Hebct Caps

Herramientas Estadsticas Bsicas Aplicadas a la Calidad Total.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE INGENIERIA INDUTRIAL
MONOGRAFIA
HERRA!IENTA ETADITICA BAICA
A"LICADA A LA CALIDAD T#TAL
AUTOR:
ING. IND. LE#NARD# IL$A FRANC#
GUA%A&UIL' AG#T# DE ())*
Cap. 3.- PROGRAMAS DE MEJORAMIENTO CONTINUO DE
LA CALIDAD.-
Ing. Leona!o S"#$a Fan%o P&g. 1
3.'.- INICIANDO UN PROGRAMA DE MEJORAMIENTO DE LA CALIDAD.-
El mejoramiento de la calidad, debe necesariamente comenzar con el cambio de actitud del
personal frente a su trabajo. Debemos pensar que nuestro trabajo debe causar satisfaccin a
un cliente, e identificar a la persona o departamento que recibe nuestro trabajo, el
CLIENTE INTERNO a quin debemos satisfacer.
Tanto o ms importante que lo anterior, es que exista un decidido apoyo y concientizacin
en la alta erencia para lle!ar adelante proramas de mejoramiento cont"nuo de la calidad,
ofreciendo la estructura oranizacional y los recursos necesarios y determinando la mejor
forma de e!aluar los resultados o las mejoras obtenidas.
Desde el punto de !ista estratico, es necesario definir las reas o factores de
mejoramiento que son !itales para la empresa, para ello, puede ser #til el mtodo que
suiere $. %ari&o, de escuc'ar las +eis ,oces-(
)a !oz del cliente
)a !oz de la comunidad
)a !oz de las mejores empresas *+enc'mar,in-
)a !oz de los empleados
)a !oz de los due&os
)a !oz del proceso
.eneralmente, se toma una unidad oranizacional y se dise&a un plan piloto para adquirir
experiencia en lo relacionado al mejoramiento cont"nuo o calidad total, para lueo
extenderla a toda la empresa. Esto tiene sus !entajas, en cuanto tiene que !er con el
aprendizaje del proceso, la administracin de recursos, la coordinacin y e!aluacin, y
adems porque es ms fcil obtener el compromiso de toda la ente de la unidad y
credibilidad para el xito que se obtena.
)ueo !iene el proceso de formacin del mayor soporte del prorama( Lo( E)*"po( !e
Me+oa,"en-o !e #a Ca#"!a!.
Debemos reconocer que toda acti!idad es un proceso que puede ser mejorado, y que tiene
!arias connotaciones. /uin mejor conoce la acti!idad es quin la realiza, sin embaro,
como elemento de un sistema, influye y recibe influencias de otros elementos y del sistema
en eneral0 por lo tanto, el anlisis debe ser multidisciplinario e interdepartamental. En otras
palabras, es necesario formar equipos de trabajo desde los ni!eles operati!os al interior del
departamento o 1"rculos de calidad, 'asta los Equipos de %ejoramiento de todo el
departamento e interdepartamentales.
)os estudios realizados sobre este tipo de proramas, 'an demostrado la existencia de lo
que se 'a dado en llamar las enfermedades mortales que pueden sufrir(
1- 2alta de constancia en el propsito
3- 4nfasis en las utilidades a corto plazo
5- E!aluaciones de desempe&o, sin objeti!os claramente definidos con el trabajador
6- %o!ilidad de la alta erencia
7- 8dministrar una empresa basndose solamente en cifras !isibles.
9e 'an identificado tambin los obstculos ms frecuentes(
: Descuido en la planificacin y transformacin a laro plazo.
: 9uponer que la automatizacin e inno!aciones electrnicas o en maquinarias
resol!ern por s" solas los problemas de la empresa.
: Depender de los departamentos de control de calidad.
: 8tribuir a los trabajadores la culpa de los problemas.
El ;7< de los problemas son consecuencia del sistema, y el sistema es
responsabilidad de la .E=E>1?8.
: ?nsistir en buscar calidad a tra!s de la inspeccin.
: +uscar salidas en falso.
$acer aplicaciones estad"sticas o formar c"rculos de calidad, sin un cambio de fondo
en la filosof"a y el respaldo de la erencia.
@ara lle!ar adelante un prorama de mejoramiento cont"nuo de la calidad, el Dr. Demin
plante un sencillo rfico, conocido como el ciclo 9'eA'art, que in!olucra cuatro
acti!idades fundamentales( @lanear, Ejecutar, controlar y tomar acciones se#n los
resultados.
Este procedimiento puede darse para toda acti!idad, a todo ni!el, y repetirse
permanentemente efectuando los cambios que se !ayan proponiendo. El xito conseuido y
su aplicacin eneralizada, 'a 'ec'o que se lo identifique como el 1?1)B DE%?>..
3...- EL CICLO DEMING.-
811?B>E9
1B==E1T?C89
EDE1ET8=
1B>T=B)8=
F"g. 3.'.- EL CICLO DEMING
@)8>E8=
El ciclo Demin comprende bsicamente los mismos pasos que realizamos para administrar
nuestros neocios, acti!idades y nuestra !ida misma(
1- @)8>?2?18%B9 lo que !amos a 'acer en un lapso de tiempo,y cmo !amos a
'acer para conseuirlo.
3- EDE1ET8%B9 o realizamos aquello que 'emos planificado.
5- 1B>T=B)8%B9 o !erificamos si los resultados obtenidos en la acti!idad realizada
concuerdan o no con lo que nos 'ab"amos propuesto.
6- TB%8%B9 )89 811?B>E9 adecuadas para correir lo que sea necesario, o para
aseurar la continuidad de los loros obtenidos.
Estos conceptos tan sencillos como poderosos, cuando se aplican constantemente, ponen al
descubierto acti!idades improducti!as que representan costos adicionales a la empresa.
3.3.- EL CAM/IO: ALGUNAS CONSIDERACIONES IMPORTANTES.-
)a filosof"a de la calidad total y el mtodo Demin, se constituyen en una autntica
re!olucin con el desarrollo espectacular de las empresas japonesas que fueron las primeras
en acoer el pensamiento del Dr. Demin, frente al escepticismo inicial de las empresas
norteamericanas.
+ien cabe preuntarnos en este punto, cuales fueron las razones que limitaron oriinalmente
la aceptacin del mtodo Demin en los Estados Enidos, el por qu de la resistencia a alo
que 'a demostrado ser exitoso y su impacto en sociedades y empresas como las nuestras.
8 pesar de que el ciclo Demin es un proceso natural, este planteamiento y alunos de los
principios de la calidad total, estaban y estn en conflicto con el esquema clsico de las
oranizaciones industriales norteamericanas, basadas en los principios de 2. Taylor y los
lineamientos de la 8dministracin por Bbjeti!os de @. Druc,er.
+ajo el esquema de Taylor, las funciones de planificacin y operacin estn totalmente
separadas y existen, por una parte, expertos en planificacin, y por otra, una fuerza laboral
que ejecuta los planes, es decir, una departamentalizacin estricta de funciones y tareas.
Esta separacin, afectada adems por deficiencias en la comunicacin y falta de
'erramientas adecuadas, limitan la capacidad de reaccin de la empresa frente a los
problemas que puedan presentarse.
8preciemos a#n ms, que existen cambios profundos, !erdaderamente dramticos, en los
mtodos de estin de los recursos 'umanos y en eneral, en toda la filosof"a de la
administracin bajo 1alidad Total.
Es e!idente, a la luz de los 'ec'os, que los conceptos tradicionales de la administracin
estn en crisis, frente a la aparicin de un nue!o paradima.
En paradima es un conjunto de relas o mtodos que damos por sentado en nuestra
manera de 'acer las cosas0 todos desarrollamos nuestros propios mtodos estn escritos o
no. El paradima establece l"mites y fronteras dentro de los cuales sentimos que podemos
manejarnos con xito, e influye dramticamente en nuestras decisiones porque afecta
nuestra percepcin del mundo, de la sociedad, de la ciencia, de todo en eneral.
Estos paradimas, si no los sometemos a cuestionamiento aluno, pueden transformarse en
!erdaderas murallas que nos impiden apreciar nue!as oportunidades o aceptar nue!as
propuestas, lo que se conoce como 0Pa&#"("( paa!"g,&-"%a1. 8l ser!ir como filtros de
experiencias, los paradimas pueden 'acernos !er que la forma en que 'acemos las cosas es
la #nica que existe, ya que inconscientemente seleccionamos los datos o ideas que se ajustan
a nuestras relas e inoramos el resto. 8s", aquello que puede resultar ob!io para una
empresa o persona con el paradima de la calidad total puede ser imperceptible para otra0
esto es lo que se llama 0E2e%-o paa!"g,a1.
)a paradoja de los paradimas es una buena explicacin a lo que se conoce como(
0#a e("(-en%"a a# %a,3"o1, y por qu es tan dif"cil para muc'as personas aceptar
inno!aciones.

/uienes 'acemos ?nenier"a ?ndustrial, quiz ms que otras disciplinas cient"ficas, debemos
estar muy alerta a lo que sinifica el 18%+?B para implementar mejoras y la natural
resistencia que enera en las personas y en las comunidades.
Desde los inicios de nuestra profesin, con la ?nenier"a de %todos, los ?nenieros
?ndustriales 'emos estado llamadas a con!ertirnos en aentes de cambio, en promo!er
mejoras y en mantener nuestra mentalidad abierta y cr"tica para liderar estos procesos.
3.4.- LAS 5 6ERRAMIENTAS /7SICAS PARA EL MEJORAMIENTO DE LA
CALIDAD.-
Fa 'emos dic'o, que uno de los pilares en que se asienta el xito del mtodo Demin para la
1alidad Total, es la utilizacin de la estad"stica en todos los ni!eles de la empresa. )os
mtodos estad"sticos son 'erramientas eficaces para conocer y comprender los procesos, de
manera que podamos mejorarlos. 9in embaro, no debemos ol!idar que son solamente eso,
'erramientas, que no ser!ir"an si son usadas inapropiadamente.
1on frecuencia, intentamos resol!er los problemas que se presentan en la empresa,
especialmente en los procesos producti!os, atacando directamente a las causas que,
aparentemente, lo 'an producido. Este enfoque puede ser!ir e!entualmente, pero si no
encontramos las !erdaderas causas que producen el problema, estaremos dilapidando
esfuerzo y recursos.
Las herramientas estadsticas dan objetividad y precisin a las observaciones de los
hechos y a partir de ellos encontrar las verdaderas causas de los problemas y los defectos
!ntes de tratar de resolver un problema" DEF8NALO.
!ntes de intentar controlar un proceso" COMPR9NDALO
!ntes de tratar de controlarlo todo" ESTA/LE:CA LO MAS IMPORTANTE.
9e 'an identificado . /erramientas 0sicas que se#n el Dr. ?s'i,aAa permiten llear a
eliminar el ;7< de los problemas de calidad, y son las siuientes(
(.1 Dia2ramas de 3l45o
6.1 Dia2ramas de "areto
7.1 Dia2ramas Ca4sa 1 E3ecto
8.1 Ho5as de re2istro
*.1 Dia2ramas de dispersi9n
:.1 Histo2ramas
..1 Dia2ramas de control
Es importante se&alar que estas 'erramientas puede ser utilizadas en cualquier momento o
circunstancia del anlisis, solos o de forma combinada, sin que el orden en que se presentan
sea de manera aluna una secuencia obliatoria.
e de0en 4tili;ar las /erramientas adec4adas en el momento oport4no.
$emos considerado importante incluir en este trabajo, un cap"tulo que trate bre!emente
sobre el muestreo de aceptacin, puesto que siempre ser necesario realizar una inspeccin
del producto, para arantizar tanto al pro!eedor o fabricante, como al consumidor que se
est cumpliendo con las normas de calidad establecidas.
Ing. Leona!o S"#$a Fan%o P&g. G
Cap. 4.- DIAGRAMAS DE FLUJO.-
"ara comprender 4n proceso comience por representarlo 2r3icamente.
4.'.- REPRESENTACI;N DE PROCESOS MEDIANTE DIAGRAMAS.-
%uc'as empresas no le dan la importancia que tiene a la diaramacin de un proceso como
un primer paso para comprenderlo y mejorarlo, pero sta es la mejor y ms fcil manera de
'acerlo, ya que un diarama puede permitirnos con!ertir los detalles de una operacin en la
simplicidad de un retrato.
Existen !arios tipos de diaramas y di!ersos estilos y simbolo"as para realizarlos, pero no
podemos 'ablar de una forma correcta o errnea de presentar la informacin o de realizar
un diarama. )o cierto es, que el !erdadero !alor de un diarama est en que quienes lo
'acen, o mejor, que quienes lo usen, puedan comprenderlo.
)a diaramacin de un proceso es un trabajo de equipo, con personal de diferentes reas y
donde eneralmente el especialista en la elaboracin de diaramas no es un experto en el
proceso. @or ello, es importante que todos conozcan el objeti!o del estudio y sean
familiarizados con los s"mbolos y manejo del diarama.
)as preuntas que suren y que necesariamente debemos plantearnos, deben ser 'ec'as con
tacto y centradas sobre todo en las inspecciones que se realizan y las decisiones que se
toman en base a los resultados de las mismas. Ena preunta que debe formularse con un
tino particular es Po )*<= respecto a las operaciones del proceso, porque en ocasiones
esto puede poner a la defensi!a a los responsables de la operacin.
Entre los diferentes tipos de diaramas tenemos los siuientes(
4...- DIAGRAMAS DE FLUJO DE PROCESOS.-
)os diaramas de flujo de procesos, en sus di!ersas formas o !ariaciones, se 'an utilizado
eneralmente aplicados a sistemas de produccin y son de uso eneralizado en la prctica
de la ?nenier"a ?ndustrial. +sicamente, estos diaramas presentan de manera detallada la
secuencia de las acti!idades que se realizan en un proceso, utilizando los s"mbolos 89%E,
que se muestran a continuacin(

