Вы находитесь на странице: 1из 136

CONTROL DE CALIDAD

EMAIL:cgonzales1@usmp.edu.pe

CONTROL DE CALIDAD EMAIL:cgonzales1@usmp.edu.pe

EVALUACIÓN

Tipo de evaluación

Número

Prácticas Calificadas

2

Trabajo Experimental

1

Trabajos individuales

2

Control de Lectura

2

Examen Parcial

1

Examen Final

1

BIBLIOGRAFIA

Texto Base

CONTROL ESTADÍSTICO DE LA CALIDAD. Douglas C.

Montgomery. Grupo Editorial Limusa Wiley S.A, México

2010

BIBLIOGRAFÍA COMPLEMENTARIA

SANGUESA M, MATEO R, ILZARBE L. Teoría y Practica de la Calidad. Ed. Thomson España 2006

GUTIERREZ P. H, DE LA VARA S. R. Control Estadístico de Calidad y seis sigma. McGraw Hill, México 2004.

DALE H BESTERFIELD. Control de Calidad. Ed. Pearson

Prentice Hall 2009

EVANS J. y Varios autores. Administración y Control de Calidad. 2008

INTRODUCCION

INTRODUCCION
INTRODUCCION Mecanismos Acciones Detección de presencia de errores Herramientas
INTRODUCCION
Mecanismos
Acciones
Detección de
presencia de
errores
Herramientas

INTRODUCCION

CALIDAD DEL PRODUCTO

INTRODUCCION CALIDAD DEL PRODUCTO PERCEPTIVA FUNCIONAL
INTRODUCCION CALIDAD DEL PRODUCTO PERCEPTIVA FUNCIONAL

PERCEPTIVA

INTRODUCCION CALIDAD DEL PRODUCTO PERCEPTIVA FUNCIONAL

FUNCIONAL

ELEGIR QUE CONTROLAR DETERMINAR LAS UNIDADES DE MEDICION ESTABLECER EL SISTEMA DE MEDICION Establecer los
ELEGIR QUE CONTROLAR
DETERMINAR LAS UNIDADES DE MEDICION
ESTABLECER EL SISTEMA DE MEDICION
Establecer los estándares de performance
Medir la performance actual
Interpretar la diferencia entre lo real y el estándar
Tomar acción sobre la diferencia

CONTROL DE LA CALIDAD:

Técnicas y actividades de carácter operacional utilizadas

Examen del uso Producción - Inspección Especificaciones - Diseño
Examen del
uso
Producción
-
Inspección
Especificaciones
- Diseño
El control de la calidad no es responsable de la calidad del producto
El control de la calidad no es responsable
de la calidad del producto

Comprende:

El seguimiento del Proceso

Eliminación de las causas de rechazos en todas las fases

ASEGURAMIENTO DE LA CALIDAD:

“Actividades planificadas y sistemáticas aplicadas en el

marco del Sistema de la Calidad que se ha demostrado son necesario para dar confianza de que un producto o servicio cumple los requisitos para la calidad”

Año

 

Hechos

1911

F.Taylor-

publica mediciòn del trabajo

1930

Control de procesos y mètodos estadìsticos

1956

A.Feigembaum -Control Total de calidad

1979

P.Crosby- Cero defectos, 5 S

1980

W. Shewhart - CEP

1986

W.Deming -desarrolla ideas Shewhart

1985

Juran -Trilogìa de la Calidad

 

Ishikawa - Ingenierìa de procesos, 7 herramientas

1985

de calidad

1988

Misuno desarrolla el control de la calidad (CWQC)

 

Administración por la Calidad Total(TQM); uso de

1990

Seis Sigma

Objetivo principal del CEP Metodología utilizada para lograr la estabilidad y mejorar la capacidad del

Objetivo principal del CEP

Metodología utilizada para lograr la estabilidad y mejorar la capacidad del proceso mediante la

aplicación sistemática de herramientas de

solución de problemas para reducir su variación.

EJERCICIO

Visite una de la siguientes organizaciones. Determine cómo definen la calidad y cómo la controlan. a. INDECOPI

b. SNI

ACTIVIDADES A REALIZAR POR EL ALUMNO

Buscar en INTERNET o en la biblioteca sobre los autores de la calidad e indique los aportes que cada uno de ellos ha realizado en el Control de la Calidad hoy en día

CARACTERISTICAS Y REQUISITOS DE CALIDAD

CARACTERISTICA DE CALIDAD

PRODUCTO

SERVICIO

Apariencia

Gusto

Credibilidad

Puntualidad

Belleza

Estilo

Efectividad

Cortesía

Peso

Dimensiones

Flexibilidad

Rapidez

Transportabilidad

Durabilidad

Honestidad

Competencia

Las características de la calidad son las bases sobre las cuales se edifica la aptitud de un producto.

Identificación de requisitos Características Requisitos Empaque Bolsa de papel de 50 kg Tipo Blanca Pol,
Identificación de requisitos
Características
Requisitos
Empaque
Bolsa de papel de 50 kg
Tipo
Blanca
Pol, %
Min. 98,50
Humedad, %
0,40 – 0,54
PH
Min. 6,0
Coliformes totales
Ausencia
Mohos, UFC/10g
Max. 20

ACTIVIDAD A REALIZAR POR EL ALUMNO

Escriba las características

y requisitos que definan

tus preferencias para la compra de un producto

Características

Requisitos

MEJORA CONTINUA

Pensamiento Tradicional

Precio Aumento de Precio Precio Ganancia
Precio
Aumento
de Precio
Precio
Ganancia
Ganancia
Ganancia
Costo Costo Costo +Ganancia= Precio Necesitamos ganar más hay que subir el precio l
Costo
Costo
Costo +Ganancia= Precio
Necesitamos ganar
más hay que subir el
precio
l

Pensamiento Nuevo Enfoque de la

Mejora Continua

Precio Precio Ganancia Ganancia Aumento de Ganancia Costo Costo Precio – Costo = Ganancia l
Precio
Precio
Ganancia
Ganancia
Aumento de
Ganancia
Costo
Costo
Precio – Costo = Ganancia
l
Necesitamos ganar más hay que bajar los costos
Necesitamos ganar
más hay que bajar los
costos

Disminución

de Costo

MC

Metodologías de la Mejora Continua

Crecimiento
Crecimiento
Metodologías de la Mejora Continua Crecimiento Ahorros y/o Utilidades Solución Básica de Problemas 1. 2. Lean
Ahorros y/o Utilidades
Ahorros y/o Utilidades

Solución Básica de Problemas

1.

