Unidad I
-
Upload
carlos-orestes-candelas-zamorano -
Category
Documents
-
view
48 -
download
3
Transcript of Unidad I
Unidad I Herramientas Estadísticas Básicas
2011
Bautista Palacios Efrain Calatayud Pérez Concepción
Candelas Zamorano Carlos Orestes Osorio Garrido Emmanuel
Instituto Tecnológico de Orizaba 13/09/2011
Unidad I
Herramientas estadísticas básicas Página 2
Contenido
Las siete herramientas básicas y la solución de Problemas ................................................................. 4
Definir el Problema ......................................................................................................................... 4
Hojas de Verificación .......................................................................................................................... 5
Definición ........................................................................................................................................ 5
Objetivo ........................................................................................................................................... 5
Diagramas de flujo .............................................................................................................................. 5
Histograma .......................................................................................................................................... 6
Ejemplo 1 ........................................................................................................................................ 9
Ejemplo 2 ...................................................................................................................................... 10
Ejercicios Propuestos .................................................................................................................... 12
Diagrama de Pareto ........................................................................................................................... 13
Introducción .................................................................................................................................. 13
Regla 80/20 ................................................................................................................................... 13
Definición ...................................................................................................................................... 13
Elaboración del diagrama de Pareto: ............................................................................................. 13
Usos del diagrama de Pareto ......................................................................................................... 14
Ejercicios ....................................................................................................................................... 15
Diagrama de Causa y Efecto (Diagrama de Ishikawa) ...................................................................... 18
Procedimiento ............................................................................................................................... 19
Diagrama de Dispersión .................................................................................................................... 20
Elaboración ................................................................................................................................... 20
Análisis de Correlación ................................................................................................................. 21
Concepto de Correlación ............................................................................................................... 21
Coeficiente de correlación lineal de Pearson (r) ........................................................................... 21
Definición del coeficiente de correlación lineal ............................................................................ 21
Cálculo del coeficiente de correlación de Pearson ........................................................................ 22
Ejemplo ......................................................................................................................................... 22
Prueba de correlación en los diagramas de dispersión .................................................................. 23
Gráficas de control ............................................................................................................................ 25
Lectura y uso de la gráfica de control ........................................................................................... 25
1. Puntos fuera de control ...................................................................................................... 25
2. Tendencias continuas ........................................................................................................ 26
3. Cambio repentino de nivel ................................................................................................ 26
4. Ciclos ................................................................................................................................. 27
5. Inestabilidad ...................................................................................................................... 27
Unidad I
Herramientas estadísticas básicas Página 3
Clasificación de las gráficas de control ......................................................................................... 28
Gráfica de control por variables ( - ) y ( - ) ........................................................................... 29
Pasos para su construcción ........................................................................................................ 29
Ejemplo ..................................................................................................................................... 30
Para los gráficos ( - ) ................................................................................................................. 30
Gráfica de medias ...................................................................................................................... 30
Gráfica de rangos ...................................................................................................................... 31
Para los gráfico ( - ) ................................................................................................................... 31
Gráfica de medias ...................................................................................................................... 31
Gráfica de desviación estándar .................................................................................................. 31
Ejemplo ..................................................................................................................................... 32
Para los gráficos ( - ) ................................................................................................................. 32
Gráfica de medias ...................................................................................................................... 32
Gráfica de rangos ...................................................................................................................... 33
Para los gráfico ( - ) ................................................................................................................... 33
Gráfica de medias ...................................................................................................................... 33
Gráfica de desviación estándar .................................................................................................. 34
Gráficas por atributos .................................................................................................................... 34
Gráfica de fracción defectiva “p” .................................................................................................. 35
Ejemplo 1 .................................................................................................................................. 36
Ejemplo 2 .................................................................................................................................. 36
Gráfica de defectivos “np” ............................................................................................................ 37
Ejemplo 1 .................................................................................................................................. 38
Ejemplo 2 .................................................................................................................................. 39
Gráfica c o defecto por muestra .................................................................................................... 39
Ejemplo 1 .................................................................................................................................. 40
Ejemplo 2 .................................................................................................................................. 41
Gráfica U o defectos por muestra .................................................................................................. 42
Ejemplo 1 .................................................................................................................................. 42
Ejemplo 2 .................................................................................................................................. 43
Referencias bibliográficas ................................................................................................................. 45
Unidad I
Herramientas estadísticas básicas Página 4
Las siete herramientas básicas y la solución de Problemas
De acuerdo don Hosotani (1992), un problema es la diferencia que existe entre un estado de ideal
(objetivo) y un estado real o actual.
Una situación adversa puede considerarse como el nivel de desperdicio en cierta operación. Si se
tiene un nivel un nivel actual de 10% y el objetivo es tener 1%, esa diferencia se define como un
problema.
Un proyecto de mejoramiento puede ser el siguiente: suponer que el tiempo de respuesta promedio
a llamadas de clientes es de 10 minutos, pero se desea reducirlo a 5 minutos. Esa diferencia se
considera como un problema.
En general, los proyectos seleccionados están enfocados a mejorar la calidad, disminuir costos y/o
mejorar el servicio. Una manera de hacerlo es un nivel operativo podría ser con base en los
indicadores de operación que están bajo control del equipo cuta misión será resolver el problema.
El objetivo es el nivel de mejoramiento que se desea lograr. Está en función de la dificulta del
problema y las habilidades del equipo para resolverlo. El objetivo debe responder: el qué
(indicador), el cuánto (hasta dónde se desea mejorar de manera realista) y cuándo (el tiempo para
hacerlo).
Definir el Problema
Algunas veces, al tratar de enfrentar un determinado problema, se tiene creencias acerca de lo que
está pasando, ideas vagas o simplemente suposiciones. Estas posturas conducen a tener una
situación problemática inespecífica o ambigua. La manera de actuar asertivamente y poder definir el
problema con objetividad es recolectar información y pasarla por alguna de las herramientas que se
usan para definir un problema.
Definición Objetiva de un problema
Ideas Información Incompleta
Situación Problematica Inespecífica
Aplicación de las Herramientas Básicas
Problema definido
Creencias
Unidad I
Herramientas estadísticas básicas Página 5
Hojas de Verificación
En la fase de localización de hechos para la solución del problema que mejore la calidad, casi
siempre se necesita alguna forma de recopilación de datos. Las hojas de registro u hojas de
verificación, también conocidas como hojas de control son usadas con el propósito de recolectar
datos.
Las hojas de verificación involucran cálculos de frecuencias y a veces se usan tablas. El
procedimiento de su elaboración consiste simplemente en el recuento de la frecuencia de una
categoría dada y su anotación correspondiente. La categoría utilizada podría ser tanto una variable
como un atributo. Su resultado se puede usar para construir un histograma de frecuencias. La
recopilación de datos no se debe llevar a cabo a ciegas. Primero se deben formular preguntas
básicas como:
¿Qué pregunta tratamos de contestar?
¿Qué tipo de datos necesitamos para contestar la pregunta?
¿Dónde podremos encontrar los datos?
¿Quién puede proporcionar los datos?
¿Cómo podemos recopilar los datos con un esfuerzo mínimo y con la mínima posibilidad de
error?
Para reunir los datos se puede usar casi cualquier tipo de forma. Las hojas de datos son esqueletos
sencillos en columnas o tablas para anotar los datos. Para generar información útil a partir de los
datos se necesita, en general, más trabajo. Las hojas de verificación son tipos especiales de formas
de recopilación de datos en las que se pueden interpretar resultados en forma directa sin mayor
trabajo.
Definición
Son formatos para recolectar, presentar y analizar información.
Objetivo
Estandarizar y agilizar la recolección, la presentación y análisis de información. Las hojas de
verificación pueden ser usadas como herramienta como para definir el problema o para evaluar la
solución a éste.
Tipos de hojas de verificación
1. Para visualizar distribuciones.
2. Para registrar el total de defectos por cada tipo.
3. Para localizar defectos.
4. Para estratificar e registro de número de unidades defectuosas.
5. Para verificar procedimientos.
Diagramas de flujo
Un diagrama de flujo del proceso de producción y/o servicio, es una representación gráfica en la
que se muestran todos los pasos necesarios y en secuencia para llevar a cabo un determinado
proceso, y como se relacionan entre sí, ya que se usan símbolos que describen los diferentes tipos
de operaciones que intervienen en dicho proceso. A continuación se muestra la simbología para la
elaboración de los diagramas de flujo.
