CONTROL ESTADSTICO DE LA CALIDAD.

Despus de la Segunda Guerra

Mundial, la enorme produccin en masa oblig al surgimiento del control
estadstico de la calidad. Esta fase fue una extensin de la inspeccin, a los
inspectores se les provey de herramientas estadsticas, tales como muestreo
(Badii et al., 2000) y grficas de control.
La contribucin de mayor importancia del control estadstico fue la introduccin
de la inspeccin por muestreo, en lugar de la inspeccin al 100%. La lentitud
del crecimiento del control de calidad tuvo poco que ver con problemas del
desarrollo de las ideas tcnicas y estadsticas.
El crecimiento de conceptos como la grfica de control y los planes
fundamentales de muestreo qued pronto establecido. Los impedimentos
fueron la voluntad o la habilidad de las organizaciones para tomar las medidas
adecuadas referentes a estos temas.

ESTADSTICA DESCRIPTIVA: son aquellos mtodos que incluyen la recoleccin,

presentacin y caracterizacin de un conjunto de datos con el fin de describir
apropiadamente las diversas caractersticas de ese conjunto.
En investigacin los hechos que ya ocurrieron o estn ocurriendo, son agrupados,
comparados y utilizados para la toma de decisiones.
Las variables de salida o de respuesta de un proceso, deben cumplir con ciertas
metas y/o especificaciones, a fin de que sea posible considerar que el proceso
funciona de manera satisfactoria.
Por ello, una tarea primordial del control de calidad es conocer la capacidad o
habilidad de un proceso, que consiste en determinar la amplitud de la variacin

natural del proceso para una caracterstica de calidad dada. Esto permitir saber
en qu medida tal caracterstica de calidad es satisfactoria.
En esta parte se estudian las principales tcnicas de la estadstica descriptiva
para el anlisis de una variable de tipo continuo. Estas tcnicas son de gran
utilidad para entender mejor la capacidad de un proceso.
Por lo general, para realizar un estudio de capacidad se toman datos del proceso
durante un periodo considerable para que se refleje bien el desempeo del
proceso.
El periodo de referencia depende de la velocidad del proceso, ya que si se trata de
un proceso masivo que produce muchas piezas por da, entonces se considera un
periodo de cuatro a 10 das, y de ah, cada determinado tiempo se toma una
pequea cantidad de productos hasta completar una muestra de 120 a 150.
Pero cuando se trata de un proceso lento, que produce pocos productos por da,
es necesario incrementar el periodo de estudio para completar una muestra de por
lo menos 50 o 60 productos. En ambos casos, en la medida que se tengan ms
datos y un periodo ms amplio ser posible conocer mejor el estado real del
proceso.
Ejemplo:
En un proceso de inyeccin de plstico una caracterstica de calidad del producto
(disco) es su grosor, que debe ser de 1.20 mm con una tolerancia de 0.10 mm.
As, para considerar que el proceso de inyeccin fue satisfactorio, el grosor del
disco debe estar entre la especicacin inferior, EI = 1.10 y la superior, ES = 1.30.
En un estudio de capacidad para este proceso es necesario contestar las
siguientes interrogantes: qu tipo de discos en cuanto a grosor se estn
produciendo? El grosor medio es adecuado? La variabilidad del grosor es
mucha o poca?
Para contestar estas preguntas, durante una semana se obtuvieron de una lnea
de produccin los 125 datos de la tabla 2.1. El muestreo fue sistemtico: cada
determinado tiempo se tomaban cinco productos y se medan y al nal de la
semana se tuvieron los datos referidos. A continuacin se analizarn estos datos
por medio de diferentes estadsticos.

ESTADSTICA INFERENCIAL: son aquellos mtodos que hacen posible la

estimacin de una caracterstica de una poblacin o la toma de decisin referente
a una poblacin basndose solo en los resultados de una muestra.
La estadsticas inferencial tambin busca probar hechos que sucedern a futuro y
que tienen que ver con pronsticos para la tomar mejores decisiones.
La inferencia estadstica tiene como objetivo establecer las caractersticas de una
poblacin o proceso con base en la informacin contenida en una muestra. Por lo
general, la inferencia se divide en estimacin y prueba de hiptesis, y se apoya en
cantidades o estadsticos calculados de las observaciones de la muestra.
Los estadsticos, como medidas o funciones de los datos muestrales, que no
contienen parmetros desconocidos, ayudan a caracterizar la distribucin de tales
datos. Un ejemplo de estadstico es la media X, la cual sirve para conocer la
tendencia central de los datos muestrales y puede ser utilizada de una forma
apropiada para realizar inferencias (afirmaciones) sobre la media poblacional
(parmetro poblacional).
Un aspecto clave en la interpretacin y uso de cualquier estadstico es que es una
variable aleatoria, ya que su valor depende de los elementos que son
seleccionados en la muestra y, por lo tanto, vara de una muestra a otra.
La forma de tomar en cuenta este hecho es conocer la distribucin de probabilidad
de cada estadstico. Del captulo anterior recordemos que una distribucin de
probabilidad o distribucin de una variable aleatoria X relaciona el conjunto de
valores posibles de X (rango de X), con la probabilidad asociada a estos valores.
Por ejemplo, en el caso de la variable aleatoria dada por el estadstico media
muestral, X, al conocer su distribucin de probabilidad podremos saber en qu
intervalo se esperan los valores de X y cules son ms probables.

Una distribucin de probabilidad tambin se puede considerar una distribucin

terica de frecuencia, que describe cmo se espera que varen los resultados de
la variable aleatoria. De esta forma, lo aleatorio se modela (describe, acota), y al
observar una realizacin especfica de un estadstico es posible corroborar o
rechazar supuestos (prueba de hiptesis) o hacer estimaciones poblacionales.
Las distribuciones de probabilidad que ms se emplean en intervalos de confianza
y pruebas de hiptesis son las distribuciones: normal, T de Student, ji-cuadrada y
F.
En la figura 4.2 se representan las formas tpicas de estas cuatro distribuciones.

4.2

Las siete herramientas bsicas de calidad es una denominacin dada a un conjunto de tcnicas grficas
identificadas como las ms tiles en la solucin de problemas enfocadas a la calidad de los productos. Se
conocen como herramientas bsicas ya que son adecuadas para personas con poca formacin en materia
de estadsticas.
Las siete herramientas bsicas son:
1.

Diagrama de Ishikawa: tambin llamado diagrama de causa-efecto o diagrama causal, se trata

de un diagrama que por su estructura ha venido a llamarse tambin: diagrama de espina de pez, que
consiste en una representacin grfica sencilla en la que puede verse de manera relacional una
especie de espina central, que es una lnea en el plano horizontal, representando el problema a
analizar, que se escribe a su derecha. Es una de las diversas herramientas surgidas a lo largo del
siglo XX en mbitos de la industria y posteriormente en el de los servicios, para facilitar el anlisis de
problemas y sus soluciones en esferas como lo son; calidad de los procesos, los productos y
servicios.

2. Hoja de Verificacin: tambin llamada hoja de control o de chequeo, es un impreso con formato de
tabla o diagrama, destinado a registrar y compilar datos mediante un mtodo sencillo y sistemtico, como la
anotacin de marcas asociadas a la ocurrencia de determinados sucesos. Esta tcnica de recogida de datos
se prepara de manera que su uso sea fcil e interfiera lo menos posible con la actividad de quien realiza el
registro.

3. Grfico de Control: es una representacin grfica de los distintos valores que toma una caracterstica
correspondiente a un proceso. Permite observar la evolucin de este proceso en el tiempo y compararlo con
unos lmites de variacin fijados de antemano que se usan como base para la toma de decisiones.

4. Histograma: es una representacin grfica de una variable en forma de barras, donde la superficie de
cada barra es proporcional a la frecuencia de los valores representados. En el eje vertical se representan las
frecuencias, y en el eje horizontal los valores de las variables, normalmente sealando las marcas de clase,
es decir, la mitad del intervalo en el que estn agrupados los datos. Los histogramas son ms frecuentes en
ciencias sociales, humanas y econmicas que en ciencias naturales y exactas. Y permite la comparacin de
los resultados de un proceso.

5. Diagrama de Pareto: tambin llamado curva 80-20 o distribucin C-A-B, es una grfica para organizar
datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras.
Permite asignar un orden de prioridades. El diagrama permite mostrar grficamente el principio de Pareto
(pocos vitales, muchos triviales), es decir, que hay muchos problemas sin importancia frente a unos pocos
graves. Mediante la grfica colocamos los pocos vitales a la izquierda y los muchos triviales a la derecha.

6. Diagrama de Dispersin: tambin llamado grfico de dispersin, es un tipo de diagrama matemtico

que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de
datos. Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que
determina la posicin en el eje horizontal y el valor de la otra variable determinado por la posicin en el eje
vertical.

7. Muestreo Estratificado: tambin conocida como estratificacin, es una herramienta estadstica que
clasifica los elementos de una poblacin que tiene afinidad para as analizarlos y determinar causas comunes
de su comportamiento. La estratificacin contribuye a identificar las causas que hacen mayor parte de la
variabilidad, de esta forma se puede obtener una comprensin detallada de la estructura de una poblacin de
datos, examinando as la diferencia en los valores promedio y la variacin en los diferentes estratos.

Si deseas saber ms sobre esta herramienta comuncate hoy con nosotros, o te invitamos a
nuestros prximos entrenamientos en las ciudades de Monterrey, Quertaro, Guadalajara y/o Puebla en
Mxico. Para acceder a nuestro catalogo completo de cursos has click aqui.