You are on page 1of 7

Ingeniera de la calidad.

Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

1. EL CONCEPTO DE VARIACIN ESTADSTICA


El concepto de variacin establece que no hay dos artculos que puedan ser
perfectamente idnticos. La variacin es un hecho de la naturaleza y tambin
de la vida industrial. La sntesis de los datos puede adoptar diversas formas:
tabular, grfica y numrica. Algunas veces una forma brinda una sntesis til y
completa. En otras ocasiones, se requieren dos o hasta tres formas para una
completa claridad.
La variacin ocurre en los procesos debido a la interaccin de materiales,
maquinaria, mano de obra, mediciones, medio ambiente y mtodos, estos seis
elementos tambin conocidos como (6M) determinan de manera global todo
proceso y cada uno aporta parte de la variabilidad y de la calidad de los
resultados de un proceso.
2. SNTESIS
FRECUENCIA

TABULAR

DE

DATOS:

DISTRIBUCIN

DE

Una distribucin de frecuencia es una tabulacin de datos ordenados de


acuerdo con su tamao. La distribucin de frecuencia refleja dnde estn
agrupados la mayora de los datos y cunta variacin hay en ellos. El
problema particular determina si se requiere una distribucin convencional,
una acumulativa o ambas.
3. HERRAMIENTAS DE ESTADSTICA EN CALIDAD
La estadstica es la metodologa empleada para la recopilacin, organizacin,
anlisis, interpretacin y presentacin de datos. La probabilidad es una
medida que describe la posibilidad de que ocurra algo.
3.1 EL HISTOGRAMA
Un histograma es un diagrama de barras verticales para una distribucin de
frecuencia. Cabe destacar que como en la distribucin de frecuencia, el
histograma seala el centro y la cantidad de variacin en la muestra de datos.
La simplicidad de la construccin e interpretacin del histograma lo hace una
herramienta efectiva en el anlisis elemental de los datos. Los histogramas
ilustran cmo los datos variables (o continuos) brindan mucha ms
informacin que los de atributos (o categricos).
Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Cuando un histograma se construye de manera correcta, es resultado de un


nmero suficiente de datos (de preferencia ms de 50) para que revele el
patrn bsico de variacin. Estos datos son representativos del estado del
proceso durante el periodo de inters. Los histogramas basados en muy pocas
mediciones pueden llevar a conclusiones errneas debido a que su forma
puede estar incompleta
3.2 ANLISIS DEL HISTOGRAMA.
Se recomienda considerar los siguientes puntos en la interpretacin del
histograma.
3.2.1 Observar la tendencia central de los datos. Localizar en el eje
horizontal o escala de medicin las barras con mayores frecuencias, el centro
del histograma define el objetivo del proceso.
3.2.2 Estudiar el centrado del proceso. Para ello se debe apoyar en la
tendencia central de los datos y observar la posicin central del cuerpo del
histograma con respecto a la calidad ptima y a las especificaciones. Aun
cuando se cumplan las especificaciones, si el proceso no est centrado, la
calidad que se produce no es adecuada, ya que entre ms se aleje del ptimo
ms mala calidad se tendr. Por ello, en caso de tener un proceso descentrado
se procede a realizar los ajustes o cambios necesarios para centrar el proceso.
3.2.3 Examinar la variabilidad del proceso. Consiste en compararla
amplitud de las especificaciones con el ancho del histograma. Para considerar
que la dispersin no es demasiada, el ancho del histograma define la
variabilidad respecto al objetivo, debe caber de forma holgada en las
especificaciones.
3.2.4 La forma del histograma. Cuando se espera una curva normal o con
forma de campana, entonces cualquier desviacin significativa u otra
aberracin se debe usualmente a una condicin de manufactura (u otra) que
pueda ser la raz del problema de calidad.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Fig. No.1 Tipos de Histogramas.


Fuente: Control estadstico de la calidad y seis sigma. Gutirrez - De la vara.

3.2.4.1 Distribucin sesgada.


Forma asimtrica de la distribucin de unos datos o una variable, donde la
cola de un lado de la distribucin es ms larga que la del otro lado.
3.3.4.2 Distribucin multimodal.
Forma de la distribucin de unos datos en la que sea aprecian claramente dos o
ms modas (picos). Por lo general, cada moda refleja una condicin o realidad
diferente es decir tendencias centrales diferentes.
3.3.4.3 Distribucin muy plana.
Es una forma de distribucin muy chata o plana y que est lejos de tener
forma de campana. Las situaciones que pueden causar esto son las mismas que
las de la distribucin multimodal, pero con la particularidad de que las
diferencias son menos fuertes; sin embargo, afectan de manera seria la
capacidad de un proceso. Por lo tanto, tambin deben ser identificadas y
corregidas mediante la estrategia recomendada antes.
3.3.4.4 Distribucin con acantilados.
Es una forma de distribucin que es una suspensin o corte muy brusco en la
cada de dicha distribucin. Algunas de las posibles causas que motivan la
Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

presencia de un acantilado son: un lote de artculos previamente


inspeccionados al 100% donde se excluy a los artculos que no cumplen con
alguna medida mnima o que exceden una medida mxima, problemas con el
equipo de medicin, errores en la medicin o inspeccin (cuando el inspector
est predispuesto a no rechazar un artculo y observa que ste casi cumpla
con los requisitos, registra la medida mnima aceptable). En general, un
acantilado es anormal y, por lo tanto, se debe buscar la causa del mismo.
3.2.5 Datos raros o atpicos. Una pequea cantidad de mediciones muy
extremas o atpicas son identificadas con facilidad mediante un histograma,
debido a que aparecen una o ms barras pequeas bastante separadas o
aisladas del resto. Un dato raro o atpico Medicin cuya magnitud es muy
diferente a la generalidad de las mediciones del conjunto de datos
correspondiente.
Un dato raro refleja una situacin especial que se debe investigar y entre las
posibles causas estn las siguientes:
El dato es incorrecto, ya sea por error de medicin o al momento de
registrarlo.
La medicin fu realizada sobre un artculo o individuo que no forma
parte del proceso o poblacin a la que pertenece el resto.
Si han sido descartadas las dos situaciones anteriores, entonces la
medicin se debe a un evento raro o especial. Es decir, cuando se hizo
la medicin, en el proceso estaba ocurriendo una situacin especial o
fuera de lo comn.
3.2.6 Estratificacin. La estratificacin consiste en clasificar y analizar
datos de acuerdo con las distintas fuentes de donde proceden, como por
ejemplo por mquinas, lotes, proveedores, turnos, etctera.
3.3 LIMITACIONES DEL HISTOGRAMA.
Aunque el histograma es una herramienta fundamental para analizar el
desempeo de un proceso, tiene algunas limitaciones:
3.3.1 No considera el tiempo en el que se obtuvieron los datos; por lo tanto,
Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

con el histograma es difcil detectar tendencias que ocurren a travs del


tiempo. Por tal razn, no ayuda a estudiar la estabilidad del proceso en el
tiempo.
3.3.2 No es la tcnica ms apropiada para comparar de manera prctica varios
procesos o grupos de datos.
3.3.3 La cantidad de clases o barras influye en la forma del histograma, por lo
que una buena prctica es que a partir de la cantidad de clases que de manera
inicial sugiere un software, se analice el histograma con un nmero de clases
ligeramente menor y un poco ms de clases, a fin de verificar si se observa
algo diferente.
3.4 PASOS PARA LA CONSTRUCCIN DE UN HISTOGRAMA.
3.4.1 Determinar el rango de los datos (R) : El rango es igual a la diferencia
entre el dato mximo y el dato mnimo, por lo tanto tenemos que :
Rango (R) = Dato mayor dato menor.
3.4.2 Obtener el nmero de clases (NC) : Para calcular el nmero de clases
existen varios criterios entre los cuales tenemos:
El nmero de clases (NC) = A la raz cuadrada del nmero de datos o
tamao de la muestra, es decir , donde n = al nmero de datos o
tamao de la muestra.
La regla de Sturgess, que define al nmero de clase NC = 1+3,3
Log!" (n), donde n = al nmero de datos o tamao de la muestra.
3.4.3 Determinar la longitud de clase (LC) : Se procede de tal manera que el
rango pueda cubrirse en su totalidad por el nmero de clases determinado. De
donde tenemos : LC = R / NC.
3.4.4 Construir los intervalos de clases (IC) : Los intervalos de clases inician
con el menor de los datos de la muestra, luego a este dato se le suma la
longitud de clase para definir el tamao del intervalo de clase, se toma el final
de la primera clase como punto inicial y se le suma la longitud de clase y as
se sigue hasta completar todos los intervalos.
Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.

3.4.5 Determinar la frecuencia de clase (fr): Para obtener la frecuencia se


cuentan los datos que caen en cada intervalo de clase. Cuando un dato
coincide con el final de una clase y el principio de la siguiente entonces el
dato en mencin se ubica en la primera clase.
3.4.6 Graficar el histograma: Se realiza una grfica de barras en la que las
bases de las barras sean los intervalos (IC) de clase y la altura sean las
frecuencias (fr) de las clases.

Ingeniera de la calidad.
Control estadstico de procesos.

Ing. Carlos Alberto


Bocanegra Bustamante.