2011

Unidad I
Herramientas Estadsticas Bsicas

Bautista Palacios Efrain Calatayud Prez Concepcin Candelas Zamorano Carlos Orestes Osorio Garrido Emmanuel Instituto Tecnolgico de Orizaba 13/09/2011

Unidad I

Contenido
Las siete herramientas bsicas y la solucin de Problemas ................................................................. 4 Definir el Problema ......................................................................................................................... 4 Hojas de Verificacin .......................................................................................................................... 5 Definicin........................................................................................................................................ 5 Objetivo ........................................................................................................................................... 5 Diagramas de flujo .............................................................................................................................. 5 Histograma .......................................................................................................................................... 6 Ejemplo 1 ........................................................................................................................................ 9 Ejemplo 2 ...................................................................................................................................... 10 Ejercicios Propuestos .................................................................................................................... 12 Diagrama de Pareto ........................................................................................................................... 13 Introduccin .................................................................................................................................. 13 Regla 80/20 ................................................................................................................................... 13 Definicin...................................................................................................................................... 13 Elaboracin 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 Dispersin .................................................................................................................... 20 Elaboracin ................................................................................................................................... 20 Anlisis de Correlacin ................................................................................................................. 21 Concepto de Correlacin ............................................................................................................... 21 Coeficiente de correlacin lineal de Pearson (r) ........................................................................... 21 Definicin del coeficiente de correlacin lineal ............................................................................ 21 Clculo del coeficiente de correlacin de Pearson ........................................................................ 22 Ejemplo ......................................................................................................................................... 22 Prueba de correlacin en los diagramas de dispersin .................................................................. 23 Grficas de control ............................................................................................................................ 25 Lectura y uso de la grfica de control ........................................................................................... 25 1. 2. 3. 4. 5. Puntos fuera de control...................................................................................................... 25 Tendencias continuas ........................................................................................................ 26 Cambio repentino de nivel ................................................................................................ 26 Ciclos................................................................................................................................. 27 Inestabilidad ...................................................................................................................... 27

Herramientas estadsticas bsicas

Pgina 2

Unidad I Clasificacin de las grficas de control ......................................................................................... 28 Grfica de control por variables ( - ) y ( - )........................................................................... 29 Pasos para su construccin ........................................................................................................ 29 Ejemplo ..................................................................................................................................... 30 Para los grficos ( - ) ................................................................................................................. 30 Grfica de medias ...................................................................................................................... 30 Grfica de rangos ...................................................................................................................... 31 Para los grfico ( - ) ................................................................................................................... 31 Grfica de medias ...................................................................................................................... 31 Grfica de desviacin estndar .................................................................................................. 31 Ejemplo ..................................................................................................................................... 32 Para los grficos ( - ) ................................................................................................................. 32 Grfica de medias ...................................................................................................................... 32 Grfica de rangos ...................................................................................................................... 33 Para los grfico ( - ) ................................................................................................................... 33 Grfica de medias ...................................................................................................................... 33 Grfica de desviacin estndar .................................................................................................. 34 Grficas por atributos .................................................................................................................... 34 Grfica de fraccin defectiva p .................................................................................................. 35 Ejemplo 1 .................................................................................................................................. 36 Ejemplo 2 .................................................................................................................................. 36 Grfica de defectivos np ............................................................................................................ 37 Ejemplo 1 .................................................................................................................................. 38 Ejemplo 2 .................................................................................................................................. 39 Grfica c o defecto por muestra .................................................................................................... 39 Ejemplo 1 .................................................................................................................................. 40 Ejemplo 2 .................................................................................................................................. 41 Grfica U o defectos por muestra .................................................................................................. 42 Ejemplo 1 .................................................................................................................................. 42 Ejemplo 2 .................................................................................................................................. 43 Referencias bibliogrficas ................................................................................................................. 45

Herramientas estadsticas bsicas

Pgina 3

Unidad I

Las siete herramientas bsicas y la solucin 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 situacin adversa puede considerarse como el nivel de desperdicio en cierta operacin. 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 estn enfocados a mejorar la calidad, disminuir costos y/o mejorar el servicio. Una manera de hacerlo es un nivel operativo podra ser con base en los indicadores de operacin que estn bajo control del equipo cuta misin ser resolver el problema. El objetivo es el nivel de mejoramiento que se desea lograr. Est en funcin de la dificulta del problema y las habilidades del equipo para resolverlo. El objetivo debe responder: el qu (indicador), el cunto (hasta dnde se desea mejorar de manera realista) y cundo (el tiempo para hacerlo). Definir el Problema Algunas veces, al tratar de enfrentar un determinado problema, se tiene creencias acerca de lo que est pasando, ideas vagas o simplemente suposiciones. Estas posturas conducen a tener una situacin problemtica inespecfica o ambigua. La manera de actuar asertivamente y poder definir el problema con objetividad es recolectar informacin y pasarla por alguna de las herramientas que se usan para definir un problema.

Ideas

Informacin Incompleta

Creencias

Situacin Problematica Inespecfica

Aplicacin de las Herramientas Bsicas

Problema definido

Definicin Objetiva de un problema

Herramientas estadsticas bsicas

Pgina 4

Unidad I

Hojas de Verificacin
En la fase de localizacin de hechos para la solucin del problema que mejore la calidad, casi siempre se necesita alguna forma de recopilacin de datos. Las hojas de registro u hojas de verificacin, tambin conocidas como hojas de control son usadas con el propsito de recolectar datos. Las hojas de verificacin involucran clculos de frecuencias y a veces se usan tablas. El procedimiento de su elaboracin consiste simplemente en el recuento de la frecuencia de una categora dada y su anotacin correspondiente. La categora utilizada podra ser tanto una variable como un atributo. Su resultado se puede usar para construir un histograma de frecuencias. La recopilacin de datos no se debe llevar a cabo a ciegas. Primero se deben formular preguntas bsicas como: Qu pregunta tratamos de contestar? Qu tipo de datos necesitamos para contestar la pregunta? Dnde podremos encontrar los datos? Quin puede proporcionar los datos? Cmo podemos recopilar los datos con un esfuerzo mnimo y con la mnima 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 informacin til a partir de los datos se necesita, en general, ms trabajo. Las hojas de verificacin son tipos especiales de formas de recopilacin de datos en las que se pueden interpretar resultados en forma directa sin mayor trabajo. Definicin Son formatos para recolectar, presentar y analizar informacin. Objetivo Estandarizar y agilizar la recoleccin, la presentacin y anlisis de informacin. Las hojas de verificacin pueden ser usadas como herramienta como para definir el problema o para evaluar la solucin a ste. Tipos de hojas de verificacin 1. Para visualizar distribuciones. 2. Para registrar el total de defectos por cada tipo. 3. Para localizar defectos. 4. Para estratificar e registro de nmero de unidades defectuosas. 5. Para verificar procedimientos.

Diagramas de flujo
Un diagrama de flujo del proceso de produccin y/o servicio, es una representacin grfica en la que se muestran todos los pasos necesarios y en secuencia para llevar a cabo un determinado proceso, y como se relacionan entre s, ya que se usan smbolos que describen los diferentes tipos de operaciones que intervienen en dicho proceso. A continuacin se muestra la simbologa para la elaboracin de los diagramas de flujo.