2. Lean

3. Seis Sigma

Diseñado para Seis Sigma

4.

Mapa de Cadena de Valor Análisis de Brechas

Teoría de Restricciones

Lean 3. Seis Sigma Diseñado para Seis Sigma 4. Mapa de Cadena de Valor Análisis de

CICLO DE DEMING

CICLO DE DEMING 4 ACTUAR VERIFICAR 3 1 PLANEAR HACER 2
4 ACTUAR
4
ACTUAR
VERIFICAR 3
VERIFICAR
3
1 PLANEAR
1
PLANEAR
HACER 2
HACER
2
P A V H
P
A
V
H
A P V H
A
P
V
H
A P H V
A
P
H
V
A P V H
A
P
V
H

MEJORA CONTINUA DE LA CALIDAD

A P V H
A
P
V
H

Definir el proyecto (Identificar y justificar).

Describir la situación actual.

PLANEAR

Analizar datos para aislar las causas raíz.

Establecer acciones para eliminar las causas del problema.

Ejecutar las acciones establecidas.

HACER

MUESTREAR

Verificar los resultados a través de indicadores.

VERIFICAR

EVALUAR

Documentar y definir nuevos proyectos.

ACTUAR GENERALIZAR Y PRINICIPIAR DE NUEVO

Verificación y mejora continua

ACTUAR
ACTUAR
VERIFICAR
VERIFICAR
PLANEAR
PLANEAR

Lo que no se mide no se controla Lo que no se controla no se mejora

HACER
HACER

Verificar:

La satisfacción del cliente.

Los indicadores de procesos

Los proveedores

La conformidad con los requisitos del producto.

PROYECTOS DE MEJORA

Metodología que aplica el ciclo de Deming (PHVA) a una situación dada, de modo que en el tiempo se logren mejoras sustantivas en los procesos.

PROCEDIMIENTO “Mejora Continua”

Identificar las oportunidades de mejora continua

para enriquecer los resultados del sistema de

calidad basándose en los procesos estables y capaces ya existentes y controlar su aplicación.

resultados del sistema de calidad basándose en los procesos estables y capaces ya existentes y controlar

Actividad a realizar por el alumno

Proponer un proyecto de mejora, indicar una breve

descripción

Porque la necesidad de la mejora

Indicar la situación actual.

Objetivo de la mejora.

Lectura Obligatoria

Capitulo1. El mejoramiento de Calidad en el ambiente moderno de los negocios. pp1-36

CONTROL ESTADÍSTICO DE LA CALIDAD. Douglas C. Montgomery. Grupo Editorial Limusa Wiley S.A, México 2005

Métodos Estadísticos en el mejoramiento de calidad

Objetivo:

Repasar los temas relacionados a Estadística a ser aplicados en el control y mejoramiento de calidad

METODOLOGÍA ESTADÍSTICA BÁSICA PARA LA CALIDAD

Recopilación de datos Organización Estadística y predictiva presentación de datos METODOLOGÍA ESTADISTICA
Recopilación
de datos
Organización
Estadística
y
predictiva
presentación
de datos
METODOLOGÍA
ESTADISTICA
Inferencia
Medidas
estadística
estadísticas

¿Para qué sirve la estadística?

DISEÑO
DISEÑO
¿Para qué sirve la estadística? DISEÑO PRODUCCION PRODUCTO FINAL
¿Para qué sirve la estadística? DISEÑO PRODUCCION PRODUCTO FINAL
PRODUCCION
PRODUCCION
PRODUCTO FINAL
PRODUCTO
FINAL
• Evolución de la Calidad Papel de la estadística • Primera : Finales del s.
• Evolución de la Calidad
Papel de la
estadística
• Primera : Finales del s. XIX, principios del XX
• Segunda : Años 1930 - 1960
• Tercera : Años 1960 - 1980
ETAPAS
• Cuarta : Años 1980

CALIDAD = Cumplimiento de

especificaciones

CALIDAD = Cumplimiento de especificaciones M.P PRODUCTO INSPECCION
CALIDAD = Cumplimiento de especificaciones M.P PRODUCTO INSPECCION

M.P

CALIDAD = Cumplimiento de especificaciones M.P PRODUCTO INSPECCION
CALIDAD = Cumplimiento de especificaciones M.P PRODUCTO INSPECCION

PRODUCTO

INSPECCION
INSPECCION
• Número muy elevado de artículos Papel de la estadística MUESTREO • Muestra de pocos
• Número muy elevado de artículos
Papel de la
estadística
MUESTREO
• Muestra de pocos artículos,
representativa
Se extrae una
muestra

VARIABLE Y DATOS DE VARIABLES

VARIABLES: Características de productos, procesos y servicios, las cuales toman un rango de valores.

DATOS

DE

Se determinan mediante

medición continua de los valores, tales como la longitud, el diámetro, el tiempo, presión, etc

LAS

VARIABLES:

Tolerancias en especificaciones físicas y químicas. CONSERVAS DE PIMIENTO JALAPEÑO

Especificaciones

Mínimo

Máximo

Acidez expresada en % de ácido acético

0.75

2

Cloruros expresados en % de cloruro de sodio

2

7

pH

 

< 4.6

Llenado en % del volumen del envase

90%

 

Espacio libre en % del volumen del envase

 

10%

VARIABLE Y DATOS DE VARIABLES

ATRIBUTOS: Características de productos, procesos y servicios, las cuales se clasifican como aceptar/rechazar o pasa/no

pasa.

DATOS DE LOS ATRIBUTOS: se determina mediante conteo de los

valores discretos, tales como defectos por unidad

Atributo: pH

< 4.6

Pasa

50

No Pasa

2

TABLA 2 - Defectos en el envase

 

Aspecto Exterior

Aspecto Interior

-

Código de lote ilegible;

- Manchas por sulfuraciones;

-

Fuga;

- Corrosión;

-

Hinchamiento;

- Desprendimiento de barniz;

-

Protuberancias o espigamiento;

- Desprendimiento del compuesto sellante;

-

Rayaduras;

- Defectos de cierre;

-

Abolladuras que puedan afectar la hermeticidad;

- Pérdida de barniz.