OPERACION
TRANSPORTE
INSPECCION
DEMORA
ALMACENAMIENTO
En la forma normalizada, aplicada al anlisis, se utiliza un formulario impreso * fiura 6.1-
en el que se realizan di!ersas anotaciones. Ena !ersin simplificada de este diarama es de
Ing. Leona!o S"#$a Fan%o P&g. H
formato libre, pudiendo representarse todas las acti!idades o #nicamente las de operacin e
inspeccin, como se muestra en la fiura 6.3. Btras !ersiones, ms libres, pueden incluir
s"mbolos no con!encionales, fiuras, etc0 para permitir una mejor !isualizacin de los
procesos, con fines de presentacin, sobre todo a personas no familiarizadas con las
tcnicas de diaramacin.
8 1 T ? C ? D 8 D
T?E%@B *9E..-
D?9T8>1?8
%T9.

B@E=81?B>
?>9@E11?B>
T=8>9@B=TE
DE%B=8
81TE8)
$BD8( 1 DE( 1
D E 9 1 = ? @ 1 ? B >
= E 9E % E > (
9E11?B>( E9TED?B(
8>8)?9T8(
TE%8 DE 8>8)?9?9(
8=E8(
%ETBDB( 81TE8)(
BODEGA DE AZUCAR
se.
6
7
5
ENVASADO DE AZUCAR
EN FUNDAS DE 2 KGS.
ENVASADO
FUNDAS 2 KGS.
3
8)%81E>8%.
B+9E=C.
ING. LEONARDO SILVA FRANCO
PRO/DG>3
DIAGRAMA DE ANALISIS DEL PROCESO F"g. 4.'
8limentar ele!ador
Transporte por ele!ador a tol!a
8lmacenar az#car en tol!a
1ontrol de paso del az#car
Distribucin a llenadoras
En!asado 3 ,s. y sellado
1ontrol de peso por muestreo
Transporte a mesa de enfundado
%esa iratoria
Enfundado en 7I ,s.*37x3-
Transporte a bscula
1ontrol de peso sacos 7I ,s.
1osido de sacos
Transporte por banda al almacen
8lmacenamiento de sacos
Ing. Leona!o S"#$a Fan%o P&g. ;
11
3

5
6
1
3
5
6
7
1
3
1
3
5
alimentar ele!ador
control de paso
tol!a de almacenamiento
en!asado en fundas de 3 ,s.
y sellado
control de peso de fundas
mesa iratoria
plastico para fundas
5
cosido de sacos
control de peso de sacos
enfundado en 7I ,s. *37x3-
8lmacenamiento
8zucar al ranel
ENVASADO DE FUNDAS DE A:UCAR DE . ?GS.
DIAGRAMA DE FLUJO DEL PROCESO F"g. 4..
Ing. Leona!o S"#$a Fan%o P&g. J
4.3.- DIAGRAMAS DE PROCEDIMIENTOS.-
)os diaramas de procedimientos, se utilizan para seuir la secuencia de acti!idades
eneralmente administrati!as, y el flujo de documentos a tra!s de diferentes departamentos
o personas. )a simbolo"a utilizada es propia del anlisis de sistemas y procesamiento de
datos, con di!ersas !ariaciones, por lo cual es recomendable que una !ez adoptada
determinada simbolo"a, sta sea difundida como una norma de uso eneral. )os s"mbolos
ms eneralmente utilizadas son los siuientes(

B@E=81?B>
DE1?9?B>
1B>E1TB=
2B=%E)8=?B9
B =E@B=TE9
?>.=E9BK1B>9E)T8
@B= 1B%@ET8DB=
8=1$?CB
8=1$?CB
%8.>ET?1B
En ejemplo de este tipo de diarama se presenta en la fiura 6.5.
Ing. Leona!o S"#$a Fan%o P&g. 1I
O/TRABAJO
INTERNA
COTIZACION Y
SELECCION DE
TALLER
TRABAJO
TERCEROS?
PROCESO
CONTRATOS
CONTRATO
VIGENTE?
Yes
No
APROB.
ADICIONAL?
Yes
No
EMITE
O/T EXTERNA
APRUEBA
O/T EXTERNA
APRUEBA
O/T EXTERNA
RECIBE
O/T EXTERNA
REALIZA
TRABAJO
EMITE
FACTURA
SUPERVISOR
TALLER
TERCEROS
DIRECTOR
RECIBE YFIRMA
CONFORMIDAD
AUTORIZA
PAGO
VERIFICA
INGRESO
TRABAJOS
INGRESA
FACTURA PARA
PAGO
TERMINA
PROCESO
TERMINA
PROCESO
PROCEDIMIENTOADMINISTRATIVO PARATRABAJOS DE TERCEROS
SECRETARIA CONTRATOS GERENTE
JEFE
ALMACEN
4.4.- OTROS TIPOS DE DIAGRAMAS.-
9on tambin de muc'a utilidad, los diaramas de oranizacin u oraniramas, los
diaramas de recorrido relacionados con la distribucin f"sica de la planta o de la oficina,
ejemplos de los cuales se presentan en las fiuras 6.6 y 6.7. Existen adems otros tipos de
diaramas para fines espec"ficos.
Fi2. 8.8 #RGANIGRA!A
Es necesario destacar que aunque se indique el uso ms difundido de cada tipo de diarama,
ello no implica limitacin aluna0 en realidad, se pueden 'acer aplicaciones fundamentales
en funciones administrati!as o ejecuti!as con resultados sorprendentes.
4.@.- /ENEFICIOS DE LOS DIAGRAMAS.-
)a ente que trabaja en el proceso, lo comprende y comienza a controlarlo, en !ez de
sentirse controlado por l.
En un proceso !isto objeti!amente, pueden identificarse con mayor facilidad las mejoras
que se requieren.
)os trabajadores comprenden su ubicacin dentro del proceso lobal y pueden
identificar sus pro!eedores y clientes internos.
9e produce una mejor comunicacin entre departamentos y se reduce el desperdicio en
acti!idades administrati!as.
J unta General de
Accionistas
Gerente
Operaciones
Gerente
Financiero
E. Gmez
Gerente
RR. HH.
Gerente
Comercializacin
Presidente
Gerente General
Auditora Interna
Asesora Legal
istemas
Ingeniera de
Procesos
)as personas in!olucradas en la realizacin de los diaramas se sienten comprometidos
con los resultados de los proramas de mejoramiento cont"nuo y pueden dar !aliosas
suerencias.
)os diaramas son instrumentos !aliosos para proramas de entrenamiento de personal
nue!o o asinado a otras funciones.
Cap. @.- DIAGRAMAS DE PARETO.-
Los dia2ramas de "areto nos a<4dan a identi3icar los pocos pro0lemas =4e
ca4san las ma<ores p>rdidas.
@.'.- EL PRINCIPIO DE PARETO.-
El principio de @areto fue establecido inicialmente por D. Duran en la dcada de los 7I,
cuando descubri que 'ab"a una distribucin no uniforme de las prdidas de calidad. El
!incul este 'allazo con la teor"a desarrollada en el silo L?L por el economista italiano C.
@areto, quin pudo determinar que un ran porcentaje de los bienes estaba en manos de
relati!amente pocas personas, es decir, una distribucin no uniforme, desiual, de la
riqueza.
Duran encontr que esto suced"a en muc'as facetas de la econom"a, la administracin y
tambin en la calidad de los procesos. En s"ntesis el principio de @areto plantea que la
mayor"a de los efectos o problemas !ienen de relati!amente pocas causas. En trminos
cuantitati!os, aproximadamente el ;I< de los problemas de calidad, pro!ienen del 3I< de
las causas probables de !ariacin, as" tambin, el ;I< de los inresos econmicos
corresponde al 3I< de las personas, y el ;I< del !alor de los in!entarios est en el 3I< de
los art"culos de una bodea.
8l 3I< de los problemas de !ariacin de calidad, Duran los llam los Apo%o( $"-a#e(A y a
los dems, los A,*%Bo( -"$"a#e(A. 9i se identifican y solucionan las causas de estos
problemas !itales, estaremos reduciendo la produccin defectuosa y las prdidas de una
forma muy sinificati!a.
Es claro, que el principio de @areto plantea la forma en que muc'as cosas se manifiestan en
la !ida misma, y es adems una manera de administrar y una forma de pensar sobre los
problemas que nos afectan.
9in embaro, no debemos ol!idar que aunque nuestra atencin se centre inicialmente en los
principales problemas por su mayor impacto econmico u operati!o, no por ello debemos
descuidar los otros problemas que tambin inciden en nuestros resultados, en este caso, en
la calidad, por ello en a&os ms recientes se 'abla de objeti!os M!italesN y objeti!os M#tilesN.
Ena !ez que 'emos identificado la acti!idad o caracter"stica de calidad que queremos
analizar, debemos definir la forma de obtencin de los datos0 eneralmente los datos
existen, a !eces abundan, la cla!e es reconocer lo que realmente necesitamos. @ara
cateorizar y presentar rficamente el anlisis antes mencionado, utilizamos los diaramas
de @areto.
@...- CONSTRUCCI;N DE UN DIAGRAMA DE PARETO.-
@ara construir un diarama de @areto, debemos obser!ar los siuientes pasos(
1. Definir el problema que se !a a in!estiar y la forma de recoleccin de datos.
9e puede definir problemas como por ejemplo( art"culos defectuosos, prdidas
econmicas, ocurrencia de accidentes, etc. )os datos deben ser clasificados por tipo de
defectos, localizacin, trabajadores, mquinas, etc y los que se presentan con menor
frecuencia se arupan en la cateor"a de OotrosO.
3. Dise&ar y preparar una tabla de conteo de datos, como se muestra en la tabla 7.1.
>o es con!eniente que OotrosO represente un porcentaje de los ms altos, si esto sucede
debe buscarse un mtodo diferente de clasificacin.
5. Elaborar una tabla de datos para el diarama de @areto con la lista de los items, totales
indi!iduales, totales acumulados, composicin porcentual y porcentajes acumulados0 los
items deben estar oranizados por orden de manitud, OotrosO debe ubicarse siempre en
el #ltimo luar. Cer la tabla 7.3.
6. 1on los datos de la tabla, construya un diarama de barras y dibuje la cur!a acumulada.
El diarama debe incluir toda la informacin rele!ante para el anlisis como se muestra
en la fiura 7.1.
9e suiere probar con diferentes clasificaciones, obser!ando los problemas desde di!ersos
nulos, 'asta identificar los Opocos !italesO que es el objeti!o del anlisis de @areto.
Tabla 5.1 TABLA PARA CONTEO DE DATOS
TIPO DE DEFECTO CONTEO TOTAL
A MANCA //// !
B TENSI"N ///// ///// ///// ///// ///// ///// ///// // #$
C RAYADO ///// ///// ///// //// %&
D BURBUJA ///// '
E FRACTURA ///// //// &
OTROS ///// / (
TOTAL )*
Tabla 5.2 TABLA DE DATOS PARA EL DIAGRAMA DE PARETO
Ing. Leona!o S"#$a Fan%o P&g. 1G
TIPO DE DEFECTO No. ACUMULADOS
DEFECTOS % DEFECTOS %
B TENSION #$ !( #$ !(
C RAYADO %& 2! '( $*
E FRACTURA & %% (' )%
D BURBUJA ' ( $* )$
A MANCA ! ' $! &2
OTROS ( ) )* %**
TOTAL )* %**
Diaga!a "# Pa#$o
*
%*
2*
#*
!*
'*
(*
$*
)*
B C E D A OTROS
Ti%o& "# D#'#($o&
N
)
!
#
o