Unidad I
Herramientas estadísticas básicas Página 6
Simbología
Representación Gráfica Significado
Operación
Retraso
Inspección
Transportación
Almacenaje
Actividad combinada
Auxiliados con la simbología anterior; podemos graficar cualquier proceso en una hoja de diagrama
de flujo y observar así la efectividad de cada evento o actividad.
Los diagramas de flujo del proceso de producción y/o servicio, son particularmente útiles para
comprender la configuración de las entradas, el proceso y las salidas. Estos son más eficientes y
representativos de un proceso, cuando se elaboran con la participación de todo el personal que
interviene en e proceso: operarios, empleados, supervisores, administradores y clientes.
Histograma ¿Qué es?
Una gráfica de la distribución de un conjunto de medidas. Un histograma es un tipo especial de
gráfica de barras que despliega la variabilidad dentro de un proceso. Un histograma toma datos
variables (tales como alturas, pesos, densidades, tiempo, temperaturas, etc.) y despliega su
distribución. Los patrones inusuales o sospechosos pueden indicar que un proceso necesita
investigación para determinar su grado de estabilidad.
¿Cuándo se utiliza?
Cuando se quiere comprender mejor el sistema, específicamente al:
Hacer seguimiento del desempeño actual del proceso.
Seleccionar el siguiente producto o servicio a mejorar.
Probar y evaluar las revisiones de proceso para mejorar.
Necesitar obtener una revisión rápida de la variabilidad dentro de un proceso.
Desde un sistema estable, se pueden hacer predicciones sobre el desempeño futuro del sistema. Un
equipo para efectuar mejoras utiliza un histograma para evaluar la situación actual del sistema y
para estudiar resultados. La forma del histograma y la información de estadísticas le ayudan al
equipo a saber cómo mejorar el sistema. Después de que una acción por mejorar es tomada, el
equipo continua recogiendo datos y haciendo histogramas para ver si la teoría ha funcionado.
¿Cómo se utiliza?
1. Después de la recolección de datos, contar el número de puntos de datos (n) en su muestra.
Ver la figura a continuación.
Unidad I
Herramientas estadísticas básicas Página 7
2. Determinar el rango, R, para todo el conjunto de datos al restar el valor menor de los datos
del mayor.
3. Determinar el número de intervalos, denotados como K. Utilizar esta pauta:
Puntos de Datos Intervalos
30-50 5-7
51-100 6-10
101-250 7-12
Más de 250 10-20
Está gráfica es un método práctico únicamente. Esta determinará el número de barras que el
histograma tendrá a lo largo de su eje horizontal.
4. Determinar la extensión del intervalo, L. La fórmula sencilla
. Es útil y apropiada
para aproximar L al número entero más cercano.
5. Construir los intervalos determinando el límite del intervalo, o los puntos finales. Tomar la
medida individual más pequeña en el conjunto de datos. Utilizar este número o aproximarlo
al siguiente número entero más bajo. Este se convierte en el punto final más bajo para el
primer límite del intervalo. Ahora, se debe tomar este número y sumar la duración del
intervalo. El siguiente límite de clase más bajo iniciaría en el número. El primer intervalo es
el número más bajo y todo hasta, pero sin incluir, el número que empieza el próximo
intervalo más alto. Esto hará que cada uno de los datos se ajusta en una y sola una, clase.
Finalmente, sumar de forma consecutiva las clases, manteniendo el rango de todos los
números. Ver figura a continuación.
Unidad I
Herramientas estadísticas básicas Página 8
6. Construir una tabla de frecuencias basada en los números computados arriba (ej. Número de
clases, duración de clases, límite de clases). La tabla de frecuencia es realmente un
histograma en una forma tabular. Ver figura anterior.
7. Trazar y marcar los ejes horizontal y vertical.
8. Dibujar las barras para representar el número de puntos de datos en cada intervalo. La altura
de barras deberá ser igual al número de puntos de datos en ese intervalo, según se mide en
el eje vertical.
9. Poner título y fecha a la gráfica. Indicar el número total de puntos de datos y mostrar los
valores nominales y límites (si es el caso). Quizás también se quiere agregar otras notas
describiendo más a fondo el sujeto de las mediciones y las condiciones bajo las cuales se
tomaron. Estas notas ayudan a otros interpretar la tabla y sirven como un registro de la
fuente de los datos. Ver figura a continuación.
10. Identificar y clasificar el patrón de variación; desarrollar una explicación lógica y pertinente
del patrón. No olvidar la confirmación de las teorías por medio de la reunión de datos
adicionales y de la observación.
Unidad I
Herramientas estadísticas básicas Página 9
Consejos para la interpretación:
Si las causas de variación son comunes, el histograma se distribuye normalmente (simétrico, forma
de campana); pero otras posibilidades (particularmente para procesos fuera de control) es inclinarlo
(a la izquierda o derecha) y/o bi-modal (con dos picos).
Ejemplo 1
Se han recogido datos sobre el tiempo de vida de las pilas eléctricas del tipo AA producidas por la
empresa VOLTA. Para la muestra de 200 pilas se procedió a registrar el número de horas en que se
suministraron.
164 165 168 164 163 170 162 166 177 173
170 164 165 167 174 167 167 167 167 169
165 164 164 159 169 164 168 164 164 176
164 168 163 163 173 167 165 167 167 161
170 161 171 170 163 166 166 167 166 170
178 158 172 171 168 155 154 174 155 161
170 167 174 158 165 167 168 170 167 167
160 168 159 164 159 163 160 166 163 166
163 170 170 169 175 170 164 177 170 164
164 164 161 159 179 158 179 165 158 166
168 173 164 168 171 177 165 164 177 169
173 163 170 150 170 153 167 171 153 172
158 177 169 156 167 162 166 164 162 170
161 165 163 159 156 170 163 170 170 157
164 169 166 160 163 163 169 166 163 160
159 170 157 164 165 175 163 165 175 165
161 168 167 166 169 166 171 159 166 164
153 161 157 163 160 163 165 158 163 157
155 174 170 169 167 179 157 166 179 159
164 163 174 168 165 160 173 164 160 159
Se elabora las clases correspondientes y ya antes determinadas, y se ubican los valores de los 200
focos en cada una de su clase correspondiente, quedando de la siguiente manera:
LRI LRS Fi
149.5 153.5 4
153.5 157.5 11
157.5 161.5 29
161.5 165.5 56
165.5 169.5 50
169.5 173.5 31
173.5 177.5 14
177.5 181.5 5
Unidad I
Herramientas estadísticas básicas Página 10
Por último se elabora el histograma de frecuencias.