-

Oxidación;

-

Pérdida de barniz;

-

Defectos de cierre.

DATO Información numérica Recolecta, registra, analiza Se presenta para asegurar la calidad

DATO

Información numérica

DATO Información numérica Recolecta, registra, analiza Se presenta para asegurar la calidad

Recolecta, registra, analiza

DATO Información numérica Recolecta, registra, analiza Se presenta para asegurar la calidad

Se presenta para asegurar la calidad

DATO Información numérica Recolecta, registra, analiza Se presenta para asegurar la calidad
USOS Analizar un producto, proceso o servicio. Identificar y eliminar los defectos y los defectuosos.

USOS

Analizar un producto, proceso o servicio. Identificar y eliminar los defectos y los defectuosos.
Analizar un
producto, proceso o
servicio.
Identificar y eliminar
los defectos y los
defectuosos.
Identificar y eliminar los defectos y los defectuosos. Determinar si un producto o servicio este bajo

Determinar si un producto o servicio este bajo control

Identificar problemas y verificar las causas.

Se deben formar ciertas decisiones antes de recolección, registro y análisis de datos.

antes de recolección, registro y análisis de datos. Estas decisiones están relacionados con: Próposito:

Estas decisiones están relacionados con:

Próposito:

¿Porqué se necesitan los datos?

con: Próposito: ¿Porqué se necesitan los datos? Tipos de Datos: ¿Qué tipo de datos se necesitan?

Tipos de Datos:

¿Qué tipo de datos se necesitan?

datos? Tipos de Datos: ¿Qué tipo de datos se necesitan? Origen de los datos: ¿Disponibles o

Origen de los datos:

¿Disponibles o serán recolectados?

Origen de los datos: ¿Disponibles o serán recolectados? Recolección: recolectarán? ¿Quién, dónde, cuándo y

Recolección:

recolectarán?

¿Quién, dónde, cuándo y como se

recolectarán? ¿Quién, dónde, cuándo y como se Reducción de datos: ¿Cómo se clasificarían,

Reducción de datos: ¿Cómo se clasificarían, organizarán los datos para propósitos de análisis y presentación?

los datos para propósitos de análisis y presentación? Plan de acción: dependiendo de los datos, ¿qué

Plan de acción: dependiendo de los datos, ¿qué acciones específicos se tienen contemplados?

y presentación? Plan de acción: dependiendo de los datos, ¿qué acciones específicos se tienen contemplados?

DESCRIPCION DE LA VARIACION

DIAGRAMA DE TALLOS Y HOJAS

En un área de servicios dentro de una empresa de manufactura se realiza una encuesta para evaluar la

calidad de servicio proporcionado y el nivel de

satisfacción de los clientes internos. La encuesta consiste de 10 preguntas, y cada una de ellas evalúa diferentes aspectos del servicio proporcionado. Las

respuestas para cada pregunta es un número entre 0 y

10. Para hacer un primer análisis de los resultados obtenidos se suman los puntos obtenidos de las 10 preguntas para cuestionario. A continuación se

muestran los puntos obtenidos en diagrama de tallo-

hoja.

Tallo y hoja de servicios

50

Unidad de hoja = 1.0

N

=

1

2

9

12

3 01444558999

25

4 1222233345899

25

5

25

6

8

24

7

0356678888

14

8 0012224445567

1

9

1

a. Calcule las medidas estadísticas de tendencia central, de dispersión y opine acerca de la calidad del servicio b. Realice un histograma usando la regla de sturges. ¿Qué es el más destacado que observa?

DISTRIBUCION DE FRECUENCIA Y EL

HISTOGRAMA

¿Qué es?

¿Cuándo se utiliza?

¿Cómo se utiliza?

Datos

Intervalos de clase

30 a 50

5 a 7

51 a 100

6 a 10

101 a 250

7 a 12

Más de 250

10 a 20

Elaborar un histograma para el peso del rollo de papel higiénico usando las regla de Sturges y ubique los límites de especificación.

Histograma deL PESO de rollo del papel higienico

Histograma de peso 20 18 15 12 11 10 8 6 5 3 2 0
Histograma de peso
20
18
15
12
11
10
8
6
5
3
2
0
61.73
62.35
62.97
63.59
64.21
64.83
65.45
66.07
peso
Frecuencia

ELEMENTOS BASICOS SOBRE VARIACION.

La variación es causal

Hay distintos tipos de variación

La eliminación o atenuación de cada tipo de causa demanda de acciones radicalmente distintas

Un sistema es estable cuando solo obedece a causas

comunes

La cantidad de variación se puede medir estadísticamente

Parámetros estadísticos que estiman el valor central

MEDIA ARITMÉTICA
MEDIA ARITMÉTICA

x

n

x

i

i 1

n

MEDIANA
MEDIANA

Se ordenan los datos según su magnitud y se elige/n el/los central/es (semisuma).

MODA
MODA

Es el valor mas frecuente de la distribución

MEDIDAS DE VARIABILIDAD

Varianza n 2   x  x  i 2 i  1 S
Varianza
n
2
x
x
i
2
i
 1
S
n  1
Desviación estándar n 2   x  x  i i  1 S
Desviación estándar
n
2
x
x
i
i
 1
S 
n  1

MEDIDAS DE VARIABILIDAD

Coeficiente de Variación

S

MEDIDAS DE VARIABILIDAD Coeficiente de Variación S x CV  x 100 Error estándar s n

x

CV

x100

Error estándar

s

n
n

S

x

EJERCICIO:

Describir las características de los cuatros histogramas siguientes, y razonar cual es la medida de centralización y de dispersión más adecuada para la distribución correspondiente.

y razonar cual es la medida de centralización y de dispersión más adecuada para la distribución

EJERCICIO:

En un área de servicios dentro de una empresa de manufactura se realiza una encuesta para evaluar la calidad de servicio proporcionado y el nivel de satisfacción de los clientes internos. La encuesta consiste de 10 preguntas, y cada una de ellas evalúa diferentes aspectos del servicio proporcionado. Las respuestas para cada pregunta es un número entre 0 y 10. Para hacer un primer

análisis de los resultados obtenidos se suman los puntos

obtenidos de las 10 preguntas para cuestionario. A continuación se muestran los puntos obtenidos en diagrama de tallo-hoja.