Herramientas estadsticas bsicas

Pgina 5

Unidad I Simbologa Significado Representacin Grfica Operacin Retraso Inspeccin Transportacin Almacenaje Actividad combinada Auxiliados con la simbologa anterior; podemos graficar cualquier proceso en una hoja de diagrama de flujo y observar as la efectividad de cada evento o actividad. Los diagramas de flujo del proceso de produccin y/o servicio, son particularmente tiles para comprender la configuracin de las entradas, el proceso y las salidas. Estos son ms eficientes y representativos de un proceso, cuando se elaboran con la participacin de todo el personal que interviene en e proceso: operarios, empleados, supervisores, administradores y clientes.

Histograma
Qu es? Una grfica de la distribucin de un conjunto de medidas. Un histograma es un tipo especial de grfica 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 distribucin. Los patrones inusuales o sospechosos pueden indicar que un proceso necesita investigacin para determinar su grado de estabilidad. Cundo se utiliza? Cuando se quiere comprender mejor el sistema, especficamente al: Hacer seguimiento del desempeo actual del proceso. Seleccionar el siguiente producto o servicio a mejorar. Probar y evaluar las revisiones de proceso para mejorar. Necesitar obtener una revisin rpida de la variabilidad dentro de un proceso. Desde un sistema estable, se pueden hacer predicciones sobre el desempeo futuro del sistema. Un equipo para efectuar mejoras utiliza un histograma para evaluar la situacin actual del sistema y para estudiar resultados. La forma del histograma y la informacin de estadsticas le ayudan al equipo a saber cmo mejorar el sistema. Despus de que una accin por mejorar es tomada, el equipo continua recogiendo datos y haciendo histogramas para ver si la teora ha funcionado. Cmo se utiliza? 1. Despus de la recoleccin de datos, contar el nmero de puntos de datos (n) en su muestra. Ver la figura a continuacin.

Herramientas estadsticas bsicas

Pgina 6

Unidad I

2. Determinar el rango, R, para todo el conjunto de datos al restar el valor menor de los datos del mayor.

3. Determinar el nmero de intervalos, denotados como K. Utilizar esta pauta: Puntos de Datos 30-50 51-100 101-250 Ms de 250 Intervalos 5-7 6-10 7-12 10-20

Est grfica es un mtodo prctico nicamente. Esta determinar el nmero de barras que el histograma tendr a lo largo de su eje horizontal. 4. Determinar la extensin del intervalo, L. La frmula sencilla para aproximar L al nmero entero ms cercano. 5. Construir los intervalos determinando el lmite del intervalo, o los puntos finales. Tomar la medida individual ms pequea en el conjunto de datos. Utilizar este nmero o aproximarlo al siguiente nmero entero ms bajo. Este se convierte en el punto final ms bajo para el primer lmite del intervalo. Ahora, se debe tomar este nmero y sumar la duracin del intervalo. El siguiente lmite de clase ms bajo iniciara en el nmero. El primer intervalo es el nmero ms bajo y todo hasta, pero sin incluir, el nmero que empieza el prximo intervalo ms alto. Esto har 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 nmeros. Ver figura a continuacin. . Es til y apropiada

Herramientas estadsticas bsicas

Pgina 7

Unidad I

6. Construir una tabla de frecuencias basada en los nmeros computados arriba (ej. Nmero de clases, duracin de clases, lmite 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 nmero de puntos de datos en cada intervalo. La altura de barras deber ser igual al nmero de puntos de datos en ese intervalo, segn se mide en el eje vertical. 9. Poner ttulo y fecha a la grfica. Indicar el nmero total de puntos de datos y mostrar los valores nominales y lmites (si es el caso). Quizs tambin se quiere agregar otras notas describiendo ms 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 continuacin.

10. Identificar y clasificar el patrn de variacin; desarrollar una explicacin lgica y pertinente del patrn. No olvidar la confirmacin de las teoras por medio de la reunin de datos adicionales y de la observacin.

Herramientas estadsticas bsicas

Pgina 8

Unidad I Consejos para la interpretacin: Si las causas de variacin son comunes, el histograma se distribuye normalmente (simtrico, 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 elctricas del tipo AA producidas por la empresa VOLTA. Para la muestra de 200 pilas se procedi a registrar el nmero de horas en que se suministraron.
164 170 165 164 170 178 170 160 163 164 168 173 158 161 164 159 161 153 155 164 165 164 164 168 161 158 167 168 170 164 173 163 177 165 169 170 168 161 174 163 168 165 164 163 171 172 174 159 170 161 164 170 169 163 166 157 167 157 170 174 164 167 159 163 170 171 158 164 169 159 168 150 156 159 160 164 166 163 169 168 163 174 169 173 163 168 165 159 175 179 171 170 167 156 163 165 169 160 167 165 170 167 164 167 166 155 167 163 170 158 177 153 162 170 163 175 166 163 179 160 162 167 168 165 166 154 168 160 164 179 165 167 166 163 169 163 171 165 157 173 166 167 164 167 167 174 170 166 177 165 164 171 164 170 166 165 159 158 166 164 177 167 164 167 166 155 167 163 170 158 177 153 162 170 163 175 166 163 179 160 173 169 176 161 170 161 167 166 164 166 169 172 170 157 160 165 164 157 159 159

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 149.5 153.5 157.5 161.5 165.5 169.5 173.5 177.5 LRS 153.5 157.5 161.5 165.5 169.5 173.5 177.5 181.5 Fi 4 11 29 56 50 31 14 5

Herramientas estadsticas bsicas

Pgina 9

Unidad I Por ltimo se elabora el histograma de frecuencias.

Histograma de Frecuencias
60 50 40 30

20
10 0 (145.5-149.5] (149.5-153.5] (153.5-157.5] (157.5-161.5] (161.5-165.5] (165.5-169.5] (169.5-173.5] (177.5-181.5] (181.5-185.5]
Sbado 5.16 5.83 5.5 4.6 5.5 5.75 5.41 6.5 5.08 7.3 7.6 5.25 7.15 6.58 5.41 5.91 5.08 5.5 4.25 4.78

Ejemplo 2 El gerente de produccin de una compaa fabricante de envases plsticos 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 verificacin:
Hoja de Verificacin Objetivo: Registro del peso (gr.) del envase AS. 9.6 Responsable: Vctor Oropeza Periodo: 1/06/92-6/06/92 Martes Mircoles Jueves Viernes 5.08 5 5.13 5.6 4.4 8.91 7.86 5.85 5.31 7.08 5.08 9.7 4.25 5.5 6.5 5.31 5.6 5.75 2.35 7.08 5.25 6 5.3 4.75 5.98 5.75 7.1 5.45 7.53 6.5 5.8 7.15 5.23 6 5.06 4.98 7.61 5.83 5.21 5.58 6.7 8 8.11 7.7 5.86 5.41 4.81 4.63 5.41 6.5 6.38 5.9 6.01 7.25 5.86 9.48 5.9 6.6 5.45 9.13 7.2 7.3 7.45 7.71 5.2 5 5.1 5.55 6.3 6.41 5.16 5.11 4.78 5.5 3.61 9.31 5.31 7.3 5.71 5.6

Lunes 5.53 6.5 7.6 6.73 5 6.21 6.7 7.18 5.83 7.51 5.76 5.7 5.31 7.36 7.28 4.76 5.15 4.75 4.78 5

Herramientas estadsticas bsicas

(173.5-177.5]

Pgina 10

Unidad I

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 2.345 3.265 4.185 5.105 6.025 6.945 7.865 8.785
60 50 40 30 20 10 0

LRS 3.265 4.185 5.105 6.025 6.945 7.865 8.785 9.705

Fi 1 1 23 52 14 22 2 5

Histograma de Frecuencias

Herramientas estadsticas bsicas

Pgina 11

Unidad I Ejercicios Propuestos Ejercicio 1 Se consider la fraccin 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 continuacin: 0.31 0.34 0.33 0.33 0.35 0.29 0.37 0.32 0.28 0.31 0.31 0.39 0.29 0.30 0.36 0.33 0.35 0.30 0.32 0.33 0.31 0.32 0.33 0.29 0.32 0.34 0.33 0.36 0.30 0.28 0.37 0.32 0.32 0.29 0.34 0.32 0.32 0.35 0.30 0.31

a) Construya la tabla de frecuencias. b) Construya el histograma Suponga que el lmite mximo aceptable de reproceso es 0.35. Marque en el histograma el lmite de especificacin y conteste lo siguiente: c) Cul es el porcentaje de empleados fuera de especificacin? Ejercicio 2 Para incrementar la rapidez del etiquetado de botellas por una mquina de modelo antiguo en una compaa de jugos, se decide observar la variabilidad del proceso mediante la elaboracin de un histograma de frecuencias. Para iniciar este proyecto, se tomaron datos para conocer la cantidad de cajas de botellas etiquetadas por da. Se hicieron 50 observaciones (al trmino del da), cuyos resultados se presentan a continuacin. La unidad de medida est dada en cajas. 7532 8457 6275 5944 8963 6501 7883 9121 7569 6578 6991 7932 6549 6897 7396 8254 7453 7032 6854 8337 8457 8011 8115 7457 8745 7253 6485 5985 8736 7693 8457 6337 7352 8119 6429 7470 8019 6581 6825 7318 6584 6867 8643 7237 7593 8240 6953 7495 6238 6372

a) Construya la tabla de frecuencias. b) Construya el histograma y haga una breve interpretacin de los resultados.

Herramientas estadsticas bsicas

Pgina 12

Unidad I

Diagrama de Pareto
Introduccin Los problemas de calidad en realidad representan prdidas (productos defectuosos y su costo), razn por la cual es importante aclarar el patrn de las distribucin de a prdida. La mayora de las prdidas se deben a unos pocos tipos de defectos, y estos defectos a su vez, pueden atribuirse a un nmero muy pequeo de causas. Si se identifican las causas de estos Pocos defectos vitales, podremos eliminar casi todas las prdidas, concentrndonos en esas causas particulares y dejando de lado por el momento los otros Muchos defectos triviales. El uso del anlisis de Pareto nos permite solucionar este tipo de problemas con eficiencia. El anlisis de Pareto se aplica con frecuencia para analizar los datos reunidos en las hojas de verificacin de artculos defectuosos, con la finalidad de separar claramente los pocos defectos vitales de los muchos triviales, y proporciona direccin en la seleccin de proyectos de mejora. Regla 80/20 Esencialmente la filosofa 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 categoras y es en esas categoras donde se debe centrar la atencin, lo que supondra un aumento significativo de la calidad del proceso. Definicin Un diagrama de Pareto, es un histograma de las causas de los defectos, ordenados por categoras, de mayor frecuencia a menor frecuencia, razn por la cual la barra ms alta queda representada a la izquierda y la ms pequea 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 ms costosos o importantes. Elaboracin del diagrama de Pareto: 1. Determinar que artculos o temas causantes de error van a ser grficados. 2. Recolectar datos para un periodo determinado. 3. Tomar datos de la frecuencia con que ocurre cada artculo o tema. 4. Tomar el porcentaje de frecuencia en que ocurre cada artculo o tema en relacin al total de artculos o temas. 5. Dibujar el eje horizontal y el vertical en la hoja para grficas. Se grada el eje vertical y se colocan los artculos o temas en el eje horizontal en una secuencia de mayor o menor frecuencias. 6. Dibujar una grfica de barras. 7. Dibujar una grfica lineal que represente la acumulacin de los artculos o temas. 8. Anotar el periodo para el cual fueron tomados los datos, el nombre de la persona o grupo de personas que los recopil y el propsito.

Herramientas estadsticas bsicas

Pgina 13

Unidad I Usos del diagrama de Pareto 1. Para determinar cules causan el problema. Si hay muchos defectos, se observar que slo unos cuantos son influyentes. Y por ello, si los esfuerzos de correccin se concentran en esos cuantos influyentes, se habr resuelto el problema en gran parte. 2. Para investigar la causa error. Hay dos maneras de clasificar las causas de error. La primera clasificacin es en trminos de resultados como defectos de produccin, localizacin del suceso, pasos en que se produce. La segunda clasificacin es en trminos de causas como defectos en materiales, maquinaria, instrumentos, mtodos de trabajo, trabajadores, etc. Los puntos del problema se identifican por medio de la clasificacin 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 cules son las principales causas de un problema. Ejemplo: Los siguientes datos corresponden a los imperfectos de los artculos defectuosos en una planta que produce resina. Utilizando dichos datos elabore el diagrama de Pareto correspondiente. Tipo de defecto Maltrato superficial Grietas Incompleto Accidente Otros Total Frecuencia absoluta (Fi) 48 32 23 8 4 115 Frecuenta absoluta acum. ( Fi) 48 80 103 111 115 Frecuencia 32 23 48 4 8 115 Frecuencia relativa (% Fi) 0.417 0.278 0.200 0.700 0.035 Frecuencia relativa acum. ( % Fi) 0.427 0.695 0.895 0.965 1.000

Tipo de defecto Incompleto Maltrato superficial Grietas Otros Accidentes Total

Herramientas estadsticas bsicas

Pgina 14

Unidad I

Ejercicios 1. La siguiente tabla muestra los registros de los defectos observados en el cumplimiento de la garanta de refrigeradores del taller de servicio de una comercializadora, as como los costos de reparacin de asociados a cada uno de ellos. Los datos fueron recabados del ao anterior, habindose vendido 4752 piezas. Tipo de defecto Nmero de defectos ni 119 49 39 36 26 21 20 Costo de reparacin por unidad ui $650 $5000 $1100 $286 $2145 $560 $320 Costo total de reparacin por tipo de defecto ci=ni*ui $77350 $245000 $42900 $10296 $55770 $11760 $6400

Empaques Compresor Termostato Manchas(pintura) Condensador Puerta desalineada Rayaduras

Ahora se obtendr el porcentaje de la siguiente manera:

Donde: ci=Elemento de costo total por tipo de defecto N= Costo total de reparacin por tipo de defecto

Herramientas estadsticas bsicas

Pgina 15

Unidad I Que es el porcentaje del compresor, pondremos otro ejemplo:

Este es el porcentaje de costo total de reparacin de los empaques, as se harn la operacin hasta que acaben los defectos. El porcentaje acumulado se calcular de la siguiente manera: Defecto Compresor Empaques Condensador Termostato Puerta desalineada Manchas Rayaduras Porcentaje % 54.51% 17.21% 12.41% 9.54% 2.62% 2.29% 1.42% Porcentaje Acumulado % 54.51%=54.51% 54.51%+17.21%=71.72% 54.51%+17.21%+12.41%=84.13% 54.51%+17.21%+12.41%+9.54%=93.67% 54.51%+17.21%+12.41%+9.54%+2.62%=96.29% 54.51%+17.21%+12.41%+9.54%+2.62%+2.29%=98.59% 54.51%+17.21%+12.41%+9.54%+2.62%+2.29%+1.42%=100.00%

La tabla siguiente muestra la ordenacin de los tipos de defectos de acuerdo a los costos, y se proporcionan, adems, los resultados de los clculos de los porcentajes relativos y acumulados: Tipo de defecto Costo total de reparacin por tipo de defecto ci=ni*ui $245000 $77350 $55770 $42900 $11760 $10296 $6400 $449476 Porcentaje % 54.51% 17.21% 12.41% 9.54% 2.62% 2.29% 1.42% Porcentaje Acumulado % 54.51% 71.72% 84.13% 93.67% 96.29% 98.59% 100%

Compresor Empaques Condensador Termostato Puerta desalineada Manchas(pintura) Rayaduras Total

De estas tablas podemos apreciar que aunque el nmero de ocasiones en que se observ empaques(11) es mucho mayor que la frecuencia del defecto compresor, el 54.51% del costo de reparacin es atribuible al defecto compresor, en tanto que la reparacin del defecto empaques contribuye slo con el 17.21% del costo total de reparacin, por lo que si se encaminan los esfuerzos a eliminar (o disminuir) el defecto compresor disminuira significativamente el costo de reparacin. Se proceder a hacer el diagrama de Pareto, el cual se muestra a continuacin:

Herramientas estadsticas bsicas

Pgina 16

Unidad I

Diagrama de Pareto de Costos

100.0%
$400,000.00 $350,000.00 $300,000.00 $250,000.00 $200,000.00 $150,000.00 $100,000.00 90.0% 80.0% 70.0% 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0% Empaques Condensador Puerta desalineada Costo Total

$50,000.00
$-

2. En el departamento de compras de una compaa se analizaron 50 rdenes de compras, encontrndose 43 de ellas con los siguientes errores: ERROR Entrega a destiempo Orden de compra(O.C.) sin fundamento Material no adecuado Datos incompletos Entrega de material en exceso Condiciones de pago equivocadas O.C. repetida No existe O.C. Elabore el diagrama de Pareto para estos datos.
Error Datos incompletos No existe O.C. Condiciones de pago equivocadas Entrega a destiempo O.C. repetida O.C. sin fundamento Material no adecuado Entrega de material en exceso Frecuencia 24 6 5 3 2 1 1 1 Porcentaje Acumulado 55.8% 69.8% 81.4% 88.4% 93.0% 95.3% 97.7% 100.0%

Termostato

Compresor

Rayaduras

Manchas

FRECUENCIA 3 1 1 24 1 5 2 6

Herramientas estadsticas bsicas

Pgina 17

Unidad I

40 35 30 25 20 15 10 5 0 No existe O.C. Condiciones de pago equivocadas Material no adecuado Entrega a destiempo O.C. sin fundamento Entrega de material en exceso Datos incompletos O.C. repetida

100.0% 90.0% 80.0% 70.0% 60.0% 50.0% 40.0% 30.0% 20.0% 10.0% 0.0%

Frecuencia Porcentaja Acumulado

Diagrama de Causa y Efecto (Diagrama de Ishikawa)

En la fbrica de los productos elaborados mediante un proceso, normalmente puede haber problemas de variacin en su calidad final, a causa de diversas razones. La meta de la solucin de problemas consiste en identificar las cusas que originan la variacin (los problemas), para corregirlos eliminndolos (Evans y Lindsay, 1993). El diagrama de causa y efecto es una herramienta importante que ayuda a la generacin de ideas en cuanto a las causas del problema y por lo tanto, sirve como base para localizar soluciones. Este es un mtodo grfico sencillo que sirve para presentar en un solo plano, una cadena de causas y efectos, y para definir las causas y las relaciones de organizacin existentes entre las variables. Debido a su estructura (forma) con frecuencia se le llama diagrama de esqueleto de pescado. Las causas ms importantes deben de ir cerca de la cabeza y las menos importantes cerca de la cola, las espinas se dividen en primaria, secundaria, etc. segn el nmero 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 lnea 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 ms probables de un problema, sirve tambin para recopilar mayor informacin acerca de las causas, y todo ello con las finalidad de analizar eficientemente dicha informacin.

Herramientas estadsticas bsicas

Pgina 18

Unidad I Ishikawa recomienda que las causas potenciales que originan tericamente las fallas o los defectos en cualquier proceso productivo, se clasifiquen en 6 categoras, a las que les denomina las 6 Ms y que son las siguientes: Mano de Obra Materiales Maquinaria Mtodos de trabajo Medicin de la variable Medio ambiente Cada una de las Ms anteriores debe ser evaluada con sus MUs correspondientes, existen 3 MUs los cuales son: Muda: desperdicio. Mura: inconsistencias (cuello de botella). Muri: trabajo tensionante. Un ejemplo de evaluacin de las Ms con sus MUs correspondientes quedaran de la siguiente forma: Mano de obra Muda: tiempo ocioso. Mura: mala asignacin de personal y falta de capacitacin. Muri: operaciones montonas, operaciones difciles 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: tecnologa sobrada. Mura: subutilizacin de las mquinas y obsolescencia. Muri: utilizacin de maquinaria peligrosa. Mtodos Desperdicio: exceso de operacin es un proceso. Mura: falta de especificaciones o procedimientos. Muri: manejo excesivo de informacin. Procedimiento 1. Definir el problema: puede incluir el empleo de histogramas de los resultados de los datos recopilados, resultado de las grficas de control, resultados de los diagramas de Pareto, etc. 2. Seleccionar el mtodo para realizar el anlisis: a menudo en esta fase se incluyen reuniones (con representantes de produccin, ingeniera, calidad, ventas y cualquier otro grupo que pudiera estar relacionado en alguna forma con el problema en cuestin), en donde al aplicar la tcnica de la lluvia de ideas pueda surgir una inspiracin sbita ya sea, para identificar una posible causa o bien una posible solucin para eliminar una causa. 3. Determinar la caracterstica de calidad (Efecto).