Ejemplo 2
El gerente de producción de una compañía fabricante de envases plásticos para alimentos desea
conocer el comportamiento del peso (en gramos) de uno de sus productos. Con este fin se tomaron
lecturas de 120 envases, durante una semana, para realizar con dichos datos un histograma. Los
datos recopilados se muestran en la siguiente hoja de verificación:
Hoja de Verificación
Objetivo: Registro del peso (gr.) del envase AS. 9.6
Responsable: Víctor Oropeza Periodo: 1/06/92-6/06/92
Lunes Martes Miércoles Jueves Viernes Sábado
5.53 5.08 5 5.13 5.6 5.16
6.5 4.4 8.91 7.86 5.85 5.83
7.6 5.31 7.08 5.08 9.7 5.5
6.73 4.25 5.5 6.5 5.31 4.6
5 5.6 5.75 2.35 7.08 5.5
6.21 5.25 6 5.3 4.75 5.75
6.7 5.98 5.75 7.1 5.45 5.41
7.18 7.53 6.5 5.8 7.15 6.5
5.83 5.23 6 5.06 4.98 5.08
7.51 7.61 5.83 5.21 5.58 7.3
5.76 6.7 8 8.11 7.7 7.6
5.7 5.86 5.41 4.81 4.63 5.25
5.31 5.41 6.5 6.38 5.9 7.15
7.36 6.01 7.25 5.86 9.48 6.58
7.28 5.9 6.6 5.45 9.13 5.41
4.76 7.2 7.3 7.45 7.71 5.91
5.15 5.2 5 5.1 5.55 5.08
4.75 6.3 6.41 5.16 5.11 5.5
4.78 4.78 5.5 3.61 9.31 4.25
5 5.31 7.3 5.71 5.6 4.78
0
10
20
30
40
50
60
(14
5.5
-14
9.5
]
(14
9.5
-15
3.5
]
(15
3.5
-15
7.5
]
(15
7.5
-16
1.5
]
(16
1.5
-16
5.5
]
(16
5.5
-16
9.5
]
(16
9.5
-17
3.5
]
(17
3.5
-17
7.5
]
(17
7.5
-18
1.5
]
(18
1.5
-18
5.5
]
Histograma de Frecuencias
Unidad I
Herramientas estadísticas básicas Página 11
Se elabora las clases correspondientes y ya antes determinadas, y se ubican los valores de los 120
focos en cada una de su clase correspondiente, quedando de la siguiente manera:
LRI LRS Fi
2.345 3.265 1
3.265 4.185 1
4.185 5.105 23
5.105 6.025 52
6.025 6.945 14
6.945 7.865 22
7.865 8.785 2
8.785 9.705 5
0
10
20
30
40
50
60 Histograma de Frecuencias
Unidad I
Herramientas estadísticas básicas Página 12
Ejercicios Propuestos
Ejercicio 1
Se consideró la fracción de error de 40 capturistas de datos en el departamento de sistemas de una
empresa. Las medidas de los reprocesos internos de los 40 capturistas redondeadas a dos decimales,
se dan a continuación:
0.31 0.28 0.35 0.32 0.32
0.34 0.31 0.30 0.34 0.29
0.33 0.31 0.32 0.33 0.34
0.33 0.39 0.33 0.36 0.32
0.35 0.29 0.31 0.30 0.32
0.29 0.30 0.32 0.28 0.35
0.37 0.36 0.33 0.37 0.30
0.32 0.33 0.29 0.32 0.31
a) Construya la tabla de frecuencias.
b) Construya el histograma
Suponga que el límite máximo aceptable de reproceso es 0.35. Marque en el histograma el límite de
especificación y conteste lo siguiente:
c) ¿Cuál es el porcentaje de empleados fuera de especificación?
Ejercicio 2
Para incrementar la rapidez del etiquetado de botellas por una máquina de modelo antiguo en una
compañía de jugos, se decide observar la variabilidad del proceso mediante la elaboración de un
histograma de frecuencias. Para iniciar este proyecto, se tomaron datos para conocer la cantidad de
cajas de botellas etiquetadas por día. Se hicieron 50 observaciones (al término del día), cuyos
resultados se presentan a continuación. La unidad de medida está dada en cajas.
7532 6991 8457 8457 6584
8457 7932 8011 6337 6867
6275 6549 8115 7352 8643
5944 6897 7457 8119 7237
8963 7396 8745 6429 7593
6501 8254 7253 7470 8240
7883 7453 6485 8019 6953
9121 7032 5985 6581 7495
7569 6854 8736 6825 6238
6578 8337 7693 7318 6372
a) Construya la tabla de frecuencias.
b) Construya el histograma y haga una breve interpretación de los resultados.
Unidad I
Herramientas estadísticas básicas Página 13
Diagrama de Pareto
Introducción
Los problemas de calidad en realidad representan pérdidas (productos defectuosos y su costo),
razón por la cual es importante aclarar el patrón de las distribución de a pérdida. La mayoría de las
pérdidas se deben a unos pocos tipos de defectos, y estos defectos a su vez, pueden atribuirse a un
número muy pequeño de causas. Si se identifican las causas de estos “Pocos defectos vitales”,
podremos eliminar casi todas las pérdidas, concentrándonos en esas causas particulares y dejando
de lado por el momento los otros “Muchos defectos triviales”. El uso del análisis de Pareto nos
permite solucionar este tipo de problemas con eficiencia.
El análisis de Pareto se aplica con frecuencia para analizar los datos reunidos en las hojas de
verificación de artículos defectuosos, con la finalidad de separar claramente “los pocos defectos
vitales de los muchos triviales”, y proporciona dirección en la selección de proyectos de mejora.
Regla 80/20
Esencialmente la filosofía del principio de Pareto nos proporciona la regla del 80/20, en la cual, el
80% de los defectos son el resultado del 20% de las causas disponibles o identificados. Esto
significa normalmente que una cantidad importante de defectos que pueden ser atribuidos a unas
pocas categorías y es en esas categorías donde se debe centrar la atención, lo que supondría un
aumento significativo de la calidad del proceso.
Definición
Un diagrama de Pareto, es un histograma de las causas de los defectos, ordenados por categorías, de
mayor frecuencia a menor frecuencia, razón por la cual la barra más alta queda representada a la
izquierda y la más pequeña a la derecha. Asimismo, se acostumbra trazar una curva de frecuencia
acumulada sobre el histograma. Esta ayuda visual muestra claramente la magnitud relativa de los
defectos y se puede usar para identificar oportunidades de mejora. En esta forma se destacan los
problemas más costosos o importantes.
Elaboración del diagrama de Pareto:
1. Determinar que artículos o temas causantes de error van a ser gráficados.
2. Recolectar datos para un periodo determinado.
3. Tomar datos de la frecuencia con que ocurre cada artículo o tema.
4. Tomar el porcentaje de frecuencia en que ocurre cada artículo o tema en relación al total de
artículos o temas.
5. Dibujar el eje horizontal y el vertical en la hoja para gráficas. Se gradúa el eje vertical y se
colocan los artículos o temas en el eje horizontal en una secuencia de mayor o menor
frecuencias.
6. Dibujar una gráfica de barras.
7. Dibujar una gráfica lineal que represente la acumulación de los artículos o temas.
8. Anotar el periodo para el cual fueron tomados los datos, el nombre de la persona o grupo
de personas que los recopiló y el propósito.
Unidad I
Herramientas estadísticas básicas Página 14
Usos del diagrama de Pareto
1. Para determinar cuáles causan el problema.
Si hay muchos defectos, se observará que sólo unos cuantos son influyentes. Y por ello, si
los esfuerzos de corrección se concentran en esos cuantos influyentes, se habrá resuelto el
problema en gran parte.
2. Para investigar la causa error.
Hay dos maneras de clasificar las causas de error. La primera clasificación es en términos
de resultados como defectos de producción, localización del suceso, pasos en que se
produce. La segunda clasificación es en términos de causas como defectos en materiales,
maquinaria, instrumentos, métodos de trabajo, trabajadores, etc. Los puntos del problema se
identifican por medio de la clasificación de resultados y luego para conocer sus causas se
pasan al diagrama de Pareto.
3. Para reportar y registrar en archivo.
El diagrama de Pareto es muy sencillo y conveniente para formarse una clara idea de cuáles
son las principales causas de un problema.
Ejemplo: Los siguientes datos corresponden a los imperfectos de los artículos defectuosos en una
planta que produce resina. Utilizando dichos datos elabore el diagrama de Pareto correspondiente.
Tipo de defecto Frecuencia
Maltrato superficial 32
Grietas 23
Incompleto 48
Accidente 4
Otros 8
Total 115
Tipo de defecto Frecuencia
absoluta (Fi)
Frecuenta
absoluta acum.
(∑ Fi)
Frecuencia
relativa (% Fi)
Frecuencia
relativa acum.
(∑ % Fi)
Incompleto 48 48 0.417 0.427
Maltrato
superficial 32 80 0.278 0.695
Grietas 23 103 0.200 0.895
Otros 8 111 0.700 0.965
Accidentes 4 115 0.035 1.000
Total 115
Unidad I
Herramientas estadísticas básicas Página 15
Ejercicios
1. La siguiente tabla muestra los registros de los defectos observados en el cumplimiento de la
garantía de refrigeradores del taller de servicio de una comercializadora, así como los
costos de reparación de asociados a cada uno de ellos. Los datos fueron recabados del año
anterior, habiéndose vendido 4752 piezas.
Tipo de defecto Número de defectos
ni
Costo de reparación
por unidad ui
Costo total de
reparación por tipo
de defecto ci=ni*ui
Empaques 119 $650 $77350
Compresor 49 $5000 $245000
Termostato 39 $1100 $42900
Manchas(pintura) 36 $286 $10296
Condensador 26 $2145 $55770
Puerta desalineada 21 $560 $11760
Rayaduras 20 $320 $6400
Ahora se obtendrá el porcentaje de la siguiente manera:
Donde:
ci=Elemento de costo total por tipo de defecto
N= Costo total de reparación por tipo de defecto
Unidad I
Herramientas estadísticas básicas Página 16
Que es el porcentaje del compresor, pondremos otro ejemplo:
Este es el porcentaje de costo total de reparación de los empaques, así se harán la operación hasta
que acaben los defectos.
El porcentaje acumulado se calculará de la siguiente manera:
Defecto Porcentaje
% Porcentaje Acumulado %
Compresor 54.51% 54.51%=54.51%
Empaques 17.21% 54.51%+17.21%=71.72%
Condensador 12.41% 54.51%+17.21%+12.41%=84.13%
Termostato 9.54% 54.51%+17.21%+12.41%+9.54%=93.67%
Puerta
desalineada 2.62% 54.51%+17.21%+12.41%+9.54%+2.62%=96.29%
Manchas 2.29% 54.51%+17.21%+12.41%+9.54%+2.62%+2.29%=98.59%
Rayaduras 1.42% 54.51%+17.21%+12.41%+9.54%+2.62%+2.29%+1.42%=100.00%
La tabla siguiente muestra la ordenación de los tipos de defectos de acuerdo a los costos, y se
proporcionan, además, los resultados de los cálculos de los porcentajes relativos y acumulados:
Tipo de defecto Costo total de
reparación por tipo
de defecto ci=ni*ui
Porcentaje
%
Porcentaje
Acumulado
%
Compresor $245000 54.51% 54.51%
Empaques $77350 17.21% 71.72%
Condensador $55770 12.41% 84.13%
Termostato $42900 9.54% 93.67%
Puerta desalineada $11760 2.62% 96.29%
Manchas(pintura) $10296 2.29% 98.59%
Rayaduras $6400 1.42% 100%
Total $449476
De estas tablas podemos apreciar que aunque el número de ocasiones en que se observó
“empaques”(11) es mucho mayor que la frecuencia del defecto “compresor”, el 54.51% del costo de
reparación es atribuible al defecto “compresor”, en tanto que la reparación del defecto “empaques”
contribuye sólo con el 17.21% del costo total de reparación, por lo que si se encaminan los
esfuerzos a eliminar (o disminuir) el defecto “compresor” disminuiría significativamente el costo de
reparación.
Se procederá a hacer el diagrama de Pareto, el cual se muestra a continuación:
Unidad I
Herramientas estadísticas básicas Página 17
2. En el departamento de compras de una compañía se analizaron 50 órdenes de compras,
encontrándose 43 de ellas con los siguientes errores:
ERROR FRECUENCIA
Entrega a destiempo 3
Orden de compra(O.C.) sin fundamento 1
Material no adecuado 1
Datos incompletos 24
Entrega de material en exceso 1
Condiciones de pago equivocadas 5
O.C. repetida 2
No existe O.C. 6
Elabore el diagrama de Pareto para estos datos.
Error Frecuencia Porcentaje Acumulado
Datos incompletos 24 55.8%
No existe O.C. 6 69.8%
Condiciones de pago equivocadas 5 81.4%
Entrega a destiempo 3 88.4%
O.C. repetida 2 93.0%
O.C. sin fundamento 1 95.3%
Material no adecuado 1 97.7%
Entrega de material en exceso 1 100.0%
0.0%
10.0%
20.0%
30.0%
40.0%
50.0%
60.0%
70.0%
80.0%
90.0%
100.0%
$-
$50,000.00
$100,000.00
$150,000.00
$200,000.00
$250,000.00
$300,000.00
$350,000.00
$400,000.00
Co
mp
reso
r
Emp
aqu
es
Co
nd
ensa
do
r
Term
ost
ato
Pu
erta
d
esal
inea
da
Man
chas
Ray
adu
ras
Diagrama de Pareto de Costos
Costo Total
Unidad I
Herramientas estadísticas básicas Página 18
Diagrama de Causa y Efecto (Diagrama de Ishikawa) En la fábrica de los productos elaborados mediante un proceso, normalmente puede haber
problemas de variación en su calidad final, a causa de diversas razones. La meta de la solución de
problemas consiste en identificar las cusas que originan la variación (los problemas), para
corregirlos eliminándolos (Evans y Lindsay, 1993).
El diagrama de causa y efecto es una herramienta importante que ayuda a la generación de ideas en
cuanto a las causas del problema y por lo tanto, sirve como base para localizar soluciones. Este es
un método gráfico sencillo que sirve para presentar en un solo plano, una cadena de causas y
efectos, y para definir las causas y las relaciones de organización existentes entre las variables.
Debido a su estructura (forma) con frecuencia se le llama diagrama de esqueleto de pescado. Las
causas más importantes deben de ir cerca de la cabeza y las menos importantes cerca de la cola, las
espinas se dividen en primaria, secundaria, etc. según el número de espinas que existan.
La estructura general de un diagrama de causa y efecto se muestra en la siguiente figura, en ella se
observa que en el extremo final de una línea horizontal se anota un problema, asimismo, observe
que cada rama que apunta al tallo principal representa una causa posible. Y las ramas que apuntan a
las causas más probables de un problema, sirve también para recopilar mayor información acerca de
las causas, y todo ello con las finalidad de analizar eficientemente dicha información.
0.0% 10.0% 20.0% 30.0% 40.0% 50.0% 60.0% 70.0% 80.0% 90.0% 100.0%
0 5
10 15 20 25 30 35 40
Dat
os
inco
mp
leto
s
No
exi
ste
O.C
.
Co
nd
icio
nes
de
pag
o
equ
ivo
cad
as
Entr
ega
a d
esti
emp
o
O.C
. rep
etid
a
O.C
. sin
fu
nd
amen
to
Mat
eria
l no
ad
ecu
ado
Entr
ega
de
mat
eria
l en
exc
eso
Frecuencia
Porcentaja Acumulado
Unidad I
Herramientas estadísticas básicas Página 19
Ishikawa recomienda que las causas potenciales que originan teóricamente las fallas o los defectos
en cualquier proceso productivo, se clasifiquen en 6 categorías, a las que les denomina las 6 M’s y
que son las siguientes:
Mano de Obra
Materiales
Maquinaria
Métodos de trabajo
Medición de la variable
Medio ambiente
Cada una de las M´s anteriores debe ser evaluada con sus MU´s correspondientes, existen 3 MU´s
los cuales son:
Muda: desperdicio.
Mura: inconsistencias (cuello de botella).
Muri: trabajo tensionante.
Un ejemplo de evaluación de las M´s con sus MU´s correspondientes quedarían de la siguiente
forma:
Mano de obra
Muda: tiempo ocioso.
Mura: mala asignación de personal y falta de capacitación.
Muri: operaciones monótonas, operaciones difíciles y mal ambiente de trabajo.
Materiales
Muda: altos niveles de inventario y mal manejo de material.
Mura: mal control de requerimiento de material.
Muri: manejo de materiales peligrosos.
Maquinaria
Muda: tecnología sobrada.
Mura: subutilización de las máquinas y obsolescencia.
Muri: utilización de maquinaria peligrosa.
Métodos
Desperdicio: exceso de operación es un proceso.
Mura: falta de especificaciones o procedimientos.
Muri: manejo excesivo de información.
Procedimiento
1. Definir el problema: puede incluir el empleo de histogramas de los resultados de los datos
recopilados, resultado de las gráficas de control, resultados de los diagramas de Pareto, etc.
2. Seleccionar el método para realizar el análisis: a menudo en esta fase se incluyen reuniones
(con representantes de producción, ingeniería, calidad, ventas y cualquier otro grupo que
pudiera estar relacionado en alguna forma con el problema en cuestión), en donde al aplicar
la técnica de la “lluvia de ideas” pueda surgir una inspiración súbita ya sea, para identificar
una posible causa o bien una posible solución para eliminar una causa.
3. Determinar la característica de calidad (Efecto).
Unidad I
Herramientas estadísticas básicas Página 20
4. Dibujar una línea principal de izquierda a derecha e indicar la característica de calidad en el
extremo derecho.
5. Anotar las causas mayores en las ramas y luego encerrarlas en casillas.
6. Escribir las causas menores en las ramas menores.
7. Analizar las causas y tomar las medidas correctivas necesarias.
Diagrama de Dispersión
Es una gráfica que se construye utilizando los ejes coordenados, y su objetivo consiste en analizar y
estudiar la relación potencial existente entre dos variables diferentes, normalmente una de ellas se
denomina Variable independiente X y la otra Variable dependiente Y.
En la rama de la ingeniería industrial, los diagramas de dispersión se utilizan ampliamente en el
área de control de calidad, para analizar y estudiar las relaciones de causa y efecto. Bajo este punto
de vista, al construir el diagrama de dispersión se utiliza al eje de las abscisas (X) para representar a
la variable independiente, la cual normalmente nos sirve para indicar la causa que originan un
defecto. Y el eje de las ordenadas (Y) se utiliza para representar a la variable dependiente, la cual
normalmente nos sirve para indicar el efecto resultante por una causa. Este concepto se muestra a
continuación:
Elaboración
1. Reúna pares de datos (X, Y) cuyas relaciones se desea estudiar, y organice dicha
información en una tabla. Se recomienda recopilar al menos 30 pares de datos.
2. Encuentre los valores mínimo y máximo para las variables (X, Y). Decida las escalas que
va a usar en los ejes coordenados, de manera que ambas longitudes sean aproximadamente
iguales, lo cual hará que el diagrama sea más fácil de leer. Cuando una de las variables
represente a un factor (causa) y la otra represente una característica de calidad (efecto), use
el eje de las abscisas (X) para representar el factor (causa) y use al eje de las ordenadas (Y)
para representar las características de calidad (efecto).
3. Registre los datos en el gráfico (utilizando los ejes coordenados). Cuando se repitan pares
de valores, muestre dichos datos mediante círculos concéntricos en el diagrama.
4. Registre todos los aspectos que puedan ser de utilidad. Cerciórese de que se incluyan los
siguientes datos, de manera que cualquier otra persona, además de la que elaboró el
diagrama, pueda comprenderlo con claridad:
a) Título del diagrama
b) Nombre y unidades de las variables
c) Periodo de tiempo en que se realizó el diagrama
d) Numero de pares de datos
e) Titulo y unidades de cada eje
Unidad I
Herramientas estadísticas básicas Página 21
Análisis de Correlación
Es el conjunto de técnicas estadísticas empleado para medir la intensidad de la relación existente
entre dos variables diferentes. El principal objetivo del análisis de correlación, consiste en
determinar qué tan intensa es la relación existente entre dos variables. Normalmente el primer paso
consiste en mostrar los valores numéricos correspondientes a pares de datos (que representan a dos
variables diferentes), en un diagrama de dispersión.
Concepto de Correlación
En estadística se dice que existe una correlación entre dos variables diferentes, cuando se observa
que una de ellas está relacionada con la otra de alguna manera. Asimismo, el término correlación
significa “relación mutua” entre dos series de valores. El análisis de correlación estadística se usa
para interpretar el significado de los diagramas de dispersión.
En las figuras se muestran los tipos más comunes de correlación existentes entre dos variables
diferentes y su correspondiente significado.
Si la correlación es positiva, se observa que en aumento de la variable independiente X ocasiona un
aumento en la variable dependiente Y. si la correlación es negativa, se observa que un aumento de
la variable independiente X, ocasiona una disminución en la variable dependiente Y. la ausencia de
correlación nos indica que el aumento de valor en una de las variables no ocasiona ningún efecto en
el valor de la otra variable, es decir, se observa que entre las dos variables no se presenta ninguna
relación de causa y efecto.
Coeficiente de correlación lineal de Pearson (r)
Desarrollado por el investigador Karl L. Pearson en el año 1900, el coeficiente de correlación lineal,
describe la intensidad de la relación existente entre 2 conjuntos de variables de nivel de intervalo o
de nivel de razón. El coeficiente de correlación se denota por r, con frecuencia se le menciona
también como “r de Pearson” o “coeficiente de correlación producto-momento de Pearson”. El
coeficiente de correlación lineal r de Pearson puede tomar cualquier valor entre -1.00 a +1.00
inclusive. Un coeficiente de correlación lineal igual a -1.00 o igual a +1.00 nos indica una
correlación perfecta.
Definición del coeficiente de correlación lineal
Es la medida de la intensidad de la relación lineal existente entre los valores de las variables (X, Y)
apareados, presentes en una muestra.
El siguiente cuadro resume la dirección e intensidad del coeficiente de correlación lineal de Pearson
(r).
Unidad I
Herramientas estadísticas básicas Página 22
Cálculo del coeficiente de correlación de Pearson
Este coeficiente nos permite determinar el valor numérico de la medida de la intensidad de la
relación lineal existente entre dos conjuntos de variables apareados, utilizando la siguiente
ecuación:
r= coeficiente de correlación lineal de Pearson, y además -1 < r > +1
n= número de pares de datos (X, Y) presentes en la muestra.
ƩX= suma de todos los puntajes de la variable independiente X.
ƩX2= denota que cada valor de la variable aleatoria X se debe elevar al cuadrado y luego todos esos
cuadrados deben sumarse.
(ƩX)2= denota que los valores de la variable aleatoria X deben sumarse y el total resultante debe
elevarse al cuadrado.
ƩY= suma de todos los puntajes de la variable dependiente Y.
ƩY2=denota que cada valor de la variable aleatoria dependiente Y debe elevar al cuadrado y luego
todos esos cuadrados deben sumarse.
(ƩY)2=denota que los valores de la variable aleatoria dependiente Y deben sumarse y el total
resultante debe elevarse al cuadrado.
ƩXY= denota que cada valor de la variable independiente X primero debe multiplicase por su
correspondiente valor de la variable dependiente Y, y después de obtenerse todos esos productos, se
deben sumar.
Ejemplo
La empresa Copier Sales of America, Inc., vende copiadoras a negociaciones grandes medianas y
pequeñas en Estados Unidos y Canadá. La señorita Marcy Bancer fue promovida recientemente al
puesto de “Gerente nacional de ventas”. A la próxima junta de ventas asistirán los representantes de
ambos países. A ella le gustaría notar la importancia de hacer llamadas extras cada día. Para ello,
decide reunir alguna información acerca de la relación entre “El número de llamadas realizadas” y
“El número de copiadoras vendidas”. Seleccionó al azar una muestra de 10 representantes y
determinó el número de llamadas que hicieron el último mes y el número de copiadoras que
vendieron. La información muestral que obtuvo se presenta a continuación en la siguiente tabla.
Representante de
ventas
Número de
llamadas
realizadas
Número de
copiadoras
vendidas
Tom Séller 20 35
Jeff Hall 40 60
Brian Virost 25 40
Juan Flores 30 60
Susan Welch 10 30
Carlos Ramírez 15 40
Rich Niles 20 45
Luis Kiel 28 50
Mark Reynolds 20 30
Soni Jones 35 70
Unidad I
Herramientas estadísticas básicas Página 23
Identificando las variables:
Xi: El número de llamadas telefónicas realizadas por agente
Yi: El número de copiadoras vendidas por agente.
Colocar los pares de datos en un gráfico
Prueba de correlación en los diagramas de dispersión
Hemos visto cómo utilizar los diagramas de dispersión para determinar las relaciones entre dos
tipos de datos. Pero ¿cómo se puede determinar el grado de correlación cuando ésta existe?
Podemos emplear cualquiera de los dos métodos siguientes: uno consiste en calcular el coeficiente
de correlación y el otro se basa en el papel de probabilidad binomial. Aquí hemos de referirnos al
más práctico de los dos: el denominado método de la mediana para el análisis de correlaciones.
El método consiste en los siguientes pasos:
1. Halle la mediana de y la mediana de . Trace ambas medianas en el gráfico de
dispersión.
0
10
20
30
40
50
60
70
80
0 10 20 30 40 50
Nú
me
ro d
e c
op
iad
ora
s ve
nd
idas
Número de llamadas realizadas
Número de copiadoras vendidas
Lineal (Número de copiadoras vendidas)
Unidad I
Herramientas estadísticas básicas Página 24
2. Denote con I, II, III y IV los cuatros sectores demarcados por las medianas, a partir del
extremo superior derecho y en sentido contrario al de las agujas del reloj. Cuente la
cantidad de puntos que hay en cada sector.
Sector Puntos
(I) 19
(II) 4
(III) 20
(IV) 5
Sobre la línea 2
Total 50
3. Determina la cantidad de puntos II y IV, y N (cantidad total de datos menos la cantidad de
puntos sobre la línea). La cantidad de puntos de II y IV es ; y .
4. Compare la cantidad total de puntos de II y IV con la columna “cantidad límite de puntos”
de la tabla de prueba del signo. Si la cantidad de puntos de ambos sectores es menor que el
límite, existe correlación.
N Cantidad límite de
puntos en I + III, II + IV N
Cantidad límite de puntos en I + III, II + IV
20 5 42 14
21 5 44 15
22 5 46 15
23 6 48 16
24 6 50 17
25 7 52 18
26 7 54 19
27 7 56 20
28 8 58 21
29 8 60 21
30 9 62 22
32 9 64 23
34 10 66 24
36 11 68 25
38 12 70 26
40 13
5. Cuando , la cantidad límite de punto es 16. Como , existe correlación
positiva.
Unidad I
Herramientas estadísticas básicas Página 25
Gráficas de control Las gráficas de control son un intervalo de confianza en una escala de series y tiempo. Una gráfica
de control permite establecer si un proceso se encuentra o no controlado.
En una gráfica de control se registran o identifican dos aspectos:
Variaciones debidas a causas comunes, es decir, características propias de cada proceso
(método, diseño, especificaciones).
Variaciones debido a causas asignables, tales como: (materia prima, mano de obra,
maquinaria y equipo etc.).
Las características de interés a controlar en un gráfico de control se muestran en la siguiente figura:
Lectura y uso de la gráfica de control
La lectura de una gráfica de control se realiza buscando puntos fuera de los límites de control o
detectando patrones de anormalidad en el conjunto general de los puntos. Cuando se tenga un
proceso fuera de control, los responsables deben darse a la tarea de identificar las causas especiales
que estén afectando el sistema, para llegar a eliminarlas.
1. Puntos fuera de control
Estos puntos se refieren a la presencia de una sola lectura que difiere mucho de las otras. A veces,
un punto que parezca un salto realmente es una parte de un proceso estable. Este patrón es uno de
los más sencillos de reconocer, y por el hecho de darse en forma aislada es fácil de identificar y de
determinar sus causas.
Unidad I
Herramientas estadísticas básicas Página 26
Posibles causas:
Variación en el tamaño muestral.
Toma de muestras de una distribución totalmente distinta.
2. Tendencias continuas
Este patrón se define como una variación gradual y constante en forma ascendente o descendente,
siendo este patrón fácil de reconocer. La tendencia puede surgir debido a causas que operen sobre el
sistema de un modo gradual.
Posibles causas:
Producto que se deteriora gradualmente.
Desgaste en el equipo.
Mejoramiento gradual de la técnica del empleado.
Efecto de un mejor programa de mantenimiento de equipo.
Efecto de control de procesos en otras áreas.
3. Cambio repentino de nivel
Un cambio repentino de nivel se presenta como un cambio súbito en una dirección. Una cierta
cantidad de puntos se localizan en un solo lado (inferior o superior) de la gráfica, y si los datos se
gráficaran separados, se verían dos distribuciones diferentes.
Unidad I
Herramientas estadísticas básicas Página 27
Posibles causas:
Nuevo empleado.
Nuevo jefe.
Nuevo equipo o nuevo ajuste de equipo.
Cambio en el método.
Cambio en la motivación de los empleados.
Cambio a un diferente proveedor.
Cambio en los estándares.
4. Ciclos
Los ciclos son tendencias cortas que ocurren en patrones repetidos. Las causas de los ciclos son
variables de proceso que se presentan de una manera más bien regular. Los ciclos pueden
identificarse determinando el tiempo en el cual aparecen los picos sucesivos y relacionando este
intervalo con los elementos del proceso.
Posibles causas:
Efectos estacionales, tales como la temperatura o la humedad.
Fatiga del empleado.
Rotación del personal.
Horarios de mantenimiento.
Desgaste de equipo.
Diferencia regular entre proveedores.
5. Inestabilidad
Un patrón inestable presenta puntos erráticos que fluctúan lo largo de la gráfica de control, y la
fluctuación parece ser muy ancha comparada con los límites de control. La inestabilidad puede
deberse a una sola causa o a causas conjuntas. Aunque en este caso el patrón es complejo, recuerde
que probablemente las causas son más bien simples.
Unidad I
Herramientas estadísticas básicas Página 28
Posibles causas:
Ajuste excesivo del equipo.
Empleado sin capacitación.
Equipo que necesita reparación.
Efecto de gráficas de control instaladas en otras áreas.
Empleados sin experiencia.
Empleados descuidados.
Mantenimiento mediocre.
Productos defectuosos.
Por lo que si una gráfica indica alguna de estas causas asignables o combinación de ellas se dice que
el proceso no está bajo control. Por otro lado, la carta de control indica que un proceso es estable
(bajo control estadístico) cuando sus puntos caen dentro de los límites de control y fluctúan o varían
aleatoriamente (con una apariencia errática y sin orden) a lo ancho de la carta.
Clasificación de las gráficas de control
Gráficos de control
Gráficas por variables Gráfica por atributos
Gráficas de medias (X-R) ó
(X-S)
Gráfica de fracción defectiva (p)
Gráfica de rangos (R) Gráfica de defectivos o defectuosos (np)
Gráfica de desviación estándar
(S)
Gráfica de defectos por muestra (c)
Gráfica de defectos por unidad (u)
Las gráficas de control por variables son la representación gráfica de las características medibles
que nos dan a conocer la frecuencia e intensidad de las variaciones, los valores medios y la
desviación estándar.
Una variable es una característica de calidad basada en una medida por ejemplo:
La dimensión de una pieza en cm.
Temperatura (°C)
Resistencia a la tensión ( kg/cm3)
Unidad I
Herramientas estadísticas básicas Página 29
Cuando son conocidos µ y σ las formulas utilizadas para la creación de los gráficos son:
Cuando no son conocidos µ y σ las formulas utilizadas para la creación de los gráficos son:
Donde A, A1, A2, d2, D1, D2, D3, D4, C2, B4, B2, B3, B4 son factores de corrección y se consultan en
las tablas de acuerdo al tamaño de la muestra.
Gráfica de control por variables ( - ) y ( - )
Estas gráficas muestran las medias de un proceso y su rango. La ventaja de estas gráficas es el
hecho que podemos vigilar el comportamiento de las medias y al mismo tiempo su variación, la
cual permite se tome las acciones preventivas para evitar la ocurrencia de los efectos.
Pasos para su construcción
1. Seleccionar la característica de interés a controlar.
2. Controlar los factores que puedan afectar las características seleccionadas (mano de obra,
materia prima, medio ambiente, método etc.)
3. Preparar el equipo para realizar la inspección.
4. Tomar la muestra en el orden cronológico para no alterar el azar
Unidad I
Herramientas estadísticas básicas Página 30
5. Calcular la media, el rango y la desviación estándar para cada una de las muestras.
6. Calcular la media de medias, la media de rangos y las desviaciones estándar.
7. Calcular los límites de control superior e inferior utilizando los factores de corrección
respectivos.
8. Trazar la línea central.
9. Construir la gráfica.
Ejemplo
En el proceso de fibras de lana se vio la conveniencia de controlar la acidez del colorante (ph), para
tal efecto se hicieron pruebas cada 20 min y se registraron los resultados en grupos de tamaño 6.
Las mediciones se presentan en la siguiente tabla:
Realizar las gráficas de control ( - ) y ( - )
Para los gráficos ( - )
Gráfica de medias
= 4.18
= .21
= .08
LSC= + A2 = 4.17 + (.483) .22= 4.27
LC= = 4.17
LIC= - A2 = 4.17 - (.483) .22= 4.06
Muestra a b c d e f X R σ
1 4.22 4.2 4.2 4.08 4.15 4.15 4.17 0.14 0.051
2 4.25 4.22 4.1 4.15 4.1 4.15 4.16 0.15 0.062
3 4.2 4.22 4.01 4.17 4.18 4.3 4.18 0.29 0.095
4 4.2 4.25 4.18 4.05 4.17 4.1 4.16 0.2 0.072
5 4.15 4.2 4.03 4.15 4.31 4.25 4.18 0.28 0.096
6 4.18 4.17 4.17 4.3 4.15 4.1 4.18 0.2 0.066
7 4.22 4.24 4.23 4.07 4.19 4.25 4.20 0.18 0.067
8 4 4.15 4.18 4.1 4.3 4.2 4.16 0.3 0.101
9 4.1 4.15 4.3 4.36 4.15 4.1 4.19 0.26 0.110
10 4.2 4.25 4.2 4.3 4.15 4.1 4.20 0.2 0.071
11 4.35 4.2 4.25 4.12 4.3 4.1 4.22 0.25 0.099
Promedios 4.18 0.22 0.08
3.95
4
4.05
4.1
4.15
4.2
4.25
4.3
1 2 3 4 5 6 7 8 9 10 11
Gráfica de medias
Unidad I
Herramientas estadísticas básicas Página 31
Para gráficar debe considerarse que en el eje de las x irá cada subgrupo de muestras y en el de las y
los valores que corresponden a la media de cada muestra.
Gráfica de rangos
LSC= D4 = .22 (2.0004) = .44
LC= = .22
LIC= D3 = .22 (0) = 0
Para la gráfica de rangos se sigue la misma metodología que para la gráfica de medias, con la
variante de que los valores a gráficar corresponden al rango de cada muestra.
Para los gráfico ( - )
Gráfica de medias
LSC= + A1 = 4.18 + (1.410)(.08)= 4.29
LC= = 4.18
LIC= - A1 = 4.18 - (1.410)(.08)= 4.06
Gráfica de desviación estándar
LSC= B4 = .08 (1.970) = .1576
LC= = .08
LIC= B3= .08 (.3) = .0024
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
1 2 3 4 5 6 7 8 9 10 11
3.9
3.95
4
4.05
4.1
4.15
4.2
4.25
4.3
4.35
1 2 3 4 5 6 7 8 9 10 11
Gráfica de rangos
Gráfica de medias
Unidad I
Herramientas estadísticas básicas Página 32
Ejemplo
La siguiente tabla proporciona las lecturas efectuadas del espesor (en milésima de pulgadas) de la
pintura de ciertas placas metálicas. Esta característica de calidad es crítica para el cliente, de modo
que se ha decidido monitorear este proceso mediante los gráficos (X-R) ó (X-S).
Para los gráficos ( - )
Gráfica de medias
= 2.12
= .35
= .11
LSC= + A2 = 2.12 + (.308) .22= 2.18
LC= = 2.12
LIC= - A2 = 2.12 - (.308) .22= 2.05
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
1 2 3 4 5 6 7 8 9 10 11
X R S
1 2.08 2.26 2.13 1.94 2.3 2.15 2.07 2.02 2.22 2.18 2.14 0.36 0.111
2 2.14 2.02 2.14 1.94 2.3 2.08 1.94 2.12 2.15 2.36 2.12 0.42 0.137
3 2.3 2.1 2.2 2.25 2.05 1.95 2.1 2.16 2.37 1.98 2.15 0.42 0.136
4 2.1 2.1 2.15 1.97 2.25 2.12 2.1 1.9 2.04 2.08 2.08 0.35 0.096
5 2.06 2.12 1.98 2.12 2.2 2.02 2.19 2.03 2.02 2.09 2.08 0.22 0.074
6 2.14 2.22 2.18 2.27 2.17 2.26 2.15 2.07 2.02 2.36 2.18 0.34 0.099
7 2.07 2.05 1.97 2.05 2.16 2.02 2.02 2.14 2.07 2 2.06 0.19 0.059
8 2.08 2.31 2.12 2.18 2.15 2.17 1.98 2.05 2 2.26 2.13 0.33 0.107
9 2.13 1.9 2.12 2.04 2.4 2.12 2.15 2.01 2.3 2.14 2.13 0.5 0.141
10 2.13 2.16 2.12 2.22 2.12 2.07 2.04 2.28 2.12 2.1 2.14 0.24 0.070
11 2.24 2.34 2.4 2.26 2.13 2.15 2.08 2.02 2.05 2.18 2.19 0.38 0.125
12 2.25 1.91 1.96 2.04 1.93 2.08 2.29 2.42 2.1 2 2.10 0.51 0.170
13 2.03 2.1 2.24 2.2 2.25 2.03 2.06 2.19 2.13 2.2 2.14 0.22 0.084
14 2.08 1.92 2.14 2.2 2.02 2.04 1.94 2.05 2.12 2.06 2.06 0.28 0.086
15 2.04 2.14 2.18 2.12 2 2.02 2.05 2.34 2.12 2.05 2.11 0.34 0.101
16 1.92 2.1 2.13 2.02 1.93 2.17 2.24 1.98 2.34 2.12 2.10 0.42 0.136
17 2.12 2.3 2.01 2.2 2.11 1.93 2.02 2.25 2.05 2.1 2.11 0.37 0.115
18 1.98 2.3 2.31 2.12 2.08 2.1 2.15 2.35 2.12 2.26 2.18 0.37 0.121
19 2.08 2.12 2.11 2.22 2 1.95 2.15 2.14 2.28 2.31 2.14 0.36 0.113
20 2.22 2.05 1.93 2.08 2.15 2.27 1.95 2.11 2.12 2.1 2.10 0.34 0.106
Promedios 2.12 0.35 0.11
LECTURAS
Gráfica de desviación estándar
Unidad I
Herramientas estadísticas básicas Página 33
Gráfica de rangos
LSC= D4 = .35 (1.777) = .622
LC= = .35
LIC= D3 = .22 (.223) = .049
Para los gráfico ( - )
Gráfica de medias
LSC= + A1 = 2.12 + (1.028)(.11)= 2.23
LC= = 2.12
LIC= - A1 = 2.12 - (1.028)(.11)= 2.006
1.95
2
2.05
2.1
2.15
2.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1.85
1.9
1.95
2
2.05
2.1
2.15
2.2
2.25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfica de medias
Gráfica de rangos
Gráfica de medias
Unidad I
Herramientas estadísticas básicas Página 34
Gráfica de desviación estándar
LSC= B4 = .11 (1.716) = .189
LC= = .11
LIC= B3= .11 (.284) = .031
Gráficas por atributos
Las gráficas de control por variables muestran las características de calidad que son medibles y
expresadas en unidades.
Las gráficas de control por atributos tratan con las características de calidad que son observadas
solamente por que se ajustan o no a requerimientos especificados y se expresan por dos palabras
opuestas tales como: si o no, pasa o no pasa, defectuoso o no defectuoso, bueno o malo.
El control por atributos es aquel que muestra solamente el número de artículos elaborados de
acuerdo con las especificaciones y el número de artículo que se salen de esas especificaciones.
Los atributos son aquellas variaciones controlables que generalmente se juzgan visiblemente, por
ejemplo: el acabado de una superficie puede presentar una apariencia satisfactoria o no.
En general, el objeto examinado está de acuerdo o no con las especificaciones. Los tipos más
comunes de estás gráficas son las siguientes:
Fracción defectiva “p”
Artículos defectuosos “np”
Defectos por muestra “c”
Defectos por unidad “u”
Para efectos de una operación de control por atributos es necesario establecer definiciones de ciertos
vocablos que se emplean:
Defecto (c). Toda causa simple que hace que un elemento no cumpla con las
especificaciones impuestas como una característica de calidad.
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfica de desviación estándar
Unidad I
Herramientas estadísticas básicas Página 35
Defectuoso (np). Se designa así a todo elemento que presente uno o más defectos (de
igual o diferente clase) con respecto a las características de calidad que se le imponen.
Fracción defectiva (p). relación que existe entre el número de defectuosos de la muestra
con respecto al número de elementos que forman esa muestra.
ú
ú
ú
ú
Gráfica de fracción defectiva “p”
Cuando se gráfica un control por atributos y se toma la producción de un día, es muy común que el
número de elementos producidos no resulte siempre el mismo encontrándose algunas variaciones en
cantidad y por lo tanto lotes de distintos tamaños.
Para elaborar la gráfica “p” se deben de seguir los siguientes pasos:
1. Se hace el registro de los datos, anotando el numero de lote, fecha de su examen, tamaño de
lote, numero de defectuosos encontrados en la muestra o lote y la fracción defectiva.
2. Se calcula la línea central
C=
3. Calcular el tamaño medio de los lotes.
ú
4. Calcular la desviación estándar.
5. Calcular los límites de control
LSC= + 3
LC=
LIC= - 3
6. Construir la gráfica.
Unidad I
Herramientas estadísticas básicas Página 36
Ejemplo 1
= 22857/20= 1142.85
σp= = .0084
LSC= .089 + 3(.0084)= .114
LC= .089
LIC= .089 – 3(.0084) = .063
Ejemplo 2
En una agenda noticiosa se decide registrar durante un periodo de 20 días, en una hoja de
datos, el número de comunicaciones enviadas por fax, señalando cuales de estos tienen
fallas.
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico p
Unidad I
Herramientas estadísticas básicas Página 37
99/585= .17
= 585/20= 29.25
σp= = .069
LSC= + 3 = .17 + 3(.069) = .377
LC= = .17
LIC= - 3 = .17 – 3(.069) = 0
Gráfica de defectivos “np”
Esta gráfica es igual a la de fracción defectiva con la variante de que los puntos de la gráfica
corresponden al número de defectuosos np encontrados en cada unos de los lotes, se recomienda
que esta gráfica se utilice únicamente cuando todos los lotes sean del mismo tamaño o de un tamaño
muy aproximado entre sí, (una variación de +- 10% del tamaño medio, pues el valor que
corresponde a la línea central n está en función del tamaño del lote. El valor de la línea central de
la gráfica no se obtiene dividiendo la suma de los defectuosos de todos los lotes entre el número de
lotes revisados o inspeccionados.
LC= n =
ú
El valor de la desviación estándar está dada por:
σn =
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico p
Unidad I
Herramientas estadísticas básicas Página 38
Los límites de control se obtienen aplicando las siguientes fórmulas:
LSC= n + 3 σn LC= LIC= n - 3 σn
Ejemplo 1
En un galvanizado de rondanas entran al proceso lotes de 400 piezas, que se examinan para
determinar defectos superficiales de adherencia de la capa de zinc. En 15 lotes consecutivos se
obtuvieron los siguientes resultados.
Lote Tamaño Defectuosos
1 400 1
2 400 3
3 400 0
4 400 7
5 400 2
6 400 0
7 400 1
8 400 0
9 400 8
10 400 5
11 400 2
12 400 0
13 400 1
14 400 0
15 400 3
∑ 6000 33
LC= 33/15= 2.2
33/ 6000 = .0055
σn = = 1.47
LSC= 2.2 + 3 (1.47) = 6.61
LC= 2.2
LIC= 2.2 – 3(1.47) = -2.21= 0
0
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Gráfico np
Unidad I
Herramientas estadísticas básicas Página 39
Ejemplo 2
Los datos de la inspección realizada en el departamento de forja de piezas de chapa metálica
aparecen en la tabla adjunta. Elabore la gráfica np de los datos.
Lote Tamaño Defectuosos
1 300 12
2 300 15
3 300 17
4 300 21
5 300 40
6 300 0
7 300 25
8 300 31
9 300 27
10 300 0
11 300 11
12 300 13
Σ 3600 212
LC= np= 212/12= 17.67
212 / 3600 = .059
σn = = 4.07
LSC= 17.67 + 3 (4.07) = 29.9
LC= 17.67
LIC= 17.67 – 3(4.07) = 5.46
Gráfica c o defecto por muestra
Esta gráfica es muy conveniente cuando no existe un tamaño natural del lote, es decir, cuando se
trata de determinar la uniformidad de la calidad sobre iguales longitudes, áreas, o volumen de un
producto.
A diferencia de la gráfica np, que trata el número de defectos en una muestra, la gráfica c estudia el
comportamiento de un proceso considerando el encontrado al inspeccionar una unidad de producto
o servicio.
0
5
10
15
20
25
30
35
40
45
1 2 3 4 5 6 7 8 9 10 11 12
Gráfico np
Unidad I
Herramientas estadísticas básicas Página 40
La gráfica hace uso del hecho que un producto o servicio es aceptable aunque presente cierto
número de defectos. Un automóvil, por ejemplo, funciona aunque tenga el parabrisas estropeado o
su reloj descompuesto.
Algunos de los objetivos de esta gráfica son los siguientes:
Reducir el costo de tener que repetir trabajos.
Informar a los supervisores y a la administración acerca del nivel de calidad.
Determinar qué tipo de defectos no son permisibles en un producto o servicio, e informar
sobre la probabilidad de ocurrencia de defectos en un área o proceso de trabajo.
Las gráficas c deben utilizarse sólo cuando el “área de oportunidad de encontrar defectos”
permanece constante. Esto es, las muestras deben ser todas de la misma área o cantidad, la cual
deberá fijarse de antemano.
LC= =
ú
= LSC= + 3 LC= LSC= - 3
Ejemplo 1
En una producción de placas de fundición para bases, se han encontrado defectos tales como:
grietas, pequeñas cavidades etc. Se han tomado 300 placas consecutivas para trazar la gráfica de
control c, la cual servirá de base para producciones futuras, el resultado fue el siguiente:
Muestra Defectos
1 2
2 0
3 0
4 1
5 1
6 3
7 1
8 3
9 0
10 1
11 3
12 2
13 5
14 1
15 4
16 5
17 0
18 3
19 1
20 2
21 1
22 2
23 3
24 1
25 1
26 2
27 0
28 2
29 1
30 4
Σ 55
55/30 = 1.83
= 1.35
LSC= 1.83 + 3 (1.35) = 5.85
LC= 1.83
LIC= 1.83 – 3 (1.35) = 0
Unidad I
Herramientas estadísticas básicas Página 41
Ejemplo 2
Los siguientes datos muestran los resultados obtenidos al realizar una auditoría de producto
terminado en un proceso cuya salida es muy sofisticada.
Lote Defectos
1 17
2 16
3 16
4 17
5 17
6 18
7 24
8 19
9 19
10 18
11 14
12 15
13 15
14 16
15 20
16 16
17 14
18 16
19 15
20 19
Σ 341
0
1
2
3
4
5
6
7
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
0
5
10
15
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico c
Gráfico c
341/20 = 17.05
= 4.12
LSC= 17.05 + 3 (4.12) = 29.41
LC= 17.05
LIC= 17.05 – 3 (4.12) = 4.69
Unidad I
Herramientas estadísticas básicas Página 42
Gráfica U o defectos por muestra
Es muy conveniente usar esta gráfica para el caso de que un producto al presentarse o revisarse este
formados por varias unidades normales y para las cuales la inspección cubre más de una
característica.
La gráfica u puede ser usada bajo cada una de las siguientes suposiciones:
Como substituto de la gráfica c cuando el tamaño muestral (constante) contiene más de
una unidad de inspección, y se desea gráficar el número de defectos por unidad de
inspección.
Cuando el tamaño muestral varía, de modo que la gráfica c no puede usarse.
Límites variables usando tamaños muestrales individuales.
Límites constantes usando el promedio del tamaño muestral cuando los tamaños no
difieren grandemente.
Fórmulas
= ú
ú
σ =
LSC= + 3 σ
LC=
LIC= LSC= - 3 σ
Ejemplo 1
= 1288/580 = 2.2
σ .33
LSC= 2.2 + 3 (.33) = 3.19 LIC= 2.2 LSC= 2.2 + 3(.33) = 1.21
Unidad I
Herramientas estadísticas básicas Página 43
Ejemplo 2
La tabla adjunta muestra los resultados de la inspección de 20 lotes de tres tamaños diferentes:
20,25 y 40. Elabore la gráfica u para estos datos.
Lote n c u
1 20 72 3.6
2 20 38 1.9
3 40 76 1.9
4 25 35 1.4
5 25 62 2.48
6 25 81 3.24
7 40 97 2.42
8 40 78 1.95
9 40 103 2.58
10 40 56 1.4
11 25 47 1.88
12 25 55 2.2
13 25 49 1.96
14 25 62 2.48
15 25 71 2.84
16 20 47 2.35
17 20 41 2.05
18 20 52 2.6
19 40 128 3.2
20 40 84 2.1
Σ 580 1334
0
1
2
3
4
5
6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico u
Unidad I
Herramientas estadísticas básicas Página 44
= 1334/580 = 2.3
σ .33
LSC= 2.3 + 3 (.33) = 3.3 LIC= 2.3 LSC= 2.3 + 3(.33) = 1.31
0
0.5
1
1.5
2
2.5
3
3.5
4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico u
Unidad I
Herramientas estadísticas básicas Página 45
Referencias bibliográficas
Las 7 Herramientas Básicas de la Calidad, División de Graduados de Investigación Instituto
Tecnológico y de Estudios Superiores de Monterrey Campus Monterrey, 1995.