En este camino, conocer los elementos bsicos de la teora de la probabilidad, de tal

manera que a partir de la estimacin de un evento simple, pueda obtener informacin sobre
el riesgo de ocurrencia de eventos compuestos y complejos, es una necesidad para el
ingeniero.
2 Si con un determinado sistema puedo resolver el problema con un riesgo r, cual ser el
riesgo si coloco n sistemas, en paralelo?.
En una situacin pobremente estudiada, cmo hacer predicciones del riesgo, usando
informacin incompleta?
Surge aqu la necesidad de conocer algunos modelos probabilsticos y su posible uso para
simplificar la realidad y obtener respuesta sobre el riesgo de ocurrencia de eventos de
inters.
Si la magnitud de un factor F, es un insumo clave para la solucin de un problema de
ingeniera, pero solo dispongo de algunos datos sobre F, Cmo puedo estimar la magnitud
de F, asumiendo un riesgo de equivocarme en la estimacin, definido a priori por el
ingeniero?.
En esta situacin la estadstica puede apoyar la formacin del ingeniero proporcionndole
las herramientas adecuadas para la construccin de heursticas, a travs de la llamada
estimacin de cantidades, por medio de intervalos de confianza.
Billy Koen (1985) en su intento por caracterizar el trabajo del ingeniero, expresa cmo el
ingeniero inicia su trabajo saliendo de un punto de partida que corresponde a una situacin
de incertidumbre o pobremente estudiada y que su punto de llegada es incierto. En el
camino, deber ir resolviendo las dificultades y obstculos y tomando decisiones cuando
existan varios caminos alternativos.
Cmo poder hacer comparaciones y tomar decisiones ante diversos cursos alternativos de
decisin, en un ambiente de incertidumbre?.
En esta problemtica, la estadstica se constituye en una verdadera mina, de la cual el
ingeniero puede dotarse de las heursticas apropiadas para enfrentar con muy buenas
posibilidades de xito la situacin de comparar alternativas, con informacin parcial,
cuantificando el riesgo de tomar una mala decisin. Este yacimiento de heursticas, se
conoce en estadstica como Contraste de hiptesis. Cmo decidir entre varios posibles
cursos de accin en ambiente de incertidumbre?
Koen plantea de manera muy pedaggica la diferencia entre los dominios de la ciencia y
de la ingeniera. Uno de los elementos conceptuales que marca esta diferencia, es la
restriccin en los recursos disponibles. A diferencia de la ciencia, en la ingeniera no se
hace referencia a la solucin, sino a una solucin.
En ingeniera una buena solucin no se pueda juzgar, sin el conocimiento de la restriccin
generada por la disponibilidad de recursos.
En ingeniera puede preferirse una solucin que no es la ptima absoluta, pero que se
aproxima bastante bien a los requerimientos, si esta es mucho ms rpida y/o barata que la
ptima.
Si tener la informacin completa, requiere de un periodo de tiempo exagerado o exige una
cantidad de recursos muy grande, el ingeniero deber disponer de heursticas que le
permita saber cual es el punto de compromiso entre cantidad de recursos a invertir en
obtener informacin y la magnitud del riesgo de equivocarse y sus consecuencias al tomar
decisiones con dicha cantidad limitada de informacin.
3 La estadstica ofrece un excelente men, para que el ingeniero disponga de heursticas que
le permitan cuantificar el monto de recursos que debe asignar a la inversin en informacin
y la manera de decidir con dicha informacin. Esta carta de navegacin, se conoce en
estadstica como estimacin del tamao de muestra y puede relacionar un tamao de
muestra a seleccionar con el riesgo de equivocarse al decidir con ella en algn sentido.
Por otro lado ante la incertidumbre o el pobre conocimiento de la situacin, el ingeniero
debe disponer de heursticas que le permitan en algunas ocasiones hacer ensayos en
pequea escala, para predecir el comportamiento de un sistema, anticiparlo tomando las
medidas adecuadas, llenndose de argumentos para favorecer un curso determinado de
accin.
Cmo realizar estos ensayos? Cmo concluir con base en la informacin obtenida en los
ensayos, si se sabe que es informacin parcial, no reproducible en forma exacta si se
repitieran los ensayos?
En esta situacin, un excelente socavn, rico en las mejores fuentes para producir
heursticas, lo constituye el diseo estadstico de experimentos, el cual no solo plantea muy
buenas guas para la ejecucin de los ensayos, para garantizar la validez de las
conclusiones que se obtengan, sino que permite controlar el riesgo, definiendo a priori, la
magnitud de los riesgos que el ingeniero est dispuesto asumir, en el sentido de tomar
decisiones equivocadas. Adems incluye relaciones clave que conectan recursos a invertir
con calidad de las decisiones.
Ya se dijo que una condicin inherente al trabajo de un ingeniero, y que por tanto
caracteriza el Mtodo de Ingeniera, es restriccin en la disponibilidad de recursos. Entre
varias heursticas comparables en su eficiencia, el ingeniero podra escoger aquella que
exija menos insumos de informacin y en general que implique menos recursos.
Proteger los recursos, es una de sus misiones permanentes. En este sentido poder predecir el
estado final resultante de un curso de accin tomando en consideracin caractersticas de
su punto de partida, le permitir disminuir los riesgos de invertir recursos en
rectificaciones por deficientes predicciones.
Por otro lado, pero en el mismo sentido, en situaciones problema donde se requiere el
conocimiento de magnitud de F, para tomar una decisin, pero en lugar de conocer F, se
conocen X,Y; Z; W, que son mucho ms baratas y prcticas de medir que la propia F, surge
la pregunta: Cules heursticas me permiten tomar decisiones equivalentes con stas
ltimas en lugar de F?. Entre las caractersticas disponibles (X,Y,Z,W), Cul es el
subconjunto mnimo que se requiere y cual es la calidad de las decisin que se tome con
base en dicho subconjunto?. Cmo predecir el valor F correspondiente a un conjunto de
valores especfico de las caractersticas (X,Y;Z;W)?.
En esta problemtica, la estadstica vuelve a salir a la palestra, poniendo a disposicin del
ingeniero, los modelos para predecir la magnitud de una caracterstica mediante el
conocimiento de otras, a travs de los llamados modelos de regresin.
Si parte de las condiciones del punto de partida del ingeniero, es la disponibilidad de
informacin sobre un conjunto de caractersticas relacionadas con la situacin problema,
Cmo explorar esta informacin, para plantear a partir de ella, algunas hiptesis que
permitan orientar el prximo curso de accin?
4 En esta fase la estadstica entrega en las manos del ingeniero, algunas estrategias para hacer
tiles sus datos, dndoles sentido en el contexto de su problema a travs del llamado
Anlisis Exploratorio de Datos.
Cuando el comportamiento futuro de una caracterstica, es un parmetro de diseo para un
proyecto, se requiere disponer de Heursticas que permitan sacar provecho del
conocimiento sobre cmo se ha comportado dicha variable en el pasado, para hacer
pronsticos y estimar su fiabilidad. En este campo, la estadstica provee los elementos
necesarios a travs del llamado anlisis de series de tiempo y pronsticos.
En campos especficos de la ingeniera, en los cuales una caracterstica inherente a la
calidad de un producto es el tiempo que trascurre hasta que el producto falla o la duracin
del tiempo entre fallas, se requiere conocer algunos parmetros que garanticen a priori, la
confiabilidad del producto o servicio o para la definicin de polticas de mantenimiento de
equipos, para la definicin de tiempo de garanta, es muy conveniente disponer de
heursticas para la prediccin de la fiabilidad, campo frtil de la estadstica a travs de la
teora de la fiabilidad.
Si se trata de controlar y mejorar la calidad de productos o procesos en ambientes de
incertidumbre y variabilidad, como es la situacin normal en la industria manufacturera, las
heursticas universalmente usadas corresponden al rea de mtodos estadsticos para el
control y mejora de la calidad.
Si se quiere abordar la calidad desde el propio diseo del producto, intentando conocer la
interaccin entre los parmetros de diseos del producto o de la operacin de un proceso,
con caractersticas de preferencias o del ambiente del usuario final, se requiere usar la
estadstica a travs de los llamados Mtodos estadsticos para el diseo de productos
robustos.
Citando una vez ms a Koen (1985), al empezar su captulo 1, dice:
El uso del Mtodo de ingeniera, en vez del uso de la razn, es la herencia de la
humanidad ms equitativamente distribuida. Por Mtodo de Ingeniera quiero decir
la estrategia para causar, con los recursos disponibles, el mejor cambio posible en
una situacin incierta o pobremente estudiada. Por Razn, quiero dar a entender la
habilidad para distinguir lo verdadero de lo falso.
Esta distincin, indica que la lgica formal, no ser el instrumento, que usar el ingeniero
para definir sus cursos de accin y para tomar sus decisiones sobre lo que funciona o no
funciona, pues como lo explica el propio Koen en su caracterizacin de heurismos, no se
garantiza que la aplicacin de un heurismo sea siempre vlida. Adems varios heurismos
que se encuentran en el maletn del ingeniero, pueden conducir a resultados contradictorios.
En este estado de cosas Cmo decidir sobre la plausibilidad de una heurstica o de alguna
estrategia, en ambiente de incertidumbre, si no es la lgica formal la que nos rige?.
Esta situacin se identifica extraordinariamente con lo que se conoce como Pensamiento
Estadstico, pues este da pautas y guas para valorar un conjunto de datos, con base en la
naturaleza del proceso que los gener, sin comprometerse con la validez categrica de los
mismos. Es decir, que unos datos sern tan buenos como el proceso que les dio origen.
5 Igualmente cuando se requiere comparar cursos de accin, la estadstica proporciona unas
guas, que de seguirse, hacen plausibles la conclusiones que se obtengan al aplicar unos
procedimientos consistentes con dichas guas, aunque no las garantiza al cien por ciento.
El pensamiento estadstico, es una dimensin transversal a toda heurstica que intente
obtener informacin o tomar decisiones en ambientes de variabilidad e incertidumbre.
Para finalizar, podemos plantear la pregunta Cmo comparar la eficiencia de varias
heursticas en ambientes de incertidumbre o en situaciones pobremente estudiadas?
Una posible estrategia para lograr este propsito, puede darse con base en la simulacin, la
cual permite a costos relativamente bajos predecir el comportamiento de una heurstica, en
diferentes ambientes y condiciones de partida. Conociendo comportamientos aproximados
de las componentes de un sistema y de sus complejas relaciones, puede hacerse uso de las
herramienta que proporciona la simulacin para obtener resultados empricos del
comportamiento del sistema completo, pudindose evaluar la sensibilidad o robustez a
ciertas condiciones y ambientes.













Ingenieria del trabajo calculo de tiempo estndar, estudio del tiempo
estndar
La etapa del clculo del tiempo estndar marca el inicio del trabajo de oficina en el estudio de
tiempos, aunque es muy probable que el especialista en medio del anlisis considere necesario
apoyarse nuevamente en la observacin de las operaciones. Esta fase no requiere un gran dominio
aritmtico, por lo que consiste en clculos comunes y corrientes que puede efectuar el analista en
muy poco tiempo, un ayudante o una hoja de clculo. Requiere eso s, de una gran capacidad de
anlisis de consistencia de los datos obtenidos en la fase de observacin, y un evidente
conocimiento de las medidas a tomar dependiendo de la situacin que se presente.
El hecho de convertir una serie de tiempos observados en tiempos tipo o estndar, requiere de la
aplicacin sistemtica de una serie de pasos en los que se har importante que el analista tenga
claridad respecto a la base terica del cronometraje del trabajo, la valoracin del ritmo, y
los suplementos del estudio.
http://ingenierosindustriales.jimdo.com/herramientas-para-el-ingeniero-industrial/estudio-de-
tiempos/c%C3%A1lculo-del-tiempo-est%C3%A1ndar-o-tipo/
Planificacion pronsticos
2. Pronsticos

En aproximacin a lo expresado por Rigss [1998], Domnguez Machuca et al [1995], Buffa
& Sarin
[1992], Adam & Ebert [1991], Hanke & Deitsch [1996] y Voris [1977], se puede afirmar,
que los
pronsticos son el primer paso dentro del proceso de planificacin de la produccin y estos
sirven
como punto de partida, no solo para la elaboracin de los planes estratgicos, sino adems,
para
el diseo de los planes a mediano y corto plazo, lo cual permite a las organizaciones,
visualizar de
manera aproximada los acontecimientos futuros y eliminar en gran parte la incertidumbre y
reaccionar con rapidez a las condiciones cambiantes con algn grado de precisin.
Desde el punto de vista conceptual, algunos autores [Tawfik & Chauvel, 1992; Adam &
Ebert,
1991; Kalenatic & Blanco, 1993] expresan la importancia de diferenciar entre los trminos
prediccin y pronstico, ya que de acuerdo a su criterio, las predicciones se basan
meramente en
la consideracin de aspectos subjetivos dentro del proceso de estimacin de eventos
futuros,
mientras que los pronsticos, se desarrollan a travs de procedimientos cientficos, basados
en
datos histricos, que son procesados mediante mtodos cuantitativos.
En lo referente a los tipos de pronsticos, estos pueden ser clasificados de acuerdo a tres
criterios: segn el horizonte de tiempo, segn el entorno econmico abarcado y segn el
procedimiento empleado [Hanke & Deitsch,1996].
Los pronsticos segn el horizonte de tiempo pueden ser de largo plazo, mediano plazo o
corto
plazo [Domnguez Machuca et al, 1995; Lockyer, 1995; Hanke & Deitsch,1996] y su empleo
va
desde la elaboracin de los planes a nivel estratgico hasta los de nivel operativo.
Los pronsticos segn el entorno econmico pueden ser de tipo micro o de tipo macro y se
definen de acuerdo al grado en que intervienen pequeos detalles vs. grandes valores
resumidos
[Hanke & Deitsch, 1996].
Los pronsticos segn el procedimiento empleado pueden ser de tipo puramente
cualitativo, en
aquellos casos en que no se requiere de una abierta manipulacin de datos y solo se utiliza
el
juicio o la intuicin de quien pronostica o puramente cuantitativos, cuando se utilizan
procedimientos matemticos y estadsticos que no requieren los elementos del juicio.
Tal vez esta ltima clasificacin es la ms generalizada por los distintos autores consultados
de
acuerdo con los cuales, los mtodos cualitativos y cuantitativos que se pueden aplicar en la
elaboracin de los pronsticos son los siguientes: [Buffa & Sarin; Adam & Ebert,1991;
Hanke &
Deitsch,1996; Tawfik & Chauvel, 1992, Monks, 1991; Chase & Aquilano, 1995; Rigss,1998;
Schroeder,1992]:
