MEDIDAS DE TENDENCIA CENTRAL

Una de las bases en las que se fundamenta la calidad en nuestros das es la

estadstica, la cual aporta herramientas de anlisis que pueden llegar a ser muy
complejas. Sin embargo, si contamos con un conjunto de datos, podemos
explorar inicialmente sus caractersticas bsicas mediante la estadstica
descriptiva.
Existen tres Medidas de Tendencia Central que nos revelarn algunas
cualidades de los datos con que contamos: La media, la mediana y la moda.

Media
Tambin conocida como promedio, sta importante medida de tendencia
central se expresa de esta manera en trminos matemticos:

Visto a manera de procedimiento, para calcular la media debemos realizar los

siguientes tres pasos:
Sumar uno por uno todos los datos.
Contar la cantidad de datos, con esto se obtendr n.
Dividir el total obtenido en el paso 1. entre n.
La media tiene la ventaja de sintetizar en un slo nmero todos los datos, por lo
que obtendremos una idea general del fenmeno que estamos
analizando. Nos ayuda a comparar, por ejemplo, el dimetro de los tornillos de
una lnea de produccin cuya media sea de 12.71 mm contra el de otra lnea
con una media de 12.68mm y nos dar una idea de que la primera lnea
produce tornillos ms grandes.

Mediana
Por otro lado, tenemos a la mediana, tambin conocida como Percentil 50,
que nos revela, de entre todas las observaciones, el que se encuentra justo a la
mitad. Si pensamos en el ejemplo de la lnea de produccin de tornillos, de la
cual obtuvimos una muestra, para obtener la mediana tendremos que dividir la
lista entre 2, el valor que quede a la mitad del listado ser la mediana. En el
caso de que no haya un nmero justo en el medio, tomaremos los dos al centro
y calculamos su promedio para obtener la mediana.
La representacin de la Mediana se hace con el siguiente smbolo:
La ventaja de la mediana sobre la media es que si existe algn dato atpicos,
es decir, una observacin fuera de serie con un valor demasiado pequeo o
demasiado grande al resto de los datos, la mediana no se ve gravemente
afectada, ya que no toma en cuenta los datos en s, sino el dato en la posicin
central en el listado.

Moda
La moda es el o los valores que ms se repiten en nuestro listado de datos. Si
tenemos dos modas con valores significativamente distintos entre ellas,
podramos pensar que nuestros datos provienen de muestras diferentes y que
hay un factor que alter las observaciones entre una y otra.
La Moda no tiene un smbolo por lo que nos referimos a ella por su nombre.
En la realidad, es difcil que en una muestra, la Media, la Mediana y la Moda
coincidan en un mismo valor y valores muy dispares entre ellos podran indicar
algn error en la observacin, en la toma de la muestra o en las mediciones
realizadas.
El anlisis estadstico de la calidad comienza con las Medidas de Tendencia
Central, pero la variabilidad de nuestros procesos se valora a travs de
las Medidas de Dispersin que analizaremos prximamente.

VARIANZA
Esta medida nos permite identificar la diferencia promedio que hay entre cada
uno de los valores respecto a su punto central (Media ). Este promedio es
calculado, elevando cada una de las diferencias al cuadrado (Con el fin de
eliminar los signos negativos), y calculando su promedio o media; es decir,
sumado todos los cuadrados de las diferencias de cada valor respecto a la
media y dividiendo este resultado por el nmero de observaciones que se
tengan. Si la varianza es calculada a una poblacin (Total de componentes de
un conjunto), la ecuacin sera:

Donde ( ) representa la varianza, (Xi) representa cada uno de los valores, (

) representa la media poblacional y (N) es el nmero de observaciones
tamao de la poblacin. En el caso que estemos trabajando con una muestra la
ecuacin que se debe emplear es:
Donde (S2) representa la varianza, (Xi) representa cada uno de los valores, (
) representa la media de la muestra y (n) es el nmero de observaciones
tamao de la muestra. Si nos fijamos en la ecuacin, notaremos que se le resta
uno al tamao de la muestra; esto se hace con el objetivo de aplicar una
pequea medida de correccin a la varianza, intentando
hacerla ms representativa para la poblacin. Es necesario resaltar que la
varianza nos da como resultado el promedio de la desviacin, pero este valor
se encuentra elevado al cuadrado.

DESVIACIN ESTNDAR O TPICA

Esta medida nos permite determinar el promedio aritmtico de fluctuacin de
los datos respecto a su punto central o media. La desviacin estndar nos da
como resultado un valor numrico que representa el promedio de diferencia
que hay entre los datos y la media. Para calcular la desviacin estndar basta
con hallar la raz cuadrada de la varianza, por lo tanto su ecuacin sera:

Para comprender el concepto de las medidas de distribucin vamos a suponer

que el gerente de una empresa de alimentos desea saber que tanto varan los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta
por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos
tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos
respectivamente.
Por lo que su media es:

La varianza sera:

Por lo tanto la desviacin estndar sera:

Con lo que concluiramos que el peso promedio de los empaques es de 507

gramos, con una tendencia a variar por debajo o por encima de dicho peso en
12 gramos. Esta informacin le permite al gerente determinar cunto es el
promedio de perdidas causado por el exceso de peso en los empaques y le da
las bases para tomar los correctivos necesarios en el proceso de empacado.
VARIABLES
Una variable estadstica es cada una de las caractersticas o cualidades que
poseen los individuos de una poblacin.

Tipos de variables estadsticas

Variable cualitativa
Las variables cualitativas se refieren a caractersticas o cualidades que no
pueden ser medidas con nmeros. Podemos distinguir dos tipos:

Variable cualitativa nominal

Una variable cualitativa nominal presenta modalidades no numricas que no
admiten un criterio de orden. Por ejemplo:
El estado civil, con las siguientes modalidades: soltero, casado, separado,
divorciado y viudo.

Variable cualitativa ordinal o variable cuasicuantitativa

Una variable cualitativa ordinal presenta modalidades no numricas, en las que
existe un orden. Por ejemplo:
La nota en un examen: suspenso, aprobado, notable, sobresaliente.
Puesto conseguido en una prueba deportiva: 1, 2, 3, ...
Medallas de una prueba deportiva: oro, plata, bronce.
Variable cuantitativa
Una variable cuantitativa es la que se expresa mediante un nmero, por tanto
se pueden realizar operaciones aritmticas con ella. Podemos distinguir dos
tipos:

Variable discreta
Una variable discreta es aquella que solo puede tomar un nmero finito de
valores entre dos valores cualesquiera de una caracterstica.
El nmero de hermanos de 5 amigos: 2, 1, 0, 1, 3.

Variable continua
Una variable continua es aquella que puede tomar un nmero infinito de
valores entre dos valores cualesquiera de una caracterstica.
La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
En la prctica medimos la altura con dos decimales, pero tambin se podra dar
con tres decimales.
Variable aleatoria
Se llama variable aleatoria a toda funcin que asocia a cada elemento del
espacio muestral E un nmero real.
Se utilizan letras maysculas X, Y, ... para designar variables aleatorias, y las
respectivas minsculas (x, y, ...) para designar valores concretos de las
mismas.
Variable aleatoria discreta
Una variable aleatoria discreta es aquella que slo puede tomar valores
enteros.
Ejemplos
El nmero de hijos de una familia, la puntuacin obtenida al lanzar un dado.
Variable aleatoria continua
Una variable aleatoria continua es aquella que puede tomar todos los valores
posibles dentro de un cierto intervalo de la recta real.
Ejemplos
La altura de los alumnos de una clase, las horas de duracin de una pila.
Variable aleatoria binomial
La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en
cada prueba del experimento.
La variable binomial es una variable aleatoria discreta, slo puede tomar los
valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Ejemplo
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
Variable aleatoria normal
Una variable aleatoria continua, X, sigue una distribucin normal de media y
desviacin tpica , y se designa por N(, ), si se cumplen las siguientes
condiciones:
1. La variable puede tomar cualquier valor: (-, + )
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica
de la curva de Gauss.
Variable estadstica bidimensiona
Una variable bidimensional es una variable en la que cada individuo est
definido por un par de caracteres, (X, Y).
Estos dos caracteres son a su vez variables estadsticas en las que s existe
relacin entre ellas, una de las dos variables es la variable independiente y la
otra variable dependiente.

DEFINICIN DE PROCESO

Un proceso es una secuencia de pasos dispuesta con algn tipo de lgica que
se enfoca en lograr algn resultado especfico. Los procesos son mecanismos
de comportamiento que disean los hombres para mejorar la productividad de
algo, para establecer un orden o eliminar algn tipo de problema. El concepto
puede emplearse en una amplia variedad de contextos, como por ejemplo en el
mbito jurdico, en el de la informtica o en el de la empresa. Es importante en
este sentido hacer hincapi que los procesos son ante todo procedimientos
diseados para servicio del hombre en alguna medida, como una forma
determinada de accionar.

SIETE HERRAMIENTAS BSICAS DE CALIDAD

Qu son las 7 herramientas bsicas?

Es una denominacin dada a un conjunto fijo de tcnicas grficas identificadas
como las ms tiles en la solucin de problemas relacionados con la calidad.
Se llaman bsicas porque son adecuadas para personas con poca formacin
en materia de estadstica, tambin pueden ser utilizadas para resolver la gran
mayora de las cuestiones relacionadas con la calidad.
Las siete herramientas bsicas estn en contraste con los mtodos ms
avanzados de estadstica, tales como muestreos de encuestas, muestreos de
aceptacin, pruebas de hiptesis, diseo de experimentos, anlisis
multivariados, y los distintos mtodos desarrollados en el campo de la
Investigacin de operaciones.

Estas herramientas fueron recopiladas y divulgadas en Japn por Kaoru

Ishikawa, profesor de ingeniera en la Universidad de Tokio y padre de los
'crculos de calidad'.
Posteriormente se extendieron a todo el mundo con el nombre de
herramientas bsicas para la mejora de la calidad o tambin, las 7
herramientas bsicas de Ishikawa y varias denominaciones similares.
En su libro Gua del Control de Calidad, Ishikawa sentaba las bases de esas 7
herramientas que luego recorreran el mundo entero.
Por qu son 7 y no 8 o 9?
La designacin surgi en los tiempos de Japn en la posguerra y fue una
inspiracin de las siete famosas armas del monje guerrero Sait Musashib
Benkei, tambin conocido "Benkei".
Las 7 herramientas bsicas de calidad
Estas herramientas son:

Diagrama Causa - Efecto (tambin llamado grfico de Ishikawa o espina

de pescado).
Diagrama de flujo (Puede sustituirse por estratificacin o por grfico de
ejecucin).
Hojas de verificacin o de chequeo.
Diagrama de Pareto.
Histogramas.
Diagramas o grfico de control.
Diagramas de dispersin.

El Project Management Institute hace referencia a las siete herramientas

bsicas, como un ejemplo de conjunto de herramientas en general tiles para
la planificacin o control de calidad de un proyecto (PMBOK).
Diagrama Causa - Efecto
Identifica muchas causas posibles de un efecto o problema y clasifica las ideas
en categoras tiles.
El enunciado del problema, colocado en la cabeza de la espina de pescado, se
utiliza como punto de partida para trazar el origen del problema hacia su causa
raz.
Tpicamente, el enunciado describe el problema como una brecha que se debe
cerrar o como un objetivo que se debe lograr. El mecanismo para encontrar las
causas consiste en considerar el problema y preguntarse por qu hasta que
se llegue a identificar la causa raz o hasta que se hayan agotado las opciones
razonables en cada diagrama de espina de pescado.
Diagrama de flujo
Muestran la secuencia de pasos y las posibilidades de ramificaciones que
existen en un proceso que transforma una o ms entradas en una o ms
salidas. Los diagramas de flujo muestran las actividades, los puntos de
decisin, las ramificaciones, las rutas paralelas y el orden general de proceso.
Los diagramas de flujo pueden resultar tiles para entender y estimar el costo
de la calidad de un proceso. Esto se consigue mediante la aplicacin de la
lgica de ramificaciones del diagrama de flujo y sus frecuencias relativas para
estimar el valor monetario esperado para el trabajo conforme y no conforme
requerido para entregar la salida conforme esperada.
 Estratificacin
La estratificacin es una tcnica utilizada en combinacin con otras
herramientas de anlisis de datos. Cuando se han agrupado los datos de una
variedad de fuentes o categoras, el significado de los mismos puede ser
imposible de ver. Esta tcnica los separa para que los patrones se puedan ver.
Hojas de verificacin
Tambin conocidas como hojas de control, se pueden utilizar como lista de
comprobacin a la hora de recoger datos.
Las hojas de verificacin se utilizan para organizar los hechos de manera que
se facilite la recopilacin de un conjunto de datos tiles sobre un posible
problema de calidad.
Son especialmente tiles a la hora de recoger datos de los atributos mientras
se realizan inspecciones para identificar defectos. Por ejemplo, los datos sobre
frecuencias o consecuencias de defectos recogidos en las hojas de verificacin
se representan a menudo utilizando diagramas de Pareto.
Diagrama de Pareto
Los diagramas de Pareto son una forma particular de un diagrama de barras
verticales y se utilizan para identificar las pocas fuentes clave responsables de
la mayor parte de los efectos de los problemas.
Las categoras que se muestran en el eje horizontal representan una
distribucin probabilstica vlida que cubre el 100% de las observaciones
posibles.
Las frecuencias relativas de cada una de las causas especificadas recogidas
en el eje horizontal van disminuyendo en magnitud, hasta llegar a una fuente
por defecto denominada otros que recoge todas las causas no especificadas.
Por lo general, el diagrama de Pareto se organiza en categoras que miden
frecuencias o consecuencias.
Histogramas
Son una forma especial de diagrama de barras y se utilizan para describir la
tendencia central, dispersin y forma de una distribucin estadstica. A
diferencia del diagrama de control, el histograma no tiene en cuenta la
influencia del tiempo en la variacin existente en la distribucin.

Diagramas o grficos de control

Se utilizan para determinar si un proceso es estable o tiene un comportamiento
predecible. Los lmites superior e inferior de las especificaciones se basan en
los requisitos establecidos previamente. Reflejan los valores mximo y mnimo
permitidos. Puede haber sanciones asociadas al incumplimiento de los lmites
de las especificaciones. Los lmites de control superior e inferior son diferentes
de los lmites de las especificaciones. Estos se determinan mediante la
utilizacin de clculos y principios estadsticos estndar para establecer la
capacidad natural de obtener un proceso estable.
Se puede utilizar los lmites de control calculados estadsticamente para
identificar los puntos en que se aplicarn medidas correctivas para prevenir un
desempeo anormal. En general la accin correctiva busca el mantener la
estabilidad natural de un proceso estable y eficaz.
Para procesos repetitivos, los lmites de control se establecen por lo general en
3 s alrededor de una media del proceso, que se establece a su vez en 0 s.
Un proceso se considera fuera de control cuando:
Un dato excede un lmite de control.
Siete puntos consecutivos se encuentran por encima de la media, o
Siete puntos consecutivos se sitan por debajo de la media.
Se puede utilizar los diagramas de control para monitorear diferentes tipos de
variables de salida. Se utilizan con mayor frecuencia para realizar el
seguimiento de actividades repetitivas relativas a la fabricacin de lotes.
Diagramas de dispersin
Representan pares ordenados (X, Y) y a menudo se les denomina diagramas
de correlacin, ya que pretenden explicar un cambio en la variable dependiente
Y en relacin con un cambio observado en la variable independiente X.
La direccin de la correlacin puede ser proporcional (correlacin positiva),
inversa (correlacin negativa), o bien puede no darse un patrn de correlacin
(correlacin cero). En caso de que se pueda establecer una correlacin, se
puede calcular una lnea de regresin y utilizarla para estimar cmo un cambio
en la variable independiente influir en el valor de la variable dependiente.

PRODUCTIVIDAD Y CALIDAD
La relacin que maneja la productividad y calidad es estrecha ya que la primera
se refiere a las caractersticas cuantitativas de los productos, mientras que la
otra describe la calidad de los mismos.

CONTROL ESTADISTICO DE CALIDAD

El control estadstico de la calidad es un mtodo de mejora continua de los
procesos operativos de una organizacin, se basa en la reduccin sistemtica
de la variacin de aquellas caractersticas que ms influyen en la calidad de los
productos o servicios. Las herramientas estadsticas utilizadas para la
reduccin de la variacin son, fundamentalmente, el seguimiento, el control y la
mejora de los procesos.

El control y mejora de los procesos se enfoca hacia la prevencin (no producir

defecto) y, por lo tanto, los gastos que implica su implantacin ms que un
costo son una buena inversin.

Siguiendo el mismo orden de idea, el control estadstico de la calidad cuentan

con herramientas de anlisis y resolucin de problemas, como distribucin de
frecuencias e histogramas, diagrama de recorrido, diagrama de flujo, hojas de
registros, diagrama causa- efecto, diagrama de Pareto, tormentas de ideas y
otras herramientas estadsticas como los grficos de control por variables y por
atributos, el diseo de experimentos y los ndices de capacidad de los
procesos, tiene como objetivo la reduccin sistemtica de la variacin de los
procesos.
Es una metodologa para planificar y determinar cundo un proceso est fuera
de control. Tiene como objetivo mejorar los procesos operativos de una
organizacin, basndose en tcnicas estadsticas, la cual permite establecer
criterios para medir, detectar y corregir variaciones en el proceso que puedan
afectar a la calidad del producto o servicio final. Estas mejoras en los procesos
operativos de una organizacin son:
Disminucin de los costos para as ofrecer productos competitivos.
Eliminar actividades que no agregan valor al proceso productivo, es decir,
reducir el tiempo de fabricacin de productos o servicios.
Identificacin de los cuellos de botellas, paradas y otros tipos de esperas
dentro del proceso productivo.
Evitar los problemas de cumplimiento, con los requisitos por el cliente final.
Es una herramienta objetiva que ayuda en la toma de decisiones y facilita el
proceso de mejora constante de una empresa.