SENATI II

GESTIÓN DE
CALIDAD
Calidad:
• Es buscar nuevas necesidades del cliente.
• Hacer bien las cosas desde la primera vez.
• Diseñar, producir y entregar un producto de
satisfacción total.
• Producir un articulo o servicio de acuerdo a
normas establecidas.

¿Qué es ? La calidad se define como un conjunto de

cualidades que constituyen la manera de ser de una
persona o cosa.
 Edwards Demin: calidad estadística “ es una serio
de cuestionamiento hacia una mejora continua”
 Dr. J.Juran: “La adecuación para el uso
satisfactorio o satisfaciendo las necesidades del
cliente”
 Kaoru Ishikawa: su aporte fue el diagrama de
causa-efecto. “desarrollar-diseñar-manufacturar
y mantener un producto de calidad que se el mas
económico, el útil y siempre satisfactorio para el
consumidos”
 Genichi Taguchi: “las perdidas mínimas para la
sociedad en la vida del producto”
 Philip Crosby: “la calidad es hacer que la gente
haga mejor todas las cosas importantes que de
cualquier forma tiene que hace” “hacer las cosas
bien la primera vez, ofrecer un producto con 0
defectos”
Calidad según ISO 9000:2005
El termino calidad puede utilizarse comparado de
adjetivos tales como pobre-bueno-excelente.
Concepto de calidad.-
 Tradicional:
• Calidad orientada al producto exclusivamente.
• Considera al cliente externo.
• La responsabilidad de la calidad es de la unidad
que la controla.
• La calidad la establece el fabricante.
• La calidad pretende la detección de fallas, etc.

 Moderna:
• Calidad afecta toda la actividad de la empresa.
• Considera al cliente interno y externo.
• La responsabilidad de la calidad es de todos.
• La calidad la establece el cliente.
• La calidad pretende la prevención de fallas, etc.

Actuar Planificar
Act. plan
CILO DEMING
CICLO PDCA Verificar Hacer
check do
Aporte de Joseph M. Jura.-
Trilogía de calidad:
1. Control
2. Planeación
3. Mejora
1) Control: evaluar el desempeño actual del
proceso/comprar el desempeño actual con las metas
de a calidad establecidas.
2) Planeación: determinar clientes y
necesidades/desarrollar productos que responda a
esas necesidades.
3) Mejora: establecer un equipo de mejora con
responsabilidades claras/diagnosticar causa,
estimulas las medidas y estandarizar y mantener las
mejoras.

Evolución de calidad:
• Gestión total de calidad
• Aseguramiento de calidad
• Control de calidad
• Inspección en proceso
• Inspección final

Inspección: consiste en examinar, medir, contratar las

características de calidad de un producto o servicio.
• Gestión calidad total
• Aseguramiento de calidad
• Control de calidad
• inspección
Mejora continua del sistema de gestión de calidad

Mejoramiento continuo

 Deming madurez del SGC:

Actuar: ¿Cómo Planificar: ¿Qué hacer?

mejorar la próxima ¿Cómo hacerlo? ¿Cómo
vez? medirlo?

Verificar: ¿las cosas Hacer: Hacer lo

se hicieron según lo planificado
planeado?

 Pasos del mejoramiento continuo:

• Planificar: Problema. Describir situación actual.
Identificar causas raíces.
• Hacer: tomar acciones correctivas
• Verificar: medir resultados.
• Actuar: estandarizar resultados/procesos.
• Comenzar de nuevo: determinar pasos a seguir.
¿Que construye un producto?

ma
rca o
eñ d el
dis ad to
li d
garantía Ca oduc
pr

re cio
empaque p
PRODUCTO

color Cara
cterí
física sticas
s
repu prod del
cio s del tació ucto
Se r v i n
n d e dor
ve

costos
precios

cliente
CALIDAD
trazabilidad
productividad
 CLASE 3

Proceso.- es un conjunto de actividades o etapas en

donde ingresa recursos, conocimiento, metodologías y
luego se obtiene un producto INPUTS (entradas) –
OUTPUT (salida)
Elemento de un proceso: las 6M: en las cuales están
las causas del problema:
La calidad empieza desde la
Desgurmentación materia prima, proveedores
asegurar uniformidad. certificados.
ISO
material
Capacitar al
método personal
Mano de
Usar las indicadas, obra
dar manteniendo PROCESO
preventivo
maquina medición
Medio Plan muestreo,
ambiente equipos adecuados

Orden, limpieza, personal

Control estadístico de la calidad.- es la aplicación

de diferentes técnicas estadísticas a procesos
industriales, procesos administrativos y/o servicios
con objeto de verificar si todas y cada una de las
partes del proceso y servicio cumplen con unas
ciertas exigencias de calidad y ayudar a ampliarlas.
Variable cuantitativas o numéricas.-
 Continua:
• Pueden tomar cualquier valor en un intervalo dado.
Admite calores intermedios entre 2 unidades de
medida.
• Ingreso, talla, peso. Es el resultado de medir.

 Discreta:
• Tomar una cantidad numérica exacta, no admite
valores intermedio.
• N° trabajadores en una oficina, N° de alumnos por
curso, N° de hijos de una familia. Todos son
enteros, no fracciones.

Parámetros estadísticos.-
• En parámetro estadístico es un número que se
obtiene a partir de los datos de una distribución
estadística.
• Los parámetros estadísticos sirven para sintetizar
la información dado por una tabla de por una
grafica.
Centralización
Centralización tendencia central
tendencia • Rango
central • Desviación estándar De posición
• Media • Varianza • Cuartiles
• Mediana • Coeficiencia de • Deciles
• moda variación • Percentiles
Medidas de centralización.-
• Media aritmética. Es el valor, es la media es el
valor promedio de las distribución.
• Mediana: es la puntuación de la escala que separa
la mitad superior de las distribución y la inferior,
es decir, divide la serie de datos en 2 partes
iguales.
• Moda: la moda es el valor que más se repite en una
distribución.

Medidas de posición.-
• Cuartiles: los cuartiles dividen la serie de datos en
4 partes iguales.
• Deciles: dividen la serie de datos en 10 partes
iguales.
• Percentiles: dividen la serie de datos en 100
partes iguales.

Medidas de dispersión.-
• Rango o recorrido: es la diferencia entre el mayor
y el menor de los datos de una distribución
estadística.
• Desviación media: es la media aritmética de los
valores absolutos de las desviaciones respecto a la
media.
• Varianza: es la media aritmética del cuadrado de
las desviaciones respecto a la media.
• Desviación típica: es la raíz cuadrada de la
varianza.
En la media si es impar se mantiene, si es par se suma
los 2 números centrales y se dividen entre 2.
 CLASE 5

La distribución binomial.- James Bernoulli (1654-

1785)
Características:
• Consiste en un número de n de pruebas.
• Cada ensayo tiene 2 resultados posibles: éxito y
fracaso.
1. Los ensayos sucesivos son independientes.
2. Puede ser simétrica o sesgada.
3. La información de la muestra se obtiene con
reposición de una población finita.

• A la variable X que expresa el numero de éxitos

obtenidos en cada prueba del experimento, se
llama variable aleatoria binomial.
• La variables binomial es una variables aleatoria
discreta, solo puede tomar los valores 0,1,2,3,4,
…,n suponiendo que se han realizado “n” pruebas.
• Se suele representar por B(n,p)
• B: distribución binomial
• P:probabilidad de éxito
• n:número de pruebas
La probabilidad de que el suceso se presente “r”
veces en “n” ensayos es decir “r” exitosos y “n-r”
fracasados dado por:

P(X=r)= r! P®qⁿˉ®
r!(n-r)!
Se lee:
La probabilidad de que la variable X sea igual a la “r”
es igual al producto entre primero la razón del
factorial “r” entre el producto del factorial “r” por el
factorial “n-r” por la probabilidad de éxito elevado a la
“r” y por la probabilidad de fracaso elevado a la “n-r”
Combinación:

P(X=r)=(n) P®qⁿˉ®
(r)
P(X=r)= Cⁿ P®qⁿˉ®
Donde:
n= numero de ensayos(numero de veces)
r= numero de éxitos(r:0,1,2,…,n)
P= probabilidad de éxitos en un ensayo
q= probabilidad de fracaso en un ensayo
n-r= número de fracasos en el ensayo
Parámetros de la distribución binomial:
• Media: M=E[x]=£ⁿ=orP(X=r)=np

Multiplicando numero de ensayos por

probabilidad de éxitos y tenemos la
media.
• Varianza: Var[x]=б²=£ⁿ=0(r-μ)²P(x=r)=npq
• Desviación estándar: б=√npq

Función de distribución de la variable aleatoria

binomial

F(x1)=p(X≤x1)=(n/o)*p⁰*qⁿ+(n/1)*p¹*qⁿˉ¹+…+(n/
Siendo K el mayor numero entero menor o igual a X1
k)*pᵏ*qⁿˉᵏ
Esta función de distribución proporciona, para cada
numero real Xi, la probabilidad de que la variable X
tome valores menores o iguales que Xi.
Ejemplo:
Una muestra de 4 bombillas de luz, se selecciona al
azar de un gran lote. Suponiendo que 20% de las
bombillas de lote no cumplen con las especificaciones
técnicas, ¿Cuál es la probabilidad que la muestra
contenga exactamente 2 bombillas defectuosas?
DATO:
n= 4 El % siempre se pone en decimales
r= 2
p= 0.20
Es la resta o el resultado de lo que
q= 0.80
sobra 100-200= 80%= 0.80
Formula:
P(x=r)= n! P®qⁿˉ®
r!(n-r)!
P(x=2)= 4! (0.2)²(0.80)²
2!(4-2)!
=0.1536

Formula de la desviación estándar opcional

б = √npq =√4(0.5)(0.5)=1

Ejemplo 2: La probabilidad de éxito de una

determinada vacuna es 0.72. Calcula la probabilidad
de que una vez administrada a 15 pacientes:
a) Ninguna sufra la enfermedad
b) Todos sufran la enfermedad.
c) Dos de ellos contraigan la enfermedad.
Solución:
Se trata de una distribución binomial de parámetros
B(15,0.72)

d) P(x=0)=(15/0)0.72⁰*0.28¹⁵=5.007.10
=0.00000051%

e) P(x=15)=(15/15)0.72¹⁵*0.28⁰=0.00724 =0.724%

f) P(x=13)=(15/13)0.72¹³*0.28²=0.11503
=11.5%
Ejemplo 3:
Un lote industrial es 3% defectuoso. Calcular la
probabilidad de que al extraer una muestra al azar de
25 unidades se encuentre a lo suma 1 unidad defectuosa.
X=“numero de defectuosos en la muestra” X
Bin(25,0.23) P(extraer a lo sumo 1 defectuosos) =P(X ≤
1)

P(x ≤ 1)=P(x=o)+P(x=1)

=C²⁵*0.03⁰*0.97²⁵+C²⁵*0.03¹*0.97²⁴
=0.467+0.361=0.828
=82.8%

Distribución de Poisson.- Se deriva del proceso

de Poisson en honor al matemático francés Simeón Denis
Poisson (1781-1840).
Debe cumplir con las siguientes condiciones:
 La ocurrencia de los eventos son independientes.
 El número promedio de veces (ð) que ocurre un éxito
por cada unidad de tiempo o de espacio es constante.
 La probabilidad de un suceso es una unidad de tiempo
o de espacio muy pequeña
Si el tamaño de la muestra es bastante grande y la
probabilidad de un evento particular es muy pequeño y
se desea hallar la probabilidad de un número
determinado de exitoso, se puede aplicar la distribución
de Poisson y dada por la siguiente ecuación.
P(X=x)=ð(elevado a la X)e(elevado a la –ð)
x!
Donde:
• ð =Media= np=variancia
• e= base de logaritmos naturales =2.71828
• x!= factorial de x

Ejemplo 1: Supóngase que en cierta población 52%

de las compras de pañales que se registraron son
realizadas por varones. Si aleatoriamente se escogen
5 registros de compras dentro de esa población;
¿Cuál es la probabilidad de que exactamente 3 de
ellos hayan sido realizadas por varones ?
• P=0.52
• q=0.48
• n=5
• x=3
P(3,5)=5!/3!(5-3)! *0.52³*0.48(⁵ˉ³)=0.32 =32%

Ejemplo 2: Supongamos que estamos investigando la

seguridad de una peligrosa intersección de calles, los
registros policiacos indican una media de 5
accidentes mensuales en esta intersección. El número
de accidentes esta distribuido de acuerdo con una
distribución de Poisson y el departamento de
seguridad vial desea que calculemos la probabilidad
de que en cualquier mes ocurra exactamente 3
accidentes.
X=3acc/mes
ð =5acc/mes
P(x=3)=5³2.7183ˉ⁵ =0.14042 =15.04%
3!
La probabilidad de que ocurra exactamente 3
accidentes es de 14.04%

Ejemplo 3: La probabilidad de “numero equivocado” a

pesar de haber marcado correctamente es 0.03. Si
se toma una muestra de 100 llamadas, ¿Cuál es la
probabilidad de tener 2 números equivocados?
Solución:
P=0.03
n=100
P=(x=2)=3²*(2.71828)
2
=02240 =22.4%

Ejemplo 4: Un vendedor de seguros de vida vende un

promedio de 3 pólizas por semana. Calcular la
probabilidad de:
a) Que venda algunas pólizas en una semana.
b) Que venda 2 o mas pólizas, pero menos de 5 en
una semana.
c) Calcule la media, la varianza y la desviación
estándar de la distribución de probabilidades que
se infiere de este problema.
• X=venta de pólizas
• nμ =3 pólizas por semana

P(2 ≤ X < 5) =P(X=2)+P(X=3)+P(X=4)

P(x > 0)= 1-p(x=0)= 1-3⁰eˉ³=0.95

0!
=eˉ³-3²+eˉ³3³+eˉ³3⁴ =0.6161
2! 3! 4

• Media E(x)= μ=3

• Varianza V(x)= μ=3
• Desviación estándar √v= √3

Aplicación de Poisson:
 Pacientes que llegan a la sala de urgencias de un
hospital durante un cierto día.
 Maletas perdidas en los vuelos aéreos.
 Accidentes por hora en cierta parte de una
carretera.
 Clientes que llegan a la ventanillas de un banco en
un determinado horario.
La distribución normal.- También conocida como
“campaña de Gaus” en honor al matemático Karl Guss,
es una distribución simétrica.
 Es muy aplicable para inferencia estadísticas.
 Se ajusta (casi) a las distribuciones de
frecuencias reales observadas.
Se utiliza para describir el comportamiento de una
variable continua.
Características:
1. Tiene un solo pico(unimodal). Forma acampanada.
2. La media cae en el centro.
3. La media, media y moda coinciden.
4. Es asintótica al eje horizontal.

f(x)

б б=1
Campana de
Gauss б

μ-б μ μ+ б ZoX
Función de densidad:
f(x) = 1 - (x- μ)²
б√2πᵉ 20²
• μ =media
• б =desviación típica
• б² =varianza
• π =3.1415
• e=2.7182
• x=abscisa

Z=x- μ distribución normal estándar Z

б

Z=x- μ = z=25-50 =-1

б 25

Distribución normal Distribución normal

estándar: con:
μ =50 μ =50
б =1 б =25

-25 0 25 50 75 100 125

Z=x- μ
-3 -2 -1 0 1 2 3
• El valor Z mide la distancia entre un valor
especifico de X y la media aritmética, en unidades
de la desviación estándar.
• Al determinar el valor Z, utilizando la expresión
anterior, es posible encontrar el área de
probabilidad bajo cualquier curva normal.
• Para averiguar el área de probabilidad,
utilizaremos la tabla de valores de probabilidad
acumulada para la distribución normal estándar.
• La tabla nos proporciona la probabilidad que un
valor Z tome a la izquierda de un número
• “c” : P(z < c)
• En otra palabras, esta table nos da el valor del
área encerrada por f(x) entre <-co y “c” >