Herramientas estadsticas bsicas

Pgina 19

Unidad I 4. Dibujar una lnea principal de izquierda a derecha e indicar la caracterstica 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 Dispersin
Es una grfica que se construye utilizando los ejes coordenados, y su objetivo consiste en analizar y estudiar la relacin 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 ingeniera industrial, los diagramas de dispersin se utilizan ampliamente en el rea de control de calidad, para analizar y estudiar las relaciones de causa y efecto. Bajo este punto de vista, al construir el diagrama de dispersin 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 continuacin:

Elaboracin 1. Rena pares de datos (X, Y) cuyas relaciones se desea estudiar, y organice dicha informacin en una tabla. Se recomienda recopilar al menos 30 pares de datos. 2. Encuentre los valores mnimo y mximo 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 har que el diagrama sea ms fcil de leer. Cuando una de las variables represente a un factor (causa) y la otra represente una caracterstica 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 caractersticas de calidad (efecto). 3. Registre los datos en el grfico (utilizando los ejes coordenados). Cuando se repitan pares de valores, muestre dichos datos mediante crculos concntricos en el diagrama. 4. Registre todos los aspectos que puedan ser de utilidad. Cercirese de que se incluyan los siguientes datos, de manera que cualquier otra persona, adems de la que elabor el diagrama, pueda comprenderlo con claridad: a) Ttulo del diagrama b) Nombre y unidades de las variables c) Periodo de tiempo en que se realiz el diagrama d) Numero de pares de datos e) Titulo y unidades de cada eje

Herramientas estadsticas bsicas

Pgina 20

Unidad I Anlisis de Correlacin Es el conjunto de tcnicas estadsticas empleado para medir la intensidad de la relacin existente entre dos variables diferentes. El principal objetivo del anlisis de correlacin, consiste en determinar qu tan intensa es la relacin existente entre dos variables. Normalmente el primer paso consiste en mostrar los valores numricos correspondientes a pares de datos (que representan a dos variables diferentes), en un diagrama de dispersin. Concepto de Correlacin En estadstica se dice que existe una correlacin entre dos variables diferentes, cuando se observa que una de ellas est relacionada con la otra de alguna manera. Asimismo, el trmino correlacin significa relacin mutua entre dos series de valores. El anlisis de correlacin estadstica se usa para interpretar el significado de los diagramas de dispersin. En las figuras se muestran los tipos ms comunes de correlacin existentes entre dos variables diferentes y su correspondiente significado.

Si la correlacin es positiva, se observa que en aumento de la variable independiente X ocasiona un aumento en la variable dependiente Y. si la correlacin es negativa, se observa que un aumento de la variable independiente X, ocasiona una disminucin en la variable dependiente Y. la ausencia de correlacin nos indica que el aumento de valor en una de las variables no ocasiona ningn efecto en el valor de la otra variable, es decir, se observa que entre las dos variables no se presenta ninguna relacin de causa y efecto. Coeficiente de correlacin lineal de Pearson (r) Desarrollado por el investigador Karl L. Pearson en el ao 1900, el coeficiente de correlacin lineal, describe la intensidad de la relacin existente entre 2 conjuntos de variables de nivel de intervalo o de nivel de razn. El coeficiente de correlacin se denota por r, con frecuencia se le menciona tambin como r de Pearson o coeficiente de correlacin producto-momento de Pearson. El coeficiente de correlacin lineal r de Pearson puede tomar cualquier valor entre -1.00 a +1.00 inclusive. Un coeficiente de correlacin lineal igual a -1.00 o igual a +1.00 nos indica una correlacin perfecta. Definicin del coeficiente de correlacin lineal Es la medida de la intensidad de la relacin lineal existente entre los valores de las variables (X, Y) apareados, presentes en una muestra. El siguiente cuadro resume la direccin e intensidad del coeficiente de correlacin lineal de Pearson (r).

Herramientas estadsticas bsicas

Pgina 21

Unidad I Clculo del coeficiente de correlacin de Pearson Este coeficiente nos permite determinar el valor numrico de la medida de la intensidad de la relacin lineal existente entre dos conjuntos de variables apareados, utilizando la siguiente ecuacin:

r= coeficiente de correlacin lineal de Pearson, y adems -1 < r > +1 n= nmero de pares de datos (X, Y) presentes en la muestra. X= suma de todos los puntajes de la variable independiente X. X2= denota que cada valor de la variable aleatoria X se debe elevar al cuadrado y luego todos esos cuadrados deben sumarse. (X)2= denota que los valores de la variable aleatoria X deben sumarse y el total resultante debe elevarse al cuadrado. Y= suma de todos los puntajes de la variable dependiente Y. Y2=denota que cada valor de la variable aleatoria dependiente Y debe elevar al cuadrado y luego todos esos cuadrados deben sumarse. (Y)2=denota que los valores de la variable aleatoria dependiente Y deben sumarse y el total resultante debe elevarse al cuadrado. XY= denota que cada valor de la variable independiente X primero debe multiplicase por su correspondiente valor de la variable dependiente Y, y despus de obtenerse todos esos productos, se deben sumar. Ejemplo La empresa Copier Sales of America, Inc., vende copiadoras a negociaciones grandes medianas y pequeas en Estados Unidos y Canad. La seorita Marcy Bancer fue promovida recientemente al puesto de Gerente nacional de ventas. A la prxima junta de ventas asistirn los representantes de ambos pases. A ella le gustara notar la importancia de hacer llamadas extras cada da. Para ello, decide reunir alguna informacin acerca de la relacin entre El nmero de llamadas realizadas y El nmero de copiadoras vendidas. Seleccion al azar una muestra de 10 representantes y determin el nmero de llamadas que hicieron el ltimo mes y el nmero de copiadoras que vendieron. La informacin muestral que obtuvo se presenta a continuacin en la siguiente tabla. Representante de ventas Tom Sller Jeff Hall Brian Virost Juan Flores Susan Welch Carlos Ramrez Rich Niles Luis Kiel Mark Reynolds Soni Jones Nmero de llamadas realizadas 20 40 25 30 10 15 20 28 20 35 Nmero de copiadoras vendidas 35 60 40 60 30 40 45 50 30 70

Herramientas estadsticas bsicas

Pgina 22

Unidad I Identificando las variables: Xi: El nmero de llamadas telefnicas realizadas por agente Yi: El nmero de copiadoras vendidas por agente. Colocar los pares de datos en un grfico
80 70

Nmero de copiadoras vendidas

60 50 40 30 20 10 0 0 10 20 30 40 50 Nmero de llamadas realizadas Nmero de copiadoras vendidas Lineal (Nmero de copiadoras vendidas)

Prueba de correlacin en los diagramas de dispersin Hemos visto cmo utilizar los diagramas de dispersin para determinar las relaciones entre dos tipos de datos. Pero cmo se puede determinar el grado de correlacin cuando sta existe? Podemos emplear cualquiera de los dos mtodos siguientes: uno consiste en calcular el coeficiente de correlacin y el otro se basa en el papel de probabilidad binomial. Aqu hemos de referirnos al ms prctico de los dos: el denominado mtodo de la mediana para el anlisis de correlaciones. El mtodo consiste en los siguientes pasos: 1. Halle la mediana de y la mediana de dispersin.

. Trace ambas medianas en el grfico de

Herramientas estadsticas bsicas

Pgina 23

Unidad I 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 (I) (II) (III) (IV) Sobre la lnea Total Puntos 19 4 20 5 2 50

3. Determina la cantidad de puntos II y IV, y N (cantidad total de datos menos la cantidad de puntos sobre la lnea). 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 lmite de puntos de la tabla de prueba del signo. Si la cantidad de puntos de ambos sectores es menor que el lmite, existe correlacin. Cantidad lmite de puntos en I + III, II + IV 5 5 5 6 6 7 7 7 8 8 9 9 10 11 12 13 Cantidad lmite de puntos en I + III, II + IV 14 15 15 16 17 18 19 20 21 21 22 23 24 25 26

N 20 21 22 23 24 25 26 27 28 29 30 32 34 36 38 40

N 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70

5. Cuando positiva.

, la cantidad lmite de punto es 16. Como

, existe correlacin

Herramientas estadsticas bsicas

Pgina 24

Unidad I

Grficas de control
Las grficas de control son un intervalo de confianza en una escala de series y tiempo. Una grfica de control permite establecer si un proceso se encuentra o no controlado. En una grfica de control se registran o identifican dos aspectos: Variaciones debidas a causas comunes, es decir, caractersticas propias de cada proceso (mtodo, diseo, especificaciones). Variaciones debido a causas asignables, tales como: (materia prima, mano de obra, maquinaria y equipo etc.). Las caractersticas de inters a controlar en un grfico de control se muestran en la siguiente figura:

Lectura y uso de la grfica de control La lectura de una grfica de control se realiza buscando puntos fuera de los lmites 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 estn 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 patrn es uno de los ms sencillos de reconocer, y por el hecho de darse en forma aislada es fcil de identificar y de determinar sus causas.

Herramientas estadsticas bsicas

Pgina 25

Unidad I

Posibles causas: Variacin en el tamao muestral. Toma de muestras de una distribucin totalmente distinta. 2. Tendencias continuas Este patrn se define como una variacin gradual y constante en forma ascendente o descendente, siendo este patrn fcil 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 tcnica del empleado. Efecto de un mejor programa de mantenimiento de equipo. Efecto de control de procesos en otras reas. 3. Cambio repentino de nivel Un cambio repentino de nivel se presenta como un cambio sbito en una direccin. Una cierta cantidad de puntos se localizan en un solo lado (inferior o superior) de la grfica, y si los datos se grficaran separados, se veran dos distribuciones diferentes.

Herramientas estadsticas bsicas

Pgina 26

Unidad I Posibles causas: Nuevo empleado. Nuevo jefe. Nuevo equipo o nuevo ajuste de equipo. Cambio en el mtodo. Cambio en la motivacin de los empleados. Cambio a un diferente proveedor. Cambio en los estndares. 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 ms 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. Rotacin del personal. Horarios de mantenimiento. Desgaste de equipo. Diferencia regular entre proveedores. 5. Inestabilidad Un patrn inestable presenta puntos errticos que fluctan lo largo de la grfica de control, y la fluctuacin parece ser muy ancha comparada con los lmites de control. La inestabilidad puede deberse a una sola causa o a causas conjuntas. Aunque en este caso el patrn es complejo, recuerde que probablemente las causas son ms bien simples.

Herramientas estadsticas bsicas

Pgina 27

Unidad I

Posibles causas: Ajuste excesivo del equipo. Empleado sin capacitacin. Equipo que necesita reparacin. Efecto de grficas de control instaladas en otras reas. Empleados sin experiencia. Empleados descuidados. Mantenimiento mediocre. Productos defectuosos. Por lo que si una grfica indica alguna de estas causas asignables o combinacin de ellas se dice que el proceso no est bajo control. Por otro lado, la carta de control indica que un proceso es estable (bajo control estadstico) cuando sus puntos caen dentro de los lmites de control y fluctan o varan aleatoriamente (con una apariencia errtica y sin orden) a lo ancho de la carta. Clasificacin de las grficas de control Grficos de control Grfica por atributos Grfica de fraccin defectiva (p) Grfica de defectivos o defectuosos (np) Grfica de defectos por muestra (c) Grfica de defectos por unidad (u) Las grficas de control por variables son la representacin grfica de las caractersticas medibles que nos dan a conocer la frecuencia e intensidad de las variaciones, los valores medios y la desviacin estndar. Una variable es una caracterstica de calidad basada en una medida por ejemplo: La dimensin de una pieza en cm. Temperatura (C) Resistencia a la tensin ( kg/cm3)

Grficas por variables Grficas de medias (X-R) (X-S) Grfica de rangos (R) Grfica de desviacin estndar (S)

Herramientas estadsticas bsicas

Pgina 28

Unidad I Cuando son conocidos y las formulas utilizadas para la creacin de los grficos son:

Cuando no son conocidos y las formulas utilizadas para la creacin de los grficos son:

Donde A, A1, A2, d2, D1, D2, D3, D4, C2, B4, B2, B3, B4 son factores de correccin y se consultan en las tablas de acuerdo al tamao de la muestra. Grfica de control por variables ( - ) y ( - ) Estas grficas muestran las medias de un proceso y su rango. La ventaja de estas grficas es el hecho que podemos vigilar el comportamiento de las medias y al mismo tiempo su variacin, la cual permite se tome las acciones preventivas para evitar la ocurrencia de los efectos. Pasos para su construccin 1. Seleccionar la caracterstica de inters a controlar. 2. Controlar los factores que puedan afectar las caractersticas seleccionadas (mano de obra, materia prima, medio ambiente, mtodo etc.) 3. Preparar el equipo para realizar la inspeccin. 4. Tomar la muestra en el orden cronolgico para no alterar el azar

Herramientas estadsticas bsicas

Pgina 29

Unidad I 5. Calcular la media, el rango y la desviacin estndar para cada una de las muestras. 6. Calcular la media de medias, la media de rangos y las desviaciones estndar. 7. Calcular los lmites de control superior e inferior utilizando los factores de correccin respectivos. 8. Trazar la lnea central. 9. Construir la grfica. 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 tamao 6. Las mediciones se presentan en la siguiente tabla: Realizar las grficas de control ( - ) y ( - )
Muestra 1 2 3 4 5 6 7 8 9 10 11 a 4.22 4.25 4.2 4.2 4.15 4.18 4.22 4 4.1 4.2 4.35 b 4.2 4.22 4.22 4.25 4.2 4.17 4.24 4.15 4.15 4.25 4.2 c 4.2 4.1 4.01 4.18 4.03 4.17 4.23 4.18 4.3 4.2 4.25 d 4.08 4.15 4.17 4.05 4.15 4.3 4.07 4.1 4.36 4.3 4.12 e 4.15 4.1 4.18 4.17 4.31 4.15 4.19 4.3 4.15 4.15 4.3 f 4.15 4.15 4.3 4.1 4.25 4.1 4.25 4.2 4.1 4.1 4.1 Promedios X 4.17 4.16 4.18 4.16 4.18 4.18 4.20 4.16 4.19 4.20 4.22 4.18 R 0.14 0.15 0.29 0.2 0.28 0.2 0.18 0.3 0.26 0.2 0.25 0.22 0.051 0.062 0.095 0.072 0.096 0.066 0.067 0.101 0.110 0.071 0.099 0.08

Para los grficos ( - ) Grfica 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
4.3

