COESCA Sesión 2-2017-2

CONTROL ESTADSTICO DE LA
CALIDAD
Eloy Soles Jacobo
eloy.soles@upn.pe
CONTROL ESTADISTICO DE LA CALIDAD
UNIDAD I:
FUNDAMENTOS BSICOS DE CALIDAD Y ESTADISTICA
SEMANA N 02
ESTADSTICA DESCRIPTIVA E INTRODUCCIN A LA

PROBABILIDAD
LA ESTADSTICA
CIENCIA
Mtodos y tcnicas
La ESTADSTICA, se constituye uno de los idiomas esenciales para

comunicarse con el mundo de la ciencia y la tecnologa.
LA ESTADSTICA ES UNA HERRAMIENTA FUNDAMENTAL PARA

REALIZAR EL CONTROL DE PROCESOS.
LA ESTADSTICA
Muchos profesionales creen que

se trata simplemente de un
conjunto de frmulas y clculos
matemticos que se aplican a un
conjunto de datos.
Inferencia
La finalidad de la estadstica es utilizar datos

obtenidos en una muestra de individuos para
realizar inferencias vlidas para una poblacin
ms amplia de individuos de caractersticas
similares.
CONSTITUYE UN MEDIO EFECTIVO PARA CONTROLAR LA

CALIDAD EN EL PROCESO DE PRODUCCIN
Puede definirse como un mtodo de razonamiento que permite interpretar datos cuyo
carcter esencial es la VARIABILIDAD.
VARIABILIDAD DEL PROCESO
DOS BOTELLAS DE VODKA RUSSKAYA
SERN EXACTAMENTE IGUALES?
Deberan ser iguales

pero no
son
exactamente
iguales
POR QU?
Por la
variabilidad
que existe en todos
los procesos
QU ES LA
VARIABILIDAD DE
UN PROCESO?
DIVERSIDAD O VARIACIN DE LOS RESULTADOS DE UN PROCESO
Todo proceso est sometido a una serie de factores de carcter aleatorio que hacen
imposible fabricar dos productos o brindar dos servicios exactamente iguales.
RESPUESTA
DIFERENTE
ENTRADAS
FACTORES
RESULTADOS
La variabilidad el gran enemigo de la calidad en todo proceso

Sus efectos
desaparecen al RESPONSABILIDAD
eliminar estas DEL INGENIERO DE
CAUSAS causas: PROCESO
ASIGNABLES: Mquinas PRODUCTO
ajustadas o DEFECTUOSO
VARIABILIDAD calibradas O NO
CONTROLABLE incorrectamente CONFORME
Mquinas y Variabilidad
equipos mal asignable:
controlados
Se puede
Entradas Resultados corregir
PROCESO
Variabilidad no Producto
asignable: No aceptable o
se pueden conforme
Causas no asignables Ruido: eliminar
Diseo y
o naturales: dimensionamiento
Inherentes al proceso inadecuado de
equipos
Variabilidad no Diseo inadecuado Responsabilidad
controlable (Efectos del puesto de
de la Direccin
trabajo
aleatorias)
La variabilidad es causa de incertidumbre en el proceso y es indeseable y

peligrosa para todo proceso
Etiqueta Inclinada
Producto No Conforme
OBJETIVO DE COESCA:
Conocer el proceso, medirlo (Tomarle el pulso) y reducir la variabilidad al
mnimo posible o al menos mantenerla dentro de ciertos lmites.
FACTORES QUE INFLUYEN EN LA VARIABILIDAD DE UN
PROCESO
6M
FACTORES QUE INFLUYEN EN LA VARIABILIDAD DE UN
PROCESO
ENTRADAS RESULTADOS
Materias primas , materiales, insumos
Maquinarias
Mano de obra PROCESO
Mtodo de trabajo
Medio ambiente
Variabilidad
CADA FACTOR (M) APORTA UNA PARTE, NO NECESARIAMENTE IGUAL, DE LA

VARIACIN TOTAL DE UN PROCESO
POR QU LA VARIABILIDAD ES INDESEABLE PARA UN PROCESO?
A menor variabilidad tendremos una mejor calidad en el producto o

servicio ofrecido
Si la variabilidad es grande, la cantidad de productos con defectos que salen de

un proceso tambin es alta y se dice que un producto NO CUMPLE
ESPECIFICACIONES O LMITES DE TOLERANCIA
Etiqueta Desplazada Etiqueta Inclinada
Las organizaciones persiguen suministrar un resultado (producto o servicio) con funciones o caractersticas
que siempre satisfagan las expectativas del cliente
PRODUCTO NO CONFORME
Un PRODUCTO NO CONFORME (PNC) es aquel que NO CUMPLE CON LOS

REQUISITOS TCNICOS (especificaciones, tolerancias o criterios de calidad) O
REQUISITOS LEGALES con las cuales debe salir el producto o servicio de un
determinado proceso.
Los PNC se deben identificar y controlar para prevenir su uso o entrega no intencional a
los clientes.
Los PNC pueden detectarse en cualquiera de las etapas del proceso, al disear el
producto o servicio (Planificacin o diseo), al inicio (Materias primas e insumos),
durante el proceso (Producto en proceso) y al final del proceso (Producto terminado).
Tambin se incluyen equipos de laboratorio, maquinaria y equipos, servicios de
mantenimiento, etc. Producto No
Conforme
(PNC)
ESPECIFICACIN O LMITE DE
TOLERANCIA
QU ES UNA ESPECIFICACIN O TOLERANCIA DE CALIDAD?
Una especificacin o tolerancia es una restriccin sobre un conjunto de

caractersticas de calidad de un producto, material o servicio que han de
satisfacerse para que las unidades sean suficientemente semejantes entre
si. Una especificacin o tolerancia no debe ser excedida sobre la base de un
requisito preestablecido conocido como valor nominal, valor objetivo o
target ms una tolerancia.
ESPECIFICACIN = VALOR NOMINAL/OBJETIVO/TARGET TOLERANCIA
Una especificacin es la variacin permitida para la caracterstica de

calidad o variable
Por ejemplo, para la variable cuantitativa continua VOLUMEN DE

LLENADO de una botella de Vodka Russkaya
ESPECIFICACIN DEL VOLUMEN = 750 mL 5 mL
EI = ESPECIFICACIN INFERIOR: Volumen = 745 mL (Producto conforme)
ES = ESPECIFICACIN SUPERIOR: Volumen = 755 mL (Producto conforme)

ESPECIFICACIN
Una especificacin se puede pactar contractualmente con el cliente o simplemente

establecer como una normativa derivada de la necesidad de cumplir con requisitos
internos o externos, o bien con los estndares propios de diseo.
Internas: Dadas por la propia organizacin.
Externas:
NTPO: Normas tcnicas obligatorias
NTP 211.007:2009: BEBIDAS ALCOHOLICAS. Alcohol etlico. Rectificado,

neutro (rectificado fino), extraneutro (rectificado extrafino). Requisitos. 3a.ed.
Normativa legal aplicable a la calidad del producto:
DECRETO SUPREMO N 007-98-SA Reglamento sobre Vigilancia y Control

Sanitario de Alimentos y Bebidas
Codex Alimentarius
A UNA ESPECIFICACIN TAMBIN SE LE CONOCE COMO

LMITE DE TOLERANCIA
LOS LMITES DE ESPECIFICACIN
Los lmites de especificacin (EI y ES) son los valores entre los cuales deberan operar los
productos o servicios.
ESPECIFICACIN DE VOLUMEN DE LLENADO = 750 mL 5 mL
Valor Nominal/Meta/Objetivo/Target = 750 mL
Especificacin Especificacin
Inferior = EI = 745 mL Superior =ES = 755 mL
Desempeo Desempeo Desempeo

no aceptable del proceso aceptable no aceptable del proceso
LA VARIABILIDAD Y SUS CONSECUENCIAS
Los ingenieros debemos conocer y saber qu hacemos bien y qu hacemos mal en nuestras
organizaciones
Inferior = EI = 745 mL Superior =ES = 755 mL
Productos
Productos Defectuosos o
Defectuosos o no conformes
no conformes

no aceptable del proceso aceptable no aceptable del proceso
Nos debe preocupar lo que hacemos mal; lo que est por fuera de las
especificaciones porque son productos defectuosos o productos no conformes
LA VARIABILIDAD Y SUS CONSECUENCIAS
Inferior =EI =745 mL Superior = ES = 755 mL
Y sintonizar al
proceso
con los
requerimientos
Reducir del cliente.
la variabilidad

no aceptable aceptable no aceptable

TIPOS DE ESPECIFICACIN O
LMITE DE TOLERANCIA
ESPECIFICACIN DOBLE
Inferior =EI =745 mL Superior =ES = 755 mL

no aceptable aceptable no aceptable

ESPECIFICACIN SIMPLE
Valor Nominal/Meta/Objetivo/Target = 10 seg
Especificacin
Superior =ES = 12 seg
Consideremos la llenadora de
botellas de WILD o HIT de Cartavio
que se deben llenar como mximo
en un perodo de 12 segundos. En
este caso, slo una especificacin
superior es relevante, porque
mientras ms rpido se llene una
botella, mejor
ESPECIFICACIN DE TIEMPO DE LLENADO = 10 seg + 2 seg

ESPECIFICACIN SIMPLE
Nominal/Meta/Objetivo/Target = 99 %
Especificacin En Cartavio Rum Company SAC se requiere que

el contenido de CO2 de sus bebidas HIT y WILD
Inferior =EI = 95 %
tenga una pureza de al menos 95%. El anlisis de
calidad establece un lmite de especificacin
inferior pero no uno superior, porque mientras
mayor sea la pureza, mejor.
ESPECIFICACIN DE CONTENIDO DE CO2 = 99 % - 4%

CAPACIDAD DE UN PROCESO
VARIABLES
DE SALIDA
(RESPUESTA)
PROCESO CAPAZ
CUMPLEN
ESPECIFICACIONES
CAPACIDAD DE UN PROCESO
V.N: Valor Nominal/Meta/Objetivo/Target
Inferior = EI Superior = ES
PROCESO CAPAZ
Desempeo
aceptable
DATOS
LA NATURALEZA DE LOS DATOS
QU TIPO DE DATOS SON?
Es la primera pregunta que nos hacemos cuando se observamos y analizamos
datos para decidir que tipo de herramienta vamos a usar para medir y controlar un
proceso.
DATOS DE MEDICIN DATOS DE CONTEO

(CONTINUO) (DISCRETOS)
Pueden subdividirse Se presentan en forma de

infinitamente y con eventos individuales y que
frecuencia requiere de podemos contar.
algn dispositivo o Una cierta unidad bsica que
instrumento o marcha no puede dividirse ms.
analtica de medicin para
medir su valor.
Por ejemplo: Temperatura, Por ejemplo: N de errores,
presin, velocidad, longitud, N de defectos, N de
contenido de azcar de un defectuosos, N de productos
jarabe, etc. no conformes, etc.
CASO DE ANLISIS
CASO N 1
Un ingeniero industrial egresado de UPN esta supervisando un proceso de fabricacin y
envasado de galletas, donde una caracterstica de calidad del producto denominado
Galleta Soda es su peso el cual debe ser de 112,5 g con una tolerancia de 4 g.
El ingeniero industrial sabe que para considerar al proceso como UN PROCESO
CAPAZ, el peso de las galletas debe estar entre la especificacin inferior EI = 108,5
g y la especificacin superior, ES = 116,5 g.
ESPECIFICACIN
E = 112,5 g 4 g
EI = 108,5 g
ES = 116,5 g
CASO N 1
Para realizar un ESTUDIO DE CAPACIDAD de este proceso, el ingeniero industrial
debe contestar inicialmente las siguientes preguntas:
Ser el peso promedio igual al valor nominal?
El peso medio (50%) es el adecuado?
La variabilidad del peso es mucha o poca?

ESPECIFICACIN
E = 112,5 g 4 g
EI = 108,5 g
ES = 116,5 g
PARA CONTESTAR A ESTAS
PREGUNTAS
QU HARAN USTEDES?
ESTADSTICA DESCRIPTIVA
ANLISIS DE VARIABLES DE TIPO
CONTINUO
Anlisis Exploratorio de Datos: Estadstica Descriptiva

MEDIDAS ESTADSTICAS
Medidas de Posicin
Media
Medidas de Tendencia Mediana
Medidas Estadsticas
central Moda
Indican valores con respecto a los que los datos tienden a agruparse
Rango
Absolutas Desviacin Estndar
Medidas de
dispersin:
Relativas: Coeficiente de Variacin
Miden la variabilidad o la distancia promedio de separacin de los datos a su valor central (La
media). Cuanto mayor sea ese valor mayor ser la variabilidad, cuanto menor sea, ms
homognea ser a la media.
ANLISIS DE VARIABLES DE TIPO CONTINUO
Para contestar a estas preguntas, el ingeniero industrial obtuvo muestras de la lnea de

produccin durante un da, midi los pesos (variable o caracterstica de calidad) y
obtuvo los 60 datos mostrados la siguiente tabla:
Muestra Peso (g) Muestra Peso (g) Muestra Peso (g)

1 109.3 21 106.5 41 111.6
2 108.4 22 113.6 42 110.7
3 109 23 108.6 43 113.3
4 107.4 24 110.1 44 109.8
5 107.4 25 113.2 45 109.9
6 108.9 26 111.6 46 110.1
Una vez recogidos los datos de
7 113.9 27 112.4 47 110.7
8 110.9 28 114.9 48 109.4
la variable peso de los paquetes
9 111.3 29 107.3 49 111
10 113.1 30 109.9 50 111.3 de galleta, el ingeniero industrial
11 110.5 31 111.9 51 108.3
12 111.6 32 110.4 52 109.1 procedi a realizar el ANLISIS
13 108.2 33 111.6 53 108.7
14 112.5 34 109.5 54 112.4 DESCRIPTIVO de los mismos.
15 105.2 35 110 55 112.9
16 107 36 106.8 56 111.8
17 112.3 37 107.5 57 110.1
18 106.2 38 111.1 58 107.5
19 110.3 39 107.1 59 111.5
20 113.6 40 108.7 60 110.7
MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL
ANLISIS DE VARIABLES DE TIPO CONTINUO
Conocer la tendencia central de los

datos
Identificar un valor en torno o

alrededor del cual los datos tienden a
aglomerarse
Alrededor de qu valor se agrupan los datos?
PARA RESPONDER A ESTO, USAMOS LAS Existen tres maneras de medir esta
MEDIDAS DE TENDENCIA CENTRAL tendencia:
Media o promedio
Mediana
Son llamadas medidas de tendencia central,
Moda
porque que se ubican generalmente en el centro
de la distribucin de los datos y sirven para
MEDIA MUESTRAL
n
MEDIA MUESTRAL X (x barra)
x i
X i 1 Se define como la suma del valor de los datos entre el nmero
n total de datos
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Peso (g) 109.3 108.4 109 107.4 107.4 108.9 113.9 110.9 111.3 113.1 110.5 111.6 108.2 112.5 105.2 107 112.3 106.2 110.3 113.6
Muestra 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Peso (g) 106.5 113.6 108.6 110.1 113.2 111.6 112.4 114.9 107.3 109.9 111.9 110.4 111.6 109.5 110 106.8 107.5 111.1 107.1 108.7
Muestra 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Peso (g) 111.6 110.7 113.3 109.8 109.9 110.1 110.7 109.4 111 111.3 108.3 109.1 108.7 112.4 112.9 111.8 110.1 107.5 111.5 110.7
Xi = observaciones numricas no agrupadas

n = N de observaciones o elementos
Cada uno de los datos
(valores del cuadro)
Entonces se tiene:
representa Xi
Suma total de las mediciones = 6610.5 g

n (N de elementos) = 60
Media muestral X = 110.175 g
Ser el peso promedio igual al valor nominal?
Los paquetes de galleta tienen un peso medio no satisfactorio

de 110,75 g ya que el valor ptimo es de 112,50 g.
ESPECIFICACIN
E = 112,5 g 4 g
EI = 108,5 g
ES = 116,5 g
MEDIANA MUESTRAL
MEDIANA MUESTRAL (Me)
Valor que divide a la mitad a un conjunto de datos ordenados en forma ascendente

(creciente: De menor a mayor).
1.- Sin es impar, la mediana es el valor que ocupa la posicin Xi de los valores
ordenados en forma ascendente
Posicin xi x ( n1)
2
Procedimiento de clculo: Datos
1.- Ordenar los datos en forma ASCENDENTE ordenados
2.- Contar el N de datos (n). en forma
ascendente
3.- Determinar la posicin del valor central
Por ejemplo: Calcular la mediana (Me) de los siguientes datos: 10; 3; 6; 9; 7.
Posicin de la Mediana = X (((5+1)/2)) = X3 Posicin 3
La Mediana (Me) es 7
MEDIANA MUESTRAL
La Mediana es 7
Qu significa?
Significa que el 50% de los datos de la muestra son menores que 7 y que el
otro 50% son mayores que 7
50%
50%
MEDIANA MUESTRAL
2.- Sin es par, la mediana es el valor obtenido de la media aritmtica de los dos valores
centrales ubicados en las posiciones [ x(n/2)] y [x(n/2)+1].
Mediana Valor _ en _ posicin _[ x( n / 2) x( n / 2)1 ] / 2

Procedimiento de clculo:
Datos ordenados
1.- Ordenar los datos en forma ascendente en forma
2.- Contar el N de datos (n) ascendente
3.- Determinar la posicin de los valores centrales
Entonces se tiene:
Posicin X (n/2) = X(60/2) = Posicin X30 Valor = 110.10 g
Posicin X (n/2)+1 = X (60/2)+1 = Posicin X31 Valor = 110.30 g
Mediana = Me= (110,1+110,30)/2 = 110,20 g

MEDIANA MUESTRAL
La Mediana es 110,20 g
Qu significa?
Significa que el 50% de los datos de la muestra son menores que 110,20 g y
que el otro 50% son mayores que 110,20 g
50%
50%
El peso medio de los discos es el adecuado?
La mediana indica que la mitad (50%) del lote de 60 paquetes tiene un

peso de 110,20 g o menos y que el otro 50% del lote tiene un peso de
110,20 g o mayor. El valor ptimo es de 112,50 g.
ESPECIFICACIN
E = 112,5 g 4 g
EI = 108,5 g
ES = 116,5 g
ALGO RELEVANTE
1.- La MEDIA RESULTA AFECTADA POR DATOS EXTREMOS O ATPICOS.

Por ejemplo: Los sueldos mensuales de los trabajadores en cierto departamento son los
siguientes:
Suma total = 8400
1100 1300 1000 1500 800 1600 1100
n=7
Qu pasa con el valor de la media y la mediana
si ingresa un gerente que gana 7600? Media = 1200
Si se agrega: DATO ATPICO Mediana = 1100
Suma total = 16000

1100 1300 1000 1500 800 1600 1100 7600
n=8
MEDIA RESULTA AFECTADA POR DATOS Media = 2000
EXTREMOS O ATPICOS
Mediana = 1200
2.- La Mediana es menos sensible a dichos cambios por datos extremos o
atpicos.
La Mediana es la mejor medida de la tendencia central

LAS MEDIDAS DE TENDENCIA CENTRAL SON INSUFICIENTES
COMO CRITERIO DE CALIDAD
La Media, Mediana y Moda no toman en cuenta la

dispersin o variabilidad
MEDIDAS DE DISPERSIN O
VARIABILIDAD
MEDIDAS DE DISPERSIN O VARIABILIDAD
Son las que describen la forma en que los datos se extienden o

dispersan a cada lado de la media.
Las ms utilizadas en Control de Calidad son:
1. Rango.
2. Desviacin estndar.
3. Coeficiente de variacin
RANGO MUESTRAL
RANGO O RECORRIDO
El Rango (R) o recorrido estadstico es el intervalo entre el valor mximo y el valor mnimo.
Permite tener una idea de la dispersin de los datos, cuanto mayor es el rango, ms
dispersos estn los datos de un conjunto.
R mide la amplitud de la variacin de un grupo de datos.

R es independiente de la magnitud de los datos.
RANGO O RECORRIDO
El rango no es una medida adecuada de variabilidad
Por ejemplo, las dos distribuciones de frecuencia relativa de la figura tienen el

mismo rango pero muy diferentes formas y variabilidad.
Hay una medida de variabilidad que sea ms sensible que el rango?

DESVIACIN TPICA O ESTNDAR
MUESTRAL
(x
2
i
x)
s i 1
n 1
DESVIACIN TPICA O ESTNDAR (S)
INDICA QUE TAN ESPARCIDOS, DISTANCIADOS O ALEJADOS ESTN LOS DATOS

CON RESPECTO A LA MEDIA.
(x
2
i
x) x = Media muestral.
s i 1
n 1
S tiene la misma UM (unidad de medida) de los datos (mm, Kg., gramo, etc.).
S es afectada por los datos atpicos.
S mide la distancia que hay en promedio entre los datos numricos de la

muestra y la Media.
S no refleja la magnitud de los datos, slo refleja lo alejados que estn los datos de la
Media.
DESVIACIN TPICA O ESTNDAR (S)
Desviacin que representan los datos en su distribucin respecto de la media
(-S) (+S)
(X - S) (X + S)
(X)
La desviacin estndar representa la variabilidad con una tendencia a variar por

debajo o por encima de la media (x) en S unidades
Sea la siguiente tabla donde Xi representa a valores observados en kilogramos de
empaques de cereales. Aplicar la frmula y calcular la Desviacin Estndar S. Interpretar el
resultado
n
(x
2
i
x) Primer punto: Restar: 3,2 -3,0 = 0,2

Xi i 1
1 3.2 s n 1
(la media debe estar fijada)
2 2.9
Xi Xi -X (Xi -X)^2
3 3.0 Elaboramos la siguiente tabla 1 3.2 0.2 0.04
4 2.9 2 2.9 -0.1 0.01
Xi Xi -X (Xi -X)^2
5 3.1 1 3.2 3 3.0 0.0 0.00
6 2.9 2 2.9 4 2.9 -0.1 0.01
3 3.0 5 3.1 0.1 0.01
4 2.9 6 2.9 -0.1 0.01
Media
5
6
3.1
2.9 X
3.0 0.08
X 3.0
0.08
s 0.08 S= 0,126 Kg
6 1 5
Con lo que se concluye que el peso promedio de los empaques de cereales es de 3,0 kilos,
con una tendencia a variar por debajo o por encima de dicho peso en 0,126
kilogramos. LA DISPERSIN PROMEDIO ES 0,126 Kg. CON RESPECTO A LA MEDIA.
A > valor de S > Variabilidad en los datos.
Los grficos tienen igual X (media) e

igual R (rango) pero el grfico inferior es
mejor estadsticamente ya que la
mayora de los datos tienden a agruparse
en torno a la media
En la medida que la desviacin estndar se hace ms pequea,

la calidad mejora
COEFICIENTE DE VARIACIN
cv ( S / x) *100
COEFICIENTE DE VARIACIN (CV)
El coeficiente de variacin indica que tan grande es la desviacin estndar en relacin a la
media. Es una medida de dispersin relativa de los datos.
cv (S / x) *100
Por ejemplo, sean:
A={10; 12; 14} y B = {159; 161; 163}
Media = 12 Media = 161

S=2 S=2
R = (14-10) = 4 R = (163-159) = 4
CV = 16,66% CV = 1,242%
Si comparamos las S observamos que la S de A = S de B; sin embargo, no podemos

comparar dos variables que tienen escalas de medidas diferentes (El conjunto A esta en
D = Decenas y el C = Centenas).
Comparando el CV observamos que A tiene mayor dispersin.
La variabilidad del peso de los
paquetes es mucha o poca?
Media muestral (X) = 110,175 g ESPECIFICACIN

Rango (R) = 9,7 g E = 112,5 g 4 g
Desviacin estndar (S) = 2,187 g EI = 108,5 g
ES = 112,5 g
Coeficiente de variabilidad (CV) = 1,98%
La dispersin promedio del peso de los paquetes es 2,187 g con

respecto a la media de 110,175 g
EL HISTOGRAMA
HISTOGRAMA Y TABLA DE FRECUENCIA
Representacin grfica de la distribucin de un conjunto de datos o de una variable,

donde los datos se clasifican por su magnitud en cierto nmero de clases.
Permite visualizar la tendencia central, la dispersin y forma de la distribucin.

Procedimiento de construccin:
Es recomendable ordenar los datos
1. Determinar el valor mximo

(Regla de Sturges)
2. Determinar el valor mnimo
3. Calcular el Rango: R c 1 3,322* log( n)
4. Calcular el N Intervalos de clases c : (N entero)
Este valor siempre es un nmero entero
5. Calcular la Amplitud A de cada intervalo

A R/c
6. Determinar los intervalos y finalmente construir el
cuadro de Intervalos de Clase y Frecuencias
7. Graficar los datos
8. Interpretar o analizar sus resultados

Para el caso N1:

n = 60
ESPECIFICACIN
Mayor (Mximo) = 114,90 c 1 3.322* log( n) E = 112,5 g 4 g
Menor (Mnimo) = 105,20 EI = 108,5 g
ES = 116,5 g
R = 9,7
N Intervalos de clases c = 6.91 = ENTERO(1+3.322*LOG(60))= 6
A = REDONDEAR.MAS((9,70/6),3) = 1,617
A R/c
La amplitud A se debe redondear al valor superior ms cercano segn las cifras decimales de los datos
originales.
=REDONDEAR.MAS((R/C), N de decimales mayor o igual a los decimales de los

datos)
Para el caso N1:

Valor mnimo = 105,20 A = 1,617 n (N de datos) = 60
ESPECIFICACIN
Para hallar el intervalo de clase: Al valor
E = 112,5 g 4 g
mnimo se le suma la Amplitud (A) .
Luego este valor inicia la segunda clase 105,20 + 1.617 = 106,817 EI = 108,5 g
y as hasta llegar al valor mximo ES = 116,5 g
Clase Lm. Inf Lm. Mx

1 105.20 106.82 Clase Peso Frecuencia
2 106.82 108.43 1 (mn. ] 105.2 -106.817 4
3 108.43 110.05 2( ] 106.817 -108.434 10
4 110.05 111.67
5 111.67 113.29
3( ] 108.434 -110.051 13
6 113.29 114.90 4( ] 110.051 -111.668 19
5( ] 111.668 -113.285 9
6( ] 113.285 -114.902 5
En el intervalo 1: considerar el
valor mnimo
Intervalo 2: Luego cuente los valores de la tabla de datos que
corresponden a cada intervalo de clase.
( 106,8.17 1.617 ] = (> 106,817;108,434] Determine la sumatoria. Esta sumatoria debe ser
igual al N de datos
1 Seleccione la columna Frecuencia y escriba:
= Frecuencia (Columna Datos, Columna Lmite mximo)
2 Presione:
SHIFT + CONTROL + ENTER

Histograma
ESPECIFICACIN
20
E = 112,5 g 4 g
EI = 108,5 g
18
ES = 116,5 g
16
14
12
10
0
105.2 -106.817 106.817 -108.434 108.434 -110.051 110.051 -111.668 111.668 -113.285 113.285 -114.902
Para el caso del caso N1:
Media muestral (X) = 110,175 g ESPECIFICACIN
D. Normal: E = 112,5 g 4 g
Desviacin estndar (S) = 2,187 g
1. Es simtrica respecto de su media. EI = 108,5 g
2. La mediana es aprox. igual a la Mediana = 110.20 g ES = 116,5 g
media
EI VN ES
X
Me
Descentrado
hacia la EI
20
18
16
14
12
10
0
105.2 -106.817 106.817 -108.434 108.434 -110.051 110.051 -111.668 111.668 -113.285 113.285 -114.902
Centrado: Media = VN
Capaz = No se sobrepasa la ES ni EI
REQUISITOS DE LOS DATOS PARA
REALIZAR UN ANLISIS DE
CAPACIDAD DE PROCESO
Puede utilizar observaciones individuales o datos en muestras o

subgrupos.
CULES SON LOS REQUISITOS DE DATOS PARA UN
ANLISIS DE CAPACIDAD?
1. Los datos deben seguir una Distribucin Normal o realizar un Ajuste de

distribucin
Sus datos deben seguir la distribucin normal (o datos no normales

transformados para ajustarse a una distribucin normal) para Anlisis de
capacidad.
La validez de los ndices de capacidad es crtica para la validez del ajuste de la
distribucin utilizada para el anlisis. Si sus datos no siguen la distribucin
supuesta, los resultados no sern precisos.
2. Estabilidad del proceso
Su proceso debe ser estable y estar bajo control estadstico. Un proceso es

estable si contiene solamente variacin de causa comn, pero no variacin
debida a causas especiales o asignables.
ES MI DATA NORMAL?
SIGUEN MIS DATOS UNA
DISTRIBUCIN NORMAL?
Cuando empezamos el anlisis de un conjunto de datos, uno de los primeros

pasos es la realizacin de un test de normalidad para saber si estamos en
presencia de una distribucin normal.
Muchos de los procedimientos estadsticos habitualmente utilizados asumen la normalidad
de los datos observados. Aunque muchas de estas tcnicas no son demasiado sensibles a
desviaciones de la normal y, en general, esta hiptesis puede obviarse cuando se dispone de
un nmero suficiente de datos, resulta recomendable contrastar siempre si se puede asumir
o no una distribucin normal.
La simple exploracin visual de los datos puede sugerir la forma de su distribucin. No

obstante, existen otras medidas, grficos de normalidad y contrastes de hiptesis que
pueden ayudarnos a decidir, de un modo ms riguroso, si la muestra de la que se dispone
procede o no de una distribucin normal.
GRFICA DE PROBABILIDAD
PARA VERIFICAR LA
NORMALIDAD DE UNA
DISTRIBUCIN
Procedimiento que permite determinar si los datos muestrales se ajustan a una
distribucin especfica.
Si la distribucin propuesta describe de manera adecuada los datos, los

puntos en la grfica tendern a ubicarse a lo largo de una lnea recta;
pero si los puntos se desvan de manera significativa de una lnea recta,
entonces eso ser evidencia de que los datos no siguen tal distribucin.
GRFICA DE
PROBABILIDAD
NORMAL
Conviene tener en cuenta que

siempre tender a observarse
mayor variabilidad en los
extremos.
GRFICA DE PROBABILIDAD NORMAL
Para la distribucin normal se grafica x(j) frente a los puntajes normales estandarizados
z( j) que satisfacen la siguiente igualdad:
Donde (z) es la distribucin normal estndar (N(0, 1)).
Pulido, G., & Salazar, H. (2004). Control estadstico de calidad y seis sigma. McGraw-Hill,.
Datos Puntajes
Frec.
N j observados normales
Acumulada
ordenados Estandarizados
Frecuencia Acumulada (Nivel de probabilidad) = (N j 0.5)/n
Puntajes Normales Estandarizados (Cuantil en la distribucin de Z

N(0,1) = DISTR.NORMAL.ESTAND.INV(Frecuencia acumulada)
GRFICA DE PROBABILIDAD NORMAL PARA OTRO CASO
3.0000
2.0000
1.0000
0.0000
0.00 50.00 100.00 150.00 200.00 250.00 300.00 350.00 400.00
-1.0000
-2.0000
-3.0000
-4.0000
Se observa que la mayora de los puntos se ubican

o superponen a lo largo de la lnea recta
Por lo tanto, los datos muestrales si siguen una

distribucin normal y PARA CONFIRMAR ESTA
INFORMACIN HAY QUE APOYARSE DEL
HISTOGRAMA
SOFTWARE MINITAB
Grfica de probabilidad de C1
Normal
99.9
Media 265.7
Desv .Est. 28.64
99 N 100
AD 0.410
95 Valor P 0.337
90
80
Porcentaje
70
60
50
40
30
20
10
5
0.1
200 240 280 320 360
C1
En el mtodo de Anderson Darling o Ryan Joiner, si el valor de

probabilidad P de la prueba es mayor a 0.05, se considera que los datos
son normales.
Y SI LOS DATOS NO SIGUEN
UNA DISTRIBUCIN NORMAL O
NO SON NORMALES?
SI LOS DATOS NO SIGUEN UNA DISTRIBUCIN NORMAL O NO
SON NORMALES
La ausencia de normalidad nos impide el uso de pruebas paramtricas de contraste. La

prueba de la t de Student o el anlisis de la varianza (ANOVA) precisan que la
distribucin sea normal.
Si los datos no siguen una Distribucin Normal o no son normales se tiene que
transformarlos mediante una transformacin BOX COX o de Jonhson.
La otra posibilidad es emplear pruebas no paramtricas, que no precisan de ninguna

asuncin sobre la distribucin de la variable.

COESCA Sesión 2-2017-2

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

COESCA Sesión 2-2017-2

Caricato da

Copyright:

Formati disponibili

CONTROL ESTADSTICO DE LA

Eloy Soles Jacobo

FUNDAMENTOS BSICOS DE CALIDAD Y ESTADISTICA

ESTADSTICA DESCRIPTIVA E INTRODUCCIN A LA

La ESTADSTICA, se constituye uno de los idiomas esenciales para

LA ESTADSTICA ES UNA HERRAMIENTA FUNDAMENTAL PARA

Muchos profesionales creen que

La finalidad de la estadstica es utilizar datos

CONSTITUYE UN MEDIO EFECTIVO PARA CONTROLAR LA

Deberan ser iguales

La variabilidad el gran enemigo de la calidad en todo proceso

La variabilidad es causa de incertidumbre en el proceso y es indeseable y

Materias primas , materiales, insumos

Mano de obra PROCESO

CADA FACTOR (M) APORTA UNA PARTE, NO NECESARIAMENTE IGUAL, DE LA

A menor variabilidad tendremos una mejor calidad en el producto o

Si la variabilidad es grande, la cantidad de productos con defectos que salen de

Etiqueta Desplazada Etiqueta Inclinada

Un PRODUCTO NO CONFORME (PNC) es aquel que NO CUMPLE CON LOS

Una especificacin o tolerancia es una restriccin sobre un conjunto de

ESPECIFICACIN = VALOR NOMINAL/OBJETIVO/TARGET TOLERANCIA

Una especificacin es la variacin permitida para la caracterstica de

Por ejemplo, para la variable cuantitativa continua VOLUMEN DE

ESPECIFICACIN DEL VOLUMEN = 750 mL 5 mL

EI = ESPECIFICACIN INFERIOR: Volumen = 745 mL (Producto conforme)

ES = ESPECIFICACIN SUPERIOR: Volumen = 755 mL (Producto conforme)

Una especificacin se puede pactar contractualmente con el cliente o simplemente

Internas: Dadas por la propia organizacin.

NTPO: Normas tcnicas obligatorias

NTP 211.007:2009: BEBIDAS ALCOHOLICAS. Alcohol etlico. Rectificado,

Normativa legal aplicable a la calidad del producto:

DECRETO SUPREMO N 007-98-SA Reglamento sobre Vigilancia y Control

A UNA ESPECIFICACIN TAMBIN SE LE CONOCE COMO

ESPECIFICACIN DE VOLUMEN DE LLENADO = 750 mL 5 mL

Valor Nominal/Meta/Objetivo/Target = 750 mL

Desempeo Desempeo Desempeo

ESPECIFICACIN DE VOLUMEN DE LLENADO = 750 mL 5 mL

Valor Nominal/Meta/Objetivo/Target = 750 mL

Desempeo Desempeo Desempeo

Desempeo Desempeo Desempeo

ESPECIFICACIN DE VOLUMEN DE LLENADO = 750 mL 5 mL

Desempeo Desempeo Desempeo

ESPECIFICACIN DE VOLUMEN DE LLENADO = 750 mL 5 mL

ESPECIFICACIN DE TIEMPO DE LLENADO = 10 seg + 2 seg

Especificacin En Cartavio Rum Company SAC se requiere que

ESPECIFICACIN DE CONTENIDO DE CO2 = 99 % - 4%

V.N: Valor Nominal/Meta/Objetivo/Target

DATOS DE MEDICIN DATOS DE CONTEO

Pueden subdividirse Se presentan en forma de

Ser el peso promedio igual al valor nominal?

El peso medio (50%) es el adecuado?

La variabilidad del peso es mucha o poca?

Anlisis Exploratorio de Datos: Estadstica Descriptiva

Relativas: Coeficiente de Variacin

Para contestar a estas preguntas, el ingeniero industrial obtuvo muestras de la lnea de

Muestra Peso (g) Muestra Peso (g) Muestra Peso (g)

MEDIDAS DE TENDENCIA CENTRAL

Conocer la tendencia central de los

Identificar un valor en torno o

Alrededor de qu valor se agrupan los datos?

Xi = observaciones numricas no agrupadas

Suma total de las mediciones = 6610.5 g

Los paquetes de galleta tienen un peso medio no satisfactorio

Valor que divide a la mitad a un conjunto de datos ordenados en forma ascendente