Documentos de Académico
Documentos de Profesional
Documentos de Cultura
diapositiva 1
UNIDAD II
MEJORA CONTINUA
Otoño 2020
Docente Bárbara Olivares Cortés
1
APRENDIZAJE ESPERADO
2
Resumen
Unidad I
3
Administración y control
estadístico de la calidad
4
¿Qué es?
Según la definición presentada por la
Universidad de Salamanca, España,
el Control Estadístico de la Calidad es…
5
Propósitos
7
Técnicas y Métodos
Tema 1. Muestreo
Tema 2. Estadística descriptiva:
la calidad y la variabilidad
Tema 3. Índices de capacidad de
procesos
Tema 4. Cartas o diagramas de
control
8
Tema 1. Muestreo
¿Qué es un muestreo?
¿Qué es un muestreo
aleatorio?
9
TEMA 1. MUESTREO
10
TEMA 1. MUESTREO
Muestreo probabilístico
• Es el método más recomendable si se está haciendo una investigación
cuantitativa porque todos los componentes de la población tienen la
misma posibilidad de ser seleccionados para la muestra. "Cada uno de
los elementos de la población tengan la misma probabilidad de ser
seleccionados". (PINEDA et al 1994:114)
12
TEMA 1. MUESTREO – Tipos de muestreo
probabilísticos
A continuación se presentan los cuatro tipos de muestreo
probabilísticos:
Muestreo aleatorio simple.
Muestreo aleatorio estratificado.
Muestreo aleatorio sistemático.
Muestreo aleatorio por conglomerados.
13
TEMA 1. MUESTREO – Muestreo aleatorio simple
14
TEMA 1. MUESTREO – Muestreo aleatorio estratificado
15
TEMA 1. MUESTREO – Muestreo aleatorio sistemático
16
TEMA 1. MUESTREO – Muestreo aleatorio por
conglomerado
17
TEMA 1. MUESTREO
19
¿Qué Estadística?
¿Qué es la estadística descriptiva?
Tema 2. Estadística
Descriptiva
20
Propósito las estadísticas
• Para Gutiérrez Pulido (2010), cuando se quiere tomar una decisión
importante, es necesario tener información que permita identificar
cuándo, dónde y en qué condiciones se da tal problema; es decir, se
debe encontrar su regularidad estadística y sus fuentes de variabilidad.
• Antes de obtener información sobre un problema o una situación, lo
que se debe tener muy claro y delimitado es el objetivo que se
persigue, y el tiempo y los recursos que se disponen para abordar
dicho problema. No hacer lo anterior conduce, con frecuencia, a que la
información que se obtiene no ayude a responder las interrogantes que
se tienen y, en última instancia, a tomar decisiones erróneas.
21
Función de la estadística
¿Qué información se
Problema u objeto de Objetos que se persiguen requiere?
estudio
22
Figura 1. La toma de decisiones y la estadística. Fuente: Gutiérrez Pulido, 2010.
Usos de la estadística
El objetivo último de la estadística es apoyar (o Se muestran, en la gráfica,
fundamentar) la toma de decisiones o satisfacer los pasos a seguir para una
ciertas necesidades de información sobre una
población o proceso.
correcta planeación de la
solución de problemas o
toma de decisiones.
23
La variabilidad y el pensamiento estadístico
procesos.
3. Entender y reducir la variación
son claves para el éxito. Es donde se está haciendo
el trabajo
Operacional
Conoce la variación.
Analiza datos de los procesos.
Identifica medidas claves y
oportunidades de mejora.
Figura 3. Pensamiento estadístico en los tres niveles de una organización. Fuente: Gutiérrez Pulido, 2010.
25
Pensamiento estadístico
Se considera que es una filosofía de aprendizaje y acción que relaciona
la forma en la que la gente toma información del proceso (aprendizaje)
y también la manera en la que responde a esto (acción). Es decir, si la
estadística se utiliza adecuadamente, es posible conocer
y aprender de la realidad, pero esto no debe quedar ahí, sino que
se tiene que actuar en consecuencia a ese nuevo aprendizaje. Revisemos
la Figura 3, que muestra de alguna forma que el pensamiento puede
ayudar en los diferentes niveles de una organización.
26
Estadística
Ciencia que proporciona técnicas, métodos y procedimientos para:
1. Recolectar.
2. Presentar.
3. Describir. DATOS
4. Analizar.
28
2. Presentar datos
30
Etapas del
proceso
estadístico
31
Figura 4. Etapas del proceso estadístico. Fuente: Diccionario económico
Obtención de de datos
Una vez localizado el problema, definidos los objetivos perseguidos e
identificado el tipo de información que se necesita, surgen -entre otros-
los siguientes problemas: cómo obtener tal información,
en qué cantidad y cómo analizarla. Para estas tres
cuestiones no existe una única respuesta que se pueda consultar en un
manual o en una tabla. La respuesta la proporciona esencialmente la
estadística a partir del conocimiento del objeto de estudio (problema),
del tipo de acción o decisión que se desee tomar, y de los recursos y el
tiempo de que se dispone para abordar el problema.
32
Proceso estadístico
Es un conjunto de etapas o fases que deben completarse para realizar
una investigación basada en información cuantitativa y obtener unos
resultados fieles a la realidad estudiada.
Las variables cualitativas Son aquellas cuyas características que se estudian no son numéricas.
(nominales o de atributos) Por ejemplo, el tipo de producto, si este funciona o no, entre otras.
Las variables cuantitativas se clasifican como discretas o continuas. Las discretas solo pueden adquirir
ciertos valores y casi siempre hay “brechas” entre esos valores. Por ejemplo: número de clientes atendidos
(0, 1, 2, 3, ..., etc.), número de artículos defectuosos por lote, número de quejas, número de servicios de
mantenimiento, etc. Por su parte, las variables continuas pueden tomar cualquier valor dentro de un
intervalo específico.
34
El proceso y sus variables
35
Medidas de tendencia central
Con las mediciones de una característica de calidad de tipo cuantitativo,
el primer aspecto a investigar es la tendencia central de los datos, es
decir, identificar un valor en torno al cual los datos tienden a
aglomerarse o concentrarse. Esto permitirá saber si el proceso está
centrado, es decir, saber si la tendencia central de la variable de salida es
igual o está muy próxima a un valor nominal deseado.
36
Medidas de tendencia central
1 Media
Muestral
numéricas de una muestra, entonces la medida más usual
de tendencia central es la media (o promedio) muestral,
que es igual a la media aritmética de todos los datos:
𝑿 𝟏 + 𝑿 𝟐 +… + 𝑿 𝒏
∑ 𝒙𝒊
𝒙= = 𝒊=𝟏
𝒏 𝒏
Es decir, la media muestral se obtiene sumando todos los datos y el resultado se divide entre el número de
datos (n).
37
Medidas de tendencia central
38
Medidas de tendencia central
3 Moda
Mo
Otra medida tradicional de la tendencia central de un conjunto de
datos es la moda, que es igual al dato que se repite con más
frecuencia.
39
Medidas de dispersión o variabilidad
Estas medidas permiten conocer qué tan diferentes son entre sí los datos, es
decir, determina la homogeneidad o heterogeneidad del conjunto de datos.
1 2 3
Desviación Desviación Varianza
Estándar Estándar
muestral poblacional
40
Medidas de dispersión o variabilidad
La desviación estándar muestral es la medida más
usual de variabilidad e indica qué tan esparcidos están
1 Desviación
estándar
los datos respecto a la media; se denota con S y se
calcula mediante la siguiente expresión:
muestral
S S=
Medidas de dispersión o variabilidad
• Desviación estándar poblacional o del proceso, σ. Si
para calcular la desviación estándar se utilizan todos los
elementos de la población o proceso, entonces se
Desviación
2 estándar
obtiene la desviación estándar poblacional y se denota
por la letra griega sigma, σ .
poblacional
σ
Medidas de dispersión o variabilidad
Por otra parte, el cuadrado de la desviación
estándar, σ^2 , se conoce como varianza
muestral , que es muy importante para
3σ
propósitos de inferencia estadística, y, en
Varianza forma equivalente, σ^2 es la varianza (o
2 variancia) poblacional.
Actividad individual
Obtener las fórmulas para determinar la desviación
estándar muestral, poblacional y varianza.
44
Otras medidas de dispersión
Otra medida de dispersión es el rango (o recorrido), R , que es igual a
la diferencia entre el dato mayor y el dato menor de un conjunto de
datos, por lo que R mide la amplitud de la variación de un grupo de
datos y también es independiente de la magnitud de éstos.
45
Otras medidas de dispersión
El coeficiente de variación (CV) es una medida de variación relativa a la magnitud
de los datos, que es igual a la desviación estándar entre la media de los datos:
CV = (S /ẋ) * 100
El CV es útil para comparar la variación de dos o más variables que están medidas
en diferentes escalas o unidades de medición (por ejemplo, metro contra centímetro
o metro contra kilogramo). Este coeficiente suele interpretarse como una medición
en términos porcentuales de la variación de una variable.
46
Relación entre ẋ y S
Una forma de apreciar más claramente el significado de la desviación
estándar como medida de dispersión en torno a la media es a través de la
relación entre la media y la desviación estándar, la cual está dada por la
desigualdad de Chebyshev y la regla empírica. Dos hechos particulares
que afirman la desigualdad de Chebyshev es que entre ẋ - 2S y ẋ +2S
está por lo menos 75% de los datos de la muestra, y que entre ẋ ± 3S
está por lo menos 89%.
47
Relación entre ẋ y S
En cuanto a la regla empírica, esta afirma que en muchos de los datos
que surgen en la práctica se ha observado por la experiencia que:
48
Relación entre ẋ y S
• Todos los intervalos anteriores son válidos solo para los datos
muéstrales y no necesariamente para toda la población o proceso. Sin
embargo, si los intervalos se calculan con la media y la desviación
estándar del proceso o población, entonces serán válidos para toda la
población.
49
Límites reales o naturales
•Sea µ la media y σ la desviación estándar del proceso, entonces los límites reales o
naturales están dados por:
50
Histograma y tabla de frecuencia
Introducción
Cp = (ES – EI) / 6σ
Donde σ representa la desviación estándar del proceso, y ES y EI son las especificaciones superior e inferior para la característica de
calidad. Como se puede observar, el índice Cp compara el ancho de las especificaciones o variación tolerada para el proceso con la
amplitud de la variación real del mismo:
Decimos que 6σ (seis veces la desviación estándar) es la variación real, debido a las propiedades de la distribución normal en las que
se afirma que entre µ ± 3σ se encuentra 99,73% de los valores de una variable con distribución normal.
Índices Cpk , Cpi , Cps
El índice Cp estima la capacidad potencial del proceso para cumplir con especificaciones, pero una de sus desventajas es que
no toma en cuenta el centrado del proceso, ya que en su fórmula para calcularlo no incluye la media del proceso µ.
Una forma de corregir esto es evaluar por separado el cumplimiento de las especificaciones inferior y superior, a través del
índice de capacidad para la especificación inferior (Cpi) , y el índice de capacidad para la superior (Cps) , que se calculan de
la siguiente manera:
El índice de capacidad real del proceso (Cpk) se puede ver como una versión corregida del Cp, que sí
toma en cuenta el centrado del proceso. Para calcularlo hay varias formas equivalentes, una de las más
comunes es la siguiente:
Los índices Cp y Cpk están pensados a partir que lo importante para un proceso es reducir su variabilidad para
cumplir con las especificaciones. Sin embargo, desde el punto de vista de G. Taguchi, cumplir con especificaciones no
es sinónimo de buena calidad y la reducción de la variabilidad debe darse, pero en torno al valor nominal (calidad
óptima). Es decir, la mejora de un proceso -según Taguchi- debe estar orientada a reducir su variabilidad alrededor
del valor nominal, N, y no solo orientada a cumplir con especificaciones. En consecuencia, Taguchi (1986) propone
que la capacidad del proceso se mida con el índice Cpm , que está definido por:
Interpretación
Cuando el índice Cpm
es menor que 1, eso indica que el proceso no cumple con especificaciones, ya sea por
problemas de centrado o por exceso de variabilidad. Por lo que en el caso de los costales no se cumple con las
especificaciones.