"
#

U
*
i
"
a
"
#
&

D
#
'
#
(
$
+
o
&
a
&
*
%*
2*
#*
!*
'*
(*
$*
)*
&*
%**
P
o
(
#
*
$
a
,
#

A
(
+
!
+
l
a
"
o
F"g*a @.' D"aga,a !e Pae-o
@ueden construirse dos tipos de diaramas de @areto( diaramas de fenmenos y diaramas
de causas.
Ing. Leona!o S"#$a Fan%o P&g. 1H
El diarama de @areto de fenmenos muestra los resultados indeseables y se utiliza para
a!eriuar cul es el principal problema(
1alidad( Defectos, faltas, quejas, items de!ueltos, reparaciones, etc.
1osto( @rdidas, astos.
Entrea( Demoras en entreas, demoras en paos, errores en entrea, pedidos no
satisfec'os, escasez de in!entarios, etc.
9euridad( 8ccidentes, errores, paralizaciones, etc.
El diarama de @areto de causas se lo utiliza para analizar las principales causas que pueden
'aber moti!ado los resultados indeseables.
Bperadores( Turno, edad, experiencia, destreza, etc.
%quinas( Equipos, 'erramientas, modelos, instrumentos, etc.
%ateria prima( @ro!eedor, planta, lote, clase, etc.
%todos( @rocedimientos, disposiciones, condiciones de trabajo, etc.
&4> /acer c4ando no /a< datos disponi0les?
1uando no disponemos de los datos suficientes para el anlisis, debemos recurrir a
oranizar un equipo de trabajo que se encarue de la preparacin de un diarama de causa
P efecto, el cual estudiaremos en el siuiente cap"tulo, y que califique el rado de incidencia
o importancia de las diferentes causas del problema que se analiza.
@uede procederse de 5 maneras(
Ing. Leona!o S"#$a Fan%o P&g. 1;
1. 1ada persona procede a emitir su opinin sobre la importancia de las di!ersas causas del
problema, y a partir de una discusin abierta se obtiene un consenso sobre la incidencia
relati!a de estas causas, el cual sir!e de base para la elaboracin del diarama de @areto.
3. 8 cada persona se le asinan 7 !otos que puede repartir entre las diferentes causas que
le parezcan de mayor importancia0 por ejemplo, a la que piense que es de mayor
incidencia le da 3 !otos, y reparte los 5 !otos entre otras causas, o incluso podr"a darle
los 7 !otos a la causa que considera de mayor prioridad. Ena !ez realizada la !otacin,
se compilan todos los !otos y se procede a elaborar el diarama de @areto con los
resultados.
5. 1uando 'ay un ran n#mero de posibles causas y no 'ay muc'a certeza sobre su
importancia relati!a, se puede seuir el siuiente procedimiento(
8 cada miembro del rupo se le entrean 1I tarjetas, para que escriba en cada una de
ellas las causas que le parezcan ms importantes. 8 continuacin, debe seleccionar la
que considere como de mayor incidencia y le asina un !alor de 1I0 lueo, la que le
parece de menor importancia relati!a y le asina un !alor de 1, se prosiue asinando
!alores a las tarjetas restantes alternadamente de mayor y menor importancia, es decir la
de !alor J, la de !alor 3, ;, 5, etc, 'asta que todas tenan un !alor asinado. Este
procedimiento se siue porque es ms fcil distinuir entre los extremos que los !alores
intermedios.
9e compilan los !alores de todas las tarjetas, de todos los miembros del rupo y se
procede a construir el diarama de @areto.
En definiti!a, el principio de @areto describe la forma en que muc'as cosas ocurren en la
naturaleza y en el comportamiento 'umano, y puede ser una arma poderosa para enfocar
Ing. Leona!o S"#$a Fan%o P&g. 1J
nuestros esfuerzos en los problemas y soluciones que tienen un mayor impacto o potencial
de mejorar y obtener resultados ms inmediatos.
+sicamente, el diarama de @areto es una 'erramienta para la solucin eficiente de
problemas, por lo que se plantea afrontar primero los Opocos !italesO. 9in embaro, si por
medio de una medida sencilla se puede resol!er un problema de relati!amente poca
importancia, debemos 'acerlo, ya que ser!ir como ejemplo e incenti!o para la b#squeda de
nue!as soluciones.
Cap. C.- DIAGRAMAS CAUSA - EFECTO.-
Un dia2rama ca4sa 1 e3ecto es la cla,e para recopilar in3ormaci9n so0re los
3actores =4e inciden en la calidad.
C.'.- QUE ES UN DIAGRAMA CAUSA - EFECTO=
El diarama causa P efecto fue desarrollado en la dcada de los 6I por el Dr. ?s'i,aAa, para
explicar la forma en que !arios factores que inciden sobre un problema, pueden ser
relacionados y clasificados. @or ello se lo conoce tambin como el diarama de ?s'i,aAa o
como el diarama de espinas de pescado, por la forma que toma el diarama una !ez
elaborado.
)a !ariacin de los procesos puede ser atribuida a una multitud de factores cuya estructura
o relacin causa P efecto puede ser establecida mediante una obser!acin sistemtica, y la
forma ms sencilla para expresar esta relacin es precisamente el diarama causa P efecto.
Este diarama, aunque puede ser realizado por una sola persona, es muc'o ms sinificati!o
cuando es producto del trabajo de un equipo, de la manera que describimos a continuacin(
En primer luar, es necesario definir claramente la caracter"stica de calidad que se pretende
mejorar o el problema que se busca solucionar, es decir el efecto producido por aquellas
causas que queremos determinar. Este efecto puede ser( defectos de un producto, retrasos
en entreas, disminucin de las !entas, porcentaje de cartera !encida, etc.
9e debe 'acer un diarama para cada caracter"stica que se desee analizar, tratando de que
las caracter"sticas y factores sean cuantificables.
C...- CONSTRUCCI;N DE UN DIAGRAMA CAUSA -EFECTO.
1omo obser!amos en la fiura G.1 que nos ser!ir de referencia, el efecto se lo coloca en el
extremo derec'o del diarama en su parte central *la cabeza del pescado-.
)ueo, el rupo debe enerar ideas sobre las causas que eneran este efecto, para lo cual se
puede utilizar la tcnica del Otorbellino de ideasO, y precisar aquellas de tipo eneral que
tienen incidencia directa y definiti!a, a las que podr"amos denominar las causas principales.
Estas causas principales se unen con la l"nea central *espinazo del pescado-, y a ellas
concurren otras causas secundarias que podr"an incidir en estas causas principales, y otras
de ni!el inferior *ms espinas- que se relacionan con las anteriores. @odr"amos decir que se
establece una jerarqu"a y una relacin en trminos de la influencia de las diferentes causas en
el efecto.
Btra forma de construir este diarama es simplemente listar todas las ideas que !ayan
suriendo en la reunin y posteriormente oranizarlas se#n su afinidad y jerarqu"a para dar
forma al diarama, aunque este mtodo 'ace que se pierda el beneficio de la discusin en el
rupo.
Efecto
*1aracter"stica-
1ausa principal 6 1ausa principal 5
1ausa principal 1 1ausa principal 3
causa secundaria
causa secundaria
causa secundaria
causa 5er. orden
causa 5er. orden
causa 5er. orden
causa 5er. orden
causa secundaria
causa secundaria
causa 5er. orden
causa secundaria
causa secundaria
causa 5er. orden
F"g. C.' ESTRUCTURA DEL DIAGRAMA CAUSA - EFECTO
causa 5er. orden
causa secundaria
9i el problema es de !ariaciones de calidad y no tenemos una idea ya formada, podr"amos
ubicar como causas principales las conocidas como 6 % s( materiales, maquinarias, mtodos
de trabajo y mano de obra. *Cer fiura G.3-.
@ara enerar ideas puede ser de utilidad plantearnos preuntas como las siuientes(
/u factores pueden contribuir a las principales causasQ
/u puede estar causando un problema en esta reaQ
@ara obtener resultados de la creacin del diarama causa P efecto, es necesario llear a un
ni!el de las causas que permitan tomar acciones sobre ellas y establecer prioridades,
utilizando, por ejemplo, los diaramas de @areto.
@untos importantes a considerarse en la construccin de un diarama causa P efecto son los
siuientes(
1. %ostrar la ms amplia !isin posible del problema, considerando la empresa en su
totalidad, e incluso el entorno si es necesario *pol"ticas ubernamentales, leyes, situacin
de la econom"a, etc-. 8unque muc'os factores estn fuera de nuestro alcance,
deber"amos analizar su influencia.
3. Es necesaria una participacin dinmica y una conduccin adecuada para traducir las
ideas en palabras y ubicarlas con!enientemente dentro del diarama.
5. El diarama debe ser re!isado, reconstruido si es necesario y presentarlo al rupo para
obtener nue!as opiniones 'asta lorar un consenso sobre la forma final.
6. $ay que buscar la colaboracin ms amplia posible. 8 lo mejor si ponemos el diarama
en un luar !isible de la empresa y solicitamos suerencias a todo el personal,
podr"amos encontrarnos con ideas sorprendentes.
7. Diriir o enfocar el anlisis 'acia la consecucin de objeti!os antes que plantear un
problema, puede ampliar muc'o ms los beneficios que se alcancen. @or ejemplo, en !ez
de anotar O1)?E>TE9 ?>98T?92E1$B9O, pona O98T?92811?R> TBT8) DE)
1)?E>TEO.
El diarama causa P efecto es una 'erramienta !erstil, efecti!a, interadora, que sir!e como
u"a en las discusiones, presenta situaciones de forma objeti!a y puede ser utilizada para
enfrentar cualquier tipo de problemas que se sucedan en la empresa.
%etodos operati!os
Cariacin
Dimensional
%aquinarias Bperadores
%ateriales
Deformacin
Estabilidad
Desbalance
$abilidad
Experiencia
$erramientas
8ctitud
1oncentracin
@rocedimiento
Brden
1alidad
@ro!eedor
1omponentes
F"g. C.. DIAGRAMA CAUSA - EFECTO
ANALISIS DE DEFECTOS DE DIMENSION DE UN PRODUCTO
Cap. 5.- 6OJAS DE REGISTRO.-
El 4so de t>cnicas apropiadas de recolecci9n de datos p4ede eliminar tra0a5o
innecesario.
5.'.- DATOS VS. INFORMACI;N.-
En muc'os casos, la ausencia de informacin rele!ante es la principal razn para que los
problemas de calidad se mantenan sin resol!er. 8unque la mayor"a de las oranizaciones
disponen de ran cantidad de datos, sin embaro, cuando empezamos a trabajar en un
proyecto nos encontramos con que en realidad no existe informacin.
@ara aclarar esta aparente paradoja, !eamos ciertos conceptos bsicos sobre la diferencia
entre datos e informacin(
Los datos son cifras# medidas# etc
Informacin es la respuesta a una interro$ante# lo %ue nos aumenta o proporciona
conocimiento sobre al$o
La informacin incluye datos
Los DAT# no necesariamente proporcionan INF#R!ACI@N.
El simple 'ec'o de recolectar datos no arantiza que podamos obtener informacin
rele!ante o espec"fica, por lo tanto, no debemos preuntarnos cmo recolectar datos, sino
cmo enerar informacin #til.
@ara enerar informacin es necesario(
2ormular con precisin la preunta que tratamos de responder.
Bbtener los datos y 'ec'os relacionados con esa preunta.
8nalizar los datos para determinar la respuesta concreta.
@resentar los datos de forma que comuniquen claramente la respuesta obtenida.
Dentro del proceso de recoleccin de datos, e!identemente debe existir una planificacin
pre!ia en la cual debemos incluir qu tipo de datos !amos a obtener, qu forma de anlisis
!amos a utilizar, en que parte del proceso y quin !a a proporcionarnos los datos.
5...- DISEDO DE 6OJAS DE REGISTRO.-
Ena manera sencilla y fcil de recoleccin de datos es a tra!s de las &O'!( )E
RE*I(TRO, que son simplemente formatos prePdeterminados de reistro de datos,
dise&ados para proporcionar informacin inmediata y facilitar la interpretacin de los
resultados en el documento mismo.
Debemos tener presente que las 'ojas de reistro solamente proporcionan la informacin
para la que fueron dise&adas, y dif"cilmente pueden aportar beneficios para anlisis
diferentes. En casos enerales, se pueden utilizar tablas de datos que permitan otras formas
de oranizacin y estratificacin.
@or ejemplo, si deseamos conocer las !ariaciones en el peso de las fundas de 3 ,s. de
az#car, con especificaciones de 3III 1I rs., la distribucin del proceso se podr"a
analizar a tra!s de un 'istorama, 'erramienta estad"stica que estudiaremos en un cap"tulo
posterior.
@ara elaborar un 'istorama se debe recopilar un ran n#mero de datos y lueo oranizarlos
en tablas de frecuencias y preparar la rfica0 una manera ms sencilla, ser"a clasificar los
datos en el momento de recoerlos, para lo cual podr"amos preparar el formato con
anterioridad, como lo muestra la fiura H.1.
>otemos, que si quisiramos conocer la 'ora, la mquina, el operador u otra informacin
adicional de los datos obtenidos no podr"amos 'acerlo, porque la 'oja no fue dise&ada para
ese efecto.
9i la informacin que deseamos obtener est relacionada con los defectos que se presentan
en el proceso de llenado y sellado de fundas, entonces dise&aremos una 'oja de reistro que
nos permita obtener rpidamente una !isin de los principales defectos y el n#mero de ellos,
en el momento mismo de recopilar los datos, como se muestra en la fiura.H.3.
)os proramas de mejoramiento de la calidad dependen en muc'o de datos confiables y
precisos, si ellos no estn disponibles 'ay que recopilarlos. 8unque no siempre es posible
obtener datos de absoluta precisin, estas imprecisiones deben ser m"nimas, y sobre todo,
libres de des!iaciones o sesos sean inducidos !oluntariamente o no.
F i g + a - . 1
. o , a " # # g i & $ o " # l a " i & $ i b + ( i / * " # + * % o ( # & o " # % o " + ( ( i / *
D e s + . R e , - s . / o s F / e 0 .
' % * % ' 2 *
1 % 2
1 % %
E s 2 e 0 . 1 % *
1 &
1 )
1 $
1 (
1 ' X %
1 ! X X 2
1 # X X X X !
1 2 X X X X X X (
1 % X X X X X X X X X &
2 * * * * X X X X X X X X X X X % %
% X X X X X X X X )
2 X X X X X X X $
# X X X #
! X X 2
' X %
( X %
$
)
&
E s 2 e 0 . % *
% %
% 2
T o . 3 4 ' '
.OJA DE REGISTRO
PRODUCTO0 F5673s 7e 38903/ 7e 2 :,s.
FEC.A 0 TURNO0
MA1UINA 0 OPERADOR0
Ti%o "# REGISTROS No.
D#'#($o
Me6os 2eso ///// // $
M;s 2eso ///// '
M34 se44373 ///// ///// / %%
Ro.3 /// #
V30<3 //// !
OTROS // 2
To.34 #2
Fig. -.2 .o,a "# #gi&$o "# %o"+($o& "#'#($+o&o&
Cap. E.- DIAGRAMAS DE DISPERSI;N.-
Los dia2ramas de dispersi9n permiten anali;ar la relaci9n entre ,aria0les.
E.'.- QUE ES UN DIAGRAMA DE DISPERSI;N=.-
En muc'as ocasiones, podr"a ser importante, o tenemos la necesidad de conocer si
determinada !ariable est relacionada con las caracter"sticas de un producto o con otro
conjunto de datos. @or ejemplo, podr"amos querer conocer la resistencia al pleado de una
planc'a de acero de acuerdo con el espesor de ella, o cmo se afectarn las dimensiones de
una parte de una mquina por el cambio en la !elocidad de un pi&n, o si el aumento en la
super!isin del trabajo de diitacin puede reducir el promedio de errores en la entrada de
datos. Estas y otras relaciones entre !ariables pueden ser analizadas de una forma >B P
%8TE%ST?18, usando un diarama de dispersin.
El diarama de dispersin bsicamente consiste en la representacin de pares de datos en un
eje coordenado, en cuyo eje + ubicamos los !alores de la !ariable independiente que se usa
para la prediccin y en el eje ,# los datos de la !ariable que se supone dependiente y cuyos
!alores se pretende predecir.
)os diaramas de dispersin pueden adoptar diferentes formas, alunas de las cuales se
muestran en la fiura ;.1. @or ejemplo, cuando la !ariable , aumenta a medida que aumenta
+, se dice que 'ay una correlacin positi!a0 lo opuesto, es decir que , disminuya mientras
aumenta + se denomina correlacin neati!a. 1uando no 'ay una relacin particular entre
las !ariables, decimos que no 'ay correlacin. 8dems, puede darse que a medida que +
aumenta, , !ar"e en forma de cur!a.
F"g*a E.' Fo,a( !e !"aga,a( !e !"(pe("Fn.-
1 o r r e l a c i n @ o s i t i ! a
I
1
3
5
6
7
G
H
1
1
.7
3
3
.7
3
.;
5
.3
5
.7
6
6
.5
6
.7
7
7
.6
7
.H
G
G
.H
E j e L
E
je
F
> o $ a y 1 o r r e l a c i n
I
1
3
5
6
7
G
H
I
.H
3
3
.3
3
.J
5
.1
5
.G
5
.;
6
.1
6
.7
6
.;
7
.3
7
.H
G
.1
G
.6
G
.;
E j e L
E
je
F
1 o r r e l a c i n > e a t i ! a
I
1
3
5
6
7
G
H
1
1
.7
3
3
.7
3
.;
5
.3
5
.7
6
6
.5
6
.7
7
7
.6
7
.H
G
G
.H
E j e L
E
je
F
F ! a r " a e n f o r m a d e c u r ! a
I
1
3
5
6
7
G
H
I
.7
1
.7
1
.J
5
.1
5
.7
5
.J
6
.1
6
.7
6
.;
7
7
.3
7
.J
G
.1
G
.5
G
.J
E j e L
E
je
F
Ena !ez que 'emos elaborado el diarama de dispersin, podr"amos 'acernos las siuientes
preuntas(
Existir aluna relacin entre las !ariablesQ
Es necesario medir esta relacin mediante clculos estad"sticosQ
Es importante anotar que solamente porque dos !ariables parecen estar relacionadas, no
sinifica que realmente lo estn, a lo mejor, ambas !ariables podr"an estar relacionadas con
una tercera. 8dems, que exista una aparente relacin entre las !ariables, no sinifica que
una sea causa o consecuencia de la otra. @or otra parte, que no se aprecie una relacin
rfica entre !ariables, no sinifica que definiti!amente no estn relacionadas.
1omo todas las 'erramientas, este diarama es muy #til, pero puede ser fcilmente mal
utilizado, y siempre es recomendable que sea e!aluado por personas que conozcan
profundamente el proceso que se est analizando.
E...- COEFICIENTES DE CORRELACI;N.-
@ara estudiar la relacin entre !ariables es importante 'acer pre!iamente un diarama de
dispersin, sin embaro para comprender la fuerza de la relacin en trminos cuantitati!os,
es #til calcular el 1oeficiente de 1orrelacin *r-, de la siuiente manera(

( -y * -
r T
( -- ( yy * -. * -
donde(
( -- - -
i
i
n
* - * - =
=
1
3
( yy y y
i
i
n
* - * - =
=
1
3
( -y - - y y
i
i
n
i
* - * - * - =
=
1
Ena forma simplificada de calcular este coeficiente es la siuiente(
r
n -y - y
n - - n y y
=

* - * - * -
* - * - * - * -
3 3 3 3
El coeficiente de correlacin *r- se define como el rado de relacin o correlacin que
existe entre las !ariables + y ,, cuyo !alor puede fluctuar entre P1 y U1, siendo I el "ndice
de ausencia de relacin, U1 la prueba de relacin perfecta positi!a entre las !ariables, y P1 la
relacin perfecta neati!a entre las mismas.
9i no 'ay una relacin perfecta, como sucede la mayor"a de las !eces, entonces existe una
!ariacin de la !ariable dependiente que no se puede explicar en funcin de la !ariacin de
la !ariable independiente.
Esta !ariacin puede ser expresada porcentualmente utilizando el denominado
COE.ICIENTE )E )ETER/IN!CI0N que representa la proporcin de la !ariacin de ,
explicada por +, y que es iual al cuadrado del coeficiente de correlacin *r
3
-.
)a !ariacin de , no explicada por +, se llama COE.ICIENTE )E IN)ETER/IN!CI0N,
cuyo !alor es *1 P r
3
-. El !alor de cualquiera de estos coeficientes oscila entre I y 1. El
!alor 1 del coeficiente de determinacin sinificar"a que el 1II< de la !ariacin de , es
explicada por +.
E.3.- AN7LISIS DE REGRESI;N.-
El anlisis de reresin tiene como propsito fundamental predecir con certeza razonable el
!alor de una !ariable, a partir de otra. 8 partir del anlisis del diarama de dispersin,
podemos notar si existe una relacin que pueda aproximarse mediante una recta o una
cur!a. 9i se da el primero de los casos, entonces es posible obtener una ecuacin lineal
como ecuacin de la reresin, la cual nos permitir estimar los !alores de , para cualquier
!alor dado de +
)a ecuacin es la siuiente( , 1 a 2 b+
@ara utilizar esta ecuacin, es necesario encontrar los !alores de a y b, lo cual se puede
'acer mediante el llamado mtodo de los m"nimos cuadrados.
E.4.- M9TODO DE LOS M8NIMOS CUADRADOS.
El mtodo de los m"nimos cuadrados, es aqul que nos permite calcular a y b de forma que
se minimice la suma de los residuos entre los !alores de , obser!ado y , estimado por la
ecuacin.
@ara encontrar los !alores de a y b, utilizamos las siuientes frmulas(
b
n -y - y
n - -
=

* - * - * -
* - * -
3 3

a
y
n
b
-
n
=

E.@.- EJERCICIO DE APLICACI;N.-
@ara demostrar la forma de elaborar los diaramas de dispersin, y calcular el coeficiente de
correlacin y la ecuacin de reresin, nos !aldremos del ejemplo siuiente(
)os datos de la tabla ;.1 muestran el contenido de carbono x * < - y la resistencia a la
traccin y *,Kmm
3
- de cierto acero.
a- 1onstruya un diarama de dispersin.
b- Bbtena el coeficiente de correlacin.
c- Bbtena una l"nea de reresin que estime la resistencia a la traccin del acero a
partir del contenido de carbono.
T a b l a 2 . 1 D a $ o & % a a " i a g a ! a " # " i & % # & i / *
N o . x ( % ) = > K , / ? ? @ A
% 2 ! #
2 2 . ! ! (
# 2 . 2 ! '
! 2 . # ! !
' 2 . ' ! '
( 2 . ) ! )
$ 2 . 2 ! #
) 2 . $ ! $
& 2 . ! ! !
% * 2 . # ! '
% % 2 ! 2
% 2 2 . 2 ! !
% # 2 . ( ! $
% ! 2 . % ! !
% ' 2 . ' ! (
% ( 2 . $ ! $
% $ 2 . % ! 2
% ) 2 . ( ! )
% & 2 . ! ! '
2 * 2 . % ! #
2 % 2 . # ! '
2 2 2 . 2 ! #
2 # 2 . # ! (
2 ! 2 . ! ! $
2 ' 2 . # ! !
2 ( 2 . ! ! '
2 $ 2 . ( ! (
2 ) 2 . ' ! 2
2 & 2 . ( ! (
# * 2 . ! ! (
T a b l a 2 . 2 V a l o # & % a a ( 3 l ( + l o " # ( o # ' i ( i # * $ # & " # C o # l a ( i / * 4 R # g # & i / *
N o . 5 6 % 7 4 6 8 g 9 ! ! : 7 5 4 5 : 4 :
% 2 . * * ! # ) ( . * * ! . * * % ) ! &
2 2 . ! * ! ( % % * . ! * ' . $ ( 2 % % (
# 2 . 2 * ! ' & & . * * ! . ) ! 2 * 2 '
! 2 . # * ! ! % * % . 2 * ' . 2 & % & # (
' 2 . ' * ! ' % % 2 . ' * ( . 2 ' 2 * 2 '
( 2 . ) * ! ) % # ! . ! * $ . ) ! 2 # * !
$ 2 . 2 * ! # & ! . ( * ! . ) ! % ) ! &
) 2 . $ * ! $ % 2 ( . & * $ . 2 & 2 2 * &
& 2 . ! * ! ! % * ' . ( * ' . $ ( % & # (
% * 2 . # * ! ' % * # . ' * ' . 2 & 2 * 2 '
% % 2 . * * ! 2 ) ! . * * ! . * * % $ ( !
% 2 2 . 2 * ! ! & ( . ) * ! . ) ! % & # (
% # 2 . ( * ! $ % 2 2 . 2 * ( . $ ( 2 2 * &
% ! 2 . % * ! ! & 2 . ! * ! . ! % % & # (
% ' 2 . ' * ! ( % % ' . * * ( . 2 ' 2 % % (
% ( 2 . $ * ! $ % 2 ( . & * $ . 2 & 2 2 * &
% $ 2 . % * ! 2 ) ) . 2 * ! . ! % % $ ( !
% ) 2 . ( * ! ) % 2 ! . ) * ( . $ ( 2 # * !
% & 2 . ! * ! ' % * ) . * * ' . $ ( 2 * 2 '
2 * 2 . % * ! # & * . # * ! . ! % % ) ! &
2 % 2 . # * ! ' % * # . ' * ' . 2 & 2 * 2 '
2 2 2 . 2 * ! # & ! . ( * ! . ) ! % ) ! &
2 # 2 . # * ! ( % * ' . ) * ' . 2 & 2 % % (
2 ! 2 . ! * ! $ % % 2 . ) * ' . $ ( 2 2 * &
2 ' 2 . # * ! ! % * % . 2 * ' . 2 & % & # (
2 ( 2 . ! * ! ' % * ) . * * ' . $ ( 2 * 2 '
2 $ 2 . ( * ! ( % % & . ( * ( . $ ( 2 % % (
2 ) 2 . ' * ! 2 % * ' . * * ( . 2 ' % $ ( !
2 & 2 . ( * ! ( % % & . ( * ( . $ ( 2 % % (
# * 2 . ! * ! ( % % * . ! * ' . $ ( 2 % % (
T o . 3 4 $ % . % * % # ! ) # 2 * # . 2 * % ( & . ) % ( * ( ' )
b- 1oeficiente de correlacin.P
r
n -y - y
n - - n y y
=

* - * - * -
* - * - * - * -
3 3 3 3

[ ][ ]
r =

=
5I 53I53I H11I 156;
5I 1GJ ;1 H11I 5I GIG7; 156;
I H;;;
3 3
* . - * . - * -
* . - * . - * - * -
.
c- 1lculo de la l"nea de reresin.P
y a b- = +
b
n -y - y
n - -
=

* - * - * -
* - * -
3 3

b =

=
5I 53I53I H11I 156;
5I 1GJ ;1 H11I
G 6HH
3
* . - * . - * -
* . - * . -
.
a
y
n
b
-
n
=

a =

=
156;
5I
G 6HH
H11I
5I
3J 7;3 .
.
.
y - = + 3J 7;3 G 6HH . .
T a b l a 2 . ; C 3 l ( + l o " # l a L < * # a " # # g # & i / * 4 L < ! i $ # & " # ( o * ' i a * = a
N o . 5 6 % 7 4 6 8 g 9 ! ! : 7 4 6 4 > 4 7 6 4 > 4 7 :
% 2 . * * ! # ! 2 . ' ! * . ! ( * . 2 % ! ( # $
2 2 . ! * ! ( ! ' . % # * . ) $ * . $ ( * & ) $
# 2 . 2 * ! ' ! # . ) # % . % $ % . # ( # $ & &
! 2 . # * ! ! ! ! . ! ) 1 * . ! ) * . 2 # * # 2 %
' 2 . ' * ! ' ! ' . $ ) 1 * . $ ) * . ( * % 2 # *
( 2 . ) * ! ) ! $ . $ 2 * . 2 ) * . * $ & % ) $
$ 2 . 2 * ! # ! # . ) # 1 * . ) # * . ( & 2 ' 2 $
) 2 . $ * ! $ ! $ . * $ 1 * . * $ * . * * ' * 2 %
& 2 . ! * ! ! ! ' . % # 1 % . % # % . 2 $ % ( * !
% * 2 . # * ! ' ! ! . ! ) * . ' 2 * . 2 $ * ! ) '
% % 2 . * * ! 2 ! 2 . ' ! 1 * . ' ! * . 2 ) ) * ' )
% 2 2 . 2 * ! ! ! # . ) # * . % $ * . * 2 ) % ( #
% # 2 . ( * ! $ ! ( . ! 2 * . ' ) * . # # 2 $ ) #
% ! 2 . % * ! ! ! # . % ) * . ) 2 * . ( ( ' % 2 )
% ' 2 . ' * ! ( ! ' . $ ) * . 2 2 * . * ' * ! ' *
% ( 2 . $ * ! $ ! $ . * $ 1 * . * $ * . * * ' * 2 %
% $ 2 . % * ! 2 ! # . % ) 1 % . % ) % . ! * 2 & % #
% ) 2 . ( * ! ) ! ( . ! 2 % . ' ) 2 . ! ) ( ' # %
% & 2 . ! * ! ' ! ' . % # 1 * . % # * . * % ( 2 & (
2 * 2 . % * ! # ! # . % ) 1 * . % ) * . * # ! * 2 *
2 % 2 . # * ! ' ! ! . ! ) * . ' 2 * . 2 $ * ! ) '
2 2 2 . 2 * ! # ! # . ) # 1 * . ) # * . ( & 2 ' 2 $
2 # 2 . # * ! ( ! ! . ! ) % . ' 2 2 . # % * ( ! &
2 ! 2 . ! * ! $ ! ' . % # % . ) $ # . ' * ' ( $ &
2 ' 2 . # * ! ! ! ! . ! ) 1 * . ! ) * . 2 # * # 2 %
2 ( 2 . ! * ! ' ! ' . % # 1 * . % # * . * % ( 2 & (
2 $ 2 . ( * ! ( ! ( . ! 2 1 * . ! 2 * . % $ & * # (
2 ) 2 . ' * ! 2 ! ' . $ ) 1 # . $ ) % ! . 2 ' # ' $ %
2 & 2 . ( * ! ( ! ( . ! 2 1 * . ! 2 * . % $ & * # (
# * 2 . ! * ! ( ! ' . % # * . ) $ * . $ ( * & ) $
T o . 3 4 * . * * # # . % & $ $ ! &
Diaga!a "# Di&%#&i/*
!*
!%
!2
!#
!!
!'
!(
!$
!)
!&
'*
%.)* 2.** 2.2* 2.!* 2.(* 2.)* #.**
% Cabo*o
R
#
&
i
&
$
#
*
(
i
a

a

l
a

T
a
(
(
i
/
*
F"g. E.. D"aga,a !e D"(pe("Fn
Diaga!a "# Di&%#&i/* (o* L<*#a "# R#g#&i/*
!*
!%
!2
!#
!!
!'
!(
!$
!)
!&
'*
%.)* 2.** 2.2* 2.!* 2.(* 2.)* #.**
% Cabo*o
R
#
&
i
&
$
#
*
(
i
a

a

l
a

T
a
(
(
i
/
*
F"g. E.3 D"aga,a !e D"(pe("Fn %on LGnea !e Rege("Fn
E.C.- LIMITES DE CONFIAN:A PARA LA PREDICCI;N.-
Bbser!ando el diarama de dispersin precedente, !emos que no todos los puntos coinciden
con la recta de reresin, si as" 'ubiera sido, no se 'ubiera producido nin#n error en la
prediccin, pero la prediccin perfecta es prcticamente inexistente. @or este moti!o,
necesitamos una medida de la precisin o imprecisin del !alor estimado de ,, esta medida
es conocida como Eo S-an!a! !e #a E(-",a%"Fn, y mide la dispersin alrededor de una
l"nea promedio.
)a frmula del Error 9tandard de la Estimacin es(
s
, ,
n
y
=

* -
3
3
@ara calcular el error standard se necesitan las des!iaciones de los !alores estimados
respecto de los !alores obser!ados de ,.
Tericamente, este !alor es una medida !lida para establecer los LG,"-e( !e Con2"anHa
alrededor de un !alor pronosticado de
,
, si la muestra es de un tama&o considerable y los

puntos del diarama de dispersin estn distribuidos normalmente alrededor de la l"nea de
reresin.
)os l"mites de confianza estarn determinados de la siuiente manera(
, 3 s
y
* -
, en donde z
corresponde al ni!el de confianza requerida. @or ejemplo, para el J7< de confianza, z
T1.JG.
@ara nuestro ejemplo(
s
, ,
n
y
=

* -
3
3
T s
<
=
33 'I55@
3> .
.
T 1.IJ
De forma que, para un contenido de 1arbono del 3.7<, el !alor estimado de la resistencia a
la traccin es(
%
J 67.H;, y los l"mites de confianza del J7< ser"an

, 3 s
y
* -
(
67.H; U1.JG*1.IJ- T 6H.J1
67.H; P1.JG*1.IJ- T 65.G7
Cap. I.- 6ISTOGRAMAS.-
Un /isto2rama p4ede decir ms =4e mil datos n4m>ricos.
I.'.- 6ISTOGRAMAS Y DISTRI/UCIONES.-
En 'istorama es un diarama de barras que representa una distribucin de frecuencias, es
decir, la !ariacin de un conjunto de datos. @or su naturaleza rfica, el 'istorama nos
permite !er patrones de comportamiento de los datos, que podr"an ser dif"ciles de apreciar
si slo mostramos los datos en una tabla.
9i todos los factores in!olucrados en un proceso o acti!idad se mantu!ieran constantes, los
resultados ser"an siempre los mismos0 sin embaro en la realidad sto no sucede y es
ine!itable que los datos de un conjunto de obser!aciones sufran !ariaciones, es decir que
una !ariable puede adoptar di!ersos !alores. @ero esta !ariacin no tiene un
comportamiento desordenado, sino que obedece a ciertas relas o patrones, dic'o de otra
forma, los datos siuen una determinada distribucin.
Ena distribucin de frecuencias, no es otra cosa que una relacin entre los !alores que
adopta una !ariable y el n#mero de !eces que esos !alores se presentan. Ejemplos de estas
!ariables pueden ser( el !alor nominal de cierta caracter"stica de un producto, la estatura o
la edad de un rupo de personas, el tiempo in!olucrado en un proceso de adquisiciones, los
salarios de un sector laboral, etc.
I...- TA/LAS DE FRECUENCIA.-
El primer paso para analizar una distribucin de frecuencias es construir una tabla de
frecuencias. 1uando el tama&o de la muestra es peque&a, o cuando la !ariabilidad de los
datos es escasa, ser suficiente con 'acer una tabla en la cual conste cada !alor y determinar
las !eces que se repite dic'o !alor *la frecuencia-. @ero si los datos son muc'os yKo con una
ran !ariabilidad, debemos recurrir a un proceso de arupacin en inter!alos de clase, y en
este caso, asinar a cada inter!alo los !alores que caen dentro de l, lo que !endr"a a ser la
frecuencia del inter!alo.
I...'.- Con(-*%%"Fn !e *na -a3#a !e 2e%*en%"a(.-
%ediante el ejercicio de aplicacin que se muestra en la tabla J.1, !amos a demostrar los
pasos que se siuen para la construccin de una tabla de frecuencias.
Ta3#a I.'.- E+e%"%"o !e ap#"%a%"Fn !e -a3#a( !e 2e%*en%"a.-
)os dimetros en cms. de una muestra de GI cojinetes de bolas fabricados por cierta
industria se presentan a continuacin(
MINIMO MAXIMO
1.730 1.735 1.740 1.746 1.740 1.727 1.727 1.746
1.743 1.736 1.731 1.742 1.735 1.732 1.731 1.743
1.735 1.737 1.740 1.744 1.735 1.732 1.732 1.744
1.739 1.726 1.730 1.727 1.736 1.734 1.726 1.739
1.733 1.739 1.741 1.734 1.731 1.736 1.731 1.741
1.738 1.725 1.735 1.742 1.729 1.736 1.725 1.742
1.734 1.733 1.732 1.735 1.741 1.738 1.732 1.741
1.728 1.734 1.736 1.724 1.735 1.739 1.724 1.739
1.735 1.745 1.738 1.737 1.733 1.728 1.728 1.745
1.737 1.730 1.737 1.729 1.736 1.732 1.729 1.737

