Академический Документы
Профессиональный Документы
Культура Документы
GESTIÓN DE LA CALIDAD
LOGRO DE LA UNIDAD:
• Al finalizar la primera unidad, el estudiante, identifica
apropiadamente los costos de la calidad, utiliza de forma
adecuada las herramientas de calidad y los gráficos de control
para analizar problemas y determinar sus causas; y utiliza
planes de muestreo de aceptación para determinar la
aceptación o rechazo de lotes de productos.
TEMAS – SEMANA 2:
Media
Mediana
Moda
La Media es el promedio
o Medida de tendencia
central que es igual al
promedio aritmético de
un conjunto de datos.
• Media muestreal,
• Media poblacional, µ
Mediana o percentil 50 (punto medio)
x x
n 2
_ xi S i
n 1
x i 1
n
Coeficiente de variación Rango
R xmáx xmín
CV 100
x
Observaciones
o La media se ve afectada por
valores extremos; en estos
casos la medida de tendencia
central valida es la mediana.
o Si la media es muy diferente
a la mediana existen datos
raros; reportar la mediana e
investigar la causa del dato o
datos extremos.
o Para describir la tendencia
central de los datos es
imprescindible apoyarse
tanto en la media como en la
mediana y la moda.
Observaciones
o La media del proceso o media Muestra
1
x1
1.88
x2
1.93
x3
1.98
x4
1.88
poblacional (μ), se estima 2 1.93 1.97 1.89 1.94
lo menos 20 a 30 muestras de 8
9
1.87
1.96
1.98
1.92
1.96
1.98
2.04
1.88
entre 5 a 10 piezas cada una, 10
11
1.99
1.93
1.93
1.95
2.01
1.90
2.02
1.93
espaciándolas un lapso de dos 12 1.95 1.98 1.89 1.90
o más días. 13
14
1.88
1.97
1.93
1.88
1.88
1.92
1.90
1.96
o Las medidas de tendencia 15
16
1.91
1.98
1.91
1.90
1.96
1.92
1.93
1.91
central no son suficientes 17 1.93 1.94 1.95 1.90
Value
Distribución Descentrada
o Descentrada Positivamente
En una
o Asimetría positiva
distribución
asimétrica a la
derecha, la media
es mayor a la
mediana, y esta a
su vez es mayor
que la moda
Frequency
(X>Me>Mo).
(X>Me>Mo)
Value
Distribución Descentrada
o Descentrada Negativamente
o Asimetría negativa
En una distribución
asimétrica a la
izquierda, la relación se
invierte, la moda es
Frequency
mayor a la mediana, y
esta a su vez mayor que
la media
(Mo > Me > X)
Distribución
del proceso
425 Gramos
Media muestral y distribución del
proceso
Media
Distribución
de las medias
de las muestras
Distribución
del proceso
425 Gramos
Distribución normal
Regla que aplica a las
= Desviación
distribuciones con forma de
estándar campana
Los intervalos son válidos para
los datos muestreales y no
necesariamente para toda la
población o proceso. Sin
embargo, si los intervalos se
calculan con la media y
desviación estándar del
proceso o población,
Media entonces serán válidos para
–3 –2 –1 +1 +2 +3 toda la población.
68.26%
95.44%
99.74%
Límites naturales o reales de un proceso
o Son aquellos entre los cuales por lo regular varía la
salida del proceso, y por lo general se obtienen de la
siguiente manera:
Límite real inferior (LRI) = μ – 3σ
Límite real superior (LRS) = μ + 3σ
o Si la característica de calidad tiene una distribución
normal (μ, σ), entonces 99.73% de la distribución se
localiza dentro de los límites naturales
Estimación de los límites naturales de
tolerancia de un proceso
o Conocer la media y la desviación estándar es relativamente
fácil en un proceso que está en operación; sin embargo,
cuando el diseñador requiere establecer tolerancias, por lo
general el proceso aún no está operando o no produce el
producto de interés, por lo que en estos casos es difícil que
se conozcan μ y σ o que se estimen con buena precisión.
o Por ello, será necesario estimar los límites con base en
muestras casi siempre pequeñas, con y S.
Estimación de los límites naturales de
tolerancia de un proceso
Es posible determinar una constante K tal que con una
confianza de γ por ciento los intervalos de la forma:
X ± K (γ,α) S
Incluyan por lo menos (1 – α/2) x 100% de la
distribución del proceso. En la tabla A7 se dan valores
de K γ,α para valores de n entre 5 y 1000, γ = 90%, 95%,
9% y α = 0.10, 0.05, 0.01. De la tabla se observa que
conforme el tamaño de muestra crece, el valor de K γ,α
tiende al percentil Z (α/2) de la distribución normal
Ejemplo
o En una empresa que manufactura piezas de inyección de plástico
se proyecta la producción de una nueva pieza. Son varias sus
características de calidad: peso de la preforma, contenido,
resistencia, etc. Por ello, con la idea de tener información para
establecer las tolerancias se produce a manera de prueba, un
pequeño lote de 20 piezas. Se obtiene que Xprom = 36.0167 g y S
= 0.1870 g. Se tiene n = 20, se desea una probabilidad o
confianza de γ = 90% y una cobertura de los límites de tolerancia
de 99%, por lo que α = 0.001.
o De la tabla A7 se obtiene que K = 3.368, por lo tanto los límites
naturales de tolerancia para el peso será:
Xprom ± K (90, 0.01) S
¿resultados?
Ejemplo
o = 36.0167 ± 3.368 x 0.1870 = [ 35.3869 , 36.6465 ]
o Con una probabilidad o confianza (γ) de 90%, el 99% de la
distribución del peso de la preforma de la pieza se encuentra
entre 35.3869 y 36.6465 g. Estos límites pueden ser usados
como información por el diseñador del producto para
establecer las especificaciones.
Distribuciones de probabilidad:
Discretas y continuas
Conceptos
o La probabilidad es un valor numérico que representa la
oportunidad o posibilidad de que un evento en particular
ocurra. P(A) = n/N
o P(A)= 0.20 es una afirmación que refleja la posibilidad de que
ocurra un evento A. Para ello, se asigna un número del
intervalo [0,1], o un porcentaje entre 0 y 100%. Entre más
grande sea el número, será mayor la probabilidad del
resultado.
o Una distribución de probabilidad es un modelo matemático
que relaciona el valor de la variable con la probabilidad que
tiene ese valor de ocurrir en la población.
Tipos de distribuciones
Su parámetro es :
λ : tasa promedio de ocurrencia en 1 unidad.
Se muestra varias distribuciones de Poisson. Obsérvese que se trata de una
distribución sesgada, cola de la derecha es más larga. Conforme el parámetro λ se
hace más grande, la apariencia de la distribución de Poisson se hace simétrica.
Distribución Poisson
o Ejm: En una empresa se reciben en promedio 5 quejas
diarias por mal servicio. ¿Cuál es la probabilidad de no
recibir quejas en un día?.
P (x ≥ 35) = 1 – P (x ≤ 35)
o Para calcular esta probabilidad en las tablas normales, se
estandariza:
P (x ≥ 35) = P (z ≤ 35 – 40) = P (z ≤ - 2.5) = φ(- 2.5) = 0.0062
2
o Por consiguiente la probabilidad buscada es:
P (x ≥ 35) = 1 – P (x ≤ 35) = 1 – 0.0062 = 0.9938
Ejemplo
Ejemplo
P (x ≥ 35) = 1 – P (x ≤ 35)
En Excel, el cálculo de P (x ≥ 35) = 1 – P (x ≤ 35), se realiza
de la siguiente manera:
o DISTR.NORM (x, media, desv_estándar, acum)
o DISTR.NORM (35, 40, 2, 1) = 0.0062
o 1 – 0.0062 = 0.9938
Desarrollo de Práctica 2