿Material
¿Material requerido? deficiencia al Surte material
requerido?
almacén
NO
SI
A
¿Origen del
Utiliza material material
Proveedor
Almacén
FIN Comunica
deficiencia al
proveedor
www.senati.edu.pe
Diagramas de Dispersión: ejemplo
710
Gramaje
700
690
680
4.9 5.4 5.9 6.4 6.9 7.4
Humedad
www.senati.edu.pe
Coeficiente de Correlacion (R)
Interpretacion de valores de r:
-1 relacion negativa perfecta
+1 relacion positiva perfecta
0 no existe relacion entre las variables
+0.3 poca relacion positiva
-0.8 fuerte relacion negativa
www.senati.edu.pe
Regresion Lineal Simple
• Ecuacion de regresion
Y = a + bX
Y = variable dependiente
X = variable independiente
a = intercepta eje-y
www.senati.edu.pe
Método de los mínimos cuadrados
El enunciado señala que estos valores deberán ajustarse a una recta por el método de
Mínimos cuadrados, representada por la siguiente ecuación:
Y* = a + bx
Donde:
Y* : la variable dependiente corresponde a la demanda
X : la variable independiente corresponde al año que se quiere proyectar
a y b: parámetros de la función (a es el coeficiente de posición y b es la pendiente de la recta).
los valores de ambos parámetros son determinados al aplicar el Método de los mínimos
cuadrados, que significa minimizar la expresión:
Donde:
Y Y
n
Yi : es un valor observado o dato (nube de puntos)
i i
* 2
Yi* : es un valor calculado por la ecuación de regresión
i 1 n : es el numero de observaciones (X,Y)
www.senati.edu.pe
Regresion Lineal Simple
Constantes a y b
a=
y- x xy
x 2
n x 2 -( x)2
n xy- x y
b=
n x 2 -( x)2
www.senati.edu.pe
Regresion Lineal Simple-Ejemplo
Trimestre Publicidad Venta
($100,000) ($ Millones)
Una vez que eso se haya establecido, las ordenes de Haciendo el calculo de b y a, donde
compra de las cajas para pizzas, en dólares, pueden la publicidad es Xt para el trimestre t,
expresarse como porcentaje fijo de las ventas. las ventas son Dt para el trimestre t y
Ft es el pronostico para el futuro
Publicidad y ventas trimestrales.
periodo t
www.senati.edu.pe
Regresion Lineal Simple-Ejemplo
6 16 4 256 16 64 4.86
7 5 2 25 4 10 1.67 a
y
b
x 30 0.29 96
0.22
8 7 1 49 1 7 2.25
n n 10
9 9 4 81 16 36 2.83 Por tanto, la recta estimada de regresion, la
10 10 2 100 4 20 3.12
relacion entre las ventas futuras (Ft) y la
publicidad (Xt) es:
total 96 30 1060 108 328
Y= Ft = a + bX Y = 0.22 + 0.29 X
www.senati.edu.pe
Regresion Lineal Simple-Ejemplo
Por ejemplo, la publicidad del próximo trimestre se espera que tenga un monto de 1`100,000.
sustituyendo 11 para Xt en la ecuación anterior se tendrá:
El pronostico de las ventas es de 3.41 millones de dolares. Si los pedidos de cajas representan
el 5% de las ventas, quien planea las operaciones podria esperar que el monto total por
Concepto de pedidos seria de $170,500 para el trimestre (.05 x 3.41).
Tal estimacion puede ser de gran utilidad en la planeacion global de las operaciones.
Nota
Cuando los datos son lineales y estables algunas veces se puede emplear la regresion lineal. Sin
embargo, se requieren muchos datos y puede ser comprometedor y costoso el almacenarlos.
Tambien resulta caro el realizar las operaiones aritmeticas requeridas periodo por periodo, a menudo
semanal, para miles de productos procedentes de operaciones de produccion o de abastecimento.
www.senati.edu.pe
Control de la dispersion
y y x x
x x
2
2 i i
y y
i 2
i
Sx/ y
n 2
Nivel de Z Fórmula Los limites de control son calculados por :
confianza limite Superior = Y + z(sy/x)
68% 1 y’ ± sy/x limite Inferior = Y - z(sy/x)
Donde:
95% 2 y’ ± 2sy/x
Y = Pronostico estimado
99% 3 y’ ± 3sy/x Z = numero de desviaciones estandar
sy/x = error estandar del pronostico
www.senati.edu.pe
Diagrama de suposiciones en La distribución de la demanda para el periodo 9
el análisis de regresión
Para el mes 9 las ventas fue de 2.83
S x/y = 2.95
La demanda real
fue de 4
y4
y3
y2 42
y1 2 X
3
m-3s m-2s m-s m m+s m+2s m+3s
22
12
2 2 2 2
1 2 3 4
-5.78 -2.83 0.12 2.83 5.78 8.73 11.68
68 %
95 %
99.7 %
y y x x
x x
2
2 i i 40
2
y y
i 2 158.68
18 158.68 88.9
Sx/ y i Sx/ y 8.7 2.95
n 2
10 2 8
Muchas Gracias...
www.senati.edu.pe
www.senati.edu.pe