1.724 1.746
'. De-e,"na e# Rango o a,p#"-*! -o-a# R
= T !alor mximo P !alor m"nimo T 1.H6G P 1.H36 T I.I33
.. De-e,"na e# nK,eo apoL",a!o !e "n-e$a#o(.
4 n GI H H7 .
3. De-e,"na e# $a#o !e #a a,p#"-*! !e %#a(e.
i
R
4
=
@ara establecer el !alor de i, debemos calcular los !alores entre los cuales puede
fluctuar y seleccionar el ms con!eniente.
i
1
I I33
H
I II51 = =
.
.
i
3
I I33
;
I II3; = =
.
.
Entre estos dos !alores seleccionamos( i T I.II5
4. De-e,"na e# #G,"-e "n2e"o !e# p",e "n-e$a#o LI
1
.
@ara calcular el !alor del l"mite inferior del primer inter!alo, encontramos pre!iamente
.
L +min
i
I
3
1 H36 I II17 1 H337 = = = . . . .
El !alor de )?1 estar en el inter!alo comprendido entre
L
I y +min.
1.H337 )?1 1.H36
9eleccionamos el !alor )?1T 1.H35
@. De-e,"na #o( "n-e$a#o( !e %#a(e.
1.H35 P 1.H3G
1.H3G P 1.H3J
1.H3J P 1.H53
1.H53 P 1.H57
1.H57 P 1.H5;
1.H5; P 1.H61
1.H61 P 1.H66
1.H66 P 1.H6H
En estos inter!alos debemos obser!ar lo siuiente(
El !alor m"nimo debe estar inclu"do en el primer inter!alo y el !alor mximo en el
#ltimo.
El l"mite superior de un inter!alo es iual al l"mite inferior del inter!alo siuiente
para que no se aprecien !ac"os entre los inter!alos, pero los l"mites superiores son
excluyentes, es decir, que si un dato coincide con un l"mite superior, este !alor se lo
considera perteneciente al siuiente inter!alo.
En inter!alo podr"a definirse por ejemplo( 1.H35 V 1.H3G.
C. Con(-*" #a -a3#a !e 2e%*en%"a(.
Ena !ez determinados los inter!alos, se construye una tabla como la que se muestra en
la tabla J.3, anotando los datos que caen dentro de cada inter!alo.
! a " la # . $ ! A % L A & ' A ( O ! A C I O ( ' & ' F R ' C ) ' ( C I A
I ( ! ' R * A L O
P t o . m e d io
A ( O ! A C I O ( '
F r e c u e n c ia F . R e la t i+ a
1 . 7 2 3 1 . 7 2 6 1 . 7 2 4 5 0 / / 2 0 . 0 3 3 3
1 . 7 2 6 1 . 7 2 9 1 . 7 2 7 5 0 / / / / / 5 0 . 0 8 3 3
1 . 7 2 9 1 . 7 3 2 1 . 7 3 0 5 0 / / / / / / / 7 0 . 1 1 6 7
1 . 7 3 2 1 . 7 3 5 1 . 7 3 3 5 0 / / / / / / / / / / / / 1 2 0 . 2 0 0 0
1 . 7 3 5 1 . 7 3 8 1 . 7 3 6 5 0 / / / / / / / / / / / / / / / / / 1 7 0 . 2 8 3 3
1 . 7 3 8 1 . 7 4 1 1 . 7 3 9 5 0 / / / / / / / / / 9 0 . 1 5 0 0
1 . 7 4 1 1 . 7 4 4 1 . 7 4 2 5 0 / / / / / 5 0 . 0 8 3 3
1 . 7 4 4 1 . 7 4 7 1 . 7 4 5 5 0 / / / 3 0 . 0 5 0 0
6 0 1 . 0 0 0 0
I.... La Fe%*en%"a Re#a-"$a.-
)a frecuencia relati!a se obtiene di!idiendo la frecuencia de cada inter!alo para el n#mero
total de obser!aciones o el tama&o de la muestra *n-, que debe ser iual a la suma de las
frecuencias. )a sumatoria de las frecuencias relati!as es iual a la unidad.P
Es importante calcular la frecuencia relati!a, porque ella nos permite apreciar la relacin de
una parte respecto del todo, facilita la comparacin entre distribuciones y proporciona una
base para la estimacin de probabilidades y realizar inferencias estad"sticas.
I.3.- CONSTRUCCI;N DEL 6ISTOGRAMA.-
1on los datos de la tabla de frecuencias se construye un diarama de barras0 en el eje de las
L se ubican los l"mites de los inter!alos y la altura de las barras corresponde a la frecuencia
del inter!alo, que estn en el eje de las F. Es #til incluir en el 'istorama un eje FW con las
frecuencias relati!as, y representar con l"neas el punto medio de la distribucin y la
tolerancia de las especificaciones. *Cer fiura J.1-
. i & $ o g a ! a
*
2
!
(
)
% *
% 2
% !
% (
% )
% . $ 2 ! ' % . $ 2 $ ' % . $ # * ' % . $ # # ' % . $ # ( ' % . $ # & ' % . $ ! 2 ' % . $ ! ' '
D i 3 ! # $ o & " # ( o , i * # $ # & # * ( ! & .
F
#
(
+
#
*
(
ia
* . * * * *
* . * ' * *
* . % * * *
* . % ' * *
* . 2 * * *
* . 2 ' * *
* . # * * *
F
#
(
+
#
*
(
ia
R
#
la
$
i
?
a
L
B
F"g. I.' 6"(-oga,a
I.4.- TIPOS DE 6ISTOGRAMAS.-
Es posible obtener informacin #til sobre una distribucin mirando la forma del 'istorama,
ya que se muestran patrones de !ariacin que no pueden apreciarse fcilmente en la tabla de
datos. 8 continuacin se muestran formas t"picas que nos dan indicios sobre los procesos.
aM T"po Genea# N2o,a (",<-"%a o !e %a,panaM
El !alor de la media del 'istorama est en el centro del rano de los datos0 la frecuencia es
mayor en el centro y disminuye radualmente 'acia los extremos. )a forma es simtrica.
3M T"po %on (e(go po("-"$o No (e(go nega-"$oM
Es de forma asimtrica y el !alor de la media est localizado a la izquierda *derec'a- del
centro. )a frecuencia disminuye de forma mas bien brusca 'acia la izquierda *derec'a-,
pero radualmente 'acia la derec'a *izquierda-.
%M T"po !o3#e p"%o N3",o!a#M.
)a frecuencia es baja cerca del centro del rano de la informacin y 'ay un pico a cada lado.
Esta forma se presenta cuando se 'an mezclado datos de distribuciones con medias
diferentes.
!M T"po !e p"%o a"(#a!o.
@resenta un peque&o pico aislado adems del 'istorama de tipo eneral. Bcurre
eneralmente cuando se incluye por error una peque&a cantidad de datos de una
distribucin diferente.
I.@.- COMPARACI;N CON ESPECIFICACIONES.-
1uando existen especificaciones determinadas para la caracter"stica de calidad que se est
analizando, debemos comparar la distribucin del proceso con dic'as especificaciones. @ara
el efecto, en el rfico del 'istorama representamos los l"mites de tolerancia superior e
inferior y procedemos a e!aluar la localizacin de los datos dentro de esos l"mites.
8nalicemos bre!emente los casos siuientes(
)E? )E9
a- El 'istorama satisface las especificaciones con suficiente 'olura, por lo tanto el
estado actual del proceso debe mantenerse.
)E? )E9
b- El 'istorama satisface las especificaciones, pero no 'ay nin#n maren extra, por lo
tanto ser"a con!eniente intentar reducir la !ariacin aunque sea en peque&o rado.
)E? )E9
c- El 'istorama no satisface las especificaciones, y aunque est centrado, es necesario
reducir la !ariacin porque en caso contrario se estar produciendo permanentemente una
fraccin defectuosa.
)E? )E9
d- El 'istorama no satisface las especificaciones y es necesario tomar medidas para
acercar la media de la distribucin al !alor esperado de la especificacin.
8ntes de sacar conclusiones del anlisis de un 'istorama, 'ay que estar seuros de que los
datos son representati!os de las condiciones del proceso, recordando siempre que mientras
mayor es la muestra, los datos son ms confiables. )a interpretacin del 'istorama es una
teor"a que debe confirmarse con anlisis posteriores.
I.C.- CARACTER8STICAS DE LAS DISTRI/UCIONES.-
Existen ciertas caracter"sticas importantes de las distribuciones que proporcionan una
descripcin sinificati!a del conjunto de datos, y que son susceptibles de medir o
cuantificar. Estas medidas se conocen como estadsticas o estad2ra3os cuando se obtienen
de una muestra o parmetros cuando son obtenidos de toda la poblacin. Estas
caracter"sticas son(
La tendencia central, que se mide por promedios o !alores t"picos que representan un
punto alrededor del cual se arupan los di!ersos !alores obser!ados.
La dispersi9n, que e!al#a la !ariabilidad de los datos, es decir, la separacin o apartamiento
de los datos obser!ados respecto del promedio.
La asimetra, que representa la concentracin de los datos 'acia cualquiera de los extremos
de la distribucin.
@ara realizar los diferentes clculos, utilizaremos los datos de la tabla J.5, que contiene la
informacin necesaria.
! a " la # . , ! A % L A P A R A C A L C ) L O & ' & I ! R I % ) C I O ( '
I( ! ' R * A L O
- .
f x (x - x) (x - x)2 f(x - x)2
1 . 7 2 3 ----- 1 . 7 2 6 1 . 7 2 4 5 0 2 3 . 4 4 9 0 0 -0 . 0 1 0 9 5 0 0 . 0 0 0 1 2 0 0 . 0 0 0 2 4 0
1 . 7 2 6 ----- 1 . 7 2 9 1 . 7 2 7 5 0 5 8 . 6 3 7 5 0 -0 . 0 0 7 9 5 0 0 . 0 0 0 0 6 3 0 . 0 0 0 3 1 6
1 . 7 2 9 ----- 1 . 7 3 2 1 . 7 3 0 5 0 7 1 2 . 1 1 3 5 0 -0 . 0 0 4 9 5 0 0 . 0 0 0 0 2 5 0 . 0 0 0 1 7 2
1 . 7 3 2 ----- 1 . 7 3 5 1 . 7 3 3 5 0 1 2 2 0 . 8 0 2 0 0 -0 . 0 0 1 9 5 0 0 . 0 0 0 0 0 4 0 . 0 0 0 0 4 6
1 . 7 3 5 ----- 1 . 7 3 8 1 . 7 3 6 5 0 1 7 2 9 . 5 2 0 5 0 0 . 0 0 1 0 5 0 0 . 0 0 0 0 0 1 0 . 0 0 0 0 1 9
1 . 7 3 8 ----- 1 . 7 4 1 1 . 7 3 9 5 0 9 1 5 . 6 5 5 5 0 0 . 0 0 4 0 5 0 0 . 0 0 0 0 1 6 0 . 0 0 0 1 4 8
1 . 7 4 1 ----- 1 . 7 4 4 1 . 7 4 2 5 0 5 8 . 7 1 2 5 0 0 . 0 0 7 0 5 0 0 . 0 0 0 0 5 0 0 . 0 0 0 2 4 9
1 . 7 4 4 ----- 1 . 7 4 7 1 . 7 4 5 5 0 3 5 . 2 3 6 5 0 0 . 0 1 0 0 5 0 0 . 0 0 0 1 0 1 0 . 0 0 0 3 0 3
X
1 . 7 3 5 4 5 6 0 1 0 4 . 1 2 7 0 0 0 . 0 0 1 4 9 1
f - - * -
3
I.5.- MEDIDAS DE TENDENCIA CENTRAL.-
I.5.' La ,e!"a a"-,<-"%a.-
)a media aritmtica es un !alor tal que la suma de las des!iaciones o diferencias entre los
!alores obser!ados y la media es cero.
* - - -
i
=
I
)a media aritmtica equi!ale a la suma de los !alores obser!ados di!idida entre el n#mero
de ellos *n-.
-
-
n
=

-
f-
f

-
f-
f
= = =
1I613H
GI
1H5767
.
.
I.5.. La Me!"ana.-
)a mediana de un conjunto de datos es el !alor central *que est a la mitad- cuando los
datos estn ordenados por su manitud, es decir que es un !alor posicional.
1uando tenemos datos arupados en inter!alos de clase, la mediana es el !alor que di!ide a
la distribucin en dos partes iuales, y para calcularla procedemos de la siuiente manera(
1. Encontramos la clase donde cae el !alor de la mediana *posicin( nK3-, a tra!s de la
frecuencia acumulada %enor que.
3. 8sumiendo que los !alores se distribuyen uniformemente dentro del inter!alo,
utilizamos la siuiente frmula(
/dna LI
i n .!
f
4
4
= +
<

* K -
* -
3
1
en donde(
LI
4
=
)"mite inferior del inter!alo donde se encuentra la mediana
i T 8mplitud de la clase
.!
4
<
* - 1 T 2recuencia acumulada %enor que, del inter!alo anterior al de la mediana
f T frecuencia del inter!alo de la mediana.
/dna LI
i n .!
f
4
4
= +
<
= +

=
* K -
.
. * -
.
* -
3
1H57
I II5 5I 3G
1H
1H57H1
1
I.5.3 La Mo!a o Mo!o.-
)a moda de un conjunto de datos, es el !alor que se repite el mayor n#mero de !eces. @ara
el caso de distribuciones de frecuencia, nos referimos a un inter!alo de 1lase %odal, que es
el que tiene la mayor frecuencia.
El punto medio de la clase modal es considerado como una buena estimacin del !alor
modal o moda, sin embaro, para calcular con mejor aproximacin se aplica la frmula
siuiente(
/oda LI i
4
= +
+
* -

1
1 3
en donde(
LI
4
T )"mite inferior de la clase modal
i T amplitud del inter!alo
1 T
f f
4 4
* - 1
3 T
f f
4 4
+ * - 1
f
4
T frecuencia mxima *de la clase modal-
/oda LI i
4
= +
+
= +

+
= * - . .
* -
* - * -
.

1
1 3
1H57 I II5
1H 13
1H 13 1H J
1H5G17
I.E.- MEDIDAS DE DISPERSI;N Y ASIMETR8A.-
1omo medidas de dispersin, las ms utilizadas son( )a Carianza y la Des!iacin standard.
I.E.' La Va"anHa.
)a !arianza equi!ale a la media del cuadrado de las diferencias entre los datos obser!ados y
la media aritmtica, y su frmula es(
3
3
=

* -
X
- -
n
1uando se trata de datos arupados, como en nuestro caso, la frmula se con!ierte en(

3
3
=

f - -
f
* -
X
3
3
I II16J1
GI
I IIII37 =

= =
f - -
f
* -
.
.
X
9iendo la !arianza una medida expresada en unidades cuadradas, no es de fcil
interpretacin, por lo tanto, es preferible trabajar con su ra"z cuadrada que se llama
Des!iacin 9tandard.
I.E.. La De($"a%"Fn S-an!a!.-
)a des!iacin standard, como se 'a indicado es la ra"z cuadrada de la !arianza, y est dada
en las mismas unidades que la !ariable. Esta es la medida de dispersin de mayor utilidad
para el anlisis de las distribuciones y su frmula se deduce de la !arianza(
=

* -
X
- -
n
3
o
=

f - -
f
* -
X
3
1uando los datos son pro!enientes de una muestra, el denominador de las frmulas se
con!ierte en *nP1-.
=

= =
f - -
f
* -
. .
X
3
IIIII37 III6J;7
I.E.3 E# Coe2"%"en-e !e Va"a%"Fn.-
1uando es necesario establecer comparaciones entre distribuciones, o queremos establecer
una medida de dispersin en trminos relati!os o porcentuales, no absolutos por su
manitud, podemos utilizar el 1oeficiente de Cariacin, cuya frmula es(
v
-
=

X
: *<- 1II
v
-
= = =
X
:
.
.
: . < 1II
III6J;7
1H5767
1II I3;H35
I.E.4 E# Coe2"%"en-e !e A(",e-Ga.-
@ara medir la manitud y direccin de la asimetr"a, se utiliza el 1oeficiente de 8simetr"a,
cuya frmula es(
4
- /dna
=
5* -
X

4
- /dna
=

=

=
5 5 1H5767 1H57H1
III6J;7
I17G6H
* - * . . -
.
.
X

I.I.- LA DISTRI/UCI;N NORMAL.-
En el l"mite de una distribucin de frecuencias relati!as, lleamos a obtener una cur!a
cont"nua que puede adoptar diferentes formas, cuando los datos pro!ienen de un proceso
estable y la !ariacin es completamente aleatoria, su distribucin se aproxima a una
Distribucin >ormal.
)a distribucin normal tiene una forma de campana, cuya frecuencia es mayor en el centro y
disminuye 'acia los extremos de manera simtrica con respecto al promedio.
%atemticamente, esta cur!a puede expresarse con la siuiente frmula(
f - e
-
* -
* -
=

1
3
3
3
3
En la fiura J.3 se muestra esta distribucin.

Ena distribucin normal queda completamente definida por sus dos parmetros( la media y
la des!iacin standard, de tal manera que existe una cur!a diferente para cada combinacin
de ellos.
@ara poder utilizar la distribucin normal en el clculo de probabilidades, es necesario
transformarla a una forma estandarizada, cuya media sea iual a cero y la !arianza iual a
uno, para lo cual nos !alemos de un !alor ; que nos permite usar las tablas de la distribucin
normal y que se calcula de la siuiente manera(
3
-
=


Tericamente, una !ariable normal puede tomar cualquier !alor entre P y U, pero en la
fiura J.3 podemos apreciar la probabilidad para !arios !alores de z, entre los cuales
tenemos que el II.53O de los datos caen en el inter!alo u 5 , de forma que
prcticamente puede considerarse despreciable la probabilidad de que un !alor est fuera de
estos l"mites, lo que se conoce como la Reg#a 3-("g,a.
*.**
*.*'
*.%*
*.%'
*.2*
*.2'
*.#*
*.#'
*.!*
1
#
.
'
1
#
1
2
.
'
1
2
1
%
.
'
1
%
1
*
.
'*
*
.
'%
%
.
'2
2
.
'#
#
.
'
99.73%
68.27%
95.45%
F"g. I.. C*$a No,a#

Ing. Leona!o S"#$a Fan%o P&g. GI
I.'>.- 8NDICE DE CAPACIDAD DEL PROCESO.-
9i el proceso est distribuido normalmente, podemos determinar el porcentaje de productos
defectuosos a partir de las especificaciones dadas y los parmetros y . El Yndice de
1apacidad del @roceso ?1@ est dado de la siuiente manera(
@ara especificaciones bilaterales *)E9 F )E?-(
IC5
LE( LEI
=

G
@ara especificaciones unilaterales *)E9 o )E?-(
IC5
LEI
=

5
IC5
LE(
=

5
)a e!aluacin del proceso es como siue(
1.55 ?1@ 9atisfactorio
1.II ?1@ V 1.55 8decuado
?1@ V 1.II ?nadecuado

Ing. Leona!o S"#$a Fan%o P&g. G1
Cap. '>.- DIAGRAMAS DE CONTROL.-
Los dia2ramas de control permiten anali;ar el comportamiento de 4n proceso.
'>.' EL CONTROL ESTAD8STICO DE PROCESOS.-
>o 'ay forma de eliminar la !ariacin en un proceso, pero debemos buscar la manera de
que la produccin se ajuste a determinadas tolerancias y e!itar en cuanto sea posible los
art"culos defectuosos. 9in embaro, si un operador tratara de reajustar una maquinaria cada
!ez que detecta una !ariacin en la caracter"stica de calidad que se controla, lo que
conseuir"a es aumentar la produccin defectuosa se#n lo 'a demostrado la )ey de
%urp'y.
El control estad"stico permite que el operador conozca cuando el proceso debe ser ajustado
y cuando 'ay que dejarlo continuar, puesto que el control se orienta 'acia la distribucin del
proceso y no a los !alores indi!iduales.
)os diaramas de control fueron desarrollados por Z. 9'eA'art, como una forma de saber
si la !ariacin de un proceso obedece a una distribucin estable, transformar esta
distribucin a la forma normal y estimar su media y su des!iacin standard. El trabajo de
9'eA'art se apoy en el teorema del )"mite 1entral y particularmente en los siuientes
aspectos(
9i se toman muestras de una distribucin, a las que podemos llamar subrupos, y se
encuentra un !alor promedio de los elementos de esa muestra, la distribucin de las medias
muestrales *medias de los subrupos- se aproxima a la forma normal a medida que aumenta
el tama&o de la muestra.
)a distribucin de las medias muestrales tendr la misma media que la distribucin
de la poblacin(
- =
.
)a des!iacin standard de la distribucin de las medias es ms peque&a que la de la
poblacin y su relacin es(

-
-
n
=
)a distribucin de medias muestrales puede ser tratada como normal, si cada
subrupo o muestra, contiene al menos 6 elementos y el n#mero de subrupos es por lo
menos 37.
El diarama se construye estableciendo una l"nea central y dos l"neas a los extremos que
representan los l"mites de control superior e inferior, los diferentes !alores promedios de las
muestras se representan en el diarama mediante puntos o marcas que se unen mediante
l"neas.
)a media de las medias muestrales *
-
-, ser el centro del diarama, considerando que es el
!alor esperado de la caracter"stica que se analiza y los l"mites superior e inferior de control
se los ubica a
5
, lo cual incluye el JJ.H5< del rea de la distribucin, es decir, que se
espera que los art"culos defectuosos se produzcan solamente un I.3H< de las !eces.
Bcasionalmente, se utilizan los !alores l"mites
3
, en cuyo caso la probabilidad de que un
!alor est fuera de los l"mites es aproximadamente del 7<.
)a !ariacin propia de la distribucin obedece a causas fortuitas *al azar-, que son
in'erentes al proceso y que requieren una re!isin del sistema de produccin si se quiere
reducirlas, mientras que si la distribucin sufre cambios, es decir si cambia el patrn de
!ariacin, esto se debe a causas asinables.
1uando los puntos se ubican fuera de los l"mites de control o muestran una tendencia
particular, decimos que el proceso est fuera de control, lo que equi!ale a decir que existe
una !ariacin por causas asinables. @ara controlar el proceso, es necesario predecir el
resultado dentro de un maren de !ariacin debido al azar, y las causas asinables deben ser
in!estiadas y eliminadas.
'>.. TIPOS DE DIAGRAMAS DE CONTROL.-
Existen dos tipos enerales de diaramas de control(
a- Diaramas de control para !ariables o de !alores continuos, y
b- Diaramas de control para atributos o de !alores discretos.
'>...' DIAGRAMAS DE CONTROL PARA VARIA/LES.-
)os diaramas de control para !ariables se utilizan cuando se est analizando una
caracter"stica del producto a tra!s de su manitud y el rano de !alores que la !ariable
puede adoptar. )os diaramas de este tipo ms utilizados, con sus respecti!as l"neas de
control se presentan en la tabla 1I.1.
En las pinas siuientes, presentamos un ejercicio de aplicacin del diarama
-
.
Tabla 1I.1 Tipos de diaramas de control para !ariables.
>B%+=E )Y>E89 DE 1B>T=B)
-
Calor promedio
LC( - ! R = +
3
LC - =
LCI - ! R =
3
= =ano
LC( ) R =
6
LC R =
LCI ) R =
5
x Calor obser!ado
LC( - Rs = + 3 GG .
LC - =
LCI - Rs = 3 GG .
Tabla 1I.3 1oeficientes para Diaramas
-
P =
n 8
3

