Академический Документы
Профессиональный Документы
Культура Документы
mantenimiento
T.S.U
Mantenimiento
Industrial
Contenido
Introduccin.3
U1.- Gestin de la calidad.4
U2.-Estadistica y Probabilidad..8
U3.-Herramientas Estadsticas de la calidad.30
U4.-Herramientas de confiabilidad..38
Introduccin
Qu vamos a necesitar?
El Recurso es todo aquello que vamos a necesitar para poder alcanzar el logro de
los objetivos de la organizacin (personas, equipos, infraestructura, dinero, etc).
Los Procesos son el conjunto de actividades que transforman elementos de
entradas en producto o servicio. Todas las organizaciones tienen procesos, pero
no siempre se encuentran identificados. Los procesos requieren de recursos,
procedimientos, planificacin y las actividades as como sus responsables.
Los Procedimientos son la forma de llevar a cabo un proceso. Es el conjunto de
pasos detallados que se deben de realizar para poder transformar los elementos
de entradas del proceso en producto o servicio. Dependiendo de la complejidad, la
organizacin decide si documentar o no los procedimientos.
Todos estos elementos descritos anteriormente, estn relacionados entre s (de
ah a que es unSISTEMA) y su vez son gestionados a partir de tres procesos de
gestin, como bien dice Juran: Planear, Controlar y Mejorar. En la figura siguiente
se
presenta
un
esquema
grfico
de
esta
relacin:
Sistema de Gestin de la Calidad
es posible tener unSistema de Gestin de la Calidad sin que uno de los cinco
elementos citados anteriormente est presente.
Podramos usar la analoga del cuerpo humano, tal como lo explica Victor
Medelln, en donde todo el cuerpo es un complejo sistema formado a su vez por
varios elementos, tales como: Sistema Respiratorio, Sistema Digestivo, Sistema
Circulatorio, etc. Cada uno de estos elementos que conforman al cuerpo humano
estn relacionados entre s, y no es posible que el cuerpo humano pueda operar
sin uno de ellos.
Continuando con la analoga anterior, podramos agregar que si no hacemos una
adecuada gestin sobre los elementos del cuerpo humano, nuestro Sistema
Corporal empezar a fallar, provocando as un deterioro en nuestra salud, en el
caso del Sistema de Gestin de la Calidad, provocar un deterioro en la Calidad
de los productos o servicios que ofrezca la organizacin.
En nuestra prxima entrega, continuaremos desarrollando este tema,
introduciendo la normativa ISO 9001 y los beneficios que un Sistema de Gestin
de la Calidad podra traerle a una organizacin.
U2.-Estadstica y Probabilidad
Estadstica:
La estadstica es comnmente considerada como una coleccin de hechos
numricos expresados en trminos de una relacin sumisa, y que han sido
recopilados a partir de otros datos numricos.
Kendall y Buckland (citados por Gini V. Glas / Julian C. Stanley, 1980) definen la
estadstica como un valor resumido, calculado, como base en una muestra de
observaciones que generalmente, aunque no por necesidad, se considera como
una estimacin de parmetro de determinada poblacin; es decir, una funcin de
valores de muestra.
"La estadstica es una tcnica especial apta para el estudio cuantitativo de los
fenmenos de masa o colectivo, cuya mediacin requiere una masa de
observaciones de otros fenmenos ms simples llamados individuales o
particulares". (Gini, 1953).
Murria R. Spiegel, (1991) dice: "La estadstica estudia los mtodos cientficos para
recoger, organizar, resumir y analizar datos, as como para sacar conclusiones
vlidas y tomar decisiones razonables basadas en tal anlisis.
"La estadstica es la ciencia que trata de la recoleccin, clasificacin y
presentacin de los hechos sujetos a una apreciacin numrica como base a la
explicacin, descripcin y comparacin de los fenmenos". (Yale y Kendal, 1954).
Cualquiera sea el punto de vista, lo fundamental es la importancia cientfica que
tiene la estadstica, debido al gran campo de aplicacin que posee.
Definicin de estadstica. El trmino estadstica tiene su raz en la palabra Estado.
Surge cuando se hace necesario para sus intereses cuantificar conceptos. En la
mayora de los casos esta cuantificacin se har en funcin de unos fines
econmicos o militares. El estado quiere conocer censo de personas, de
infraestructura, de recursos en general, para poder obtener conclusiones de esta
informacin.
