Cosa

Producción I UCV 3-2.
018 1 de 51
¿Qué son variaciones de los procesos de producción y cómo se

detectan?
¿Cómo se deciden o eligen y planifican acciones correctivas y
preventivas a variaciones posibles de los procesos productivos?
¿Qué es calidad en las empresas?
¿Para que y como se controla, mantiene y mejora la calidad?
¿Qué es productividad en las empresas?
¿Para que y como se controla, mantiene y mejora la productividad?
ENFOQUES DE GERENCIA
Científico.- Sub-sistemas: Incentivos.- SI, Productivos.- SP, Humano.-

SH. Dirección.- SD, Cultural.- SC, Políticas.- SN, Mercadeo.- SM,
Entorno.- SE y Ambiental.- SA
Sistema Socio Técnico.- Técnico.- capacidad operacional,

funcionamiento de maquinas y tecnologías, rendimiento y vida útil.
Social.- respuesta, desempeño laboral y trabajo y competencias y
poder. Se habla de eficiencia tecnológica y potencial organizacional
Sistema de Producción.- Insumos, materia prima y consumibles,

maquinas y personas en el proceso de transformación y bienes y/o
servicios. El proceso esta conformado por adquisición, preparación,
transformación física-química, distribución y entrega. Dicho proceso
se visualiza en la cadena de negocio de la empresa organizada por los
proveedores, las unidades organizacionales de la empresa y los
clientes o consumidores, en un entorno y ambiente determinados. En
la cadena se puede apreciar la organización de la empresa que
contiene el sistema de producción. Parte de la organización la
conforman la misión y la visión de la dirección de la empresa.
© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

Producción I UCV 3-2.018 2 de 51
Sistemas y Procesos.- Un ámbito de la ingeniería en la producción de

la empresa es el siguiente: Sistemas: planificación, captación de
recursos y comercialización de productos. Procesos: productivos y de
generación de valor; para lo cual se debe contar con sistemas
auxiliares y de información y prácticas de razonamiento sistematizado
para el debido conocimiento de la producción en la empresa y su
impacto en el negocio.
DATOS E INFORMACION
Los modos inductivo o deductivo de razonar sistemáticamente

mediante la percepción, la reflexión, la memoria y la imagen
modelada, y el procesamiento de datos haciendo uso de aplicaciones
computarizadas: MIS, DSS, ESS, KMS y TPS, hacen que dichos datos
se transformen en información para el conocimiento de la realidad de
la producción y su impacto en el negocio.
Los datos son registros de variables o parámetros identificados en el

diseño de los sistemas y procesos de la empresa; su confiabilidad es
requerida para la gerencia de los activos y recursos disponibles de la
empresa.
Las bases de datos de los sistemas de información gerencial deben
estar interrelacionadas e integradas.
Los cómputos y cálculos realizados con los datos por la ingeniería de

la empresa durante los procesos gerenciales de planificación, control,
evaluación y decisión sirven para conocer el estado real del sistema
de producción y prever su futuro comportamiento.
Nos saldríamos del contenido del curso si analizáramos en detalle la

relación entre los sistemas de información y las prácticas de

razonamiento sistematizado1. Basta con resaltar la existencia de una

relación entre las Aplicaciones de un Sistema de Información
Gerencial sobre la Capacidad de Producción y el Desempeño
Organizacional, para facilitar la Inteligencia de Negocio y la Dirección
de la Producción de una empresa.
En el curso se presentan prácticas de cómputos y cálculos basadas en

tendencias centrales y dispersión de datos, probabilidades, regresión
lineal entre dos o más variables, y métodos para evaluar la calidad
en la empresa y la productividad en el sistema de producción.
LA CALIDAD DE UN PRODUCTO (inicio de clase 2ª)
Todas las características de un producto, las cuales son base de la

capacidad de satisfacer las necesidades 2
extrínsecas, intrínsecas y
transcendentes de clientes o consumidores hacen, conforman o
definen la calidad de un producto3.
Las necesidades extrínsecas corresponden a no fallas, no defectos,

amplio uso durabilidad o vida útil… y corresponden al orden o belleza
del producto requerida por el consumidor o cliente.
Las necesidades intrínsecas corresponden al beneficio recibido por el

consumidor o cliente al poseer el bien o servicio producido.
Las necesidades trascendentes están asociadas al no daño personal,

económico, social, de salud, ambiental,… y al valor que tiene para el
comprador el bien adquirido.
1
Tema 7 de 7 de Principios de Gerencia.
2
Las necesidades extrínsecas, intrínsecas y trascendentes están ampliamente
descritas por Juan A Pérez López en Fundamentos de Dirección de Empresas
3
Definición adaptada de American Society for Quality
La calidad de un producto hace costoso el producto: a mayor calidad

mayor el precio. La diferencia entre comprar un helado de chocolate
en barquilla y el mismo en una copa de cristal con una guinda de
adorno y el adquirir un bien o servicio refleja la aceptación del
cliente y la atractividad del producto4.
La calidad operativa de un sistema de producció viene definida por

todos los atributos o características de sus elementos y su
funcionalidad o potencial trabajo que hacen posible satisfacer las
necesidades extrínsecas, intrínsecas y transcendentes5.
La productivida en un sistema de producción viene expresada por la

relación IN / OUT del proceso productivo del sistema en el tiempo. Así
las condiciones de productividad del sistema de producción están
incluidas en la calidad.
La calidad y la productividad como principios de dirección de
producción son tópicos que requieren tener en cuenta las normas de
ética profesional aun en los casos de las ingenierías.
En el caso, por ejemplo, de proyectos de automatización de procesos

industriales, se requiere el (re)diseño de las líneas de producción de
alta calidad, y que estas reporten los beneficios económicos y de
productividad esperados, ello es un reto ético tecnológico; además,
el impacto posible en la reducción del esfuerzo laboral y por ende del
personal como consecuencia de las mejoras productivas introducidas
4
El menor número de fallas que pueda poseer un producto indica la aceptación o no
de adquisición del cliente. La atractividad está asociada a la cantidad de demanda del
producto en el mercado, reflejo de su marca competitiva en el negocio
5
Se le propone al lector describir y dar ejemplo de necesidades extrínsecas , intrínsecas
y trascendentes
por la automatización hacen que la dirección de producción generen

opciones organizacionales que no afecten a los operadores en
términos de su trabajo, dedicación, compensación económica,
posibilidad de desarrollo … a pesar de la calidad, productividad y
beneficios esperados; esto también es un reto de ético de la dirección
de producción.
DECISIÓN, PLANIFICACIÓN Y CONTROL

La desicion
Para lograr un propósito de negocio previsto en la visión por la
dirección de la empresa, para un periodo determinado, se debe
contar tecnológica y organizacionalmente con el sistema de
producción fortalecido y con recursos disponibles suficientes para
satisfacer oportunamente las demandas del mercado; así
internamente las operaciones que dependen del estado del sistema
de producción6 se planifican y controlan 7
en función de los cambios
ocurridos y o previstos posibles en el mercado, en los proveedores y
en el entorno.
La planificación y el contro se realizan a partir de una decisión

tecnológica tomada, basada en el conocimiento de la realidad del
sistema productivo su ambiente circundante 8 y entornos interno y
externo. Esta decisión como un conjunto de acciones organizacionales
6
Se incluye en este punto los intereses, motivaciones, motivos y competencias de las
personas que integran la organización para operar el sistema macro de producción
7
“El conjunto de prácticas, ajustado a necesidades de gestión de la información sobre
la calidad y productividad que puede utilizar la dirección del sistema de producción para
mejorar los posibles comportamientos y resultados de las actuaciones de las personas
integrantes de la organización del sistema de producción, sea coherente con el propósito
de la dirección de la empresa”. Se planifica y controla para lograr el propósito.
8
Incluyen las condiciones del mercado.
planificables y controlables sobre el sistema, tienen su origen o razón

en las ideas - insights - de mejoras realizables: en un caso de
inversión en ingeniería de proyectos para fortalecer tecnológica y
organizacionalmente el sistema de producción, o en otro caso de
reingeniería o investigación de operaciones para optimizar las
operaciones.
Un paradigma del proceso decisorio consiste en contar con una

avanzada capacidad analítica 9
Vs. el análisis experimental tradicional
que facilite la decisión respondiendo sistemáticamente y de manera
ordenada las cuestiones siguientes
9
Ver McKinsey analysis 8-2.016
¿Cuál es la decisión critica primordial, principal a tomar –

basada en el conocimiento de la realidad del sistema y su
organización, entornos y ambientes -?,
¿Cuáles son las ideas – insights- sobre las cosas necesarias a
realizar o hacer para posibilitar la decisión tomada o elegida?,
¿Qué información tenemos que tener para respaldar las ideas?,
y
¿Cuáles son los datos que debemos procesar y analizar para
obtener la información que queremos?
Los criterios para evaluar las decisiones tomadas son: la eficacia.- que
evalúa las consecuencias, medidas según el beneficio esperado, por
la realización de las acciones decididas planificadas, la eficiencia.-
evalúa las consecuencias en la atractividad esperada, causada por el
correcto uso de los recursos planificados y disponibles y la
consistencia.- que evalúa las consecuencias o cambios producidos al
alcanzar un determinado propósito.
para los procesos decisorios que determinen la planificación y el

control del funcionamiento del sistema de producción de la empresa.
la necesidad de sistematizar la información – como el resultado
calificado de datos específicos procesados, mediante cómputos y
cálculos, con avanzada capacidad analítica –

TEMA 1.- DATOS ESTADÍSTICOS.
DATOS SISTEMATIZADOS
A partir de los datos sistematizados se genera información para

decidir y planificar 10
las operaciones de los sistemas en la empresa.
En la figura 1 anexa se ilustra tal cuestión. Hoy en día la tecnología de
informática facilita el procesamiento de datos y su visualización
contribuyendo a tener un mejor conocimiento y experiencias sobre el
comportamiento de la producción y sus sistemas. Ejemplos de ello
son las hojas de calculo Excel o las aplicaciones SAS utilizadas
estadísticamente para ordenar o graficar los datos sistematizados, de
manera tal que el usuario de dichas hojas o aplicaciones pueda
particularmente interpretar y razonar sobre el estado del sistema de
producción con mayor facilidad por la rapidez de los cómputos y
cálculos que se realizan con dichos softwears.
En la siguiente tabla se muestra un reporte sobre el tiempo de espera

y la duración de las operaciones de los servicios de una empresa
realizados en un periodo determinado.
10
Una de las prácticas para usar los datos asociados al proceso de planificación y
control de los sistemas de la empresa, de manera integral, la definen Kaplan y Norton en
el Balance Scored Card donde los indicadores, parámetros o kpi, s organizacionales
sirven de input a los procesos técnicos operativos de producción y los de estos, a su vez,
también de inputs a los procesos de mercadeo y de negocio o financieros de la empresa.
Los KPi, s o datos de los procesos están interrelacionados e interdependientes promedio
de objetivos e iniciativas de dirección identificadas por la gerencia o dirección de la
empresa. Esto ilustra la importancia de los datos referidos a los sistemas de producción
en cuanto a su impacto en el negocio y en las finanzas e la empresa. producción
Con los datos presentados en la tabla se pueden realizar al menos dos

gráficos que ilustren el modo de llegada de las solicitudes de servicio
y la relación entre los tiempos de espera y del servicio prestado. Se
pueden concluir varios asuntos relacionados con el tipo de servicio y
la satisfacción del cliente en términos de la relación tiempo de espera
y duración del servicio.
Por otra parte, se pueden cuantificar los tipos de servicios atendiendo
a su duración si ese fuera el caso, de manera tal que se podría ver la
frecuencia 11
en el tiempo de las solicitudes por categorías y de las
duraciones máximas y mínimas de las espera y del servicio por
categoría.
Así podemos obtener información basada en datos procesados a
partir de estadísticas que describen el estado del sistema de
producción en términos de la duración de las operaciones.
CONCEPTOS ESTADÍSTICOS BÁSICOS clase 3a
Población.- La totalidad del conjunto de datos, por ejemplo: los datos

de un sistema hay que definirlos.
Muestra.- Un subconjunto S de la población
Datos cuantitativos.- Provenientes de registros numéricos o
representan cantidad.
11
Número de veces que se observa un evento durante un periodo determinado. En la
clase1, 2 de 3 se explica mejor el concepto

Datos cualitativos.- Los datos no cuantitativos, representan

categorías.
Estadística descriptiva.- Rama de la estadística o ciencia de los datos
dedicada a su ordenamiento.
Inferencia estadística.- Prácticas que sirven para concluir
características de una población a partir de las características de la
muestra
INTERPRETACIÓN DE GRAFICOS
Por ejemplo, el grafico 1131 anexo muestra mediante un diagrama de

dispersión 12
la relación entre la producción eficiente13 esperada según
la programación decidida de operaciones y la producción real
registrada en un periodo determinado, y puede señalar la calidad de
las decisiones de programación.
Una interpretación de los datos graficados puede ser que la

programación estuvo sobrestimada con relación a lo realmente
producido. Solo dos observaciones indican que lo real producido fue
igual a lo eficiente verdaderamente esperado.
El grafico sirve para describir el comportamiento de la producción en

un periodo determinado según lo programado por la dirección de la
producción.
Ello no muestra las posibles causas de las desviaciones entre lo
programado y lo ejecutado en producción.
12
Cuan concentrado están unos datos alrededor de uno con relación a otros datos. En
detalle se puede hablar de densidad asociada al concepto físico
13
Bajo condiciones estables de capacidad máxima de producción, uso completo de los
insumos materia prima para producir sin desechos. Balance de masa sin error.
REGISTROS DE MEDICIONES
Por ejemplo, el grafico y la tabla que se presentan a continuación
muestran el comportamiento del horneado según los registros diarios
archivados en la base de datos de un sistema de información de las
operaciones de una planta industrial.
El sistema de medición en TM de producción diaria de las operaciones

de horneado, refleja 10 registros consecutivos en un periodo
determinado;
El grafico14 muestra el crecimiento de la producción durante los

primeros seis días y luego, y con mínima variación la producción en
los últimos tres días Todo ello puede indicar el esfuerzo realizado para
hornear bajo condiciones estables.
Varias preguntas asociadas a la tabla y al grafico pueden formularse

sobre la concentración, dispersión o rango de los datos reflejo de la
producción. Haciendo uso de una hoja en Excel – ver Hoja de Calculo
14
El grafico mostrado presenta una curva continua que refleja o modela
aproximadamente lo que puede haber sucedido ya que las mediciones registradas son
discretas. Se interpreta la tabla como producción diaria y continua. Aspectos
relacionados con la exactitud de las mediciones es objeto de un curso especial.

1131 anexa – se puede observar la concentración o dispersión de los

datos alrededor de puntos previamente determinados 15.
LA FRECUENCIA
La frecuencia o la frecuencia relativa quedan definidas por el número

de veces que aparecen los registros en los intervalos cerrados
abiertos diseñados 16
según la práctica mostrada en dicha hoja anexa.
Los tres intervalos o clases diseñados de igual longitud clasifican los
registros de producción como poca producción, producción media y
alta producción alcanzada entre los máximos y mínimos registrados.
Los puntos medios de las clases indican que alrededor de dichos

puntos los valores de la producción están cercanos a una distancia
+o- la longitud media de la clase diseñada. La frecuencia de clase
representa el número de veces o cantidad de registros localizados en
cada clase. La frecuencia de clase relativa muestra porcentualmente
la cantidad distribuida de datos en una clase. Los gráficos que se
pueden realizar para representar la frecuencia se conocen como
histogramas o gráficos de ramas.
Entre los pasos para diagramar el histograma de frecuencias se

muestra a continuación una regla empírica para decidir el número de
clases para un intervalo de registros observados:
15
En el anexo señalado los puntos determinados son los puntos medios de los tres
intervalos, diseñados entre el mínimo y el máximo de los registros, de iguales
longitudes.
A estos intervalos se les conoce como clases

16

HISTOGRAMA Y GRAFICO DE RAMA
Se propone como ejercicio realizar un histograma y un grafico de

rama asociados a la tabla de los diez registros de producción en TM
diaria arriba mostrada.
LA MEDIA ARITMÉTICA, LA MEDIANA Y LA MODA.
Una cuestión que se presenta en la aplicación de las estadísticas

descriptivas es: si conocido un conjunto de datos este queda
representado por un valor determinado que lo caracterice.
Elementalmente existen tres tipos de valores17 que básicamente
caracterizan: la media aritmética, la mediana y la moda.
La media aritmética de un conjunto de n mediciones y1, y2,…, yn es

18
el promedio de las mediciones. En Hoja de calculo.1131. - Producción

del horno en TM, se muestra el promedio de la producción en el
periodo. Ello equivale a que todos los días del periodo la producción
registrable fuese el promedio como media aritmética de los diez días.
El promedio acumulado diario muestra como vario el promedio por
subperiodo creciente a lo largo de los días. Los puntos medios de las
clases son el promedio del máximo y mínimo de cada una de ellas.
¿Al graficar lo anterior comentado, el lector qué puede interpretar?
La mediana 19
de un conjunto de n mediciones y1, y2,…, yn 20
representa un valor tal que el 50% de los datos son menores o

iguales al valor y el otro 50% de los datos son mayores o iguales a
17
Estos valores son conocidos como medidas de tenencia central El resolver la
propuesta facilita el significado de tendencia central.
18
Los símbolos usaos son para una población, μ para una muestra.
19
La mediana de n datos se denota por m
El conjunto numérico y1,y2,… yn debe estar ordenado de forma creciente
20

dicho valor. ¿Cuál es la regla para determinar en los casos de n impar

o par? ¿Cuál es la mediana de los registros de producción diaria de la
Hoja de calculo.1131? Producción del horno en TM?
La moda de un conjunto de n mediciones y1, y2,…, yn es el valor y

que ocurre con mayor frecuencia: max (fyk) | k: 1,2,…n.

PROPUESTA:
A partir de los datos siguientes:
Diseñar cinco clase y graficar el histograma de frecuencia, señalar la

media, la mediana y la moda.
¿Qué pasa con el histograma si aproximamos los datos por valores
enteros, cambiarían la media, la mediana y la moda?
¿Cuales son sus conclusiones sobre la producción diaria y del
período??

TEMA 2.- INTERPRETAR MEDIDAS DE TENDENCIA CENTRAL

Y DISPERSIÓN DE DATOS
CASO DE UN SISTEMA DE PRODUCCIÓN CON ACELERACIÓN 0.
Pongamos por caso que un sistema de producción tiene aceleración 0.

Ello significa que no esta acelerado. Hay dos posibilidades: el sistema
no esta en funcionamiento o esta funcionando a una velocidad
constante, esto ultimo significa que produce constantemente lo que
es equivalente también a que produce la misma cantidad de
productos observadles y medibles periódicamente.
En este caso el sistema esta controlado y no falla. Las mediciones de

la cantidad de productos producido son iguales para cada periodo, la
media aritmética, la moda y la mediana coinciden en el tiempo y son
iguales a la producción medida constante.
CASO DE UN SISTEMA DE PRODUCCIÓN CON ACELERACIÓN

DIFERENTE A 0.
En este caso el sistema puede estar fuera de control y o fallar, o estar

acelerado también y controlado sin fallar. Esto es que el sistema al
operarlo puede variar, estando controlado o no. 21
El conocer las variaciones en el tiempo de los parámetros asociados a
las maquinas, insumos o trabajo de las personas tiene importancia
para los procesos decisorios, de programación operacional y de
control de los sistemas de producción 22 bajo la condición de que
21
La propuesta de la clase1, 3 de 3 puede ser referente para mostrar si hubo o no control
del sistema durante los diez días, y si el sistema en términos de producción estuvo o no
acelerado.
22
Estos asuntos se detallan mejor en los temas 5, 6 y 7 donde se muestran prácticas para
garantizar la calidad de las decisiones en planificación y control de producción.
dichos parámetros realmente representen el sistema 23 y los cambios

observados en sus medidas reflejen realmente lo que sucede o podría
suceder 24
en el sistema.
El funcionamiento, de los sistemas de producción puede cambiar en

el tiempo. Las variaciones que se pueden producir en el
funcionamiento de las maquinas, el flujo de los insumos y materias
primas, o los cambios en el esfuerzo de trabajo del personal de la
organización de producción, también pueden medirse en el tiempo
como tasas de cambio de parámetros específicos característicos del
sistema de producción.
MEDIDAS ESTADISTICAS MÁS FRECUENTES
También unas medidas básicas más frecuentes que reflejen el

comportamiento del sistema de producción son: el intervalo, la
varianza y la desviación estándar de los datos o medidas observadas
en el periodo.
El intervalo ya fue definido anteriormente,
La varianza S 2
de una muestra de n determinaciones o datos viene
expresa da por
Σ (yi - )2
S 2
=
------------------
(n- 1)
23
En la nota a pie de página # 9 se hace referencia a la variedad de datos asociados al
sistema de producción.
24
Lo que podría suceder esta asociado al concepto de probabilidad, por ejemplo en el

caso de las actividades mantenimiento predictivo se pueden programar a partir del
análisis de distribución de frecuencias de fallas. Objeto de estudio en el tema 3
La desviación estándar S de una muestra de n determinaciones o

datos viene expresada por
En los casos de poblaciones finitas se usan σ y σ2 respectivamente
El intervalo acota los datos determinados. La desviación estándar

combinada con la media permite medir cuan concentrados, densos o
dispersos están los datos de la media
En el caso de una distribución de frecuencias normal 25

de una
población finita aproximadamente: el 65 % de los datos están a una
distancia ( + σ) de la media, el 95 % de los datos están a una
distancia ( + 2σ) de la media y el 97 % de los datos están a una
distancia ( + 3σ) de la media
En la tabla Tabla 2.1.3.1. y el grafico 2.1.3.1.- se puede apreciar el

sentido que tiene la desviación estándar como medida de dispersión
o concentración de los datos. La grafica presentada en dicho anexo
compara los datos observados en el tiempo con su distancia a la
media aritmética y l franja o rango en que se encuentran cerca del
promedio. El 67 % de los datos están a una distancia menor que s de
la media aritmética de las observaciones. Obsérvese también que el
promedio de las distancias calculadas es menor que s.
PROPUESTA:
Que se puede concluir de una muestra de agua de un lago que

presenta las siguientes mediciones:
25
Caso en que media aritmética se corresponde con la moda y el grafico es simétrico
respecto a la media. Esto es muy usado en la gerencia total de la calidad. Ver tema # 6
La medida |zy|26 de una muestra mide la distancia a la que se
encuentra y de la respecto a S
La medida |zy| 27
de una población mide la distancia a la que se
encuentra y de la respecto a σ
Del ejemplo presentado arriba se puede apreciar que los |z y|

cambiaron en el tiempo. El grafico 2.1.3.2. Anexo muestra la
velocidad o ritmo del cambio de los datos en el periodo.
El valor de zy define además si y está en el intervalo o no de la

población o la muestra.
PROPUESTA
Se le propone al lector además definir y describir los pasos para

quartiles y percentiles y el intervalo intercuartil.
( clase 6a, 5 11 2.018 )
LA CONFIABILIDAD DE DATOS
La importancia de medir las variaciones de los datos referidos a un

proceso productivo requiere que estas sean confiables según los
criterios de veracidad, precisión y validez o comprobación.
26
Ver distribución normal , variable aleatoria normal estándar en el Tema 4
27
Ídem nota 25
En la tabla anexa 2.2.3.1 se presenta a manera de ejemplo los datos

referentes a un proceso productivo con operaciones enfocadas en el
producto Se presentan seis colecciones de datos que describen los
tiempos empleados en el proceso productivo que incluyen
operaciones, transporte, inspección y control, entrega y
almacenamiento.
La tabla 2.2.3.1 anexa facilita comparar los tiempos de control e

inspección con el resto de las actividades del proceso.
¿Que se deduce?
¿Qué paso con el almacenamiento?
¿Como se compara el total de tiempo de control e inspección con el
de todas las operaciones y traslado?
¿Cual es promedio de espera por entrega del producto en la muestra
presentada? ¿Que se deduce de s y de μ?
¿El almacenamiento estuvo bajo control?
¿Como vario la preparación del pedido? ¿Las variaciones o cambios
son fiables?
El contar con registros fiables supone que las fuentes, los

instrumentos de medición y los medios de transmisión y carga de
datos no tengan fallas además que los parámetros seleccionados para
medir las variaciones de las mediciones en el tiempo realmente, por
diseño, reflejen las condiciones reales de las componentes del
sistema de producción, y por otra parte que los registros procesados
no estén dispersos y tengan una configuración concentrada o densa
que indique la estabilidad y control de las operaciones a lo largo de la
cadena de la empresa.

TEMA 3.- POSIBILIDAD Y PROBABILIDAD.
INTRODUCCIÓN CLÁSICA A LA PROBABILIDAD
.- Experimento.- ... lanzamiento de una moneda.
.- Opciones28: ... lanzar o no lanzar la moneda.
.- Posibilidades29: ...el resultado sea cara o no cara
.- Probabilidad del resultado 30

... 0 .50 el resultado sea cara.
.- Árbol o ramificación: Cara 50 % de acierto
.- Símbolo: P (cara) =0 .50
.- Opción: Lanzar la moneda
CONSIDERACIONES
.- En el tiempo t -k: ...........t -1 t 0........ t n........
.- Lanzar 0 0 …….. 0 1 1 1 1 1 1 1….
.- Resultado cara 0 0 ….0 1 0 1 0 0 1 0 ….
.- Lanzamientos acumulados 1 2 3 4 5 6 7 ….
.- Observaciones de caras acumuladas 1 1 2 2 2 3 3....
28
Posibles acciones a elegir - decidir -
29
Efecto de una posible acción
30
Valor del efecto de la acción posible. Se conoce también como el valor de un seceso
consecuencia de una decisión o posible elección
CONCEPTUALIZACIÓN
Observaciones de cara / lanzamientos --------------------------tiende a

0.50.-
Hay cómputos o mediciones que tienden a un ‘’límite”.- Probabilidad
EJERCICIO.-
Bajo la condición de que la cara tiene igual posibilidad de salir que la

no cara
¿Cuál es significado de que después de n (lanzamientos), con n> N
muy grande, aparezca la secuencia 1, 0 ó 0, 1?
00000 10 111111 10
o
1111111 01 111111 01
¿Se puede identificar o determinar el valor N a partir de la cual

aparezca realmente una de estas opciones y por qué?
CASO.- LANZAR UNA MONEDA
.- Experimento.- observar si sale cara en los lanzamientos.

.- Posibles resultados.- espacio maestral.- {0, 1}
.- Eventos.- pueden ser.- {1}, {0}, {0, 1}, .Ø. Subconjuntos de
posibles resultados.
.- L n “lanzamientos “ = {1, 2, 3, ..., m} ; lk Є Ln k=1,2,3,4,...n
.- Observación de un lanzamiento = {cara, no cara}
.- En la observación se instrumenta la medición:
.- Medida: m (si lk (moneda) = cara; 1; 0), lk Є L n, k =1,
2, 3,4,...n
.- Criterio de medida del resultado.-

Si es cara entonces 1
No es cara entonces 0
.- Valores posibles de mediciones: {0, 1}
.- Frecuencia Relativa de Mediciones.- Cuando se tiene un Ln con n
muy grande entonces:
lím fr( m( l k (moneda)=cara)) = P(cara)
.- Resultado
La medida m es una función.
Hay aleatoriedad en los resultados del experimento.
En el límite la probabilidad es 0,50.
EJERCICIO.-
¿Cómo se puede graficar los resultados de las mediciones
m( si l k (moneda)=cara; 1; 0 ), l k Є L n, k =1,2,3,4,...n?. ¿La
probabilidad acumulada es una s- curva? Hacer el gráfico. ¿Qué
concluye sobre el indeterminismo y la incertidumbre31?
CASOS DE PRODUCCION
Caso 1.-
Una lámina de una aleación de acero que cubre y protege un motor

de combustión de una bomba al aire libre esta sometido a una posible
corrosión o falla
Las falla pueden ser muy variadas; ocasionadas por golpes, fracturas,
vibraciones,…, corrosión, que en el tiempo pueden presentarse pero
no se conoce cuando pueda suceder; hay incertidumbre.
¿Qué significa indeterminismo? ¿Qué significa incertidumbre?

31


Caso 2.-
El fluido petróleo-agua-gas-arena-metales varios, transportado
mediante un oleoducto puede ser la posible causa de una corrosión
de la tubería bajo la condición de que no se haya realizado el
mantenimiento preventivo del oleoducto al operar el cochino de
limpieza¨. Un suceso posible de falla ( corrosión) se valora en 0.50: es
posible que tenga o no tengo corrosión la tubería. La probabilidad de
falla inmediatamente después de la limpieza es menor a 0.50
Caso3.-
Las operaciones por diseño de una planta se realizan bajo normas de

trabajo y seguridad. Se prevé que un accidente laboral es de
probabilidad mínima (mucho menor estrictamente a 0.50). En el caso
de suceder un accidente, el impacto tanto en la organización, como
en el negocio, el sistema de producción, el ambiente o el personal,
puede tener un valor posible entre 0,01 y 1,00. La medida de
probabilidad del suceso la medida del impacto da dos apreciaciones
de las probabilidades del accidente.
Los casos muestran lo sutil de los significados de probabilidad y

posibilidad
AVANZADA CAPACIDAD ANALÍTICA
Por otra parte, para generar información gerencial a partir de datos

sistematizados, como lo señala la figura 1131, es necesario contar
con una Avanzada Capacidad Analítica para:
Programar operaciones con base en el conocimiento del

comportamiento histórico y las tendencias de los parámetros

registrados que caracterizan el sistema de producción y son

indicadores e las variaciones de las operaciones y la producción.
Elegir el mejor posible escenario simulado de negocio como la

elección de una de las diferentes opciones u oportunidades de
negocio, atendiendo a las posibles y probables demandas de
productos en un periodo determinado, en el que el sistema de
producción permanezca bajo control de operaciones y proceso
productivo, bajo condiciones técnicas organizacionales estables, con
un mínimo riesgo de falla controlable y donde variables perturbadoras
del sistema – correspondientes al ambiente, el entorno y o la
competitividad del negocio no perturben el rendimiento del sistema
de producción técnicamente y donde la organización tenga un alto
desempeño
Planificar en el tiempo los cambios en el sistema de producción con

base en las tendencias de producción y los escenarios de negocio
posibles 32
decididos, mediante un set de indicadores KPI, s 33
que
señalen las variaciones esperadas para un periodo en la
organización, el sistema técnico productivo, el negocio o mercado y
las finanzas y economía de la empresa.
AVANZADA CAPACIDAD ANALÍTICA vs. PROBABILIDAD
32
Tener una Avanzada Capacidad Analítica para, ante un posible escenario de negocio
simulado - demanda de productos-, prever una producción ofertable programable que
logre satisfacer la demanda del negocio con probabilidades Pr.10 , Pr.50 o Pr.90
33
El set de indicadores esta relacionado con los objetivos a ser alcanzados o logrados e
interrelacionados entre si mostrados en un Cuadro de Mando Integral o BSC como
medio de descripción y conocimiento de un plan de dirección de la empresa.

En el caso de ofertas de productos en un mercado competitivo, la

probabilidad de expandir el negocio mediante cambios ocurridos en
una nueva re-inversión en el sistema de producción es baja, por la
demanda satisfecha y compartida entre empresas competidoras.
La probabilidad de expansión del sistema de producción mediante la
re-inversión o aumento de la capacidad productiva –incrementando
por ejemplo las líneas de producción- puede ser factible aplicando
ingeniería de desarrollo de nuevos productos de acuerdo a las
necesidades de otros sectores del mercado que puedan tener acceso
a productos especiales. Es el caso de los cambios ocurridos en el
sector de la relojería suiza como consecuencia de la introducción en el
mercado de relojes japoneses con baterías y componentes
electrónicas a mediados de los 70, s.
Los sucesos no deseados que impactan la operatividad de un sistema

de producción afectan la estabilidad del sistema y lo pueden debilitar
hasta que se vuelve frágil. Prever dichos sucesos requiere conocer o
deducir la probabilidad de las ocurrencias y decidir desarrollar
programas de contingencia determinados que faciliten la
antifragilidad34. Asociado a este asunto esta el riego y la tolerancia de
los procesos decisorios, tópicos que se detallan en el tema 5
EXPERIMENTO
Espacio muestral de un experimento es una colección de eventos

simples
……………………………………………………………………………….
DESCRIPCIÓN DE UNA PROBABILIDAD DE UN EVENTO SIMPLE
34
Los casos de incendio de un gasoducto en la costa este de USA en 1.999 y el desastre
de Fukushima en 2.011 son ejemplos de fragilidad en el diseño de sistemas productivos.
Evento simple E resultado básico de un experimento que no se puede

descomponer
Pr(E) la medida de la verisimilitud de que el evento ocurrirá cuando se
realice el experimento.
Pr(E) la proporción de veces que un evento ocurre en una serie de
ensayos muy larga n > N.
Puede existir el problema de repetir experimentos, por ejemplo
repetir una inversión basada en la probabilidad de lograr un
determinado VPN estimado
Pr(E) + Pr(no E) = 1
DESCRIPCIÓN DE UNA PROBABILIDAD DE UN EVENTO COMPUESTO
Un evento compuesto es aquel compuesto por eventos simples.

Si en una sola realización de un experimento puede que ocurran dos
eventos A y B, entonces:
A puede ocurrir
B puede ocurrir
A y B pueden ocurrir simultáneamente
Luego:
La unión A o B puede ocurrir en la observación de la realización de un
experimento
La unión A o B puede ocurrir en la observación de la realización de un
experimento
CUESTIONES
La producción observada de dos líneas A y B de producción es de 120

unidades en un periodo determinado. Los registros de datos de
producción indican que la producción total defectuosa es de 30
unidades y la producción de A es de 60 unidades con un 30% del total

de defectos registrados. ¿Cual es la probabilidad de que la producción

no defectuosa sea de la línea B?
Observe el experimento (básico teórico) de lanzar un dado con
iguales posibilidades de obtener un numero determinado de los seis
posibles
Sean A el evento obtener un número par y B el evento obtener un

número menor o igual que 3. ¿Cuales son Pr (AUB) y Pr (A ∩ B)?
La siguiente tabla 35
contiene los resultados de una muestra sobre el
porcentaje utilizado de láminas de acero, en carros fabricados por
Mazda Motor Corporation (Japon) El uso de las láminas es para
prevenir la corrosión.
¿Que probabilidad hay de que una lamina de acero de la muestra sea

tipo Rolado en caliente de alta resistencia?
---------------------------------------------------------------------------------------------
En la Figura 3.2.4.1. anexa se puede apreciar un grafico radial que
facilita la composición de las probabilidades como frecuencia relativas
de los tipos de laminas descritos en la tabla
PROBABILIDAD CONDICIONAL
35
Fuente: Chandler H. E. Materials trenes at Mazda Motor Corporation, Metal
Progress, Vol. 129, # 6, May 1.986
En experimentos u observaciones con eventos compuestos bajo la

premisa de que un evento A ocurre bajo la condición de que otro B
ocurra describe lo conocido como eventos condicionados de un
experimento
Si consideramos la propiedad Pr (AUB) = Pr(A) + Pr(B) - Pr(A ∩ B)
Entonces se define la probabilidad como

Pr(A | B) = Pr(A ∩ B) / Pr(B) ( 36)
Si Pr(A ∩ B) = 0 se dice que A y B son mutuamente exclusivos y no

hay condicionalidad
EJEMPLO A:
Conocida la fórmula Pr(A | B)= Pr(A ∩ B) / Pr (B), la siguiente tabla

confirma la detección de defectos observados de productos de dos
líneas de producción.
De los datos de la tabla se pueden deducir las probabilidades 37
siguientes:
Probabilidad de que un producto sea de la línea A = 24 / 54 = P(A)
Probabilidad de que un producto sea defectuoso = 9 / 54 = P(B)
36
Versión simple de la regla de Bayes o regla de Thomas Bayes.
37
Según una calificación determinada, la relación entre una cantidad de datos
específicos y el total de datos calificados.
Probabilidad de que un producto defectuoso sea de línea A = 6 / 24 =

P(B | A)
Probabilidad de que un productos de línea A sea defectuoso = 6 / 9 =
P(A | B )
Observe que
Pr(A ∩ B) = Pr(A | B) * P(B) = Pr(B | A) * P(A) = 6 / 54
DEFINICIÓN
Si (A ∩ B) =Ø, se dice que A y B son mutuamente exclusivos
Propiedad
P(A U B) = P(A) + P (B) - P(A ∩ B) = (24 / 54) + (9 / 54) - (6 / 54) =
27 / 54
Conclusión y pregunta sobre el ejemplo 38
P(A U B) = 27/ 54 = P (línea 2 ^ no defectos) = 27 / 54

¿Es P (¬ (A U B)) = P (¬A ∩ ¬B)? ¿Tiene significado la igualdad?
La probabilidad de que un producto sea de la línea A es:
P(A) = 24 / 54 = .44
Validación:
Los resultados de un modelo aleatorio relacionado con el ejemplo se
muestran en la tabla siguiente
38
Se surgiere hacer un diagrama de Venn
Se puede observar que después de 17 mediciones aleatorias bajo las

condiciones indicadas, las probabilidades sobre las características de
la producción de la línea A o defectos, se aproximan a 0.45. Ver el
siguiente grafico:
EJERCICIOS PROPUESTOS
a.- Lo anterior se puede confirmar también haciendo un diagrama de

Venn que describa la tabla del ejemplo. Sugerencia: hacer el
diagrama para explicar las probabilidades condicionales
b.- ¿Las posibilidades de defectos en la realidad son 0.50 vs. 0.50?
c.- ¿Puede verificar si la metodología presentada en el ejemplo, es

aplicable al diseño de sistemas de bombeo para el caso de una red de
distribución de un determinado fluido, con capacidad operativa e

índice de tolerancia específicos? De un explicación lo más detallada
posible usando datos y variables que usted considere reales
asociadas al caso que exponga.
EXTENSIÓN Y APLICACIONES
Variación de la probabilidad.- La tabla siguiente muestra los

resultados de control proveniente de una línea.
La velocidad con la cual varia la probabilidad de al menos un producto

defectuoso de una secuencia en serie de dos productos, en función
de la frecuencia relativa, ayuda a prever el control de operaciones del
sistema de producción a riesgo. ¿Cual es el grafico que describe esto?

EVENTOS INDEPENIENTES
Cuestión
Lanzar un dado balanceado y observar:
A: un numero par
B: un numero menor o igual a 4
¿Lo que ocurra en A afecta lo que ocurra en B?

¿Lo que ocurra en B afecta lo que ocurra en A?
¿Son A y B independientes?
Dos eventos son independientes si
Pr (A | B) = P(A)
Pr (B | A) = P(B)
Respuesta A y B son independientes 39
PROPIEDAD DE EVENTOS INDEPENDIENTES

P(A ∩ B) = P(A) * P (B)
¿Que significa P(A ∩ B) en el caso mostrado anteriormente?
REGLAS DE CONTEO Y PROBABILIDADES
Se recomienda la lectura de este tópico en el texto Probabilidades Y

Estadisticas Para Ingenieria Y Ciencias de William Mendenhall y Terry
Sincich.-
39
Una aplicación del concepto de independencia de opciones se presentara en el
tema de decisiones
VARIABLES ALEATORIAS DISCRETAS
CUESTION
Seleccionar 4 productos de 240 fabricados y observar cuantos

defectos posee cada selección.
Esta es una condición para realizar n veces un determinado

experimento y cuantificar el valor numérico de defectos observados.
EXPLICACION
.- El espacio muestral S = la totalidad de eventos simples posibles =

C240, 4
.- Las veces que seleccionamos 4 productos del total de 240 y

observamos
si hay defectos o no = n
.- Numero de defectos que se pueden observar = 0, 1, 2, 3, 4
.- Variable aleatoria y = función: Numero de defectos en s ε S
DESARROLLO
La siguiente tabla ilustra la cuestión: 12 eventos aleatorios 40 discretos

que indican el total de defectos observables posibles en cuatro
productos de los 240:
.- 1significa defecto(s) observado(s);
.- 0 significa 0 defectos observados al seleccionar 4 productos.
40
La variable aleatoria es discreta si solo puede asumir una cantidad de valores
susceptibles de contarse
defectos
1 2 3 4 =y
0 1 0 0
0 0 1 0
1 0 0 0
0 1 0 0
0 1 0 0
0 0 1 0
0 0 1 0
0 0 1 0
1 0 0 0
0 0 1 0
0 0 0 1
0 1 0 0
2 4 5 1 frecuencia
12 12 12 12 = n
0,17 0,33 0,42 0,08 1,00
Py(1) Py(2) Py(3) Py(4)
0,17 0,33 0,42 0,08
Nótese que la suma de los P(y) es 1. En este caso la distribución de

probabilidades es
Condición de la distribución de una probabilidad discreta
0 < p (y) < 1
Σ p(y) = 1
Una aplicación elemental. - En el caso del diseño de un sistema se

conoce como redundancia del sistema prever hasta dos subsistemas
complementarios, de manera tal que garanticen la continuidad

operacional, evitando el riesgo de paralizar el funcionamiento del

sistema por una falla que pudiese ocurrir.
Ejercicio propuesto
En el Grafico 3.3.3.1 anexo se muestra el diagrama de un sistema

eléctrico.
¿Qué probabilidad existe de que fluya la electricidad de A a B?
EL VALOR ESPERADO DE UNA VARIABLE ALEATORIA (discreta)
Se designa por μ = E (y) al valor esperado o medio de una variable

aleatoria discreta y con probabilidades p (y) al valor siguiente: μ =
E(y) = Σ yj . p(yj) 41
, para todo j = 1,2,3,…n de un experimento
observable .
42
En el caso de una función g (y) de una variable aleatoria discreta y

con distribución de probabilidad p (y), entonces: E (g (y j)) = Σ g (yj).
p(yj) | j= 1, 2, …n
Se define la varianza de y así: σ 2 = E ( (y - μ)2 ) = E ( (y2 ) - μ2

Se define la desviación estándar de y así: σ =
41
μ = E(y) representa el promedio ponderado de los valores y,s . La ponderación o
peso de cada y viene dada su valor de la frecuencia relativa que se observe.
42
Se asume que las condiciones del entorno no alteren el objeto del experimento u
observaciones realizadas durante un proceso determinado y que los eventos observados
sean contables de manera tal que la variable y que los caracteriza sea aleatoria y
discreta, y también que la distribución de frecuencias de los eventos simples
observados sea relativa.

Interpretación
La siguiente tabla ilustra los algoritmos para estimar los valores E, μ

y σ:
El grafico siguiente señala los comportamientos de y, μ y σ según los

eventos observados:
Se espera que la esperanza represente el comportamiento de los

eventos en el sentido de que cualquier evento tenga un valor cercano
43
a μ
La cercanía se mide en una escala que depende de σ

43

Aplicaciones prácticas se presentan en la gerencia de calidad de

procesos productivos
Algunas propiedades
E ( k ) = k, si y = k ≡ constante
E ( cy ) = c.E(y) si c ≡ constante
E (g (y))= g (y).E (y) si g es un función de y variable aleatoria
discreta. Por lo que σ 2 = E ( (y - μ)2 ) = E ( (y2 ) - μ2 = Σ(y2. . p (y)) - μ2
La siguiente tabla muestra el caso y = constante
eventos y p(y) (y-μ)2 p((y-μ)2) y2 p(y2) y-μ

1 1 0,25 0,25 0,00 #¡DIV/0! #¡DI V/0! 1 0,25 0,25 0,00
2 1 0,25 0,25 0,00 #¡DIV/0! #¡DI V/0! 1 0,25 0,25 0,00
3 1 0,25 0,25 0,00 #¡DIV/0! #¡DI V/0! 1 0,25 0,25 0,00
4 1 0,25 0,25 0,00 #¡DIV/0! #¡DI V/0! 1 0,25 0,25 0,00
4 μ = E (y) = Σ yj . p(yj) 1,00 0,00 E ( (y - μ)2 ) #¡DI V/0! 4 E ( (y2 ) 1,00
μ2 1,00
σ2 = 0,00
σ= 0,00
El grafico asociado señala estabilidad o no alterabilidad.
En el caso de sistemas de producción que hayan alcanzado la

madurez según el tiempo de vida útil y el histórico del proceso de
producción se puede pensar en que según los datos de los
indicadores kpi, s, se mantengan los parámetros de control y las
condiciones operativas ambientales y de entorno constantes, por lo
cual a futuro no sucederá perturbaciones y alterabilidad del sistema.
Para que esto sea así es condición indispensable que el sistema sea
antifragil. 44
44
El concepto fue desarrollado por Nassin Nicholas Taleb. Consultar ejemplos sobre
catástrofes en sistema de producción por no prever pocos eventos con altísimos riesgos
y no pensar en la posibilidad de sucesos a pesar de probabilidades de ocurrencia baja.
Ejemplos se han dado en Finanzas y Energía en los últimos 30 años a nivel mundial.

Veamos ahora, mediante una simulación propuesta, que si ocurre un

evento yj = k con p (yj) distribución discreta tal que j= 1,2,…n, ello no
necesariamente garantiza que la previsión de y n+1 observable a
futuro, tenga la misma probabilidad manteniendo la distribución
igual.45
PRUEBA Y DISTRIBUCION DE BERNOULLI
Caso de producción repetitiva sin falla
Una simulación de falla no falla se estudia a continuación. ( grafico

3343)
45
Ver anexo Grafico 3.3.4.1 sobre un impacto aleatorio que muestra
los cambios posibles de E (y) debidos a las alteraciones o
perturbaciones no contempladas en la Nota 39. El grafico corresponde
a 24 simulaciones realizadas con base a un modelo sobre la
posibilidad de que a futuro la esperanza de y cambie de constante. En
el grafico: La línea negra-verde representa la forma como cambia la
media de y=1 hasta E (y) = 1. Después de los primeros eventos se
espera que E (y) llegue a 1. Hay una zona amarilla de crecimiento de
E – en este caso- de tal manera que el valor E (y) puede llegar hasta 5
(cinco veces el impacto y=1) En dicha zona se observa como cambia
de valor E (y) a una alta rata de crecimiento. En el eje de las X se
puede prever el momento del posible cambio esperado de E (y) para
tomar acciones sobre el control de impactos en un proceso de
decisiones, si las observaciones se hacen secuencialmente con un
orden natural. Las áreas rojas corresponden a altos impactos posibles
no controlados por lo que se pueden analizar opciones para evitar
riesgos previos antes de caer en la zona roja.

El grafico 3343 anexo indica la probabilidad de falla repetitiva en un

lapso de 24 periodos, después de n< 24 periodos con producción
continua repetitiva sin ocurrencia de falla en el proceso incluyendo la
producción.

Se puede deducir que si la producción sin fallas S durante n periodos,

tiene probabilidad P(S) entre 0.50 y 1.00, entonces el modelo
asociado P(F) señala que la rata posible de crecimiento de la
probabilidad F, de falla en el sistema de producción incluyendo la
producción, implica que la posibilidad de falla tienda probablemente a
0.40. Se puede observar también que la curva es cóncava lo cual
describe la fragilidad posible de la producción después de n
ocurrencia sin fallas.46
Un modelo de probabilidades de éxito y fallas según tabla de

registros observados de S y F
Se puede observar que si la probabilidad P(s) de la producción

continua repetitiva sin falla es 0.08 y la probabilidad de falla P (F) es
de 0.50 para el periodo t = 12, entonces la curva modelada que
describe las observaciones bajo las reglas presentadas en la tabla
46
Lo mostrado revela la diferencia entre el modelo lógico y el modelo real de
distribución al tener datos dispersos y datos ¨concentrados¨, que se explican por el
conocido concepto de densidad. Si 0.05 < P(S) < 0.20 entonces P (F) es denso; para
valores de P(S)>0.20 entonces P (F) tiene mayor dispersión.
arriba representa lo que racionalmente podría o es posible que

ocurra, como opción de eventos a partir de dicho periodo t =12
Prueba de Bernoulli
En la prueba, observaciones o experimento solo hay la posibilidad de

obtener dos resultados 47
los resultados son excluyentes
(S o F),
(V o F),
(Si o No) basados en una lógica binaria. 48
P(S)= 1- P(F)
Distribución de Bernoulli
y es una variable aleatoria discreta de Bernoulli si:

y = 1 si ocurre éxito S , 0 si ocurre fracaso F
p (y) = p y.
q ( 1-y )
| p = probabilidad de éxito, q = 1- p
La media μ ≡ μ y = p
La varianza σ 2
≡ (σ 2) y = p. q
Ejercicio
Enuncie las características que definen una distribución de
probabilidad binomial y de un ejemplo adecuado a un sistema de
producción
DISTRIBUCIÓN DE PROBABILIDADES DE POISSON 49

47
No hay posibilidad de otros resultados
48
En el caso de producción repetitiva sin falla presentado, y en el anexo correspondiente
contienen una prueba de Bernlulli comparada con otra donde la F no necesariamente
depende únicamente de S.
Matematico frances S D Poisson ( 1781-1840)

49

Introducción
¿Porque los vuelos llegan atrasados?

¿Porque los proyectos finalizan con retardos?
¿Por qué hay desviaciones 50
en ¨la producción a pesar del control de
la producción?
¿Cómo prever los atrasos, retardos o desviaciones?
¿Como medir los atrasos, retardo, o desviaciones?
Un propósito de un análisis de probabilidades en producción es

determinar o proyectar el comportamiento futuro de un sistema de
producción, si se conocen las variables por medio de los registros de
datos que estén archivados y que lo caracterizan, asumiendo que
eventos de muy poca o poquísima frecuencia relativa perturben dicho
sistema generando atrasos, desviaciones o perdidas, o sea que la
probabilidad de muy pocos eventos perturbadores sea casi 0
CARACTERÍSTICAS DE UNA VARIABLE ALEATORIA DE POISSON
.- El experimento consiste en contar el número y de veces que ocurre

un determinado evento durante una unidad de tiempo o área
volumen peso distancia…
.- La probabilidad de que ocurra el evento en una unidad es la misma
para todas es la misma para todas las unidades
.- el numero de eventos que ocurren en una unidad de tiempo área,
volumen…, es independiente del numero de lo que ocurre ocurren en
otras unidades.
.- λ denota el numero medio o esperado de eventos que ocurren en
cada unidad de tiempo
50
Desviaciones significa diferencias entre lo programado en un plan de acciones y lo
realmente accionado o ejecutado
La distribución de probabilidades de Poisson
p (y) = ( λy . e – y ) / y!
Si y tiene una distribución de probabilidades de Poisson entonces

μ=λ ;σ 2
=λ
Ejemplo.-
Suponga que el número de personas atendidas por punto de ventas

con cierto tipo de sistema de cobranzas tiene una distribución de
Poisson aproximada. Además suponga que el número medio de
personas atendidas por punto de ventas es 8.5. Cual es la
probabilidad de que un punto de venta escogido al azar tenga
exactamente más de 8 personas atendidas.
Se proponen los siguientes dos ejercicios
Dos de cinco ingenieros mecánicos empleados por el departamento

de seguridad industrial tienen experiencias en el diseño de plantas de
energía eléctrica. Se le pide escoger al azar dos para trabajar en
diseño de una nueva planta de energía eléctrica. Que probabilidad
hay de usted escoja al menos a uno de los ingenieros con experiencia.
Según una investigación publicada en American Scientist en

septiembre 1976, una tabla se presenta a continuación sobre la
relación entre la edad geológica y la probabilidad de manganeso en el
lecho piso oceánico. En una muestra futura de 100 nodos de
manganeso hallados en el piso oceánico, calcule la media y la
varianza del numero de especimenes provenientes del eoceno y su
rango que esperaría encontrar.

Casos específicos
Los procesos estocásticos de Poisson Los modelos que simulan el

comportamiento o evolución de proceso no necesariamente son
simples de diseñar, sin embargo la teoría sobre las probabilidades y la
distribución de Poisson facilita una aproximación al modelado como
una aproximación también al conocimiento de los sistemas y procesos
productivos con objeto de identificar sus mejoras u optimizar sus
recurso para producir de manera estable y no interrumpida o con
retrasos.
Ejemplos de situaciones de procesos de producción donde el concepto

de Distribución de Poisson es aplicable.
Colas de espera – reducir el tiempo de espera y costos asociados a un

servicio.
Prever las averías de máquinas y optimizar eficientemente y

eficazmente el proceso productivo controlar el tiempo de
mantenimiento y reducir el número de averías
Puestos de despacho vs clientes
Lo que se busca es determinar de manera teórica un modelo que

indique la probabilidad del sistema de no responder a los
requerimientos solicitados y determina los costos mínimos de
operaciones de sistema y la satisfacción o atractividad de la
producción o productos en término de eficacia.51
51
Todo lo comentado se estudia bajo el titulo de Procesos de Poisson en la optimización
de operaciones de sistema productivos. Existe una amplia literatura l respecto que puede
ser consultada en Internet-

aNEXOS TEMA 1
Figura 1131.- Generación de información a partir de datos

sistematizados
Grafico 1131.- Producción eficiente vs. Real

Hoja de calculo.1131. - Producción del horno en TM
En la construccion de la tabla no se siguió la regla empírica para

determinar el numero de clases La tabla solo ilustra el procedimiento
de construccion. Una mejor apreciación de la distribución de los
registros por clases se puede lograr si se aplica la regla empírica
diseñando cinco clases.

ANEXOS TEMA 2
Tabla 2.1.3.1.- Datos de desviación estándar

t Datos dist a yo yo+s yo -s yo cota M cota m
1 1 3 6,76 1,24 4 6,4 1,6
2 3 1 6,76 1,24 4 6,4 1,6
3 2 2 6,76 1,24 4 6,4 1,6
4 6 2 6,76 1,24 4 6,4 1,6
5 4 0 6,76 1,24 4 6,4 1,6
6 8 4 6,76 1,24 4 6,4 1,6
Figura 2.1.3.2.- Grafico datos vs. Distancia a la media aritmética.
Grafico 2.1.3.2.- Velocidad de cambio observado en un periodo
Eje X = tiempo, ejeY = valor de datos observados, eje Y derecha = |

zy|
Tabla 2.2.3.1.- Ejemplo de muestra del tiempo empleado en un proceso

productivo


ANEXOS TEMA 3
Figura 3.2.4.1. .- Clusters de datos de láminas de acero 52

según la
tabla indicada en la clase 3.2.4.1
En el grafico radial se pueden apreciar tanto las frecuencias relativas

de los tipos de láminas como la densidad y la dispersión de las
mediciones.
Grafico 3.3.4.2.- Diagrama de un Sistema Eléctrico
52
El grafico radial es una adaptación de la tabla de datos referidas en Chandler H.
E. Materials trenes at Mazda Motor Corporation, Metal Progress, vol 129, # 6, May
1.986
Grafico 3.3.4.1
El evento es aleatorio discreto con y=1=constante como caso base

El grafico corresponde a 24 simulaciones realizadas con base a un
modelo sobre la posibilidad de que a futuro la Esperanza de y cambie
de constante.
La línea negra-verde representa la forma como cambia la media de

y=1 hasta E (y) = 1. En los primeros eventos se espera que E (y)
llegue a 1.
Hay una zona amarilla de crecimiento – en este caso- de tal manera

que el valor E (y) puede llegar a 5 (5 veces el impacto de y=1) En
dicha zona se observa como cambia de valor a una rata de
crecimiento mayo a lo anteriormente indicado. En el eje de las X se
puede prever el posible cambio esperado de E (y)
Las áreas rojas corresponden a altos impactos posibles no controlados

por lo que se pueden analizar opciones para evitar riesgos previos
antes de caer en la zona roja.

Grafico 3.3.4.3.- Fragilidad vs Robustez en un sistema de

producción
Caso de una distribución de probabilidad de una variable aleatoria

discreta
¿Qué pasa si?
El eje P(S) representa probabilidad de éxito= continua observaciones

sin fallas en el sistema de producción incluyendo la producción de un
bien o servicio
El eje P(F) representa la probabilidad de fracaso o falla en el sistema

de producción incluyendo la producción de un bien o servicio
La F no necesariamente depende unicamente de S
Existe en la simulación un rango de robustez – antifragilidad – que

supone reducir al mínimo la posibilidad de falla – fracaso – de
producción registrable continua sin falla del sistema , incluyendo la
producción del bien o del servicio. Que corresponde con un propósito
de producción.
La curva roja punteada presenta una simulación de un posible

comportamiento de falla de la producción continua según
observaciones indicadas en el texto.

Las curvas roja y verde estan asociadas a la planificación de

producción sin fallas.
Las zona amarilla representa un área predecible de control de no

fallas
La zona roja supone riesgo de eventos no controlables de fallas.
En el intervalo 0.50<P(S) < 0.80 puede existir la posibilidad probable

de falla que puede corregirse mediante acciones de control evitando
estar en riesgo.
En la grafica se puede apreciar la curva verde que representa la

distribución – convencional - de Bernoulli P (F)=1- P(S)

Cosa

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Cosa

Загружено:

Авторское право:

Доступные форматы

Producción I UCV 3-2.

¿Qué son variaciones de los procesos de producción y cómo se

Científico.- Sub-sistemas: Incentivos.- SI, Productivos.- SP, Humano.-

Sistema Socio Técnico.- Técnico.- capacidad operacional,

Sistema de Producción.- Insumos, materia prima y consumibles,

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

Sistemas y Procesos.- Un ámbito de la ingeniería en la producción de

Los modos inductivo o deductivo de razonar sistemáticamente

Los datos son registros de variables o parámetros identificados en el

Los cómputos y cálculos realizados con los datos por la ingeniería de

Nos saldríamos del contenido del curso si analizáramos en detalle la

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

razonamiento sistematizado1. Basta con resaltar la existencia de una

En el curso se presentan prácticas de cómputos y cálculos basadas en

LA CALIDAD DE UN PRODUCTO (inicio de clase 2ª)

Todas las características de un producto, las cuales son base de la

Las necesidades extrínsecas corresponden a no fallas, no defectos,

Las necesidades intrínsecas corresponden al beneficio recibido por el

Las necesidades trascendentes están asociadas al no daño personal,

La calidad de un producto hace costoso el producto: a mayor calidad

La calidad operativa de un sistema de producció viene definida por

La productivida en un sistema de producción viene expresada por la

En el caso, por ejemplo, de proyectos de automatización de procesos

por la automatización hacen que la dirección de producción generen

DECISIÓN, PLANIFICACIÓN Y CONTROL

La planificación y el contro se realizan a partir de una decisión

planificables y controlables sobre el sistema, tienen su origen o razón

Un paradigma del proceso decisorio consiste en contar con una

¿Cuál es la decisión critica primordial, principal a tomar –

para los procesos decisorios que determinen la planificación y el

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

TEMA 1.- DATOS ESTADÍSTICOS.

A partir de los datos sistematizados se genera información para

En la siguiente tabla se muestra un reporte sobre el tiempo de espera

Con los datos presentados en la tabla se pueden realizar al menos dos

CONCEPTOS ESTADÍSTICOS BÁSICOS clase 3a

Población.- La totalidad del conjunto de datos, por ejemplo: los datos

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

Datos cualitativos.- Los datos no cuantitativos, representan

Por ejemplo, el grafico 1131 anexo muestra mediante un diagrama de

Una interpretación de los datos graficados puede ser que la

El grafico sirve para describir el comportamiento de la producción en

El sistema de medición en TM de producción diaria de las operaciones

El grafico14 muestra el crecimiento de la producción durante los

Varias preguntas asociadas a la tabla y al grafico pueden formularse

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

1131 anexa – se puede observar la concentración o dispersión de los

La frecuencia o la frecuencia relativa quedan definidas por el número

Los puntos medios de las clases indican que alrededor de dichos

Entre los pasos para diagramar el histograma de frecuencias se

A estos intervalos se les conoce como clases

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

HISTOGRAMA Y GRAFICO DE RAMA

Se propone como ejercicio realizar un histograma y un grafico de

LA MEDIA ARITMÉTICA, LA MEDIANA Y LA MODA.

Una cuestión que se presenta en la aplicación de las estadísticas

La media aritmética de un conjunto de n mediciones y1, y2,…, yn es

el promedio de las mediciones. En Hoja de calculo.1131. - Producción

representa un valor tal que el 50% de los datos son menores o

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

dicho valor. ¿Cuál es la regla para determinar en los casos de n impar

La moda de un conjunto de n mediciones y1, y2,…, yn es el valor y

© 01/ 11 / 2.018.- Rafael S. Porras G. All rights reserved. Temas 0-2

A partir de los datos siguientes: