Professional Documents
Culture Documents
CALIDAD
Para que una muestra sea representativa del lote del cual se
toma hay dos factores que son de suma importancia:
Atributos
Estadstica
Variables
Atributos (Variable discreta)... Son datos o medidas que
slo pueden tener determinados valores dentro del dominio.
Normalmente se obtienen por conteos (nmero de unidades
disconformes)
Mediciones
1-10
2.510
2.517
2.522
2.522
2.510
2.511
2.519
2.532
2.543
2.525
11-20
2.527
2.536
2.506
2.541
2.512
2.515
2.521
2.536
2.529
2.524
21-30
2.529
2.523
2.523
2.523
2.519
2.528
2.543
2.538
2.518
2.534
31-40
2.520
2.514
2.512
2.534
2.526
2.530
2.532
2.526
2.523
2.520
41-50
2.535
2.523
2.526
2.525
2.532
2.522
2.502
2.530
2.522
2.514
51-60
2.533
2.510
2.542
2.524
2.530
2.521
2.522
2.535
2.540
2.528
61-70
2.525
2.515
2.520
2.519
2.526
2.527
2.522
2.542
2.540
2.528
71-80
2.531
2.545
2.524
2.522
2.520
2.519
2.519
2.529
2.522
2.513
81-90
2.518
2.527
2.511
2.519
2.531
2.527
2.529
2.528
2.519
2.521
Muest ra
1-10
11-20
21-30
31-40
41-50
51-60
61-70
71-80
81-90
2.510
2.527
2.529
2.520
2.535
2.533
2.525
2.531
2.518
2.517
2.536
2.523
2.514
2.523
2.510
2.515
2.545
2.527
2.522
2.506
2.523
2.512
2.526
2.542
2.520
2.524
2.511
2.522
2.541
2.523
2.534
2.525
2.524
2.519
2.522
2.519
Mediciones
2.510 2.511 2.519
2.512 2.515 2.521
2.519 2.528 2.543
2.526 2.530 2.532
2.532 2.522 2.502
2.530 2.521 2.522
2.526 2.527 2.522
2.520 2.519 2.519
2.531 2.527 2.529
2.532
2.536
2.538
2.526
2.530
2.535
2.542
2.529
2.528
2.543
2.529
2.518
2.523
2.522
2.540
2.540
2.522
2.519
2.525
2.524
2.534
2.520
2.514
2.528
2.528
2.513
2.521
Valores
. Mx
Min.
2.543
2.510
2.541
2.506
2.543
2.518
2.534
2.512
2.535
2.502
2.542
2.510
2.542
2.515
2.545
2.513
2.531
2.511
Valores
Mx. Mn.
2.545 2.502
Clase
1
2
3
4
5
6
7
8
9
Intervalo de
clase
2.5005-2.5055
2.5055-2.5105
2.5105-2.5155
2.5155-2.5205
2.5205-2.5255
2.5255-2.5305
2.5305-2.5355
2.5355-2.5405
2.5405-2.5455
TOTAL
Media de
la clase
2.503
2.508
2.513
2.518
2.523
2.528
2.533
2.538
2.543
Conteo
/
////
/////
/////
/////
/////
/////
/////
/////
////
///// ////
///// ///// ///// //
///// ///// ////
/////
/
Frecuencia
1
4
9
14
22
19
10
5
6
90
2.- Histograma
E.I.
24
22
n = 90
x = 2.5247
s = 0.00906
E.S.
18
16
14
12
10
8
6
4
2
2.538
2.523
2.548
2.513
2.518
2.523
2.528
2.533
0
2.498
2.503
2.508
Frecuencia
20
Dimetro (mm)
_
1
x
,
=
i
x
n i=1
2
n
1
s2
Xi X
n1 i1
2
X
2
X
n
s s2
n 1
Intervalo de
clase
2.5005-2.5055
2.5055-2.5105
2.5105-2.5155
2.5155-2.5205
2.5205-2.5255
2.5255-2.5305
2.5305-2.5355
2.5355-2.5405
2.5405-2.5455
TOTAL
Media de
la clase
2.503
2.508
2.513
2.518
2.523
2.528
2.533
2.538
2.543
Frecuencia
f
1
4
9
14
22
19
10
5
6
90
df
d 2f
(x - a)
h
Clase
1
2
3
4
5
6
7
8
9
Intervalo de
c lase
2.5005-2.5055
2.5055-2.5105
2.5105-2.5155
2.5155-2.5205
2.5205-2.5255
2.5255-2.5305
2.5305-2.5355
2.5355-2.5405
2.5405-2.5455
TOTAL
Media de
la clase
2.503
2.508
2.513
2.518
2.523
2.528
2.533
2.538
2.543
Frecuencia
f
1
4
9
14
22
19
10
5
6
90
df
d 2f
-4
-3
-2
-1
0
1
2
3
4
-4
-12
-18
-14
0
19
20
15
24
30
16
36
36
14
0
19
40
45
96
302
Paso 4.
Calcule
_
x
y s usando las
siguientes ecuaciones:
_
= 2.523 + 0.005
x = a + h ( df/f)
(30/90) = 2.52467
s=h
d 2 f - ((
df) 2 / f)
= 0.005
f - 1
(302 - (30
90 - 1
2 /90))
= 0.00906
d2
2.70
2.85
2.97
3.08
3.345
3.245
3.145
3.045
2.945
2.845
2.745
2.645
2.545
Frecuencia
25
20
15
10
3.345
3.245
3.145
3.045
2.945
2.845
2.745
2.645
2.545
Frecuencia
25
20
15
10
3.345
3.245
3.145
3.045
2.945
2.845
2.745
2.645
2.545
Frecuencia
30
25
20
15
10
3.345
3.245
3.145
3.045
2.945
2.845
2.745
2.645
2.545
2.445
2.345
Frecuencia
Histograma bimodal
35
30
25
20
15
10
Estratificacin de histogramas.
Cuando los datos observados se dividen en
dos o ms subpoblaciones segn sus caractersticas
o la condicin que existia al momento de colectar
los datos, esas subpoblaciones, se llaman estratos, y
la divisin de los datos en estratos se llama
estratificacin.
Cuando los datos se estratifican de acuerdo a
los factores que se cree pueden causar la variacin,
las causas de la variacin se hacen ms fcilmente
detectables.
Por lo general la estratificacin se hace segn
los materiales, las maquinas, las condiciones de
operacin, los operarios, etc..
DIAGRAMAS DE PARETO
(Lorentz)
Conteo
///// /////
///// /////
///// /
///// /////
////
///// /////
///// /////
Total
10
///// ....//
42
6
///// ///// ...//// 104
4
///// /////
20
////
14
200
Total Composicin
acumulado porcentual
104
146
166
176
182
186
200
---
52
21
10
5
3
2
7
100
Porcentaje
acumulado
5
73
83
88
91
93
100
---
DIAGRAMAS
CAUSA-EFECTO
La NIJ (Normas Industriales Japonesas)
definen los diagramas de causa-efecto como un
diagrama que muestra la relacin entre una
caracterstica de calidad y los factores.
Elaborar un diagrama til no es una tarea fcil.
Se afirma que quines tienen xito en la
solucin de problemas son aquellos que tienen
xito en hacer diagramas causa-efecto tiles.
Hueso pequeo
Caracterstica
vertebral
Hueso grande : Causas
primaria
Hueso mediano: Causas
secundarias
Hueso pequeo: Causas
terciarias
Factores
(causas)
Caracterstica
(efecto)
Distribuciones Importantes:
Distribucin hipergeomtrica o ley de probabilidad.
Nmero fijo de ensayos (n)
Poblacin finita (N)
Nmero de disconformes conocido (D)
(
h(x/N,D,n) =
D N-D
)(
)
x n-x
N
( )
n
h(x c/N,D,n) =
x=0
D N-D
)(
)
x n-x
N
( )
n
= n(D/N)
2 =
nD(N-n) (N-D)
N 2 (N-1)
n
x
p x (1 - p) n-x =
n!
x!(n-x)!
p x (1 - p) n-x
x=0,1,...n
c n
p x (1 - p) n-x
x
x=0
=p(X
na) =
[na ]
p X (1 -P) n-X
x=0
DISTRIBUCION MULTINOMIAL
Se aplica a multivariables, es decir situaciones donde
podemos tener resultados clasificados en k clases.
Eventos (ensayos) independientes
Resultados de cada ensayo clasificado en una de k clases;
Probabilidad de cada ensayo para resultado de cada una de
las k clases es p1, p2,...pk es constante
Nmero de ensayos sin prefijar (n)
n!
x1 x2
xk
P(X 1 =x 1 , X 2 =x 2 , ...,X k +x k) =
p
p
...p
x 1 !x 2 !...x k ! 1 2
k
para x 1 + x 2 + ...+ x k = n
1 + p 2 + ... + p
= E(X i ) = np i
2 = V(X i )= np i (1- p i )
k =1
DISTRIBUCION DE POISSON
La distribucin de Poisson es una de las distribuciones
discretas ms tiles en el control estadstico de la calidad ya
que se usa como una aproximacin a la distribucin binomial.
Si x es el nmero de ocurrencias de un evento aleatorio
en un intervalo de tiempo o espacio (rea de oportunidad de
ocurrencia), la probabilidad de que x ocurra esta dado:
p(x) =
e - x
x!
x=0,1,...
(np) x e -np
x!
Distribucin Normal.
Sin lugar a dudas, la distribucin ms ampliamente
usada para modelar la distribucin de una variable aleatoria,
es la distribucin normal.
-(x ) 2
1
exp
2 2
2
para - x
F(X) =
1
exp
2
-(x ) 2
dt
2 2
(z) = p(Z
z)
_
=
x
n
Distribuciones atpicas.
Cuando una variable aleatoria normal presenta una
distribucin atpica, su anlisis puede dar informacin para
mejorar el proceso o la calidad sin recurrir a anlisis
estadsticos profundos.
El punto importante a recordar cuando se analizan
distribuciones de frecuencia es: Si la distribucin no es
normal hay que buscar una causa asignable.
Media
Normal
Binomial
Poisson
np =np
Desv.
Estndar
np(1-p)
(a
+ 0.5) - np
np (1 - p)
(a
- 0.5) - np
np (1 - p)
(b
+ 0.5) - np
np (1 - p)
(a
- 0.5) - np
np (1 - p)
(b + 0.5)
(a - 0.5) -