Mtodos Cualitativos: Mtodo Delphi, mtodo del juicio informado, mtodo de la
analoga de los ciclos de vida y mtodo de la investigacin de mercados.
Mtodos cuantitativos: Mtodos por series de tiempo y mtodos causales.
Una clasificacin de los mtodos aplicados en la elaboracin de pronsticos, realizada con
base en
Hanke & Deitsch [1996] y Schroeder [1992], se presenta en la tabla 1.

1. Pronostico.
Es una serie de datos que en base a una serie de estudios determinan la demanda en un futuro de un
determinado producto.
1.- Qu significa pronosticar?
Es predecir el futuro a partir de algunos indicios
2.- Qu es un pronstico?
Es una inferencia a partir de ciertos datos
3.- Cmo se define el pronstico?
Es una tcnica que permite predecir lo que ocurrir en el futuro. El pronstico depender de
los cambios en las variables externas al sistema de produccin.
4.- Cules son los antecedentes de los pronsticos?
Tuvieron su origen en aspectos informales de la vida cotidiana. En otras pocas los Reyes, los
Polticos y personas adineradas acudan a los clarividentes para que les comentaran acerca de sus
vidas en el futuro. Al paso del tiempo estas ideas las adoptan los comerciantes y empresarios y se fue
formalizando poco a poco para el concepto de los pronsticos hasta llegar a la que hoy se conoce
como un importante tema.
5.- Dnde se utilizan las tcnicas de pronsticos en una empresa para determinar la demanda?
Estas tcnicas se utilizan en empresas para determinar la demanda futura de sus productos, y en
base a esto planear y controlar la cantidad de productos que deber producir.
6.- Cundo una empresa est en condiciones de optimizar?
Cuando una empresa determina la demanda futura de sus pronsticos, esta en condiciones de
optimizar el uso de todos sus recursos, lograr su objetivos y satisfacer la demanda de sus clientes
oportunamente.
7.- Quin utiliza las tcnicas de pronsticos?
Personal especializado y adscritos a las reas de produccin y mercadotecnia de las productoras
o bienes .
8.- Cul es la validez de un pronstico?
No es la verdad absoluta respecto a algn evento en el futuro, un pronstico solo es una
aproximacin a la realidad entre ms se acerque a ella mejor ser.
9.- En una Sistema de produccin se presentan 2 grupos de problemas
a)Probabilidad de diseo
b)Probabilidad de la planeacin
10.- Cmo se agrupan las tcnicas de pronsticos que utilizan en la actualidad?
Cualitativas
Cuantitativas
Combinacin de ambas
2. Problemario de Inventarios
TCNICA No. 1 PROMEDIO MVIL SIMPLE (PMS)
Esta tcnica sirve para calcular el pronstico de ventas para el siguiente periodo exclusivamente,
como su nombre lo indica es un promedio que se obtiene n datos; para definir en
forma prctica cul ser el mejor resultado, se deber tomar en cuenta el de menor error al
cuadrado < (D-P)2.
Estos n datos estn en funcin de cmo queramos promediar u obtener resultados, con menor o
mayor exactitud; n puede valores comprendidos entre 2,3,4,5....etc. en la prctica es recomendable
utilizar bloques de informacin que en promedio tengan 10 mas datos, lo cual no permitir una
mejor interpretacin o visin del comportamiento de ese producto o pronstico.
TCNICA No. 2 PROMEDIO MVIL DOBLE (PMD)
sta es otra tcnica cuantitativa que sirve para calcular el pronstico de la demanda o de las ventas
para periodos futuros, para su aplicacin y clculos es recomendable seguir el procedimiento que se
indica.
Procedimiento:
Se calcula el PMS, considerndose el conjunto de datos y los valores asignados para n
Se determina el mejor pronstico con antecedente en le menor error al cuadrado < (D-P)2 .
Se calcula el promedio mvil doble
Se calculan los valores correspondientes a:
a = 2(PMS) PMD
b = n/n-1 (PMS PMD)
Se calcula el pronstico para el periodo deseado, mediante la siguiente expresin:
y = a + b(x)
donde
y = pronstico deseado o buscado
x = el periodo en el que se desea el pronstico


TCNICA No. 3 AJUSTE EXPONENCIAL SIMPLE (AES)
Nos permite calcular los pronsticos de las ventas de la demanda para el siguiente periodo
nicamente, la aproximacin exponencial. Es una ponderacin o valor de ajuste con cierto grado de
error, que se puede estimar o determinar al emitir un pronstico, este valor de ajuste flucta en ( 0.1
y 1). Si el valor de ponderacin es pequeo el deslizamiento o ajuste ser gradual y mnimo. Para
asignar el valor de ajuste o de ponderacin (a ) se debe tener en cuente lo siguiente:
La demanda en condiciones de estabilidad a = 0.1, 0.2 y 0.3
La demanda en condiciones de estabilidad promedio
La demanda en proceso de cambio o cuando se trata de nuevos productos a = 0.7, 0.8 y 0.9.
TCNICA No. 4 AJUSTE EXPONENCIAL DOBLE (AED)
Tcnica cuantitativa que permite calcular los pronsticos de la demanda para periodos futuros,
teniendo como antecedente datos histricos en cuanto a periodos y demanda. Para implementar
esta tcnica o mtodo a la solucin de problemas de pronsticos de la demanda, se recomienda
seguir el procedimiento:
1. Se calcula el pronstico mediante el ajuste exponencial simple, teniendo en cuenta los valores
del factor del ajuste.
2. Se selecciona el mejor pronstico obtenido en el paso anterior, teniendo en cuenta el menor
error < (D-P)2
3. Con los resultados obtenidos en el paso anterior, se calcula al Ajuste Exponencial Doble.
a = 2(AES) AED
b = a /a -1 (AES AED)
4. Con los datos anteriores se calcula los siguientes parmetros
5. Calcular el pronstico final
y = a + b(x)
donde
y = pronstico deseado o buscado (final).
x = el periodo en el que se desea el pronstico.
Ejemplo:
Chocolates "Tin larn" S.A, esta interesada en conocer el pronstico de ventas o de la demanda para
el primer trimestre del ao 2003, para lo cual usar AED, considerndose 3 factores de ajuste: 0.2,
0.25 Y 0.35. La demanda est expresada en miles. Tanto el gerente de mercado como el de
produccin de la empresa estn interesados en ver grficamente el comportamiento de la demanda
de este producto a travs de:
Datos o reg. histricos
El mejor pronstico obtenido por AES
El mejor pronstico obtenido por AED
Los resultados obtenidos para el primer trimestre del ao del 2003-02-23
Tcnica 5: Mnimos Cuadrados
Esta es otra tcnica de tipo cuantitativo que permite el clculo de los pronsticos para perodos
futuros, para lo cual requiere de registros histricos que sean consistentes, reales y precisos.
Esta tcnica como su nombre lo indica se trata de sacar el total de las desviaciones elevadas al
cuadrado a un valor mnimo: su objetivo es determinar los coeficientes a y b, que son conocidos
como coeficientes de regresin, donde x es la variable independiente (tiempo), y es la variable
dependiente (pronstico de la demanda).
En la prctica se pueden utilizar dos mtodos para calcular los pronsticos a travs de mnimos
cuadrados: Frmula general y Mtodos simplificado.
1. Para aplicar este mtodo en el clculo de pronsticos de la demanda, se deben tener en cuenta
las siguientes expresiones matemticas:

donde:
n = tamao de la muestra o el nmero de perodos
x = perodo en el que se desea el pronstico
y = el pronstico
2. FRMULA GENERAL
3. MTODO SIMPLIFICADO (PARES Y NONES)
El mtodo simplificado como su nombre lo indica, en la prctica es ms simple y se llega al
resultado de forma ms rpida. Las expresiones a usar son:

donde:
n = tamao de la muestra o el nmero de perodos
x = perodo en el que se desea el pronstico
y = el pronstico
Cundo ser par y cuando ser non?
Pares: Debemos entender por pares el numero de perodos expresados de dos en dos (2, 4, 6, 8...)
Nones: Es cuando los perodos considerados en los clculos son impares (1, 3, 5, 7, 9...)
TCNICA 6: NDICES DE ESTACIONALIDAD
Esta tcnica sirve para calcular el pronstico de ventas cuando existe estacionalidad o ciclos y
tambin se utiliza cuando en cada perodo existen diferencias de ventas muy marcadas, razn por la
cual se hace necesario calcular un ndice que nos permitir un ajuste por cada perodo.
El concepto de ndice de Estacionalidad se explicar con ms detalle a partir del siguiente
problema:
1. Ajuste del pronstico bimestral por los IE
Control de calidada
El Control Estadstico de la Calidad y la mejora de procesos.
Comenzando con la aportacin de Shewhart sobre reconocer que en todo proceso de produccin
existe variacin (Gutirrez:1992), puntualiz que no podan producirse dos partes con las mismas
especificaciones, pues era evidente que las diferencias en la materia prima e insumos y los distintos
grados de habilidad de los operadores provocaban variabilidad. Shewhart no propona suprimir las
variaciones, sino determinar cul era el rango tolerable de variacin que evite que se originen
problemas.
Para lograr lo anterior, desarroll las grficas de control al tiempo que Roming y Dodge
desarrollaban las tcnicas de muestreo adecuadas para solamente tener que verificar cierta cantidad
de productos en lugar de inspeccionar todas las unidades. Este periodo de la calidad surge en la
dcada de los 30s a raz de los trabajos de investigacin realizados por la Bell Telephone
Laboratories.
En su grupo de investigadores destacaron hombres como Walter A. Shewhart, Harry Roming y
Harold Dodge, incorporndose despus, como fuerte impulsor de las ideas de Shewhart, el Dr.
Edwards W. Deming (Cant:1997).
Estos investigadores cimentaron las bases de lo que hoy conocemos como Control Estadstico de
la Calidad (Statistical Quality Control, SQC), lo cual constituy un avance sin precedente en
el movimiento hacia la calidad,
Causas de variacin
Existen variaciones en todas las partes producidas en el proceso de manufactura. Hay
dos fuentes de variacin:

o variacin aleatoria se debe al azar y no se puede eliminar por completo.
o variacin asignable es no aleatoria y se puede reducir o eliminar.
Nota: la variacin puede cambiar y cambiar la forma, dispersin y tendencia central de
la distribucin de las caractersticas medidas del producto.
Diagramas de diagnstico
Controles o registros que podran llamarse "herramientas para asegurar la calidad de una fbrica",
esta son las siguientes:
Hoja de control (Hoja de recogida de datos)
Histograma
Anlisis paretiano (Diagrama de pareto)
Diagrama de Ishikawa: Diagrama de causa y efecto (Espina de Pescado)
Estratificacin (Anlisis por Estratificacin)
Diagrama de scadter (Diagrama de Dispersin)
Grfica de control
La experiencia de los especialistas en la aplicacin de estos instrumentos o Herramientas
Estadsticas seala que bien aplicadas y utilizando un mtodoestandarizado de solucin de
problemas pueden ser capaces de resolver hasta el 95% de los problemas.
En la prctica estas herramientas requieren ser complementadas con otras tcnicas como son:
La lluvia de ideas (Brainstorming)
La Encuesta
La Entrevista
Diagrama de Flujo
Matriz de Seleccin de Problemas, etc
Hay personas que se inclinan por tcnicas sofisticadas y tienden a menospreciar, pero la realidad es
que es posible resolver la mayor parte de problemas de calidad, con el uso combinado de estas
herramientas en cualquier proceso de manufactura industrial.:
Detectar problemas
Delimitar el rea problemtica
Estimar factores que probablemente provoquen el problema
Determinar si el efecto tomado como problema es verdadero o no
Prevenir errores debido a omisin, rapidez o descuido
Confirmar los efectos de mejora
Detectar desfases
Como elaborar un diagrama de Pareto
Partiendo de los descubrimientos del celebre economista y socilogo italiano Vilfredo Pareto El
diagrama de Pareto es una comparacin ordenada de factores relativos a un problema. Esta
comparacin nos va a ayudar a identificar y enfocar los pocos factores vitales diferencindolos de los
muchos factores tiles. Esta herramienta es especialmente valiosa en la asignacin de prioridades a
los problemas de calidad, en el diagnstico de causas y en la solucin de las mismas, el diagrama de
Pareto se puede elaborar de la siguiente manera:
1. Cuantificar los factores del problema y sumar los efectos parciales hallando el total.
2. Reordenar los elementos de mayor a menor.
3. Determinar el % acumulado del total para cada elemento de la lista ordenada.
4. Trazar y rotular el eje vertical izquierdo (unidades).
5. Trazar y rotular el eje horizontal (elementos).
6. Trazar y rotular el eje vertical derecho (porcentajes).
7. Dibujar las barras correspondientes a cada elemento.
8. Trazar un grfico lineal representando el porcentaje acumulado.
9. Analizar el diagrama localizando el "Punto de inflexin" en este ltimo grfico.
Se ha llegado a verificar la regularidad con la que se dan en las distintas actividades y fenmenos
sociales y productivos, el hecho de que unos pocos factores son responsables de la mayora de los
sucesos, en tanto que el resto mayoritario de los elementos o factores generan o poseen escasos
efectos, es lo que ms comnmente se cataloga como los "pocos vitales y los muchos triviales".
As en procesos tradicionales de produccin podemos tener que el 20% de las causas de
imperfecciones o fallas originan o son responsables de entre un 70 y 80% de los defectos detectados.
Y al revs, un 80% de las restantes causas generan tan slo entre un 30 y 20% de los defectos.
Que importancia tiene ello? Pues bien, permite atacar unas pocas causas generando un importante
impacto total.


Como elaborar un diagrama de Ishikawa
El diagrama de Ishikawa conocido tambin como causa-efecto, es una forma de organizar y
representar las diferentes teoras propuestas sobre las causas de un problema.
Nos permite, por tanto, lograr un conocimiento comn de un problema complejo, sin ser nunca
sustitutivo de los datos.
Los Errores comunes son construir el diagrama antes de analizar globalmente los sntomas, limitar
las teoras propuestas enmascarando involuntariamente la causa raz, o cometer errores tanto en la
relacin causal como en el orden de las teoras, suponiendo un gasto de tiempo importante. El
diagrama se elabora de la siguiente manera:
1. Ponerse de acuerdo en la definicin del efecto o problema.
2. Trazar una flecha y escribir el "efecto" del lado derecho.

3. Identificar las causas principales a travs de flechas secundarias que terminan en la flecha
principal.
4. Identificar las causas secundarias a travs de flechas que terminan en las flechas secundarias,
as como las causas terciarias que afectan a las secundarias.
5. Asignar la importancia de cada factor.
6. Definir los principales conjuntos de probables causas: materiales, equipos, mtodos de trabajo,
mano de obra, medio ambiente (5 Ms).
7. Marcar los factores importantes que tienen incidencia significativa sobre el problema.
8. Registrar cualquier informacin que pueda ser de utilidad.

5. Asignar la importancia de cada factor.
6. Definir los principales conjuntos de probables causas: materiales, equipos, mtodos de trabajo,
mano de obra, medio ambiente (5 Ms).
7. Marcar los factores importantes que tienen incidencia significativa sobre el problema.
8. Registrar cualquier informacin que pueda ser de utilidad.
Identificacin de la problemtica
Los elementos y las causas que intervienen en el desarrollo de un proceso y, que pueden en un
momento dado, ocasionar que no se cumplan losobjetivos o fallas del mismo, son diversos y en
ocasiones difciles de identificar.
Objetivo de los diagramas de control de la calidad
El objetivo de los diagramas de control de la calidad es determinar y visualizar en una grfica el
momento en que ocurre una causa asignable en elsistema de produccin para poder identificarla
y corregirla. Esto se logra con la seleccin peridica de una pequea muestra de la produccin
actual.
Los procedimientos para establecer un control estadstico
Los procedimientos para establecer un control estadstico del comportamiento de la empresa
1. establecer la "capacidad del proceso",
2. crear un grfico de control;
3. recoger datos peridicos y representarlos grficamente;
4. identificar desviaciones;
5. identificar las causas de las desviaciones;
6. perpetuar los efectos positivos y corregir las causas de los negativos.
Un grfico de control utiliza medidas de un proceso para determinar el comportamiento normal de
dicho proceso. La desviacin tpica es una medida de variabilidad que tambin puede calcularse,
con las cuales trazamos los lmites de control superior e inferior. Incluyendo los datos futuros a
medida que se obtienen, veremos si los nuevos datos se corresponden con los resultados esperados.
Si no es as, inferiremos que ha sucedido algo infrecuente con lo que procederemos a buscar la
causa. Estas causas son denominadas causas especiales para diferenciarlas de las causas comunes
de variabilidad, las cuales siempre estn presentes y son las causantes de la variacin incluida en las
observaciones previas. Las causas comunes se reflejan en los clculos de la media y de la desviacin
tpica utilizados para elaborar el grfico de control.

Investigacion de operaciones
La investigacin de operaciones o investigacin operativa es una rama de
las matemticas consistente en el uso de modelos matemticos, estadstica y algoritmos con objeto de
realizar un proceso de toma de decisiones. Frecuentemente trata del estudio de complejos sistemas
reales, con la finalidad de mejorar (u optimizar) su funcionamiento. La investigacin de operaciones
permite el anlisis de la toma de decisiones teniendo en cuenta la escasez de recursos, para determinar
cmo se puede optimizar un objetivo definido, como la maximizacin de los beneficios o la minimizacin
de costes.
Aunque muchos de los problemas de optimizacin de redes pueden formularse como programas
lineales o enteros y resolverse con los algoritmos correspondientes, existen mtodos especficos
que aprovechan la estructura especial de cada problema y su representacin en una red,
permitiendo procedimientos de solucin ms eficientes.

Existen un gran nmero de situaciones en investigacin de operaciones que se pueden
modelar y resolver adecuadamente como redes (nodos conectados por ramas). A manera de
ilustracin considere las siguientes situaciones:

a) El diseo de una re de ductos de gas natural mar adentro, que conectan las fuentes en el golfo
de Mxico con un punto de entrega cerca de la orilla. El objeto del modelo es minimizar el costo
de construccin del ducto.
b) La determinacin de la ruta ms corta entre dos ciudades en una red de carreteras existente.
c) La determinacin de la capacidad mxima (en toneladas por ao) de una red de ductos de
suspensin de carbn, que une las minas de carbn en Wyoming con las plantas de energa
elctrica en Houston. (Los ductos de suspensin transportan el carbn bombardeando agua a lo
largo de ductos especialmente diseados).
d) La determinacin del programa de flujo de costo mnimo de los campos petroleros a las
refineras a travs de una red de ductos.
e) La determinacin del programa de tiempo (fechas de inicio y de terminacin) para las
actividades de un proyecto de construccin.

La solucin de estas situaciones y de otras semejantes se logran por medio de una variedad de
algoritmos de optimizacin de redes. Algunos de estos algoritmos son:

rbol de expansin mnima.
Algoritmo de la ruta mas corta.
Algoritmo del flujo mximo.
Algoritmo de redes capacitadas de costo mnimo.
Algoritmo de la ruta crtica.





Propiedad Markoviana:

Donde i0, i1, ..., in-1, i, j son posibles estados o valores que puede tomar el proceso estocstico en
las distintas etapas. Esto consiste bsicamente en afirmar que el futuro (t=n+1) es independiente del
pasado dado el presente (t=n).
Propiedad Estacionaria: La probabilidad

No depende de la etapa n. Por ejemplo, la probabilidad de pasar del estado i al estado j ser siempre
la misma no importando el nmero de la etapa.
Si consideramos que la variable aleatoria asociado a este proceso markoviano toma un nmero finito
de estados (digamos M) las probabilidades de transicin de un estado a otro se pueden resumir en
una matriz P denominada matriz de transicin de probabilidades en una etapa. Adicionalmente si
conocemos la distribucin de probabilidad para la etapa inicial (que denotamos por f0) estamos en
condiciones de conocer el proceso estocstico, que consiste en determinar la distribucin de
probabilidad en cada etapa.