Por el contrario, cuando el índice Cpm es mayor que uno, entonces eso querrá decir que el proceso cumple con
especificaciones y, en particular, que la media del proceso está dentro de la tercera parte media de la banda de las
especificaciones. Si Cpm es mayor que 1.33, entonces el proceso cumple con las especificaciones, pero –además- la media del
proceso está dentro de la quinta parte media del rango de especificaciones.
Estimación de los índices mediante una muestra
(estimación por intervalo)
Donde n es el tamaño de muestra y Z /2 es el percentil de la distribución normal que determina la confianza de la estimación (si se
quiere trabajar con 95% de confianza, el valor de Z /2 es 1.96). De esta manera, el verdadero valor del índice de capacidad del
proceso se encontrará entre el intervalo obtenido con las expresiones anteriores, con la confianza deseada.
Cartas o diagramas
de control
Introducción
En este tema revisaremos las cartas de control, un
instrumento indispensable para monitorear y
controlar adecuadamente los procesos.
Administración por reacción y las cartas de control
Ajustes al proceso cuando se sale de especificaciones.
Ajustes al proceso según el resultado anterior.
La reacción de enojo o reclamo a los trabajadores ante la queja de un
Ejemplos de situaciones cliente o ante cualquier problema de calidad.
frecuentes en la gestión de las
organizaciones administrativas Reacción según las cifras del periodo anterior (la típica reunión para
donde no es posible conocer su analizar los resultados de la semana anterior, sin análisis de
variabilidad:
tendencias).
Reunión urgente de ejecutivos para corregir los problemas que se han
presentado.
Reemplazo de un trabajador capacitado por otro en sucesión.
Reacciones ante las cifras diarias.
Se atienden los aspectos superficiales, se corrigen los
Esto ocurre porque: efectos y no las causas.
No se conduce a la ejecución o revisión de un plan de
mejora.
No se parte de un análisis objetivo de los antecedentes del
problema.
Se ignora la variabilidad que tiene el proceso o sistema.
Se concluye entonces que se debe pensar en buscar cómo cambiar la forma en que se atiende este tipo
de situaciones (problemas); por ejemplo, ser más objetivos, ir al fondo, trabajar en modificar el sistema, atacar los
problemas con proyectos y no con ocurrencias, ser metódicos, tomar en cuenta la variabilidad, distinguir entre cambios
especiales y comunes. En todo esto, las herramientas estadísticas y en particular las cartas de control juegan un
papel primordial.
Causas comunes y causas especiales de variación
Causas comunes Causas especiales de variación (o
(por azar) atribuibles)
Esta variación es inherente a las actuales Es generada por situaciones o circunstancias especiales que
características del proceso y es resultado de la no están permanentemente en el proceso. Por ejemplo, la falla
acumulación y combinación de diferentes causas ocasionada por el mal funcionamiento de una pieza de la
difíciles de identificar y eliminar, debido a que son máquina, el empleo de materiales no habituales o el descuido
inherentes al sistema y porque la contribución no frecuente de un operario. Las causas especiales, por su
individual de cada causa es pequeña; no obstante, a naturaleza relativamente discreta, a menudo pueden ser
largo plazo representan la mayor oportunidad de identificadas y eliminadas si se cuenta con los conocimientos
mejora. y condiciones para ello.
Causas comunes y
causas especiales de variación
No distinguir entre estos dos tipos de variabilidad lleva a cometer dos errores en la actuación
sobre los procesos:
Se puede evitar uno u otro, pero no ambos. No es posible reducir a cero ambos errores. Lo mejor que se puede hacer es tratar
de cometer rara vez ambos.
Elementos básicos de una carta de
control
Límites de control
La ubicación de los límites de control en Una forma sencilla y usual de obtenerla
una carta es un aspecto fundamental, ya es a partir de la relación entre la media y
que si estos se ubican demasiado alejados de la la desviación estándar de una variable,
línea central, entonces será más difícil detectar los que para el caso de una variable con distribución
cambios en el proceso, mientras que si se ubican normal con media µ, desviación estándar 𝜎, y bajo
demasiado estrechos, se incrementará el error tipo condiciones de control estadístico, se tiene que
1 (declarar un cambio cuando no lo hay). entre µ - 3 𝜎 y µ + 3 𝜎 se encuentra 99.73% de
los posibles valores que toma tal variable.
Elementos básicos de una carta de control
Se aplican a características de calidad de tipo continuo, que Monitorean características de calidad de un producto que no son
intuitivamente son aquellas que requieren un instrumento de evaluadas con un instrumento de medición en una escala continua
medición (pesos, volúmenes, voltajes, longitudes, resistencias, o al menos en una escala numérica. En estos casos, el producto se
temperaturas, humedad, etcétera). juzga como conforme o no conforme, dependiendo de si posee
ciertos atributos; o también al producto se le podrá contar el
número de defectos o no conformidades que tiene.
µ ±3𝜎
Donde µ significa la media de las medias, y 𝜎la desviación estándar de las medias, que en un estudio inicial se estiman de la
siguiente manera:
µ= y 𝜎=
Donde es la media de las medias de los subgrupos, 𝜎 la desviación estándar del proceso, que indica qué tan variables son las
mediciones individuales, y n es el tamaño de subgrupo. Como por lo general en un estudio inicial no se conoce 𝜎 , esta puede
estimarse de dos formas principalmente.
La otra manera de estimar 𝜎 es más apropiada para la carta y parte solo de considerar la variabilidad dentro de muestras a través los
rangos de los subgrupos, y la estimación está dada por:
𝜎
Límites de control de la carta
Donde es la media de los rangos de los subgrupos y d2 es una constante que depende de n, el tamaño de subgrupo o muestra. En el
apéndice se dan varios valores de d2 para distintos valores de n. De esta manera, 3 veces la desviación estándar de las medias se estima
con:
3𝜎 = 3() = A = A2
Como se observa, se ha introducido la constante A2 para simplificar los cálculos. Esta constante está tabulada en el apéndice y depende
del tamaño del subgrupo n. Con base en lo anterior, los límites de control para una carta de control , en un estudio inicial, se obtienen
de la siguiente manera:
LCS = + A2
Línea central =
LCI = - A2
Cuando ya se conocen la media, µ, y la desviación estándar del proceso, 𝜎, entonces estos límites para la carta de medias están dados
por:
LCS = µ + 3
Línea central = µ
LCI = µ - 3
Carta de control R
Limites de control de la carta R
Se determinan a partir de la media y la desviación stantard de los rangos de los subgrupos, ya que en este caso es el estadístico w
que se grafica. Por ello, los límites se obtienen de la expresión:
µR 3𝜎R
Donde µR significa la media de los rangos y 𝜎R la desviación estándar de los rangos, que en un estudio inicial se estiman de la
siguiente manera:
µR = y 𝜎R = d3 𝜎 d3 (
Carta de control R
Donde es la media de los rangos de los subgrupos, 𝜎 la desviación standard del proceso, d3 es una constante que depende del
tamaño del subgrupo que está tabulada en el apéndice, y, como por lo general en un estudio inicial no se conoce 𝜎, esta puede
estimarse a través de En forma explicita, los límites de control para la carta R se calculan con:
Línea central =
Gracias
79