Grfica de medias

4.25
4.2 4.15

4.1
4.05 4

3.95
1 2 3 4 5 6 7 8 9 10 11

Herramientas estadsticas bsicas

Pgina 30

Unidad I Para grficar debe considerarse que en el eje de las x ir cada subgrupo de muestras y en el de las y los valores que corresponden a la media de cada muestra. Grfica de rangos LSC= D4 = .22 (2.0004) = .44 LC= = .22 LIC= D3 = .22 (0) = 0 Para la grfica de rangos se sigue la misma metodologa que para la grfica de medias, con la variante de que los valores a grficar corresponden al rango de cada muestra.
0.5 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05

Grfica de rangos

0
1 2 3 4 5 6 7 8 9 10 11

Para los grfico ( - ) Grfica de medias LSC= + A1 = 4.18 + (1.410)(.08)= 4.29 LC= = 4.18 LIC= - A1 = 4.18 - (1.410)(.08)= 4.06
4.35 4.3 4.25 4.2 4.15 4.1 4.05 4 3.95 3.9
1 2 3 4 5 6 7 8 9 10 11

Grfica de medias

Grfica de desviacin estndar LSC= B4 = .08 (1.970) = .1576 LC= = .08 LIC= B3= .08 (.3) = .0024

Herramientas estadsticas bsicas

Pgina 31

Unidad I

0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0

1 2 3

Grfica de desviacin estndar

10

11

Ejemplo La siguiente tabla proporciona las lecturas efectuadas del espesor (en milsima de pulgadas) de la pintura de ciertas placas metlicas. Esta caracterstica de calidad es crtica para el cliente, de modo que se ha decidido monitorear este proceso mediante los grficos (X-R) (X-S).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 2.08 2.14 2.3 2.1 2.06 2.14 2.07 2.08 2.13 2.13 2.24 2.25 2.03 2.08 2.04 1.92 2.12 1.98 2.08 2.22 2.26 2.02 2.1 2.1 2.12 2.22 2.05 2.31 1.9 2.16 2.34 1.91 2.1 1.92 2.14 2.1 2.3 2.3 2.12 2.05 2.13 2.14 2.2 2.15 1.98 2.18 1.97 2.12 2.12 2.12 2.4 1.96 2.24 2.14 2.18 2.13 2.01 2.31 2.11 1.93 1.94 1.94 2.25 1.97 2.12 2.27 2.05 2.18 2.04 2.22 2.26 2.04 2.2 2.2 2.12 2.02 2.2 2.12 2.22 2.08 LECTURAS 2.3 2.15 2.3 2.08 2.05 1.95 2.25 2.12 2.2 2.02 2.17 2.26 2.16 2.02 2.15 2.17 2.4 2.12 2.12 2.07 2.13 2.15 1.93 2.08 2.25 2.03 2.02 2.04 2 2.02 1.93 2.17 2.11 1.93 2.08 2.1 2 1.95 2.15 2.27 2.07 1.94 2.1 2.1 2.19 2.15 2.02 1.98 2.15 2.04 2.08 2.29 2.06 1.94 2.05 2.24 2.02 2.15 2.15 1.95 2.02 2.12 2.16 1.9 2.03 2.07 2.14 2.05 2.01 2.28 2.02 2.42 2.19 2.05 2.34 1.98 2.25 2.35 2.14 2.11 2.22 2.15 2.37 2.04 2.02 2.02 2.07 2 2.3 2.12 2.05 2.1 2.13 2.12 2.12 2.34 2.05 2.12 2.28 2.12 2.18 2.36 1.98 2.08 2.09 2.36 2 2.26 2.14 2.1 2.18 2 2.2 2.06 2.05 2.12 2.1 2.26 2.31 2.1 Promedios X 2.14 2.12 2.15 2.08 2.08 2.18 2.06 2.13 2.13 2.14 2.19 2.10 2.14 2.06 2.11 2.10 2.11 2.18 2.14 2.10 2.12 R 0.36 0.42 0.42 0.35 0.22 0.34 0.19 0.33 0.5 0.24 0.38 0.51 0.22 0.28 0.34 0.42 0.37 0.37 0.36 0.34 0.35 S 0.111 0.137 0.136 0.096 0.074 0.099 0.059 0.107 0.141 0.070 0.125 0.170 0.084 0.086 0.101 0.136 0.115 0.121 0.113 0.106 0.11

Para los grficos ( - ) Grfica 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

Herramientas estadsticas bsicas

Pgina 32

Unidad I Grfica de medias

2.2

2.15

2.1

2.05

1.95
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Grfica de rangos LSC= D4 = .35 (1.777) = .622 LC= = .35 LIC= D3 = .22 (.223) = .049
0.7
0.6 0.5 0.4 0.3 0.2

Grfica de rangos

0.1 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Para los grfico ( - ) Grfica de medias LSC= + A1 = 2.12 + (1.028)(.11)= 2.23 LC= = 2.12 LIC= - A1 = 2.12 - (1.028)(.11)= 2.006
2.25
2.2 2.15 2.1

Grfica de medias

2.05
2 1.95 1.9

1.85
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Herramientas estadsticas bsicas

Pgina 33

Unidad I Grfica de desviacin estndar LSC= B4 = .11 (1.716) = .189 LC= = .11 LIC= B3= .11 (.284) = .031
0.2
0.18

Grfica de desviacin estndar

0.16
0.14 0.12

0.1
0.08

0.06
0.04 0.02

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Grficas por atributos Las grficas de control por variables muestran las caractersticas de calidad que son medibles y expresadas en unidades. Las grficas de control por atributos tratan con las caractersticas 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 nmero de artculos elaborados de acuerdo con las especificaciones y el nmero de artculo 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 est de acuerdo o no con las especificaciones. Los tipos ms comunes de ests grficas son las siguientes: Fraccin defectiva p Artculos defectuosos np Defectos por muestra c Defectos por unidad u Para efectos de una operacin 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 caracterstica de calidad.

Herramientas estadsticas bsicas

Pgina 34

Unidad I Defectuoso (np). Se designa as a todo elemento que presente uno o ms defectos (de igual o diferente clase) con respecto a las caractersticas de calidad que se le imponen. Fraccin defectiva (p). relacin que existe entre el nmero de defectuosos de la muestra con respecto al nmero de elementos que forman esa muestra. Grfica de fraccin defectiva p Cuando se grfica un control por atributos y se toma la produccin de un da, es muy comn que el nmero de elementos producidos no resulte siempre el mismo encontrndose algunas variaciones en cantidad y por lo tanto lotes de distintos tamaos. Para elaborar la grfica 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, tamao de lote, numero de defectuosos encontrados en la muestra o lote y la fraccin defectiva. 2. Se calcula la lnea central C= 3. Calcular el tamao medio de los lotes.

4. Calcular la desviacin estndar.

5. Calcular los lmites de control LSC= + 3 LC= LIC= - 3 6. Construir la grfica.

Herramientas estadsticas bsicas

Pgina 35

Unidad I Ejemplo 1

= 22857/20= 1142.85 p= LSC= .089 + 3(.0084)= .114 LC= .089 LIC= .089 3(.0084) = .063
0.14

= .0084

Grfico p

0.12
0.1 0.08

0.06
0.04 0.02

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Ejemplo 2

En una agenda noticiosa se decide registrar durante un periodo de 20 das, en una hoja de datos, el nmero de comunicaciones enviadas por fax, sealando cuales de estos tienen fallas.

Herramientas estadsticas bsicas

Pgina 36

Unidad I

99/585= .17 = 585/20= 29.25 p= = .069 LSC= + 3 = .17 + 3(.069) = .377 LC= = .17 LIC= - 3 = .17 3(.069) = 0
0.4
0.35 0.3 0.25

Grfico p

0.2
0.15 0.1 0.05

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Grfica de defectivos np Esta grfica es igual a la de fraccin defectiva con la variante de que los puntos de la grfica corresponden al nmero de defectuosos np encontrados en cada unos de los lotes, se recomienda que esta grfica se utilice nicamente cuando todos los lotes sean del mismo tamao o de un tamao muy aproximado entre s, (una variacin de +- 10% del tamao medio, pues el valor que corresponde a la lnea central n est en funcin del tamao del lote. El valor de la lnea central de la grfica no se obtiene dividiendo la suma de los defectuosos de todos los lotes entre el nmero de lotes revisados o inspeccionados. LC= n = El valor de la desviacin estndar est dada por: n = Herramientas estadsticas bsicas Pgina 37

Unidad I Los lmites de control se obtienen aplicando las siguientes frmulas: LSC= n + 3 n LC= LIC= n - 3 n 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 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 LC= 33/15= 2.2 33/ 6000 = .0055 n = = 1.47 LSC= 2.2 + 3 (1.47) = 6.61 LC= 2.2 LIC= 2.2 3(1.47) = -2.21= 0
9 8 7 6

Tamao 400 400 400 400 400 400 400 400 400 400 400 400 400 400 400 6000

Defectuosos 1 3 0 7 2 0 1 0 8 5 2 0 1 0 3 33

Grfico np

5 4 3 2 1 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Herramientas estadsticas bsicas

Pgina 38

Unidad I Ejemplo 2 Los datos de la inspeccin realizada en el departamento de forja de piezas de chapa metlica aparecen en la tabla adjunta. Elabore la grfica np de los datos. Lote 1 2 3 4 5 6 7 8 9 10 11 12 LC= np= 212/12= 17.67 212 / 3600 = .059 n = = 4.07 LSC= 17.67 + 3 (4.07) = 29.9 LC= 17.67 LIC= 17.67 3(4.07) = 5.46
45 40 35 30 25 20 15 10 5 0
1 2 3 4 5 6 7 8 9 10 11 12

Tamao 300 300 300 300 300 300 300 300 300 300 300 300 3600

Defectuosos 12 15 17 21 40 0 25 31 27 0 11 13 212

Grfico np

Grfica c o defecto por muestra Esta grfica es muy conveniente cuando no existe un tamao natural del lote, es decir, cuando se trata de determinar la uniformidad de la calidad sobre iguales longitudes, reas, o volumen de un producto. A diferencia de la grfica np, que trata el nmero de defectos en una muestra, la grfica c estudia el comportamiento de un proceso considerando el encontrado al inspeccionar una unidad de producto o servicio.

Herramientas estadsticas bsicas

Pgina 39

Unidad I La grfica hace uso del hecho que un producto o servicio es aceptable aunque presente cierto nmero de defectos. Un automvil, por ejemplo, funciona aunque tenga el parabrisas estropeado o su reloj descompuesto. Algunos de los objetivos de esta grfica son los siguientes: Reducir el costo de tener que repetir trabajos. Informar a los supervisores y a la administracin acerca del nivel de calidad. Determinar qu tipo de defectos no son permisibles en un producto o servicio, e informar sobre la probabilidad de ocurrencia de defectos en un rea o proceso de trabajo. Las grficas c deben utilizarse slo cuando el rea de oportunidad de encontrar defectos permanece constante. Esto es, las muestras deben ser todas de la misma rea o cantidad, la cual deber fijarse de antemano. LC= = = LSC= + 3 LC= LSC= - 3 Ejemplo 1 En una produccin de placas de fundicin para bases, se han encontrado defectos tales como: grietas, pequeas cavidades etc. Se han tomado 300 placas consecutivas para trazar la grfica de control c, la cual servir de base para producciones futuras, el resultado fue el siguiente:

Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Defectos 2 0 0 1 1 3 1 3 0 1 3 2 5 1 4

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

5 0 3 1 2 1 2 3 1 1 2 0 2 1 4 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

Herramientas estadsticas bsicas

Pgina 40

Unidad I

7
6 5 4 3 2

Grfico c

1 0
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

Ejemplo 2 Los siguientes datos muestran los resultados obtenidos al realizar una auditora de producto terminado en un proceso cuya salida es muy sofisticada.

Lote 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Defectos 17 16 16 17 17 18 24 19 19 18 14 15 15 16 20 16 14 16 15 19 341

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

35
30 25 20 15 10

Grfico c

5 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Herramientas estadsticas bsicas

Pgina 41

Unidad I Grfica U o defectos por muestra Es muy conveniente usar esta grfica para el caso de que un producto al presentarse o revisarse este formados por varias unidades normales y para las cuales la inspeccin cubre ms de una caracterstica. La grfica u puede ser usada bajo cada una de las siguientes suposiciones: Como substituto de la grfica c cuando el tamao muestral (constante) contiene ms de una unidad de inspeccin, y se desea grficar el nmero de defectos por unidad de inspeccin. Cuando el tamao muestral vara, de modo que la grfica c no puede usarse. Lmites variables usando tamaos muestrales individuales. Lmites constantes usando el promedio del tamao muestral cuando los tamaos no difieren grandemente. Frmulas =

= LSC= + 3 LC= LIC= LSC= - 3 Ejemplo 1

= 1288/580 = 2.2 .33 LSC= 2.2 + 3 (.33) = 3.19 LIC= 2.2 LSC= 2.2 + 3(.33) = 1.21

Herramientas estadsticas bsicas

Pgina 42

Unidad I

6 5 4 3 2 1 0
1 2 3 4 5 6 7 8 9

Grfico u

10

11

12

13

14

15

16

17

18

19

20

Ejemplo 2 La tabla adjunta muestra los resultados de la inspeccin de 20 lotes de tres tamaos diferentes: 20,25 y 40. Elabore la grfica u para estos datos. Lote 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 n 20 20 40 25 25 25 40 40 40 40 25 25 25 25 25 20 20 20 40 40 580 c 72 38 76 35 62 81 97 78 103 56 47 55 49 62 71 47 41 52 128 84 1334 u 3.6 1.9 1.9 1.4 2.48 3.24 2.42 1.95 2.58 1.4 1.88 2.2 1.96 2.48 2.84 2.35 2.05 2.6 3.2 2.1

Herramientas estadsticas bsicas

Pgina 43

Unidad I = 1334/580 = 2.3 .33 LSC= 2.3 + 3 (.33) = 3.3 LIC= 2.3 LSC= 2.3 + 3(.33) = 1.31

4
3.5 3 2.5

Grfico u

2
1.5 1 0.5

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Herramientas estadsticas bsicas

Pgina 44

Unidad I

Referencias bibliogrficas

Las 7 Herramientas Bsicas de la Calidad, Divisin de Graduados de Investigacin Instituto Tecnolgico y de Estudios Superiores de Monterrey Campus Monterrey, 1995.

Herramientas estadsticas bsicas

Pgina 45