Tallo y hoja de servicios Unidad de hoja = 1.0

N

= 50

1

2

9

12

3 01444558999

25

4 1222233345899

25

5

25

6

8

24

7 0356678888

14

8 0012224445567

1

9

1

a. Calcule las medidas estadísticas de tendencia central, de dispersión y opine acerca de la calidad del

servicio

b. Realice un histograma usando la regla de sturges.

¿Qué es la más destacado que observa?

EJERCICIO

Los ingenieros industriales realizan periódicamente

análisis de la “medición de trabajo" con el n de determinar el tiempo requerido para generar una unidad de producción. En una planta de procesamiento se registro durante 30 días el número total de horas-obrero necesarias por día para realizar cierta tarea. Los datos

obtenidos fueron los siguientes:

128

109

95

97

124

128

142

98

108

102

113

109

124

142

97

138

133

136

120

112

146

128

103

135

114

109

100

111

131

113

a) La tabla de frecuencias y dos representaciones gráficas de la distribución de datos, ¿de que representaciones se trata?

b) La media, intervalo modal, varianza y desviación estándar.

c) Los percentiles 17 y 65.¿A que percentiles corresponden los valores 110 y 125?

DIAGRAMA DE

CAJA

GRÁFICO DE CAJAS BOX PLOT

25% 25% 25% 25%
25%
25%
25%
25%
GRÁFICO DE CAJAS – BOX PLOT 25% 25% 25% 25% Valor Máximo Tercer Cuartil Diferencia Intercuartílica

Valor Máximo

Tercer Cuartil

BOX PLOT 25% 25% 25% 25% Valor Máximo Tercer Cuartil Diferencia Intercuartílica Mediana Primer Cuartil Valor
BOX PLOT 25% 25% 25% 25% Valor Máximo Tercer Cuartil Diferencia Intercuartílica Mediana Primer Cuartil Valor

Diferencia

Intercuartílica

Mediana

PLOT 25% 25% 25% 25% Valor Máximo Tercer Cuartil Diferencia Intercuartílica Mediana Primer Cuartil Valor Mínimo
PLOT 25% 25% 25% 25% Valor Máximo Tercer Cuartil Diferencia Intercuartílica Mediana Primer Cuartil Valor Mínimo
PLOT 25% 25% 25% 25% Valor Máximo Tercer Cuartil Diferencia Intercuartílica Mediana Primer Cuartil Valor Mínimo

Primer Cuartil

Valor Mínimo

EJEMPLO 4
EJEMPLO 4

Del ejemplo del proceso de servicios ¿Existen valores atípicos?

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DE PROBABILIDAD

Discretas

Ejemplo

Distribución de defectuosos de cierto producto.

40%

35%

30%

25%

20%

15%

10%

5%

0%

0 1 2 3
0
1
2
3

Continuas

Ejemplo

Distribución de los pesos de cierto producto.

En una fabrica de componentes electrónicos la humedad del

aire es una variable de mucha importancia. La función f es la función de densidad de una variable aleatoria X que

determina la humedad relativa del aire (en tanto por 1) en

dicha fabrica

humedad relativa del aire (en tanto por 1) en dicha fabrica a) Es la variable aleatoria

a) Es la variable aleatoria X continua? >Cuanto vale k para que efectivamente f sea una función de densidad?

b) Calcula P(X < 0.5), P(X > 0.7) y P(X < 1.3).

c) ¿Cuál es la varianza de X?

d) Si se obtienen 100 observaciones independientes de esta

variable, ¿Cual es la probabilidad de que el valor medio de estas 100 observaciones fuera mayor que 0.7?

El tiempo de vida de una bombilla sigue una distribución Exponencial cuya media es 2000 horas.

a) ¿Cual es la probabilidad de que la bombilla dure mas de

2000 horas? ¿Por que la solución no es 1/2? Razona la respuesta. b) Al estrenar un almacén se colocan 10 de estas bombillas en sus respectivas lámparas (se encienden y apagan a la vez) ¿Cual es la probabilidad de que después de 500 horas de uso haya fallado alguna?

Valor esperado y varianza de una v.a. X

Valor esperado y varianza de una v.a. X Valor • Se representa mediante E[X] ó μ

Valor

Se representa mediante E[X] ó μ

esperado

Es el equivalente a la media

 

Se

representa

Varianza

mediante VAR[X] o

σ

2

Es el equivalente a

 

la varianza

 

Distribución binomial

Función de probabilidad

   n  P X [  k ]  p q k
   n 
P X
[
 k
]
 p q
k
n
 k
, 0 
k
n
 
k 

Problemas de cálculo si n es grande y/o p cercano a 0 o 1.

k  Problemas de cálculo si n es grande y/o p cercano a 0 o 1.

• Media: μ =n p

• Varianza: σ 2 = n p q

La calidad del acabado de cierto producto se califica como:

alta, media y baja, de manera que el 70 % son de alta

calidad, el 20 % de calidad media y el 10 % baja. Si

seleccionamos 10 productos aleatoriamente,

a.

¿Cuál

sería

la

probabilidad

de

que

8

sean

de

alta

calidad?

b.

Cuál es la probabilidad de que al menos 3 sean de alta

calidad?

c.

Cuál es la probabilidad de que 4 sean de calidad media?

d.

Cuál sería el número esperado de productos de alta

calidad?

EJEMPLO

Un proceso de producción de partes trabaja con un

porcentaje promedio de defectos de 5 %. Cada hora se

toma una muestra aleatoria de 18 artículos y se prueban.

Si la muestra contiene más de un defecto el proceso deberá detenerse.

a. Calcule la probabilidad de que el proceso se detenga

debido al esquema de muestreo. b. ¿ Con la respuesta en a. el esquema de muestreo es adecuado o generará demasiadas interrupciones?

Distribución Hipergeometrica

Función de probabilidad

 D  N  D     x n  x 
D

N
 D 

x
n
 x

N 
n 

0,1,2,

,min(

,

[

P X

n D

,

x

x

]

)

Problemas de cálculo si n es grande y/o p cercano a 0 o 1.

Media:

Varianza:

D

n N

2

n

D

N

 

1

D

N



 

n N 1  

N

EJEMPLO

Se sabe que tres lotes de 25 fusibles eléctricos de las clases A, B y C contienen 3, 4 y 7 unidades

defectuosas, respectivamente. Si se eligen al azar dos

fusibles de uno de los lotes y resulta que ambos están en perfecto estado, halla la probabilidad de que hayan sido extraídos del lote A.

Distribución de Poisson

Se obtiene como aproximación de una distribución

binomial con la misma media, para n grandey p

pequeño(p<0,05).

Queda caracterizada por un único parámetro μ (que es a su vez su media y varianza.)

Función de probabilidad:

k

k !

[

P X

k

]

e

,

k

0,1,2,

EJEMPLO Una cierta máquina de fabricación de rollos de cinta aislante tiene un promedio de

EJEMPLO

Una cierta máquina de fabricación de rollos de cinta aislante

tiene un promedio de tres defectos cada 1.000 m. Calcular la probabilidad de que un rollo de 4.000 m.

a) no contenga defectos;

b) contenga exactamente 7 defectos;

c) contenga menos de 6 defectos.

EJEMPLO El número de fallas de un instrumento de prueba debidas a las partículas contaminantes

EJEMPLO

El número de fallas de un instrumento de prueba debidas a

las partículas contaminantes de un producto, es una variable aleatoria de Poisson con media 0.02 fallas por hora.

a) Cuál es la probabilidad de que el instrumento no falle en

una jornada de 8 horas?

b) Cuál es la probabilidad de que se presente al menos

una falla en un periodo de 24 horas?

Distribución normal o de Gauss

Aparece de manera natural:

Errores de medida,Contenido neto, Diámetros, longitud,

Distribuciones binomiales con n grande (n>80) y ‘p ni pequeño’ (np>5) ‘ni grande’ (nq>5). Está caracterizada por dos parámetros: La media, μ, y la desviación estandar, σ.

Está caracterizada por dos parámetros: La media, μ, y la desviación estandar , σ. • Su
Su función de densidad es:
Su función de densidad es:
Está caracterizada por dos parámetros: La media, μ, y la desviación estandar , σ. • Su

Todas las distribuciones normales N(μ, σ), pueden ponerse mediante una traslación μ, y un cambio de

escala σ, como N(0,1). Esta distribución especial se

llama normal estándar.

Es decir:

z

x

Ejemplo

El volumen en un proceso de envasado debe estar entre 310 y 330 mL. De acuerdo con los datos históricos se tiene que la media es 318 mL y una desviación estándar de 4 mL. ¿El proceso de envasado funciona bien en cuanto el volumen?

EJEMPLO El volumen que una maquina de llenado automático deposita en latas de una bebida

EJEMPLO

El volumen que una maquina de llenado automático

deposita en latas de una bebida gaseosa tiene una distribución normal con media 12.4 onzas de liquido y desviación estándar de 0.1 onzas de liquido.

a) .Cual es la probabilidad de que el volumen depositado

sea menor que 12 onzas de liquido?

b) Si se desechan todas las latas que tienen menos de 12.1 o mas de 12.6 onzas de liquido, .cual es la proporción de latas desechadas?

c) Calcule especificaciones que sean simétricas

alrededor de la media, de modo que se incluya al

99% de todas las latas.

EJEMPLO Un circuito contiene tres resistores en serie. Los datos anteriores muestra la siguiente información

EJEMPLO

Un circuito contiene

tres resistores en serie. Los datos anteriores

muestra la siguiente

información sobre la resistencia. La resistencia se ajusta a una distribución normal.

   

Desviación

Resistor

Media

estándar

1

125

3

2

200

4

3

600

12

¿que

porcentaje

de

circuitos

cumplirían

con

la

especificación de resistencia total para 93030

Ejemplo

El precio de venta de cierto artículo, Y , sigue una distribución Normal de media 500 nuevos soles y desviación estándar 30 nuevos soles. a) ¿Que porcentaje de artículos esperaras que se vendieran a mas de 550 n.s? b) ¿Que precio dividirá el 10% de los artículos mas

baratos del resto?

c) Si escoges diez al azar, ¿cuál es la probabilidad de que al menos uno de ellos tenga un precio superior a 600 n.s?

DISTRIBUCION DE

MUESTREO

DISTRIBUCION DE MUESTREO

El propósito del muestreo:

Calcular una variable o medida de atributo para cierta característica de calidad de la muestra. Esa medida se usará

después para evaluar el rendimiento. Del proceso mismo.

característica de calidad de la muestra. Esa medida se usará después para evaluar el rendimiento. Del

Un productor de cereal seco tiene una máquina para llenar

cajas que después se venden por peso. La máquina se reajusta dependiendo del tipo de cereal (hojuela, inflado), pero todas las cajas se llenan con especificación de peso de 16 onzas 0,05 onzas. Se recopilaron datos a través de varias corridas de los tipos de cereal.

a)¿Se distribuyen normalmente los pesos?

b)¿Cuáles son las medias y las desviaciones estándar del peso? c) ¿Qué porcentaje de cada tipo no cumplirá la especificación del peso? d)¿Recomendaría algún cambio en el proceso de llenado? Si es así, ¿Cuál sería?

 

Hojuela

 

1

16.0175

21

16.0064

41

16.0121

61

15.9775

81

15.9753

2

15.9661

22

15.9843

42

15.9531

62

16.0131

82

15.9779

3

15.9997

23

15.9959

43

16.0022

63

15.9821

83

16.0143

4

16.0204

24

15.9740

44

15.9880

64

16.0119

84

15.9920

5

16.0074

25

16.0216

45

16.0047

65

16.0060

85

16.0185

6

16.0220

26

16.0070

46

15.9743

66

15.9952

86

16.0006

7

16.0294

27

16.0060

47

16.0102

67

16.0035

87

16.0196

8

16.0043

28

16.0117

48

16.0217

68

16.0230

88

16.0453

9

16.0306

29

16.0058

49

15.9829

69

16.0067

89

16.0295

10

16.0214

30

16.0302

50

15.9943

70

15.9985

90

16.0363

11

15.9518

31

15.9850

51

16.0123

71

16.0047

91

15.9898

12

16.0159

32

15.9897

52

16.0424

72

15.9987

92

16.0123

13

16.0155

33

16.0423

53

16.0055

73

16.0042

93

16.0008

14

15.9570

34

16.0102

54

15.9909

74

15.9877

94

15.9918

15

16.0088

35

15.9913

55

15.9965

75

15.9733

95

16.0420

16

16.0373

36

16.0440

56

16.0432

76

15.9672

96

15.9964

17

16.0044

37

16.0378

57

16.0270

77

16.0385

97

15.9991

18

15.9862

38

16.0040

58

15.9955

78

16.0006

98

16.0149

19

15.9936

39

15.9944

59

16.0145

79

16.0299

99

16.0074

20

15.9731

40

16.0159

60

15.9978

80

15.9976

100

16.0074

 

Inflado

1

16.0023

21

15.9935

41

15.9965

61

15.9982

81

15.9945

2

15.9926

22

15.9978

42

16.0064

62

16.0015

82

16.0032

3

15.9972

23

16.0010

43

15.9988

63

15.9994

83

15.9921

4

16.0024

24

16.0017

44

15.9791

64

15.9959

84

16.0017

5

15.9963

25

15.9949

45

16.0003

65

15.9930

85

16.0016

6

15.9931

26

15.9905

46

15.9904

66

15.9974

86

15.9856

7

15.9966

27

16.0030

47

16.0008

67

15.9960

87

16.0007

8

16.0044

28

16.0063

48

15.9894

68

15.9959

88

15.9971

9

15.9936

29

15.9940

49

15.9986

69

16.0015

89

15.9998

10

15.9935

30

16.0025

50

16.0014

70

15.9948

90

15.9994

11

16.0006

31

15.9921

51

15.9934

71

15.9969

91

15.9914

12

15.9959

32

16.0038

52

16.0034

72

15.9998

92

16.0017

13

15.9943

33

15.9974

53

15.9993

73

15.9986

93

15.9908

14

16.0030

34

15.9997

54

15.9958

74

16.0035

94

15.9914

15

15.9954

35

15.9968

55

16.0070

75

15.9950

95

15.9956

16

15.9967

36

16.0022

56

15.9924

76

16.0025

96

15.9959

17

16.0068

37

15.9950

57

15.9966

77

15.9986

97

15.9975

18

15.9938

38

16.0002

58

16.0011

78

16.0073

98

16.0087

19

15.9918

39

15.9934

59

16.0000

79

15.9988

99

15.9969

20

16.0006

40

16.0020

60

15.9974

80

15.9924

100

15.9987

Ejemplo

Una fábrica de gaseosa utiliza una envasadora

automática para rellenar botellas de plástico. Cada

botella debe contener 300ml pero en realidad los contenidos varían según una distribución normal con media de 298ml y desviación estándar de 3ml.

(a) ¿Cuál es la probabilidad de que una botella individual

contenga menos de 295ml? (b) ¿Cuál es la probabilidad de que el contenido promedio de las botellas en un paquete de 6 contenga

menos de 295ml?

Teorema del límite central

Dada

una

v.a.

cualquiera,

si

extraemos

muestras

de

tamaño n, y calculamos los promedios muestrales, entonces:

dichos promedios tienen distribución aproximadamente normal;

Las aproximaciones anteriores se hacen exactas cuando n

tiende a infinito.

Este

teorema

justifica

distribución normal.

la

importancia

de

la

INFERENCIAS SOBRE LA CALIDAD DEL PROCESO

Relación entre una población y

una muestra

Población
Población
Muestra
Muestra

Histograma

Distribuciones asociadas a la normal

Dependiendo del problema:

X 2 (chi cuadrado)

t- student

F-Snedecor

Estas distribuciones resultan directamente de operar con distribuciones normales.

Chi cuadrado

Tiene un sólo parámetro

denominado grados de libertad.

La función de densidad es

asimétrica positiva. Sólo

tienen densidad los valores

positivos.

grados de libertad . • La función de densidad es asimétrica positiva. Sólo tienen densidad los
grados de libertad . • La función de densidad es asimétrica positiva. Sólo tienen densidad los

T de student

Tiene un parámetro denominado grados de libertad.

T de student • Tiene un parámetro denominado grados de libertad.

F de Snedecor

Tiene dos parámetros denominados grados de libertad.

F de Snedecor • Tiene dos parámetros denominados grados de libertad.

ESTIMACIÓN DE PARAMETROS DE PROCESOS

INFERENCIA ESTADÍSTICA

Análisis, interpretación de resultados y conclusiones a partir de una muestra aleatoria Estimación de
Análisis, interpretación de
resultados y conclusiones
a partir de una muestra
aleatoria
Estimación de
Parámetros:Aproximación
de los valores de los
parámetros.
Estimador: Función de las
observaciones muestrales

COMPRENDE:

Puntual Estimación Por intervalo Prueba de hipótesis Estimación Parámetros de
Puntual
Estimación
Por intervalo
Prueba de
hipótesis
Estimación
Parámetros de

TIPOS DE ESTIMACION

TIPOS DE ESTIMACION • Estimación por intervalo Conjunto de valores contenidos en un intervalo Tipos 

Estimación por intervalo

Conjunto de valores contenidos en un intervalo
Conjunto de valores contenidos en
un intervalo

Tipos

Tipos
 Media  Proporción  Varianza, etc
 Media
 Proporción
 Varianza, etc

INTERVALOS DE CONFIANZA

Para una distribución normal el 95 % de los datos cae dentro de los límites z=-1,96 a z=1,96

Los promedios de las muestras también se distribuyen

normalmente

x

de las muestras también se distribuyen normalmente x  Z (1   2  )

Z

(1

2

 ) n
)
n

; x

Z

(1

2

 ) n
)
n

Si n < 30, s deja de ser un buen estimador; es necesaria una corrección:

(1deja de ser un buen estimador; es necesaria una corrección:   2 , n 

2

,

n

1)

s

(1es necesaria una corrección: (1   2 , n  1) s   2

2

,

n

1)

s n
s
n

Distribución t (tablas u hojas de cálculo)

una corrección: (1   2 , n  1) s (1   2 ,

Ejemplo

La duración de una determinada componente electrónica sigue una distribución normal. Los resultados de una muestra aleatoria de esta clase de componentes son: 1200, 1350, 1275, 890, 1125, 1520, 1100 horas.

a) Estima la duración media y la varianza.

b) Halla los correspondientes intervalos de confianza para la media y la varianza al 90 %.

c) ¿Puede admitirse que la duración media de la

componente electrónica es de 1200 horas?( α= 0;05).

d) Con estos datos, habrá evidencias para contradecir lo que nos dice un experto de que la desviación

estándar no es superior a 150? ( α= 0;05).:

EJEMPLO

Los siguientes datos corresponde al tiempo de atención

en sus servicio de reclamos a los usuarios. Se puede afirmar para un nivel de significación del 5 % que el tiempo medio necesario para ser atendido es diferente 8.6 minutos.

One - Sample T: Tiempo

Test of mu = 8.6 vs not = 8.6

Variable N

Tiempo

Mean StDev SE Mean

95% CI

T

P

19 8.684 2.335

0.536 (7.559, 9.809) 0.16 0.877

EJEMPLO

Si la media de las medidas del diámetro de unas varillas es 4,2 y la desviación estándar es 0,05. Se pide:

Hallar los límites de control teóricos si el número de elementos de cada muestra es n=6, para la media y desviación estándar.

EJEMPLO

Un tipo de baldes de pintura esta declarada como apta para pintar un promedio de 80 m 2 con una desviación típica de 8.4 m 2 .Se desea comprobar si puede aceptarse este valor promedio. Con

este objetivo se ha decidido probar 100 de estos botes y rechazar

la pintura si el promedio de superficie pintada resultará menor que 78 m 2 Se aceptará el valor de la desviación estándar.

1. Calcular el nivel de confianza y la significación de esta prueba.

2. Si la pintura pintara realmente un promedio de 79 m 2 cual sería la probabilidad de no rechazar la media indicada por el

fabricante.

3. ¿Y si el promedio fuera de 75 m 2

HIPÓTESIS ESTADÍSTICA

HIPÓTESIS ESTADÍSTICA Es una afirmación que se hace acerca de un parámetro poblacional. Hipótesis nula es

Es una afirmación que se hace acerca de un parámetro poblacional.

Hipótesis nula es una afirmación que está establecida y que se espera sea rechazada después de aplicar una prueba estadística. Se representa por Ho.

Hipótesis alternante, es la afirmación que se espera sea aceptada después de aplicar una prueba estadística y se representa por H 1 .

PRUEBA DE HIPÓTESIS:

Procedimiento estadístico basado en la evidencia

muestral y la teoría de probabilidad.

HIPÓTESIS ESTADÍSTICAS

¿Las diferencias entre nuestras observaciones y una referencia o entre conjuntos de datos son de naturaleza química (por ejemplo) o estadística?

Sistemática a seguir: Comprobación de hipótesis

Hipótesis Nula (H 0 )

Hipótesis Alternativa (H 1 )

u l a ( H 0 ) Hipótesis Alternativa (H 1 ) No existen significativas entre

No existen

significativas entre nuestras observaciones y una referencia o entre conjuntos de datos

diferencias

Si existen

significativas entre nuestras observaciones y una referencia o entre conjuntos de datos

diferencias

Validez

Tests Estadísticos

TIPOS DE ERRORES

Error tipo I, que se

comete cuando se rechaza una hipótesis nula que realmente es cierta.

Error tipo II, que se

comete cuando se acepta

una hipótesis nula que

realmente es falsa.

TIPOS DE ERROR AL PROBAR HIPÓTESIS

   

Realidad

Decisión H 0

H 0 cierta

H 0 Falsa

   

Error de tipo II

No Rechazo H 0

Correcto

P(Error de tipo II) =β

 

Error de tipo I

 

Rechazo H 0

P(Error de tipo I)=

Correcto

α

Formulación Ho, H1
Formulación Ho, H1
Elegir 
Elegir 
Supuestos Seleccionar la prueba estadística
Supuestos
Seleccionar la prueba estadística
Criterios de Decisión Cálculo de la prueba estadística
Criterios de Decisión
Cálculo de la prueba estadística
 Supuestos Seleccionar la prueba estadística Criterios de Decisión Cálculo de la prueba estadística Conclusión
Conclusión
Conclusión

Comparación de un promedio con un valor

determinado (n < 30)

Suposiciones: Distribución Aproximadamente Normal Hipótesis: Nula: H 0 :    0 Alternativa: H 1 ,

dos colas:

  0

una cola:

<  0

y

>  0

Test estadístico: Distribución t con (n-1) grados de libertad

t

x   o s n
x  
o
s
n

Ejemplo

Un ingeniero de control de calidad midió el espesor de la pared de 25 botellas de vidrio de dos litros. La media

muestral es 4.05 mm, mientras que la desviación

estándar de la muestra es de 0.08 mm. Encontrar un intervalo de confianza del 90% para la media del espesor de la pared de las botellas. Supongamos que es

importante demostrar que el espesor de la pared es

mayor que 4.0 mm. Proponer y probar una hipótesis apropiada utilizando estos datos. Obtener conclusiones con α =0.05. Se sabe que el espesor sigue

aproximadamente una distribución normal.

EJEMPLO
EJEMPLO

Una línea de llenado de bolsas de detergente debe contener 4 kg

en cada bolsa. Se toma una muestra de los pesos de 20 paquetes y

se obtiene los valores ( en gramos)

4035

3974

3949

4009

3969

3970

3955

4034

3969

3991

3928

4024

4017

3983

3979

3997

3984

3964

3995

3988

Se sabe por los datos históricos que la desviación estándar de los pesos es de 25 g .¿Puede decirse que el proceso está descentrado ( está llenado los paquetes con un peso medio distinto de 4 kg.?

Ejemplo

Una empresa estudia introducir un nuevo sistema de producción para mejorar su productividad media

establecida actualmente en 42 unidades por persona y

día. Se estima que el cambio no sería rentable si no consigue elevar dicho número por encima de 45 u. Realizada una prueba con la nueva tecnología, aplicada

a 35 personas, se obtuvo una producción media de 46.5

y no se observó ningún cambio apreciable en la dispersión que estaba establecida en 1.5 u. por día. ¿Se debe efectuar el cambio tecnológico?

La probabilidad de que cierto tipo de dispositivo sea defectuoso es p. A partir de una muestra de 100 lotes de 15

dispositivos se obtuvieron los siguientes resultados:

 

N° de dispositivos defectuosos:

0

1

2

3

 

N° de lotes:

 

84

15

1

0

a) Estima

el

valor de

p

y halla un intervalo

al 98%

de

confianza.

b) Hay evidencias estadísticas de que el porcentaje de dispositivos defectuosos es superior al 1 %? ( α= 0;05).

Comparación de dos muestras

n < 30

Suposiciones: Dos muestras independientes (1 y 2) de

Distribución Aproximadamente Normal

Hipótesis: Nula: H 0 : 1   2

Alternativa: H 1 ,

dos colas:

una cola:

1

1

  2

<  2

y

1

>  2

Test estadístico: Depende de que la relación (varianza mayor / varianza menor) sea menor o mayor de 3. (tambien test F: si F calculado > F critico : varianzas diferentes).

Relación : 1 (varianzas iguales):

t

x  x 1 2 1 1 s  p n n 1 2
x
x
1
2
1
1
s
p
n
n
1
2

s

p

 2 1  2 n  s   n  1  s
2
1
2
n
s
n
1
s
1
1
2
2
n
n
 2
1
2

Comparación de dos muestras

n < 30

Relación: 2 (varianzas distintas):

t

x  x 1 2 2 2 s s 1 2  n 1 n
x
x
1
2
2 2
s
s
1 2
n
1 n
2

Decisiones:

H

2  s 1  n  1
2
s
1
n
1

2 s  2  n 2 
2
s
2
n
2

2

2 2  s  1   n  1  n 1 
2
2
s
1
n
1
n
1
1

2 2  s  2   n  2  n  1
2
2
s
2
n
2
n
1
2

Tener en cuenta los “nuevos” grados de libertad (H)

H 1 :

  0

H 1 :

 <  0

H 1 :

 >  0

(test dos colas) -t /2, df <

(test una cola)

(test una cola)

t

t

t

> -t , df

< t , df

<

t /2, df

H 0 aceptada

H 0 aceptada

H 0 aceptada

Con objeto de evaluar las mejoras en el diseño de un colector solar, se ha realizado una prueba comparativa del modelo actual (A) y del prototipo de la nueva versión (B). La prueba se ha hecho de manera simultánea, estando los colectores situados

muy próximos y con la misma orientación. Las pruebas se han

realizado durante 9 días y la tabla siguiente recoge los valores medios de cada colector para cada uno de los días (vatios).

Colector

Día 1

Día 2

Día 3

Día 4

Día 5

Día 6

Día 7

Día 8

Día 9

A

203.3

204.5

202.2

197.7

203

198

204.8

199.5

201.3

B

204.5

207.8

205

204.1

205.2

205.7

205.7

202.8

202.3

Realice el planteamiento estadístico e interprete el resultado.

COMPARACION DE DOS CENTRIFUGADORAS La calidad de la pintura látex depende, entre otras cosas, del tamaño de partículas. Para medir esta característica se utilizan dos centrifugadoras, y se sospecha que éstas reportan mediciones distintas para la misma pintura. Se decide hacer un estudio, para lo cual de un mismo lote de pintura se tomaron 12 lecturas con cada centrifugadora. Los resultados son los siguientes.

CENTRIF A

CENTRIF B

4714

4295

4601

4271

4696

4326

4896

4618

4905

4779

4870

4752

4987

4744

5144

3764

4006

3797

4561

4401

4626

4339

4924

4700

Especifique las hipótesis necesarias, y

realice las pruebas respectivas que

respondan a: ¿existen diferencias significativas entre centrifugadoras?

Una fábrica dedicada a la fabricación de losetas para el

recubrimiento de naves espaciales recibe el encargo de una empresa muy importante dedicada a la aeronáutica. Dicha fábrica produce dos tipos de losetas, A y B. Para saber qué tipo de losetas preferirá la empresa se hace una prueba con 18

losetas (9 del tipo A y 9 del tipo B), introduciéndolas en hornos a

10.000ºC y anotando el tiempo transcurrido hasta su rotura. Los resultados, en horas, son los indicados en la tabla adjunta.

a) ¿Qué losetas preferirá la empresa?

b) ¿Cómo se podría haber mejorado la precisión del experimento?

¿Por qué?

A

B

54.6

58.9

45.8

65.7

57.4

55.6

40.1

57.6

56.3

64.2

51.5

60.8

50.7

59.8

64.5

59.0

52.6

50.3

EJEMPLO
EJEMPLO

Una fábrica de pañales utiliza

habitualmente dos laboratorios para

comprobar la absorción de sus productos. En un momento determinado, se decide llevar a cabo un estudio llevando 6 pañales lo

más parecidos posible a los

laboratorios (3 a cada uno). Las cantidades absorbidas detectadas son:

   

CANT.

PAÑAL

LAB.

ABSOR.(g)

1

1

15.5

2

1

15.2

3

1

14.6

4

2

16.0

5

2

15.6

6

2

14.6

Comparación de dos muestras

relacionadas

Se desea saber si un determinado plan de seguridad en el trabajo es efectivo en la reducción del número de accidentes laborales y, por tanto, en la pérdida de horas de trabajo debido a accidentes. Los siguientes datos son las horas de trabajo semanales perdidas

a causa de accidentes en seis fábricas, antes y después de

implantar el nuevo plan de seguridad.

   

Planta

 
 

1

2

3

4

5

6

ANTES

12

29

16

37

28

15

DESPUÉS

10

28

17

35

25

16

a) Especificar las hipótesis necesarias.

b) ¿Se puede decir con estos datos que el plan de seguridad es efectivo?

¿Qué ocurre cuando hay más de dos poblaciones?

DISEÑO DE EXPERIMENTOS

Un diseño experimental es un plan detallado describiendo todas los aspectos de un experimento: