Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
una
estructura
de
organizacin,
de
responsabilidades,
de
4.2
Metodologa estadstica
En todos los procesos existe variacin, la reduccin de esta variacin
conduce a una mejor calidad, por lo tanto a una mejor productividad y como
consecuencia una mayor rentabilidad de la empresa, este principio es el
fundamento para comprender e implementar el control estadstico de la calidad.
4.2.1 Estadstica
Iniciaremos el estudio de la metodologa estadstica, definido la estadstica
como la ciencia que se preocupa de la recoleccin, organizacin, anlisis,
interpretacin y presentacin de datos.
La metodologa estadstica comprende una serie de tcnicas estadsticas el
primer componente importante es la estadstica descriptiva, la cual se encarga
de las tcnicas de recoleccin, organizacin y descripcin eficiente de los datos,
aqu las herramientas del control de calidad que se utilizan son hojas de
verificacin, hojas de estratificacin,
histogramas de frecuencias y
Establecido como
verdadero (estndar o
norma)
valor
La diferencia
Caracterstica
de calidad
VARIACIN
valor
Real
Figura ?
aleatoria, la cual puede ser: a) Variable aleatoria discreta, cuando los valores
especficos que puede asumir son finitos y contables, un ejemplo podra ser el
nmero de defectos observados en una muestra. b) Variable aleatoria continua,
puede tomar cualquier valor real, a lo largo de un intervalo especificado de
nmeros reales y requieren de un instrumento de medicin y su precisin y
exactitud queda limitada al instrumento utilizado, un ejemplo, la densidad de una
sustancia.
Si podemos establecer que factores afectan a nuestras variables y
representarlos
por
una
ecuacin
matemtica
estamos
hablando
de
la
4.3
4.3.1
es Tomar decisiones con base en hechos y datos, como una forma para
evitar juicios equivocados. Esta forma de actuar, representa un enfoque cientfico
en la administracin, cuyo instrumento fundamental es la estadstica, la cual nos
ensea a inferir, a partir de unos cuantos datos.
Estadstica: es la ciencia que se ocupa de recopilar, organizar, representar
y analizar un conjunto de datos, con el fin de inferir y generalizar la informacin
contenida en ellos.
En cualquier empresa se recogen muchos datos, cuyo anlisis ordenado a
travs de tcnicas estadsticas nos permite estudiar y comprender la forma como
Qu datos se recopilaron?
Por qu se recolectaron?
Cundo se recolectaron?
Dnde se recolectaron?
3. Recopilar datos que relacionan la calidad (resultados) con los factores que
influyen en ella.
4. Recopilar datos de una forma objetiva e imparcial.
5. Aplicar la herramienta estadstica del control de calidad ms adecuada.
Hoja de verificacin
Estratificacin
Diagrama de Pareto
Histograma
Diagrama de dispersin
Grficos de control
4.3.1.1
Histograma
Menos de 50
5a7
50 a 100
6 a 10
100 a 250
7 a 12
Ms de 250
10 a 20
a la frontera inferior.
Figura 7. Histograma
HISTOGRAMA
35
FRECUECNIA
30
25
20
15
10
5
0
11.92 11.96 12.00 12.04 12.08 12.11 12.15
MARCA DE CLASES
En la lnea horizontal se
2)
3)
b)
La
d)
e)
4.3.1.2
Diagrama de Pareto
reales
de
mayor
importancia,
que
deben
ser
enfrentados
"regla
80-20"
con
base
en
los
estudios
principios
de
Pareto.
actividades diarias.
c)
estos artculos.
d)
b)
Figura 10.
El
Aclaraciones:
1)
colocar el factor en el eje horizontal (X), siendo indistinto el orden para los otros
casos (caracterstica / caracterstica o factor / factor).
2) Algunos autores han sealado que se obtiene una mejor lectura del diagrama si
se disponen las escalas por rangos, es decir, los ejes cubriendo slo los rangos de
valores de la tabla, y por tanto sin cruzarse.
anlisis esos puntos, que quiz son debidos a lecturas equivocadas o a algn
cambio en las condiciones del proceso, etc.., pero se ganar conocimiento de este
ltimo al estudiar las causas por las que se presentaron los puntos.
Un inconveniente del diagrama de dispersin es que no dice nada de por
qu existe la correlacin, de modo que es imprescindible examinar la
aparente relacin entre las variables desde el punto de vista cientfico o
tcnico.
El uso del diagrama de dispersin debe completarse con las tcnicas de
regresin y correlacin, que involucran, respectivamente, la determinacin de un
modelo matemtico de la relacin entre los dos conjuntos de datos y una medida
cuantitativa de su grado de relacin.
S ( xy )
S ( xx ) S ( yy )
(ec. 1)
S ( xx) Xi
2
S ( xy ) Yi 2
donde
( Xi ) 2
(ec. 2)
( Yi ) 2
S ( xy ) XiYi
(ec. 3)
Xi Yi
n
(ec. 4)
RELACION
Fuerte, positiva
Dbil, positiva
No existe relacin
Dbil, negativa
Fuerte, negativa
4.3.1.4
Grficos de control
sobre las lecturas hechas, pueden ser promedios de grupos de lecturas, o sus
rangos, o bien las lecturas individuales mismas. Los lmites de control marcan el
intervalo de confianza en el cual se espera que caigan los puntos.
Aunque existen diversos tipos de grficas de control, todas presentan una
estructura similar, como se muestra en la siguiente figura.
Recomendaciones:
1. La variable a considerar debe ser siempre algo que pueda ser
cuantificado (medido o contado): tiempo, temperatura del lugar, humedad;
o bien, el nmero de partes calificados con pasa /no pasa.
2. Con respecto al tamao de la muestra, es conveniente que los subgrupos
se formen de acuerdo con el tipo de grfica, el volumen de produccin, el
tiempo, etc. Por ejemplo, para una grfica de promedios y rangos, el Dr.
Shewhart sugiri la eleccin de 4 elementos para cada subgrupo,
tomados en periodos que van entre media hora y dos horas; sin embargo,
parece ser que es mejor que los grupos se formen con 5 elementos
consecutivos.
3. Con menos de 5 elementos, la grfica pierde sensibilidad con respecto a
la deteccin de problemas, mientras que con ms de 5 se obtiene muy
poca informacin adicional.
Tipos de grficas de control.
Las grficas de control se elaboran segn el tipo de datos que se recojan en
el sitio de trabajo.
a) Las grficas de control para variables (dato medible) ms frecuentemente
utilizadas son las siguientes:
___
Promedios y rangos.
___
Grfica X - R
Grfica X -
___
Grfica X
- S
Grfica X - RM
Grfica np
Grfica c
Grfica u
nicamente
de
causas
aleatorias
que
distribuyen
4.3.1.5
1) Iniciar la sesin.
2) Identificar el efecto.
3) Identificar las principales causas.
4) Inferir por medio del brainstorming las causas potenciales del problema.
5) Utilice el mtodo ms adecuado para categorizar las principales causas.
Llegar a un acuerdo sobre las causas ms probables.
4.3.2 Las herramientas administrativas
En el ambiente actual de los negocios las cosas parecen cambiar
rpidamente de un ao para otro, de un mes a otro, de un da a otro, incluso en
pocas horas, por lo que es necesario que cada integrante de la empresa se
comprometa con la calidad y lleva acabo planes de calidad en forma individual y
grupal por lo que requieren conocer y aplicar, en la Administracin por Calidad
Total
administrativas:
Brainstorming
Diagrama matricial
Diagrama de afinidad
Diagrama de campo de fuerza
Diagrama de rbol
Calificacin de criterios
Diagrama de flujo de proceso
Diagrama de causa y efecto
Planilla de verificacin
Las ltimas dos no tienen fundamento matemtico, ni estadstico, pero se les
agrupa en las herramientas estadsticas del control de calidad.
Algunas sirven para sintetizar el pensamiento de personas con diferentes
puntos de vistas, lo que es frecuente en la resolucin de problemas
4.3.2.1
Brainstorming
Iniciar la sesin:
que no se generan ms ideas y todas las ideas son enumeradas a medida que
se emiten.
4.3.2.2
Diagrama matricial
responsable.
3)
4)
4.3.2.3
Diagrama de afinidad
4.3.2.5
Diagrama de rbol
En la toma de decisiones
4.3.2.6
Clasificacin de criterios
Pasos a seguir:
1) Iniciar la sesin.
2) Generar por medio del brainstorming diversos criterios de decisin.
3) Determine la importancia relativa de cada criterio en termino de
porcentaje.
4) Establezca una escala de calificacin; ponderar las alternativas.
5) Calcular el puntaje final.
6) Seleccionar la mejor alternativa.
4.3.2.7
Planilla de verificacin
La planilla u hoja de verificacin es una herramienta estadstica para organizar la informacin, se aplica
cuando:
Fecha de elaboracin
Departamento
Estudios de
Mercado
Encuestas
Grupos de Enfoque
Garantas
Momentos de
Verdad
Taguchi (Funcin
perdida)
Criterio 2.0
Aportacion Social
Tecnologa limpia
Normas y
estandares
Ecoeficiencia
Desarrollo
sustentable
Programas de
liderzgo
Compensacin
variable
Empowerment
Reconocimiento a
equipos de trabajo
Planes de carrera
Mtodos interactivos
de capacitacin
Evaluacin de clima
organizacional
Trabajo en equipo
Clulas de trabajo
Equipos
autodirigdos
Programas de comunicacin
Sucesin de personal
clave
Evaluacin 360
Programa de retencin de
cliente
Criterio 6.0
Conocimiento
Organizacional
Medicin de
operacin,
eficiencia,
efectividad, eficacia
Sistemas en lnea
Administracin del
conocimiento
Entornos creativos
Estimulacin de la
creatividad
Ambientes de
Criterio 6.0
Planeacin
FODAS
Escenarios
Anlisis de
sensibilidad
Proyecciones
Benchmarking
Visin sitmica
Calidad Total
Hoshin planning
Criterio 7.0
Procesos
QFD
Seis sigma
Reingeniera
Kaizen
Kan-Ban
Mejores prcticas
CEP, control
estadstico de
proceso
Taguchi (procesos
robustos)
Estados financieros
Anlisis
comparativos, de
equilibrio, causaefecto
Tablas, grficas,
mapas
Estudios de imagen
aprendizaje
organizacional
Patentes y derechos de autor
TPM
JTI (just in time)
Aseguramiento
Anexo II
Principios de probabilidad
Cada vez que realizamos un clculo matemtico para resolver un problema,
lo que estamos haciendo es aplicar un modelo matemtico a un fenmeno de la
realidad.
Este fenmeno puede ser, por ejemplo, la cada de un objeto desde cierta
altura, y en este caso utilizamos un modelo que es la Ley de Gravedad.
Qu es un modelo?
Al enfrentar un problema de fsica, qumica, ingeniera o de algn otro tipo,
estamos analizando e investigando una parte o aspecto de la realidad material que
nos rodea. Para resolver el problema, necesitamos modelar esa realidad, es decir,
construir una representacin en la mente de cmo ocurren los hechos, junto con
ecuaciones matemticas que permitan calcular los efectos de los mismos.
El modelo de fuerza gravitatoria o leyes de la gravedad permite estudiar la
cada de un cuerpo en el vaco. Cuando aplicamos este modelo a la cada real de
un cuerpo, estamos dejando de lado la influencia del aire, cuyo rozamiento en el
cuerpo disminuye su velocidad, pero lo hacemos a sabiendas que este rozamiento
es muy pequeo y por lo tanto no va a afectar demasiado nuestros clculos.
En ningn caso se debe confundir modelo con realidad. Un modelo es slo
una representacin de la realidad, utilizado para estudiar y analizar dicha realidad.
Los modelos matemticos que mencionamos hasta ahora, despus de
efectuar los clculos nos dan un resultado numrico preciso, por ejemplo, que la
velocidad de un automvil es de 75,5 Km/Hora.
Experimento 2:
Se arroja una moneda cuatro veces y se cuenta el nmero total de caras
obtenidas:
Experimento 3:
Se arroja una moneda cuatro veces y se anota la sucesin de caras (C) y cecas
(X) obtenidas:
Experimento 4:
Se fabrican artculos en una lnea de produccin y se cuenta el nmero de
artculos defectuosos producidos en 24 horas.
El conjunto formado por todos los elementos del espacio muestral tambin es un
suceso:
Veamos algunos ejemplos. Supongamos que se arroja un dado sobre una mesa y
apostamos a que salga un nmero igual o menor que 4. Sabemos que son
igualmente posibles los nmeros: {1, 2, 3, 4, 5 y 6} (Espacio muestral con 6
elementos).
Pero los nmeros favorables a nuestra apuesta son: {1, 2, 3 y 4} (Suceso con 4
elementos). Entonces, la probabilidad de que ganemos es: