Академический Документы
Профессиональный Документы
Культура Документы
Introducción.
Uno de los puntos más importantes en el control de calidad es el “Control
Basado en Hechos Reales” y no en la experiencia, el sentido común y la
audacia. Para poder asegurar nuestra calidad y la satisfacción del cliente, es
necesario identificar las variables que determinan la calidad de nuestro
proceso o “Características de Calidad” y luego determinar el estado de
dichas variables a través de datos. La toma de una correcta decisión basada
en la realidad, depende de la veracidad de los datos y de la manera en que
estos datos son analizados.
Hechos
Datos
Numéricos Descriptivos
Q7 N7
Organización
Información
Toma de decisión
A. Objetivo de tomar datos:
1. Datos para el Análisis. Son los datos que se toman para entender la
situación actual de nuestro proceso, área de trabajo, dependencia,
etc.
2. Datos para el Control. Son los datos que se toman periódicamente para
investigar la variación diaria de nuestro proceso, área de trabajo,
dependencia, etc. para verificar su estado de control (estabilidad).
3. Datos para la Inspección. Son los datos que se toman al recibir o
entregar un determinado material. Son los datos que sirven para
verificar si el producto cumple con las especificaciones o contratos
establecidos.
B. Tipos de datos.
1) Datos continuos: Son los datos medibles como la longitud, el
peso, la temperatura, etc.
2) Datos discretos. Son aquellos datos que se pueden contar como
el número de piezas defectuosas, el número de errores, etc.,
Son datos no-continuos.
Localización
de los A * *
defectos * * * + & B
C * * + +
· ·
Fig. 1.3 Checksheet Combinado con Localización Visual de Elementos
Inglés Español
Man Factor Humano
Machine Maquinas, Equipos, Instalaciones y
Herramientas
Materials Materiales, Insumos
Method Métodos
100 100
93,3
89,1
80 80,8
60 60
36,744
40 28 25
20 10 8
5
0
A B C D E F
n=120
1-31 May 95
RHO.
4.0 Estratificación
Estratificar significa separar la toma de datos dependiendo del tipo de
trámite, área, personas, lugar y tiempo, etc. Facilita el correcto
entendimiento de la información, la toma precisa de una acción y un mejor
conocimiento de los datos históricos de un producto o servicio.
*Problema: por tipo de defecto, por tipo de error, por tipo de falla, por su
magnitud, por su alcance, etc.
*Costo: por el costo que genera, por la pérdida (real o potencial), etc.
*Persona: por cada funcionario, empleado, por cada área de trabajo, por
edades, por sexo, por experiencia, por cargo, etc.
*Materia prima o insumo: por proveedor, por precio, por lote, por el tiempo
en que entró a la dependencia, etc.
*Método: por método de operación, por condiciones de operación, por lotes,
por estándares de operación, etc.
*Tiempo: por turno, por a.m. y p.m., por estación del año, por su duración,
etc.
Día de la semana
Documento Área Lun Mar Mié Jue Vie Sáb Do Total Total
De m Sema
destino na
1 1 1 1 2 2 7
Revistas 2 1 1 2 2 2 3 11 40
3 1 1 2 1 2 2 9
4 1 1 1 2 2 2 4 13
1 1 3 1 6 6 17
2 3 2 3 2 2 6 7 25
Cartas 3 2 1 1 2 3 6 6 21 94
4 3 3 3 3 4 7 8 31
1 1 1 1 3
Doc. 2 1 1 2 1 1 1 1 8
Oficiales 3 1 1 1 1 4 21
4 1 1 1 1 1 1 6
Total 14 9 13 21 19 37 42 155 155
5.0 Histograma
Gráfico muy utilizado cuando los datos de una característica de calidad
presentan una variación y se quiere conocer la distribución de dicha
variación con respecto al valor promedio.
Punto medio de cada clase= Límite Superior de Clase + Límite Inferior de Clase
2
30
25
20
15
10
0
26.95 27.35 27.75 28.15 28.55 29.15
Fig.5.2.1: “General”. El proceso está estable. Solo existe una sola “Campana”
simétrica.
Fig.5.2.2: “Chimuelo”. Hay un problema con el aparato de medición o el calculo de
las clases no es correcto (sobretodo si el intervalo de clase es múltiplo de la unidad
mínima de medición), o se han redondeado los datos con una tendencia particular.
n=100 n=100
A B C D E F G H I J K A B C D E F G H I J K
General Chimuelo
Fig.5.2.1 Fig. 5.2.2
Fig. 5.2.3: “Sesgado”. Cuando los datos están controlados por un limite o
estándar de operación,
n=100 n=100
A B C D E F G H I J K A B C D E F G H I J K
Sesgado Precipicio
Fig. 5.2.3 Fig. 5.2.4
A B C D E F G H I J K A B C D E F G H I J K
n=100
A B C D E F G H I J K L M N
Pico Aislado
Fig. 5.2.7
5.3 Medidas de Tendencia Central.
27.9 28.0 28.8 28.1 28.0 27.6 27.9 28.5 28.1 27.8
_
5.3.1 Medida aritmética o promedio (X).
_ n
X= X1+X2+X3…+Xn =∑Xi / n
n i
Ejemplo:
_
X= (27.9+28.0+28.8+28.1+28.0+27.6+27.9+28.5+28.1+27.8) = 28.07
10
_
5.3.2 Mediana (X).
Ordenando todos los datos en orden (creciente o decreciente), se llama
mediana al dato que queda justo a la mitad. Si el número de datos es par,
quedarán dos datos en medio. La mediana será entonces, la media de estos
dos datos.
Ejemplo:
27.6 27.8 27.9 27.9 28.0 28.0 28.1 28.1 28.5 28.8
_
X= (28.0+28.0)= 28.00
2
5.3.3 Moda.
Ejemplo:
27.9 28.0 28.8 28.1 28.0 27.6 27.9 28.5 28.1 27.8
Se calcula sumando el cuadrado de las distancias que cada dato tiene con
respecto a su media aritmética.
_ _ _ _2
S=(X1-X)2 +(X2-X)2 + (X3-X)2 +…+(Xn-X) =
n
n
n _ 2 (∑xi)2
=∑(Xi-X)2= ∑X - _ i______
i i n
Ejemplo:
-∑(27.9+28.0+28.8+28.1+28.0+27.6+27.9+28.5+28.1+27.8)2 =
10
S=7880.33-78792.49=1.08
10
V= S
n-1
Ejemplo:
V= 1.08 = 0.12
9
S= V
Ejemplo:
S= 0.12=0.346
Una vez que se toma la muestra de los datos que representan una variable de
un proceso y se puede estimar la tendencia central y la dispersión de la
población de todo el proceso:
Rango Probabilidad
_
X + 1s 68.3%
_ 95.4%
X + 2s
_ 99.7%
X + 3s
5.5 Cálculo de la Media y la Desviación Estándar a partir de una Tabla de
Frecuencias.
1.-Una vez calculadas las clases, puntos medios y las frecuencias (“f”), hacer
la siguiente tabla:
2.-En la columna de “X” se asigna el “0” a la clase con la mayor frecuencia
(el centro de la distribución) y al punto medio correspondiente se designa
como “X0”.
3.-Una vez designado el “0” en la columna “X” se colocan los números
1,2,3…,si el número de clase aumenta y -1, -2, -3,… si el numero de clase
disminuye.
4.-Se multiplica el valor en la columna “f” con el valor en la columna “X” y
se obtiene “fX” para cada clase.
5.-Se eleva al cuadrado el valor en la columna “X” (Se obtiene el valor “X2”) y
se multiplica por el valor en la columna “f” para obtener “fX2” y se obtienen
la correspondientes sumas “∑fX” y “∑fX2” .
Tabla 5.5.1
No. Punto medio f x fx f(X2)
1 27.25 1 -4 -4 16
2 27.45 4 -3 -12 36
3 27.65 9 -2 -18 36
4 27.85 29 -1 -29 29
5 x0=28.05 30 0 0 0
6 28.25 15 1 15 15
7 28.45 7 2 14 28
8 28.65 3 3 9 27
9 28.85 2 4 8 32
7.-Hay que recordar que “c” es intervalo de clase (ancho de las barras en el
histograma).
8.-Se calcula el valor de la media como sigue:
_
X=X0+∑fx (c)
n
Calculando tenemos:
_
X=28.05+-17 *0.2=28.05-0.034=28.016
100
9.-Se calcula la Desviación Estándar como sigue:
S=C* ∑fx2-(∑fx)2
n
n-1
Calculando tenemos:
S=0.2* 219-(-17)2=0.295
100
100-1
6.0 Gráficas:
• Gráficas de barras.
• Gráficas de líneas (series de Tiempo).
• Gráficas de pastel (Pay o Quesos).
• Otros.
9
8 Límite Superior
7
6
5
4
Límite Central
3
2
1 Límite Inferior
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
_
Tipo X ( de la media) Tipo pn (del No. de productos defectuosos).
_
Tipo X (de la mediana) Tipo u (del No. de defectos o fallas por unidad
de medición).
Tipo X (de c/u de los datos) Tipo c (de No. de Defectos o fallas)
9
LSC=25.35
8
7
6
5 LC= 22.44
4
3
2
1
LIC=19.53
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
9 LSC=10.66
8
7
6
5 LC= 5.04
4
3
2
1 LIC=----
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Muestra
No. X1 X2 X3 X4 X5 Sum X X R
01 26 21 23 25 24 119 23.8 5
02 23 21 22 24 23 113 22.6 3
03 21 20 21 22 27 111 22.2 7
04 24 21 23 22 17 107 21.4 7
05 22 22 23 22 21 110 22.0 2
06 18 24 21 21 23 107 21.4 6
07 21 22 23 27 23 116 23.2 6
08 21 24 22 23 20 110 22.2 4
09 21 25 24 24 27 121 24.2 6
10 23 24 26 21 21 115 23.0 5
11 21 22 19 24 20 106 21.2 5
12 23 17 21 22 21 104 20.8 6
13 25 27 24 23 23 122 24.4 4
14 21 24 19 27 22 113 22.6 8
15 26 26 23 22 24 121 24.2 4
16 21 24 20 23 24 112 22.4 4
17 21 23 21 21 22 108 21.6 2
18 24 22 24 19 25 114 22.8 6
19 21 25 24 23 22 115 23.0 4
20 20 23 24 19 23 109 21.8 5
21 21 20 22 23 21 107 21.4 3
22 27 24 25 22 21 119 23.8 6
23 24 22 23 21 22 112 22.4 3
24 18 24 20 21 21 104 20.8 6
25 25 16 24 21 24 110 22.0 9
Gráfica x (Mediciones)
No. Muestra X1 X2 X3 X4 - R
X
01 1-4 56.4 55.6 55.8 56.4 56.05 0.8
02 5-8 58.8 55.8 56.4 56.4 56.85 3.0
03 9-12 56.4 57.0 57.2 54.6 56.30 2.6
04 13-16 55.2 57.2 56.4 57.4 56.55 2.2
05 17-20 53.6 58.2 53.4 55.2 55.10 4.8
06 21-24 54.8 56.0 55.6 54.6 55.25 1.4
07 25-28 53.6 55.6 54.0 57.0 55.05 3.4
08 29-32 56.8 56.0 58.6 56.2 56.90 2.6
09 33-36 55.2 55.6 55.0 57.8 55.90 2.8
10 37-40 55.8 54.6 55.0 58.4 55.95 3.8
11 41-44 57.6 57.2 59.2 57.2 57.80 2.0
12 45-48 56.2 56.4 57.2 58.0 56.95 1.8
13 49-52 55.0 53.6 54.0 57.4 55.00 3.8
14 53-56 54.8 56.4 57.0 55.0 55.80 2.2
15 57-60 53.8 58.0 57.0 55.8 56.90 2.2
16 61-64 59.0 56.2 55.2 55.4 56.45 3.8
17 65-68 55.4 55.2 56.8 58.2 56.40 3.0
18 69-72 56.6 55.4 55.6 59.4 56.75 4.0
19 73-76 55.0 58.4 56.4 55.2 56.25 3.4
20 77-80 55.8 55.2 55.2 57.2 55.85 2.0
Media 56.203 2.78
Límites
_ _
E2R=1.457X2.78=4.050 LSC= D4R= 2.282x2.78=6.34
x _ R
LSC=X+R=60.253 LC=R=2.78
= _
LIC=X-E2R= 52.153 LIC= D3R= -----
_ Para la muestra tamaño 4:
A2R= 0.729X2.78=2.027
_ = _ • E2= 1.457
X LSC=X+A2R= 58.230 • A2= 0.729
=
LC=X=56.203
= _
LIC=X-A2R= 54.176
X n=80
9
LSC=60.253
8
7
6
5 LC= 56.203
4
3
2
1 LIC=52.153
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
mediciones
X n=4
9
8
LSC=58.230
7
6
5
4
LC=56.203
3
2
1
0
LIC=54.176
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
R
9 LSC=6.34
8
7
6
5 LC=2.78
4
3
2
1 LCI=---
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
grupo
Rsi= Xi-Xi-1
_
X= ∑Xi =4495.6= 56.20
K 80
_
Rs= ∑Rsi = 117.2 = 1.484
(K-1) (80-1)
n=80
9
LSC=60.15
8
7
6
5
4 LC=56.20
3
2
1
0 LIC=52.25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
mediciones
9
LSC=4.85
8
7
6
5
4
LC= 1.48
3
2
LIC=----
1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
mediciones
_ k
P=∑(pn)/(n*k) = 337/(20*500)=0.0337
i
_ _
Pn(1-p) =16.85(1-0.0337)=16.28
_ _ _
LSC = pn+3 pn(1-p) = 28.95
_
LC = pn = 16.85
_ _ _
LIC = pn – 3 pn(1- p)= 4.75
La gráfica no se parece
9
8
7
LSC=29.0
6
5
4 LC= 16.8
3
2
1 LIC= 4.7
0
Gráfica de control pn
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
muestras
_ _
P(1-p)= 0.042(1-0.042) =0.0402
i
LSC(250)=0.O42+3 (0.0402/250)=0.0801
LC=0.0420
La gráfica no se parece
9 LSC(200)=0.0846
8
7
6
LSC(250)=0.0801
5
4 LC=0.0420
3
2
1 LIC(250)=0.0039
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
LIC(200)=----
K No. Lote c
01 S1 4
02 D3 5
03 F2 7
04 A2 4
05 M2 3
06 B1 4
07 C8 5
08 C9 3
09 N6 4
10 N2 7
11 A3 5
12 H6 6
13 G5 4
14 18 3
15 F5 4
16 Z2 2
17 X4 6
18 L9 7
19 J8 3
K=20 N7 4
Total 90
Media 4.5
_
C= ∑c/k= 90/20= 4.5
_ _
LSC= c +3 c= 10.86
_
LC= c = 4.5,
_ _
LIC= c – 3 c= -1.86=0.0
No se parece a la gráfica
n=20
9
LSC= 10.9
8
7
6
LC= 4.5
5
4
3
LIC= ---
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
No. de Lote
_ _
U= ∑c/∑n= 535/220=2.432 CL= u = 2.432
_ _ _
LSC= u +3 u/n= LIC= u -3 u/n=
No se parece a la gráfica
N=10,15 y 20
9
LSC(10)=3.911
8
7
LSC(15)=3.640
6
5
LSC(20)=3.478
4
3
LC=2.432
2
1
LIC(20)=1.386
0
LIC(15)=1.224
LIC(10)=0.953
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Muestras
Gráfica de Control u de Número de Fallas o Defectos por Unidad de
Producción.
7.8 Formulario
= = _
Datos X X X +E2 R
Continuos _ _
_ D4Rs, D3 Rs
X _
Rs= ∑Rsi/ (k-1)
_ =
x X = _
X + m 3 A2 R
_
_ P=∑pn/ ∑n
P p
_ _ _
P+3 p(1-p)
n
_ _
pn pn pn=∑ pn/k
_ _ _
pn + 3 (pn(1-P)
Datos
Discretos _
_ u = ∑ c/∑ n
u u
_
u+3 _
u
n
_
_ C= ∑ c/k
c c
_ -
C+3 c
1) Recordar que las gráficas de Control son para ver las variaciones en el
proceso en función del tiempo.
2) Hacer las gráficas de tal forma que sean fáciles de usar y fáciles de
entender.
3) Que puedan ser usados largo tiempo.
Los límites de Control, superior e inferior, se dibujan con dos tipos de líneas
según la función de la gráfica:
No se parece a la gráfica
LSC
9
8
7
LC
6
5
4
3
LIC
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Corridas (de 5, de 6 y de 7)
c) Hay muchos puntos de un solo lado del Límite Central. (Fig. 7.11.2)
No se parece a la gráfica
9
LSC
8
7
6 LC
5
4
3
LIC
2
1
0
Fig.7.11.3
X
LSC
LC
LIC
x
Tendencias Fig. 7.11.3
No se parece a la gráfica
LSC (3s)
LSC (LSC2s)
LC
LIC(2s)
LIC(3s)
LSC
LC
LIC
X
Variaciones Cíclicas Fig.7.11.
g) Los puntos se concentran alrededor del Límite Central. Puede significar que
se están mezclando varias poblaciones y es necesario estratificar. (Figura
7.11.6)No se parece a la gráfica
LSC
LC
LIC
Fig.7.11.6
X
Gráfica que se utiliza para analizar la relación entre los datos de dos
variables, las cuales se tabulan en forma de pares ordenados (x,y) y se
grafican en el Plano Cartesiano.
eje Y
eje X
3 6
n=50
Y
n=50
Y
(a) (b)
n=50 n=50
Y
Y
X X
(b) (d)
n=50 n=50
Y
X X
(e) (f)
EJERCICIOS
1.- Diseñe una hoja de registro para conocer el número de personas que
participan en un determinado proceso, sus edades, sexo, edo. civil y años en
la empresa .
2.-Elabore una lista de verificación que incluya todo lo necesario para llevar a
un viaje de negocios y / o de placer.
3.-Diseñe una hoja de registro para conocer la localización y tipo de defecto
que tiene un producto terminado: (guante, mesa, silla, alfombra, etc.)
4.0 Estratificación
2.- Hay dos panaderos A y B horneando un pan X. Ambos utilizan una máquina
1.
*Se cuantificó el peso de las piezas del pan X durante 20 días, tomando al azar
4 panes de cada día. La especificación dice que el pan debe estar entre 200 y
220 gramos.
*Analice los datos a través de histogramas, total y por cada panadero.
Compare y concluya.
Día Panadero Máquina 1
1 A 208.2 209.5 210.2 212.0
2 A 208.5 211.7 206.2 207.8
3 A 203.2 210.2 210.5 205.9
4 B 204.0 203.3 198.2 201.9
5 B 209.6 203.7 213.2 209.6
6 A 208.1 207.9 211.0 206.2
7 A 205.2 204.8 198.7 205.8
8 B 202.0 197.7 202.0 213.1
9 B 197.2 210.6 199.5 215.3
10 B 199.1 207.2 200.8 201.2
11 A 204.6 207.0 200.8 204.6
12 B 214.7 208.5 205.8 200.9
13 B 204.1 196.6 204.6 199.4
14 A 200.2 205.5 208.0 202.7
15 A 201.1 209.2 205.5 200.0
16 A 201.3 203.1 196.3 205.5
17 B 202.2 204.4 202.1 206.6
18 B 194.1 207.0 208.4 202.6
19 B 204.8 201.3 208.4 212.3
20 A 200.6 202.3 204.3 201.4
_
R: ( x-R, de la media: CL= 53.25, USL= 53.67, LCL= 52.83; del rango: CL=
0.576, UCL=1.323, LCL=----)
3.- Cada una de las tres personas A, B, C, tienen que llenar continuamente un
formato W. Al analizar los datos descubrimos que hay errores en el llenado de
dicho formato W como sigue:
*Calcular los gráficos de control para los siguientes grupos de datos A, B y si el
tamaño de lote es constante.
No. A B C
1 12 50 30
2 14 45 80
3 4 24 5
4 7 32 7
5 10 39 6
6 6 23 10
7 5 10 12
8 9 24 11
9 6 34 17
10 3 27 15
11 4 12 20
12 7 21 25
13 7 18 22
14 13 17 6
15 6 15 8
16 7 18 7
17 4 15 12
18 6 18 14
19 9 19 10
20 3 16 15
21 7 13 17
22 5 35 20
23 3 27 24
24 3 13 25
4.- Al analizar los reclamos del cliente con respecto a fallas de planta en su
auto (menos de 1000 kms.) Encontramos los siguientes datos:
No. de autos reclamados No. de fallas o errores
1 4
1 3
1 2
1 5
1 2
2 2
2 3
2 6
2 4
3 6
3 8
3 5
3 9
1 3
1 2
2 4
2 5
3 6
3 8
1 4
8.-Gráfico de Dispersión:
No. x1 Y1 X2 Y2 X3 Y3 X4 Y4
1 10 8.04 10 9.14 10 7.46 8 6.58
2 8 6.95 8 8.14 8 6.77 8 5.76
3 13 7.58 13 8.74 13 12.74 8 7.71
4 9 8.81 9 8.77 9 7.11 8 8.84
5 11 8.33 11 9.26 11 7.81 8 8.47
6 14 9.96 14 8.10 14 8.84 8 7.04
7 6 7.24 6 6.13 6 6.08 8 5.25
8 4 4.26 4 3.10 4 5.39 19 12.50
9 12 10.83 12 9.13 12 8.15 8 5.56
10 7 4.82 7 7.26 7 6.42 8 7.91
11 5 5.68 5 4.74 5 5.73 8 6.89
X 9.0 9.0 9.0
Y 7.50 7.50 7.50
S(xx) 110.0 110.0 110.0
S(yy) 41.27 41.23
S(xy) 55.01 54.99
*-Ascombe, F.J., Gráficos de Análisis Estadísticos, American Statistan, 27,17-
21 (1973).
Bibliografía:
• Grant, Eugene/Leavenworth, Richard, Statiscal Quality Control,
De. Mcgraw-Hill, 1985, EE.UU.
• Ishikawa, Kaoru, Guía para el Control de la Calidad, Ed.
Unipub, EE.UU, 1985.
• Kume, Histoshi, Statistical Methods for Quality Improvement,
Ed. APO/3A (Inglés), Japón, 1985; (Herramientas estadísticas
básicas para el mejoramiento de la Calidad, ed. Norma, 1992,
Colombia).