)
5

)
6

d
3
3 1.;;I PPP 5.3GH 1.13;
5 1.I35 PPP 3.7H7 1.GJ5
6 I.H3J PPP 3.3;3 3.I7J
7 I.7HH PPP 3.117 3.53G
G I.6;5 PPP 3.II6 3.756
Ejercicio de 8plicacin(
@ara in!estiar el perfil de !ariacin de ciertas partes en un proceso de maquinado, se
midieron las dimensiones de las partes cuatro !eces al d"a. $aa una rfica de control
A
para analizar este proceso.
Tabla 1I.5 Datos para el Diarama
A

N o o / 3 P / o ? e 7 . R 3 6 , o
& C * * % % C * * % ! C * * % ( C * * D R
% ' 2 . ' * ' 2 . & * ' 2 . & * ' # . ' * ' 2 . & ' % . * *
2 ' # . * * ' 2 . ) * ' # . ' * ' 2 . ! * ' 2 . & # % . % *
# ' 2 . ) * ' 2 . & * ' 2 . $ * ' 2 . ) * ' 2 . ) * * . 2 *
! ' 2 . & * ' 2 . & * ' 2 . & * ' 2 . & * ' 2 . & * * . * *
' ' 2 . ) * ' 2 . & * ' 2 . $ * ' # . % * ' 2 . ) ) * . ! *
( ' 2 . ( * ' # . ! * ' # . % * ' # . # * ' # . % * * . ) *
$ ' # . ' * ' # . ( * ' 2 . ) * ' 2 . $ * ' # . % ' * . & *
) ' # . % * ' # . # * ' # . ' * ' # . * * ' # . 2 # * . ' *
& ' # . ! * ' # . % * ' # . % * ' # . % * ' # . % ) * . # *
% * ' # . 2 * ' # . ! * ' # . % * ' 2 . & * ' # . % ' * . ' *
% % ' # . ! * ' # . * * ' # . & * ' # . % * ' # . # ' * . & *
% 2 ' 2 . ) * ' 2 . & * ' # . 2 * ' # . 2 * ' # . * # * . ! *
% # ' # . 2 * ' # . # * ' 2 . & * ' # . % * ' # . % # * . ! *
% ! ' # . ' * ' 2 . & * ' ! . * * ' # . & * ' # . ' ) % . % *
% ' ' ! . # * ' # . ( * ' # . ( * ' # . ) * ' # . ) # * . $ *
% ( ' # . 2 * ' # . # * ' ! . * * ' # . $ * ' # . ' ' * . ) *
% $ ' # . ) * ' ! . * * ' # . ) * ' # . ) * ' # . ) ' * . 2 *
% ) ' # . % * ' # . ( * ' # . $ * ' # . ) * ' # . ' ' * . $ *
% & ' # . $ * ' # . ) * ' # . * * ' # . ' * ' # . ' * * . ) *
2 * ' # . # * ' # . % * ' # . ( * ' # . * * ' # . 2 ' * . ( *
2 % ' # . # * ' # . $ * ' # . # * ' # . ) * ' # . ' # * . ' *
2 2 ' # . % * ' # . % * ' # . 2 * ' # . % * ' # . % # * . % *
2 # ' # . ( * ' # . ! * ' # . 2 * ' # . * * ' # . # * * . ( *
2 ! ' # . ! * ' # . $ * ' # . * * ' # . 2 * ' # . # # * . $ *
2 ' ' # . # * ' # . 2 * ' # . ' * ' # . ! * ' # . # ' * . # *
D R
P R O M E D . ' # . 2 ( * . ' )
Ing. Leona!o S"#$a Fan%o P&g. GG
1lculo de las l"neas de control(
)1 T 75.3G
)19 T 75.3G U I.H3J *I.7;- T 75.G;
)1? T 75.3G P I.H3J *I.7;- T 73.;6
2i. 1I.1 Diarama de 1ontrol
A
'2.(*
'2.)*
'#.**
'#.2*
'#.!*
'#.(*
'#.)*
'!.**
% ' & %# %$ 2% 2'
LCS
LCI
LC
El diarama presenta puntos fuera de los l"mites de control, por lo tanto la distribucin no
es estable. 1omo alternati!as, pueden eliminarse las muestras que corresponden a dic'os
puntos y recalcular los l"mites, o !ol!er a tomar las 37 muestras que es lo ms
recomendable.
Ing. Leona!o S"#$a Fan%o P&g. GH
1I.3.3 D?8.=8%89 DE 1B>T=B) @8=8 8T=?+ETB9.P
1uando no es posible o resulta antiPeconmico asinar o medir !alores de las caracter"sticas
de calidad, es posible analizar el proceso mediante sus atributos, es decir, discriminando si
est o no est conforme con las especificaciones, de forma que que los art"culos son
representados por un porcentaje o fraccin defectuosa. )os diaramas de este tipo con sus
respecti!os l"mites de control se presentan en la tabla 1I.6.
Tabla 1I.6 Tipos de diaramas de control para atributos.
pn n#mero de unidades
LC( pn pn p = + 5 1 * -
defectuosas
LC pn =
LC( pn pn p = 5 1 * -
p fraccin defectuosa
LC( p p p n = + 5 1 * - K
LC p =
LC( p p p n = 5 1 * - K
c n#mero de defectos LC( c c = + 5
LC c =
LC( c c = 5
u n#mero de defectos LC( u u n = + 5 K
por unidad
LC u =
LC( u u n = 5 K
8 continuacin presentamos un ejercicio de aplicacin del diarama p.
Ing. Leona!o S"#$a Fan%o P&g. G;
Ejercicio de 8plicacin(
)a siuiente tabla lista los resultados de la inspeccin de 1I muestras de 6I unidades cada
una, de un determinado producto. Determinar los l"mites de control y el diarama p.
Tabla 1I.7 Tabla de Datos para Diarama p.
N o . N o . ' a ( ( i / *
! + # & $ a " # ' # ( $ o & " # ' # ( $ + o & a
% % % * . 2 $ '
2 2 * . * ' *
# % * * . 2 ' *
! % ) * . ! ' *
' ' * . % 2 '
( % 2 * . # * *
$ ( * . % ' *
) # * . * $ '
& % % * . 2 $ '
% * ) * . 2 * *
T o $ a l ) (
1lculo de los l"mites de control(
LC p = = =
EC
'> 4>
> .'@
P
.
LC = + = > .'@ 3 > .'@ ' > .'@ 4> > 4' . . N . M Q .
LCI = = > .'@ 3 > .'@ ' > .'@ 4> > >. . . N . M Q .
Ing. Leona!o S"#$a Fan%o P&g. GJ
2i. 1I.3 Diarama de control p
*.***
*.*'*
*.%**
*.%'*
*.2**
*.2'*
*.#**
*.#'*
*.!**
*.!'*
% 2 # ! ' ( $ ) & %*
LCS
LCI
LC
En este diarama podemos apreciar que 'ay un punto fuera de los l"mites de control, por lo
tanto, al iual que en el ejemplo anterior, podemos eliminar la muestra que corresponde a
dic'o punto o !ol!er a tomar las muestras, para confirmar los l"mites.
Ing. Leona!o S"#$a Fan%o P&g. HI
1I.5.P 8>S)?9?9 DE @=B1E9B9 %ED?8>TE D?8.=8%89.P
)o ms importante en el control de procesos es captar el estado del mismo de manera
precisa leyendo el diarama y tomar las acciones apropiadas cuando 'aya aluna
anormalidad. El estado controlado es aqul en el cual el promedio y la !ariacin del
proceso no cambian. 1uando existen puntos que caen fuera de los l"mites de control es
e!idente que el proceso est fuera de control, pero existen otras condiciones que indican
anormalidad en el proceso, las cuales analizaremos bre!emente a continuacin(
a- =ac'a del proceso.P
=ac'a es el estado en el cual los puntos ocurren continuamente en un mismo lado de la l"nea
central. Ena rac'a de H puntos en el mismo lado se considera anormal. Btras rac'as
anormales son las siuientes(
1I de 11 puntos consecuti!os ocurren en un mismo lado.
13 de 16 puntos consecuti!os ocurren en un mismo lado.
1G de 3I puntos consecuti!os ocurren en un mismo lado.
Ing. Leona!o S"#$a Fan%o P&g. H1
b- Tendencia.P
1uando los puntos forman una cur!a continua ascendente o descendente, se dice que 'ay
una tendencia.
c- 8cercamiento a los l"mites de control.P
1uando 3 de 5 puntos consecuti!os ocurren fuera de los l"mites 3Psima, el caso se
considera anormal.
d- 8cercamiento a la l"nea central.P
1uando la mayor"a de los puntos caen dentro de las l"neas 1.7Psima, o sea a la mitad del
inter!alo entre la l"nea central y cada l"mite de control, es probable que los l"mites de control
sean demasiado amplios debido a mezcla de datos de diferentes poblaciones en las muestras.
e- @eriodicidad.P
Tambin es anormal que los datos muestren repetidamente una tendencia ascendente y
descendente.
Dentro del anlisis del proceso, es muy importante re!isar la oranizacin de los subrupos,
es decir, la forma en que se 'ace el muestreo. 1uando los mismos productos se 'acen en
!arias mquinas o por !arios operadores, es mejor clasificar los datos se#n la mquina o
se#n el operador, de manera que las diferencias puedan ser analizadas, en esto consiste
precisamente la estratificacin, en clasificar los datos se#n !arios factores y poder
identificar la fuente de la !ariacin.
@ara mantener un proceso en estado estable, es necesario captar los factores de !ariacin y
estandarizar las operaciones y los mtodos.
'>.4 8NDICE DE CAPACIDAD DEL PROCESO.-
)a distribucin de un proceso estable y dentro de los l"mites de control es aceptable
solamente si los controles estn dentro de las tolerancias de las especificaciones. 9e
considera satisfactorio un proceso cuyos l"mites sean alrededor del H7< de la tolerancia, es
decir que el Yndice de 1apacidad del @roceso sea aproximadamente 1.55.
1omo !imos en el cap"tulo anterior, el ?1@ est dado por la relacin siuiente(
IC5
LE( LEI
=

G
9e#n @. 9'ainin, considerando que los l"mites de control pro!ienen de una distribucin de
medias muestrales y las tolerancias se aplican a !alores indi!iduales0 es decir, que pro!ienen
de diferentes escalas, para comparar las tolerancias con los l"mites de control se debe
pre!iamente di!idir la tolerancia para
n
*n T tama&o de la muestra o subrupo-.
9i tomamos en cuenta que los diaramas de control deben estar disponibles y ser utilizados
por los operadores o super!isores encarados de los procesos, no es con!eniente mostrar
las tolerancias dentro de los diaramas, ya que los puntos que se encuentren fuera de los
l"mites de control aunque no estn fuera de especificaciones requieren de un anlisis
inmediato.
Btra consideracin particular es que muc'os procesos no permanecen estables por laro
tiempo, ya que cambios en la materia prima, 'erramientas, operadores, u otras condiciones
del proceso pueden cambiar la distribucin0 por ello, es necesario re!isar peridicamente los
diaramas de control y los "ndices de capacidad del proceso.

Hebct Caps

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Hebct Caps

Uploaded by

Copyright:

Available Formats

Herramientas Estadsticas Bsicas Aplicadas a la Calidad Total.

, si la muestra es de un tama&o considerable y los

J 67.H;, y los l"mites de confianza del J7< ser"an

@ara nuestro ejemplo(

@ara nuestro ejemplo(

Ing. Leona!o S"#$a Fan%o P&g. 7;

En la fiura J.3 se muestra esta distribucin.

Ing. Leona!o S"#$a Fan%o P&g. 7J

F"g. I.. C*$a No,a#

You might also like