Actualmente la estadstica es una ciencia que se desarroll principalmente en el
siglo XX en las Universidades y centros de investigacin prestigiosos alrededor del
mundo, dedicados a la investigacin en ciencias biolgicas y agropecuarias, como
la Estacin experimental de Rothamstead en Gran Bretaa o la Universidad
Estatal de Iowa y la Universidad de Carolina del Norte en EE.UU. No es ya una
cuestin reservada al estado. Podramos decir que ha permeado la mayora de las
ciencias, desde la Biologa (en especial, la Gentica), la Fsica, la Qumica y las
relacionadas con la Ingeniera en general, as como las Finanzas, Economa y
Ciencias Sociales.
7
La razn es clara: por una parte la estadstica proporciona tcnicas precisas para
obtener informacin, (recoleccin y descripcin de datos) y por otra parte
proporciona mtodos para el anlisis de esta informacin (inferencia).
INFERENCIA ESTADSTICA
Se basa en las conclusiones a la que se llega por la ciencia experimental
basndose en informacin incompleta (de una parte de la poblacin). La inferencia
estadstica es una parte de la Estadstica que permite generar modelos
probabilsticos a partir de un conjunto de observaciones. Del conjunto se
observaciones que van a ser analizadas, se eligen aleatoriamente slo unas
cuantas, que es lo que se denomina muestra, y a partir de dicha muestra se
estiman los parmetros del modelo, y se contrastan las hiptesis establecidas, con
el objeto de determinar si el modelo probabilstico es el adecuado al problema real
que se ha planteado.
La utilidad de la inferencia estadstica, consiste en que si el modelo se considera
adecuado, puede usarse para la toma de decisiones o para la realizacin de las
previsiones convenientes.
En el desarrollo del tema se utilizarn variables aleatorias, que son variables
determinadas por el azar.
La inferencia estadstica parte de un conjunto de observaciones de una variable, y
a partir de estos datos "infiere" o genera un modelo probabilstico; por tanto es la
consecuencia de la investigacin emprica, cuando se est llevando a cabo, y
como consecuencia de la ciencia terica, cuando se estn generando
estimadores, o mtodos, con tal o cual caracterstica para casos particulares. La
inferencia estadstica es, en consecuencia, un planteamiento inductivo.
Es la parte de la estadstica matemtica que se encarga del estudio de
los mtodos para la obtencin del modelo de probabilidad que sigue una variable
aleatoria de una determinada poblacin, a travs de una muestra obtenida de la
misma.
Proceso de anlisis que consiste en inferir las propiedades de una poblacin con
base en la caracterizacin de la muestra.
TEORA DE DECISIN
Estudio formal sobre la toma de decisiones. Los estudios de casos reales, que se
sirven de la inspeccin y los experimentos, se denominan teora descriptiva de
decisin; los estudios de la toma de decisiones racionales, que utilizan la lgica y
la estadstica, se llaman teora preceptiva de decisin. Estos estudios se hacen
ms complicados cuando hay ms de un individuo, cuando los resultados de
diversas opciones no se conocen con exactitud y cuando las probabilidades de los
distintos resultados son desconocidas. La teora de decisin comparte
PARAMETROS ALEATORIOS
Se llama variable aleatoria aquella que toma diversos valores o conjuntos de
valores con distintas probabilidades. Existen 2 caractersticas importantes de una
variable aleatoria, sus valores y las probabilidades asociadas a esos valores.
Una tabla, grfico o expresin matemtica que d las probabilidades con que una
variable aleatoria toma diferente valores, se llama distribucin de la variable
aleatoria.
Como vimos anteriormente, la inferencia estadstica se relaciona con las
conclusiones que se pueden sacar acerca de una poblacin de observaciones
basndose en una muestra de observaciones. Entonces intervienen las
probabilidades en el proceso de la seleccin de la muestra; en este caso se desea
saber algo sobre una distribucin con base en una muestra aleatoria de esa
distribucin.
De tal manera vemos que trabajamos con muestras aleatorias de una poblacin
que es ms grande que la muestra obtenida; tal muestra aleatoria aislada no es
ms que una de muchas muestras diferentes que se habran podido obtener
mediante el proceso de seleccin. Este concepto es realmente importante en
estadstica.
ENFOQUE CLASICO EN ESTADISTICA
En
el
enfoque
clsico
los
primeros
gerentes
y
autores
sobre administracin buscaban "el mejor camino", una serie de principios para
crear una estructura organizacional que funcionara bien en todas las
situaciones. Max Weber, Frederick Taylor y Henri Fayol fueron los principales
contribuyentes al llamado enfoque clsico para disear organizaciones. Ellos
pensaban que las organizaciones ms eficientes y eficaces tenan una estructura
jerrquica en la cual los miembros de la organizacin, en sus acciones, eran
guiados por un sentimiento de obligacin en la organizacin y por una serie de
regla y reglamentos racionales. Segn Weber, cuando estas organizaciones se
haban desarrollado plenamente, se caracterizaban por la especializacin de
tareas, los nombramientos por mritos, la oferta de oportunidades para que sus
miembros hicieran carrera, la rutinizacin de actividades y un clima impersonal y
racional en la organizacin, Weber lo llam burocracia.
Weber alababa la burocracia porque estableca reglas para tomar decisiones, una
cadena de mando clara y a la promocin de las personas con base en la
capacidad y la experiencia, en lugar del favoritismo o el capricho. Asimismo,
admiraba que la burocracia especificaba, con claridad, la autoridad y
la responsabilidad lo cual, en su opinin, facilitaba la evaluacin de los resultados
y su recompensa. Tanto l como otros autores clsicos, as como sus
contemporneos en la administracin, vivieron en una poca en que este enfoque
para disear organizaciones se fundamentaba en el precedente de
los servicios civiles del gobierno. El trmino burocracia no siempre ha tenido la
11
Son los valores extremos que tiene el intervalo de clase, inferior y superior, entre
los cuales van a estar los valores de los datos agrupados en ese intervalo de
clase.
HISTOGRAMA EN ESTADISTICA
El Histograma representa la frecuencia con la que se presentan los
diferentes grupos de datos de la variable objeto de estudio. Es un conjunto de
rectngulos, los cuales representan a cada una de las clases. En el eje de
abscisas se representan las clases definidas y en el eje de ordenadas la
frecuencia de cada una de ellas. La amplitud del intervalo de las clases se halla
dividiendo el Recorrido entre el nmero de clases. El Histograma proporciona
mucha informacin respecto a la estructura de los datos. Por tanto, es importante
analizar la situacin del centro del Histograma y el ancho del mismo que definen la
tendencia central y la variabilidad del conjunto de datos respectivamente, as como
la forma del Histograma que identifica algunas de las caractersticas del proceso
en estudio.
Historia de la Estadstica""
Etimologa
La palabra "estadstica" procede del latn statisticum collegium ("consejo de
Estado") y de su derivado italiano statista ("hombre de Estado" o "poltico"). El
trmino alemn Statistik, introducido por Gottfried Achenwall (1749), designaba
originalmente el anlisis de datos del Estado, es decir, "la ciencia del Estado". No
fue hasta el siglo XIX cuando el trmino estadstica vino a designar la coleccin y
clasificacin de datos.
En su origen, por tanto, la estadstica estuvo asociada al control de datos
poblacionales por parte de la administracin pblica. Este tipo de prcticas han
sido analizadas por Michel Foucault como una forma de impoltica, un estilo de
gobierno caracterizado por regular a las poblaciones a travs del biopoder. Desde
los comienzos de la civilizacin han existido formas sencillas de estadstica, pues
ya se utilizaban representaciones grficas y otros smbolos en pieles, rocas, palos
de madera y paredes de cuevas para contar el nmero de personas, animales o
ciertas cosas. Hacia el ao 3000 a. C. los babilonios usaban ya pequeas tablillas
de arcilla para recopilar datos en tablas sobre la produccin agrcola y de los
gneros vendidos o cambiados mediante trueque. Los egipcios analizaban los
datos de la poblacin y la renta del pas mucho antes de construir las pirmides en
el siglo XXXI a. C. Los libros bblicos de Nmeros y Crnicas incluyen, en algunas
partes, trabajos de estadstica. El primero contiene dos censos de la poblacin
de Israel y el segundo describe el bienestar material de las diversas tribus judas.
En China existan registros numricos similares con anterioridad al ao 2000 a. C.
Los griegos clsicos realizaban censos cuya informacin se utilizaba hacia el 594
a. C. para cobrar impuestos.
HISTOGRAMA DE FRECUENCIA RELATIVA
El histograma de una imagen representa la frecuencia relativa de los niveles de
gris de la imagen. Las tcnicas de modificacin del histograma de una imagen son
tiles para aumentar el contraste de imgenes con histogramas muy
concentrados.
14
Sea u una imagen de tamao NxN, la funcin de distribucin del histograma es:
Fu(l) = (Numerodepixels(i,j)talesqueu(i,j) < = l) / N2
Ejemplos de otros tipos de representaciones grficas: Hay histogramas donde se
agrupan los datos en clases, y se cuenta cuntas observaciones (frecuencia
absoluta) hay en cada una de ellas. En algunas variables (variables cualitativas)
las clases estn definidas de modo natural, p.e sexo con dos clases: mujer, varn
o grupo sanguneo con cuatro: A, B, AB, O. En las variables cuantitativas, las
clases hay que definirlas explcitamente (intervalos de clase).
Se representan los intervalos de clase en el eje de abscisas (eje horizontal) y las
frecuencias, absolutas o relativas, en el de ordenadas (eje vertical).
A veces es ms til representar las frecuencias acumuladas.
O representar simultneamente los histogramas de una variable en dos
situaciones distintas.
Otra forma muy frecuente, de representar dos histogramas de la misma variable
en dos situaciones distintas.
En las variables cuantitativas o en las cualitativas ordinales se pueden
representar polgonos de frecuencia en lugar de histogramas, cuando se
representa la frecuencia acumulativa, se denomina ojiva.
15
MEDIDAS DE DISPERSIN
MODA EN ESTADSTICA
En Estadstica, la moda es el valor que cuenta con una mayor frecuencia en una
distribucin de datos.
Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima. Una
distribucin trimodal de los datos es en la que encontramos tres modas. Si todas
las variables tienen la misma frecuencia diremos que no hay moda.
El intervalo modal es el de mayor frecuencia absoluta. Cuando tratamos con datos
agrupados antes de definir la moda, se ha de definir el intervalo modal.
La moda, cuando los datos estn agrupados, es un punto que divide al intervalo
modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que
verifiquen que:
Siendo la frecuencia absoluta del intervalo modal las frecuencias absolutas de los
intervalos anterior y posterior, respectivamente, al intervalo modal.
Se llama tpicain de un conjunto de datos al grado en que los diferentes valores
de los datos tiende a extenderse alrededor del valor medio utilizado.
Este grado de tpicain se mide por medio de los indicadores tpicains llamados
medidas de tpica in, entre ellas tenemos el rango, la varianza, y la tpicain
tpica.
Hasta el momento hemos estudiado los valores centrales de la distribucin, pero
tambin es importante conocer si los valores en general estn cerca o alejados de
estos valores centrales, es por lo que surge la necesidad de estudiar medidas de
dispersin.
16
Rango:
Es la primera medida que vamos a estudiar, se define como la diferencia existente
entre el valor mayor y el menor de la distribucin,. Lo notaremos como R.
Realmente no es una medida muy significativa e la mayora de los casos, pero
indudablemente es muy fcil de calcular.
Hemos estudiado varias medidas de centralizacin, por lo que podemos hablar de
desviacin con respecto a cualquiera de ellas, sin embargo, la mas utilizada es
con respecto a la media.
Desviacin:
Es la diferencia que se observa entre el valor de la variable y la media aritmtica.
La denotaremos por di.
No es una medida, son muchas medidas, pues cada valor de la variable lleva
asociada su correspondiente desviacin, por lo que precisaremos una medida que
resuma dicha informacin.
La primera solucin puede ser calcular la media de todas las desviaciones, es
decir, si consideramos como muestra la de todas las desviaciones y calculamos su
media. Pero esta solucin es mala pues como veremos siempre va a ser 0.
Luego por lo tanto esta primera idea no es valida, pues las desviaciones positivas
se contrarrestan con las negativas.
Para resolver este problema, tenemos dos caminos:
Tomar el valor absoluto de las desviaciones. Desviacin media Elevar al cuadrado
las desviaciones. Varianza.
Varianza:
MEDIDAS DE DISPERSIN
VARIANZA EN ESTADISTICA
Varianza (Concepto)
Es el estadstico de dispersin que mide el grado de variabilidad que sintetiza el
grado de homogeneidad o heterogeneidad de las diferencias individuales entre los
casos de una muestra (o de varias muestras) respecto de una o varias variables
numricas continuas o cuantitativas.
En teora de probabilidad y estadstica la varianza es un estimador de la
divergencia de una variable aleatoria x de su valor esperado E[x]. Tambin se
utilizan la desviacin estndar, la raz de la varianza.
17
una clase y obtenemos los siguientes resultados (cm): Alumno Estatura Alumno
Estatura Alumno Estatura x x x x x x Alumno 1 1,25 Alumno 11 1,23 Alumno 21
1,21 Alumno 2 1,28 Alumno 12 1,26 Alumno 22 1,29 Alumno 3 1,27 Alumno 13
1,30 Alumno 23 1,26 Alumno 4 1,21 Alumno 14 1,21 Alumno 24 1,22 Alumno 5
1,22 Alumno 15 1,28 Alumno 25 1,28 Alumno 6 1,29 Alumno 16 1,30 Alumno 26
1,27 Alumno 7 1,30 Alumno 17 1,22 Alumno 27 1,26 Alumno 8 1,24 Alumno 18
1,25 Alumno 28 1,23 Alumno 9 1,27 Alumno 19 1,20 Alumno 29 1,22 Alumno 10
1,29 Alumno 20 1,28 Alumno 30 1,21
Si presentamos esta informacin estructurada obtendramos la siguiente tabla de
frecuencia: Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple
Acumulada Simple Acumulada x x x x x 1,20 1 1 3,3% 3,3% 1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0% 1,23 2 11 6,6% 36,6% 1,24 1 12 3,3% 40,0% 1,25 2 14
6,6% 46,6% 1,26 3 17 10,0% 56,6% 1,27 3 20 10,0% 66,6% 1,28 4 24 13,3%
80,0% 1,29 3 27 10,0% 90,0% 1,30 3 30 10,0% 100,0% Si los valores que toma la
variable son muy diversos y cada uno de ellos se repite muy pocas veces,
entonces conviene agruparlos por intervalos, ya que de otra manera obtendramos
una tabla de frecuencia muy extensa que aportara muy poco valor a efectos
de sntesis.
La distribucin de frecuencia es la representacin estructurada, en forma de tabla,
de toda la informacin que se ha recogido sobre la variable que se estudia.
Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple Acumulada
Simple Acumulada x x x x x X1 n1 n1 f1 = n1 / n f1 X2 n2 n1 + n2 f2 = n2 / n f1 + f2
. . . . . Xn-1 nn-1 n1 + n2 +..+ nn-1 fn-1 = nn-1 / n f1 + f2 +..+fn-1 f( n fn = nn / n (Xn
nn
Siendo X los distintos valores que puede tomar la variable. Siendo n el nmero de
veces que se repite cada valor. Siendo f el porcentaje que la repeticin de cada
valor supone sobre el total Veamos un ejemplo: Medimos la altura de los nios de
una clase y obtenemos los siguientes resultados (cm): Alumno Estatura Alumno
Estatura Alumno Estatura x x x x x x Alumno 1 1,25 Alumno 11 1,23 Alumno 21
1,21 Alumno 2 1,28 Alumno 12 1,26 Alumno 22 1,29 Alumno 3 1,27 Alumno 13
1,30 Alumno 23 1,26 Alumno 4 1,21 Alumno 14 1,21 Alumno 24 1,22 Alumno 5
1,22 Alumno 15 1,28 Alumno 25 1,28 Alumno 6 1,29 Alumno 16 1,30 Alumno 26
1,27 Alumno 7 1,30 Alumno 17 1,22 Alumno 27 1,26 Alumno 8 1,24 Alumno 18
1,25 Alumno 28 1,23 Alumno 9 1,27 Alumno 19 1,20 Alumno 29 1,22 Alumno 10
1,29 Alumno 20 1,28 Alumno 30 1,21
Si presentamos esta informacin estructurada obtendramos la siguiente tabla de
frecuencia: Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple
Acumulada Simple Acumulada x x x x x 1,20 1 1 3,3% 3,3% 1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0% 1,23 2 11 6,6% 36,6% 1,24 1 12 3,3% 40,0% 1,25 2 14
6,6% 46,6% 1,26 3 17 10,0% 56,6% 1,27 3 20 10,0% 66,6% 1,28 4 24 13,3%
80,0% 1,29 3 27 10,0% 90,0% 1,30 3 30 10,0% 100,0% Si los valores que toma la
variable son muy diversos y cada uno de ellos se repite muy pocas veces,
entonces conviene agruparlos por intervalos, ya que de otra manera obtendramos
una tabla de frecuencia muy extensa que aportara muy poco valor a efectos de
sntesis. (Tal como se ver en la siguiente leccin).
DISTRIBUCIONES NUMERICAS
Distribucin de frecuencia de clase o de datos Agrupados:
20
21
29
39
49
59
69
79
89
99
Calculando los lmites reales de clases para el primer intervalo de clase, resulta:
LMITE REAL INFERIOR = (Lmite inferior actual + Lmite superior anterior) / 2 =
(30+29)/2 = 29.5
LMITE REAL SUPERIOR = (Lmite superior actual + Lmite inferior superior) / 2 =
(39+40)/2 = 39.5
22
Por lo anterior, se concluye que los lmites reales de clases para la tabla del
ejemplo son:
Lmites Reales de Clases
Salarios
Lmites Reales Superiores
-
39.5
49.5
59.5
69.5
79.5
89.5
99.5
La tabla anterior, resulta ser incierta, ya que los lmites reales de clases no sern
coincidentes con las observaciones reales, pues, si una observacin fuese 49.5,
no es posible definir si pertenece al intervalo de clase (39.549.5) o al intervalo de
clase (49.559.5). Lo anterior da lugar, que a veces los "lmites reales de clases"
sean
utilizados, nicamente como smbolos de las clases.
PARA EMPEZAR SOLO USAR OPCION
ABAJO Y EMPIEZA A CONSTRUIR, SALUDOS Y MUCHAS GRACIAS
FRONTERAS DE CLASE
Son los puntos medios entre lmites de clases adyacentes. Los lmites de una
clase estarn siempre contenidos entre las fronteras de la misma clase y tendrn
mayor aproximacin que los datos, y por lo tanto tambin que los lmites. La
distancia entre la frontera inferior y el lmite inferior de una misma clase, al igual
que la distancia entre el lmite superior y la frontera superior de una misma clase,
es igual a media unidad de aproximacin.
MARCA DE CLASE
En un estudio estadstico, valor representativo de cada intervalo. Tomamos
como marca de clase el punto medio de cada intervalo y lo calculamos sumando
los extremos del intervalo y dividindolo entre 2.
INTERVALO DE CLASE
Es cada uno de los grupos que formamos de los valores de la variable.
Para obtener la amplitud de cada intervalo, tenemos que dividir el recorrido de la
variable por el nmero de grupos que queramos formar.
DIAGRAMA DE TALLOS Y HOJAS
EL DIAGRAMA DE TALLO Y HOJA
Es una tcnica estadstica para representar un conjunto de datos. Cada valor
numrico se divide en dos partes. El o los dgitos principales forman el tallo y los
23
dgitos secundarios las hojas. Los tallos estn colocados a lo largo del eje vertical,
y las hojas de cada observacin a lo largo del eje horizontal.
Ejemplo
La siguiente distribucin de frecuencia muestra el nmero de anuncios
comerciales pagados por los 45 miembros de Grietear Bufadlo Automobile Dealer
s Association en 1999. Observemos que 7 de los 45 comerciantes pagaron entre
90 y 99 anuncios (pero menos de 100). Sin embargo, El numero de comerciantes
pagados en esta clase se agrupan en alrededor de 90, estn dispersos a lo largo
de toda clase, o se acumulan alrededor de 99? No podemos saberlo.
El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del economista
italiano Vilfredo Pareto (18481923) quien realizo un estudio sobre la distribucin
de la riqueza, en el cual descubri que la minora de la poblacin posea la mayor
parte de la riqueza y la mayora de la poblacin posea la menor parte de la
riqueza. Con esto estableci la llamada "Ley de Pareto" segn la cual la
desigualdad econmica es inevitable en cualquier sociedad.
El Dr. Juran aplic este concepto a la calidad, obtenindose lo que hoy se conoce
como la regla 80/20.
Segn este concepto, si se tiene un problema con muchas causas, podemos decir
que el 20% de las causas resuelven el 80% del problema y el 80% de las causas
solo resuelven el 20% del problema.
Por lo tanto, el Anlisis de Pareto es una tcnica que separa los "pocos vitales" de
los "muchos triviales". Una grfica de Pareto es utilizada para separar
grficamente los aspectos significativos de un problema desde los triviales de
manera que un equipo sepa dnde dirigir sus esfuerzos para mejorar. Reducir los
problemas ms significativos (las barras ms largas en una Grfica Pareto) servir
ms para una mejora general que reducir los ms pequeos. Con frecuencia, un
aspecto tendr el 80% de los problemas. En el resto de los casos, entre 2 y 3
aspectos sern responsables por el 80% de los problemas.
En relacin con los estilos gerenciales de Resolucin de Problemas y Toma de
Decisiones (Conservador, Bombero, Oportunista e Integrador)[1], vemos como la
utilizacin de esta herramienta puede resultar una alternativa excelente para
un gerente de estilo Bombero, quien constantemente a la hora de resolver
problemas solo "apaga incendios", es decir, pone todo su esfuerzo en los "muchos
triviales".
Cundo se utiliza? Al identificar un producto o servicio para el anlisis para
mejorar la calidad.
Cuando existe la necesidad de llamar la atencin a los problema o causas de una
forma sistemtica.
Al identificar oportunidades para mejorar
Al analizar las diferentes agrupaciones de datos (ej.: por producto, por segmento,
del mercado, rea geogrfica, etc.)
Al buscar las causas principales de los problemas y establecer la prioridad de las
soluciones
Al evaluar los resultados de los cambios efectuados a un proceso (antes y
despus)
Cuando los datos puedan clasificarse en categoras
Cuando el rango de cada categora es importante
Pareto es una herramienta de anlisis de datos ampliamente utilizada y es por lo
tanto til en la determinacin de la causa principal durante un esfuerzo de
resolucin de problemas. Este permite ver cules son los problemas ms grandes,
permitindoles a los grupos establecer prioridades. En casos tpicos, los pocos
(pasos, servicios, tems, problemas, causas) son responsables por la mayor parte
el impacto negativo sobre la calidad. Si enfocamos nuestra atencin en estos
pocos vitales, podemos obtener la mayor ganancia potencial de nuestros
esfuerzos por mejorar la calidad.
25
Esto nos lleva a la conclusin que para llevar a cabo un proceso de Resolucin de
Problemas /Toma de Decisiones (RP/TD) es necesario manejar cada una de
las herramientas bsicas de la calidad, tanto desde el punto de vista terico como
desde su aplicacin.
La interpretacin de un Diagrama de Pareto se puede definir completando las
siguientes oraciones de ejemplo:
"Existen (nmero de categoras) contribuyentes relacionados con (efecto). Pero
estos (nmero de pocos vitales) corresponden al (nmero) % del total (efecto).
Debemos procurar estas (nmero) categoras pocos vitales, ya que representan la
mayor ganancia potencial para nuestros esfuerzos."
DIAGRAMA DE PUNTOS
El diagrama de puntos resulta de utilidad cuando el conjunto de datos
desrazonablemente pequeo o hay relativamente pocos datos distintos. Cada dato
representa con un punto encima de la correspondiente localizacin en una escala
horizontal de medida. Cuando un valor se repite, hay un punto por cada ocurrencia
y se colocan verticalmente. Permite por ejemplo analizar la dispersin y detectar
datos atpicos.
HISTOGRAMA
Histograma: Es una representacin grafica de datos a travs de barras las cuales
representan la frecuencia de las clases. Estas barras deben ser dibujadas sin
espacios entre si y no necesariamente inician en el origen.
Se utiliza en datos cuantitativos en distribuciones de frecuencia.
Son rectngulos verticales unidos entre s, en donde sus lados son los lmites
reales inferior y superior de clase y cuya altura es igual ala frecuencia de clase.
Con la distribucin de frecuencia anterior se tiene:
DIAGRAMA DE BARRAS
Se utilizan rectngulos separados, que tienen como base a cada uno de los datos
y como altura la frecuencia de ese dato. El diagrama de barras o grfica de barras
suele elaborarse con algunas variantes; por ejemplo, se pueden utilizar lneas en
vez de rectngulos barras ( lneas) horizontales en vez de verticales. Si se
tienen datos cuantitativos se grafica en el eje de las x los valores centrales
(marcas de clase), cuyas alturas son proporcionales a sus frecuencias.
POLIGONO DE FRECUENCIAS
Es la lnea quebrada que une los puntos medios de los lados superiores (marcas
de clase) de un histograma.
Los puntos o vrtices del polgono de frecuencias estn situados, por tanto, en las
marcas de clase, ya que estos corresponden a los puntos medios de los
intervalos.
OJIVAS
27
El ama de casa posee ciertas herramientas bsicas por medio de las cuales puede
identificar y resolver problemas de calidad en su hogar, estas pueden ser algunas,
tijeras, agujas, corta uas y otros. As tambin para la industria existen controles
o registros que podran llamarse "herramientas para asegurar la calidad de una
fbrica", esta son las siguientes:
1.
Hoja de control (Hoja de recogida de datos)
2.
Histograma
3.
Diagrama de pareto
4.
5.
6.
7.
Grfica de control
La Encuesta
La Entrevista
Diagrama de Flujo
30
Detectar desfases
2. Hoja de control
La Hoja de Control u hoja de recogida de datos, tambin llamada de Registro,
sirve para reunir y clasificar las informaciones segn determinadas categoras,
mediante la anotacin y registro de sus frecuencias bajo la forma de datos. Una
vez que se ha establecido el fenmeno que se requiere estudiar e identificadas las
categoras que los caracterizan, se registran estas en una hoja, indicando la
frecuencia
de
observacin.
Lo esencial de los datos es que el propsito este claro y que los datos reflejen la
verdad. Estas hojas de recopilacin tienen muchas funciones, pero la principal es
hacer fcil la recopilacin de datos y realizarla de forma que puedan ser usadas
fcilmente y analizarlos automticamente.
De modo general las hojas de recogida de datos tienen las siguientes funciones:
De distribucin de variaciones de variables de los artculos producidos
(peso, volumen, longitud, talla, clase, calidad, etc)
Una vez que se ha fijado las razones para recopilar los datos, es importante que
se analice las siguientes cuestiones:
La informacin es cualitativa o cuantitativa
Como, se recogern los datos y en que tipo de documento se har
31
Cmo de analizar
Dnde se va a efectuar
Artculos defectuosos
Localizacin de defectos
Causas de efectos
Una secuencia de pasos tiles para aplicar esta hoja en un Taller es la siguiente:
1.
Identificar el elemento de seguimiento
2.
3.
4.
3. Histogramas
Es bsicamente la presentacin de una serie de medidas clasificadas y
ordenadas, es necesario colocar las medidas de manera que formen filas y
columnas, en este caso colocamos las medidas en cinco filas y cinco columnas.
La manera ms sencilla es determinar y sealar el nmero mximo y mnimo por
cada columna y posteriormente agregar dos columnas en donde se colocan los
nmeros mximos y mnimos por fila de los ya sealados. Tomamos
el valor mximo de la columna X+ (medidas mximas) y el valor mnimo de las
columnas X- (medidas mnimas) y tendremos el valor mximo y el valor mnimo.
Teniendo los valores mximos y mnimos, podemos determinar el rango de la serie
de medidas, el rango no es ms que la diferencia entre los valores mximos y
32
mnimos.
Rango = valor mximo valor mnimo
EJEMPLO:
Rango = 3.67 3.39 milmetros
Rango= 0.28 N=nmero de medidas que conforman la serie N=25
Es necesario determinar el nmero de clases para poder as tener el intervalo de
cada clase.
Ejemplo:
28=4.6 nmero de clase 6
Intervalo de cada clase4.6
El intervalo de cada clase lo aproxima a 5 o sea que vamos a tener 6 clases y un
intervalo de 5 por clase.
3.
4.
33
5.
6.
7.
4. Diagrama de pareto
Es una herramienta que se utiliza para priorizar los problemas o las causas que
los
genera.
El nombre de Pareto fue dado por el Dr. Juran en honor del economista italiano
VILFREDO PARETO (1848-1923) quien realiz un estudio sobre la distribucin de
la riqueza, en el cual descubri que la minora de la poblacin posea la mayor
parte de la riqueza y la mayora de la poblacin posea la menor parte de la
riqueza.
El Dr. Juran aplic este concepto a la calidad, obtenindose lo que hoy se conoce
como la regla 80/20.
Segn este concepto, si se tiene un problema con muchas causas, podemos decir
que el 20% de las causas resuelven el 80 % del problema y el 80 % de las causas
solo
resuelven
el
20
%
del
problema.
Seta basada en el conocido principio de Pareto, esta es una herramienta que es
posible identificar lo poco vital dentro de lo mucho que podra ser trivial, ejemplo:
la siguiente figura muestra el nmero de defectos en el producto manufacturado,
clasificado de acuerdo a los tipos de defectos horizontales.
Procedimientos para elaborar el diagrama de Pareto:
1.
Decidir el problema a analizar.
2.
3.
4.
5.
6.
7.
34
8.
9.
Para determinar las causas de mayor incidencia en un problema se traza una lnea
horizontal a partir del eje vertical derecho, desde el punto donde se indica el 80%
hasta su interseccin con la curva acumulada. De ese punto trazar una lnea
vertical hacia el eje horizontal. Los tems comprendidos entre esta lnea vertical y
el eje izquierdo constituyen las causas cuya eliminacin resuelve el 80 % del
problema.
5. Diagrama de causa efecto
Sirve para solventar problemas de calidad y actualmente es ampliamente utilizado
alrededor de todo el mundo. Cmo debe ser construido un diagrama de causa
efecto?. Por ejemplo, tenemos el cocinado de un arroz especial del cual
consideraremos el sabor como si esto fuera una caracterstica de la calidad para
lograr
su
mejora.
En la siguiente figura tenemos un ejemplo de un diagrama de causa efecto
elaborado cuando un problema de mquina es debido a las principales causas
nombradas en este caso:
Mquina
Hombre
Mtodo
Material
6. La estratificacin
Es lo que clasifica la informacin recopilada sobre una caracterstica de calidad.
Toda la informacin debe ser estratificada de acuerdo a operadores individuales
en mquinas especficas y as sucesivamente, con el objeto de asegurarse de los
factores
asumidos;
Usted observara que despus de algn tiempo las piedras, arena, lodo
y agua puede separase, en otras palabras, lo que ha sucedido es una
estratificacin de los materiales, este principio se utiliza en manufacturera. Los
criterios efectivos para la estratificacin son:
Tipo de defecto
Causa y efecto
35
de
Diagrama de dispersin
Presin de aire
(Kg/cm2)
Oct. 1
2
3
4
5
8
9
10
11
12
15
16
17
18
19
8.6
8.9
8.8
8.8
8.4
8.7
9.2
8.6
9.2
8.7
8.4
8.2
9.2
8.7
9.4
Grficas de dispersin
Se utilizan para estudiar la variacin de un proceso y determinar a qu obedece
esta
variacin.
Un grfico de control es una grfica lineal en la que se han determinado
estadsticamente un lmite superior (lmite de control superior) y un lmite inferior
36
U4.-Herramientas de confiabilidad
ANALISIS DE MODO Y EFECTO DE FALLA (AMEF)
38
Conclusin
Los Sistemas de Gestin de la Calidad fueron creados por organismos que
trabajaron en conjunto creando as estndares de calidad, con el fin de controlar y
40
41