Sei sulla pagina 1di 15

TECNOLOGICO NACIONAL DE MEXICO

INSTITUTO TECNOLÓGICO DEL ALTIPLANO


DE TLAXCALA

ALUMNA:
BRENDA GONZÁLEZ CERVANTES

MATERIA:
TEC. DE LA CALIDAD Y MEJORA CONTINUA

DOCENTE:
ESCOBEDO FLORES OANA
PAPEL DE LOS METODOS ESTADISTICOS EN LA
ADMINISTRACION DE LOS PROCESOS DE PRODUCCION

El papel fundamental de los métodos estadísticos es analizar, el comportamiento de la


variabilidad de los productos y/o servicios, en su constitución o en su aplicación,
respectivamente, por medio de herramientas matemáticas que darán evidencia del citado
comportamiento, para posteriormente tomar las acciones pertinentes de acuerdo con
procedimientos estandarizados que permitan corregir los productos y/o servicios defectuosos
en base a estándares de calidad bien definidos.

METODOS ESTADISTICOS ADMINISTRATIVOS MAS


UTILIZADOS
1.- Coeficiente de Correlación de Pearson: Nos permite conocer la intensidad de
la relación existente entre una o más variables.
2.- Análisis de Regresión y Regresión Múltiple: Establece que tanto afecta una
o más variables dependientes a otra independiente.
3.- Chi square: Nos indica el nivel de significancia ente dos o más variables. El Chi
square es ampliamente usado como test de significancia para determinar
segmentos en el análisis Chaid, Cart entre otros.
4.- Varianza y Coeficiente de Variación: La varianza nos proporciona la
distribución de la muestra con respecto a la media. El análisis de la varianza (o
Anova) es un método para comparar dos o más medias, que es necesario porque
cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente
el contraste basado en la t de Student. El coeficiente de variación nos sirve para
comparar medidas de dos grupos diferentes y que estas se puedan expresar en
términos de referencia.
5.- Coeficiente de Kurtosis: No indica que tan concentrada o dispersa se
encuentra la muestra con respecto a los valores centrales de referencia.
6.- Prueba de T Studen: Nos indica las probabilidades de que dos grupos de datos
distintos pertenezcan a una misma población.
7.- Escalas de Liker: Al aplicarlas en un cuestionario o instrumento nos ayuda a
determinar los estadísticos de correlación y regresión. Por lo general se manejan de
escalas del 1 al 3, del 1 al 5 o del 1 al 7, siempre impares para evitar el empate de
variables y la nulificación de los test.
8.- Media, moda y mediana: Son las medidas de tendencia central ampliamente
usadas para describir una variable. Nos indican en donde se ubican los puntos
centrales de los datos.
9.-Tasa media de crecimiento anual: Este dato nos permite conocer el
comportamiento de una variable a través del tiempo tomando como referencia dos
puntos de temporalidad ejemplo: 2005 y 2010. A titulo personal recomiendo que
para lograr mayor exactitud en el pronostico de este dato, la serie analizada debe
contener al menos 5 años de referencia.
10.- Factoriales: El análisis de la varianza (o Anova) es un método para comparar
dos o más medias, que es necesario porque cuando se quiere comparar más de
dos medias es incorrecto utilizar repetidamente el contraste basado en la t de
Student..

Datos: Son números que representan las modalidades de las variables. Por ejemplo, el
1 puede representar la modalidad "Mujer", el 6.3 representa una de las magnitudes que
podemos registrar en la variable "grado de conocimiento de las técnicas estadísticas". Los
datos pueden ser clasificados según diferentes criterios, uno de los cuales se basa en las
modalidades que presentan: Se dirá que son datos dicotómicos los que provienen de variables
que solo admiten dos modalidades (por ejemplo, la variable "género"), son datos
dicotomizados aquellos que presentan dos categorías pero provienen de variables con más de
dos modalidades (por ejemplo datos con valores 1 y 0 que representan aprobado y suspenso).

DIAGRAMA DE PARETO

¿QUÉ ES EL DIAGRAMA DE PARETO?


Es una representación gráfica de los datos obtenidos sobre un problema, que ayuda a
identificar cuáles son los aspectos prioritarios que hay que tratar. También se conoce como
“Diagrama ABC” o “Diagrama 20-80”. Su fundamento parte de considerar que un pequeño
porcentaje de las causas, el 20%, producen la mayoría de los efectos, el 80%. Se trataría pues
de identificar ese pequeño porcentaje de causas “vitales” para actuar prioritariamente sobre
él.

pasos para realizar un diagrama de Pareto:


1. Determinar el problema o efecto a estudiar.
2. Investigar los factores o causas que provocan ese problema y como recoger los
datos referentes a ellos.
3. Anotar la magnitud (por ejemplo: euros, número de defectos, etc.) de cada factor.
En el caso de factores cuya magnitud es muy pequeña comparada con la de los
otros factores incluirlos dentro de la categoría “Otros”.
4. Ordenar los factores de mayor a menor en función de la magnitud de cada uno
de ellos.
5. Calcular la magnitud total del conjunto de factores.
6. Calcular el porcentaje total que representa cada factor, así como el porcentaje
acumulado. El primero de ellos se calcula como: % = (magnitud del factor / magnitud
total de los factores) x 100 El porcentaje acumulado para cada uno de los factores
se obtiene sumando los porcentajes de los factores anteriores de la lista más el
porcentaje del propio factor del que se trate.
7. Dibujar dos ejes verticales y un eje horizontal. Situar en el eje vertical izquierdo
la magnitud de cada factor. La escala del eje está comprendida entre cero y la
magnitud total de los factores. En el derecho se representan el porcentaje
acumulado de los factores, por tanto, la escala es de cero a 100. El punto que
representa a 100 en el eje derecho está alineado con el que muestra la magnitud
total de los factores detectados en el eje izquierdo. Por último, el eje horizontal
muestra los factores empezando por el de mayor importancia.
8. Se trazan las barras correspondientes a cada factor. La altura de cada barra
representa su magnitud por medio del eje vertical izquierdo.
9. Se representa el gráfico lineal que representa el porcentaje acumulado calculado
anteriormente. Este gráfico se rige por el eje vertical derecho.
10. Escribir junto al diagrama cualquier información necesaria, sea sobre el
diagrama o sobre los datos.

EJEMPLO:
(PASO 1-3) (PASO 4-6)

(PASO 7) (PASO 8-10)


Interpretación de un Diagrama de Pareto
La interpretación de un Diagrama de Pareto se puede definir completando
las siguientes oraciones de ejemplo:

“Existen (número de categorías) contribuyentes relacionados


con (efecto). Pero estos (número de pocos vitales) corresponden
al (número) % del total (efecto). Debemos procurar
estas (número) categorías pocos vitales, ya que representan la mayor
ganancia potencial para nuestros esfuerzos.”

¿QUÉ ES EL DIAGRAMA CAUSA - EFECTO? Es una herramienta que


representa la relación entre un efecto (problema) y todas las posibles causas que lo ocasionan. Es
denominado Diagrama de Ishikawa o Diagrama de Espina de Pescado por ser parecido con el
esqueleto de un pescado.

pasos para realizar un diagrama CAUSA - EFECTO:


1.Elabore un enunciado claro de problemas
2. Empiece con dibujar el diagrama de esqueleto de pescado colocando el problema en el cuadro
de la derecha.
3. Identifique las categorías, factores contribuyentes o causas principales (las más comunes
utilizadas son: equipo, método, personal, usuario, aunque puede colocar otras categorías de
acuerdo con el problema que se está trabajando como: gestión y medio ambiente entre otras) y
grafique las espinas grandes oblicuas a la flecha central o esqueleto
4. Grafique las causas principales en oblicuas a la flecha central.
5. Cuando sea posible determinar las causas de 2er y 3er nivel de acuerdo con cada elemento
analizado, se grafican como oblicuas a las categorías.
EJEMPLO:
¿CÓMO INTERPRETAR UN DIAGRAMA DE CAUSA-EFECTO?
El diagrama Causa-Efecto es un vehículo para ordenar, de forma muy concentrada, todas las causas que
supuestamente pueden contribuir a un determinado efecto. Nos Permite, por tanto, lograr
un conocimiento común de un problema complejo, sin ser nunca sustitutivo de los datos. Es importante ser
conscientes de que los diagramas de causa-efecto presentan y organizan teorías. Sólo cuando estas teorías
son contrastadas con datos podemos probar las causas de los fenómenos observables.
Errores comunes son construir el diagrama antes de analizar globalmente los síntomas, limitar las teorías
propuestas enmascarando involuntariamente la causa raíz, o cometer errores tanto en la relación causal como
en el orden de las teorías, suponiendo un gasto de tiempo importante

¿QUÉ ES un HISTOGRAMA?

Un histograma es una representación gráfica de datos agrupados mediante


intervalos. Los datos provienen de una variables cuantitativas continuas. Gracias a
él puedes hacerte rápidamente una idea de la distribución de los datos o muestra.

pasos para realizar un histograma:


1. En el eje de abscisas (eje horizontal) se colocan los intervalos, de menor a
mayor.
2. En el eje de ordenadas (eje vertical) se representan las frecuencias
absolutas de cada uno de los intervalos. También se suelen representar
las frecuencias relativas.
3. Se dibujan barras rectangulares de anchura igual y proporcional al intervalo.
La altura es la frecuencia absoluta. Las barras rectangulares se dibujan
adyacentes la una a la otra, pero no intersectan entre ellas. Por tanto, todas las
barras tocan con las de al lado, a no ser que un intervalo tenga frecuencia cero
(la altura de la barra será también cero).

EJEMPLO:
Primero: Definimos los intervalos
 Mayores de 0 a 1,5 L
 Mayores de 1,5 a 3.0 L
 Mayores de 3.0 a 4,5 L
 Mayores de 4.5 a 5.0 L
 Mayores de 5.1 a 7.0 L

Ejemplo:

Medimos la estatura de 67 alumnos elegidos al azar y obtenemos los siguientes


datos en cm:

Estatura 156 158 161 162 164 165 166 168 169 170 172 174
Nº de
2 2 5 7 9 8 8 6 7 7 3 3
estudiantes

Agrupar los datos en intervalos de amplitud 5 cm y representarlos mediante un


histograma.

Estatura fi

[ 155, 160 ) 4

[ 160, 165 ) 21

[ 165, 170 ) 29

[ 170, 175 ) 13

Interpretación de un histograma
Histograma encontramos una distribución normal, como también unadistribución
asimétrica hacia la derecha. Podríamos decir que si nuestracompañía arrojara estos
datos después de una recogida de datos, estamoscumplimiento con las
especificaciones dentro de los límites esperados. Comotambién podemos observar es
un histograma bimodal ya que tiene unadistribución que nos muestra dos picos.

1. un Histograma que no tiene una distribución normal, está fuera de loslímites y


especificaciones esperadas, ni siquiera cubre los requerimientos deuna distribución
asimétrica, ni simétrica cuando en realidad en su mayoríatodos los histogramas aun
cuando no tengan una distribución normal cumplencon esta otra distribución.También
podemos llamarlo histograma bimodal. No existe una distribución normal, representa
una distribución simétrica esdecir que los dos lados derecho e izquierdo son
aproximada mente imágenesespectaculares o semejantes uno de otro.
2. 4. Histograma sesgado; son aquellos que la distribución de alguna de sus colasesta
mas alargada en comparación con la otra. Se llaman sesgados a laderecha y
positivamente sesgados si la cola derecha es la más alargada, encaso contrario es
negativamente sesgados. En esta situación debemos tenermucho cuidado de la
especificaciones que se nos pide ya que al tener unhistograma con estas
características, hay un porcentaje muy alto de noestar cumpliendo con las
especificaciones y nivel de calidad esperados.
¿QUÉ ES un Diagrama de Dispersión?

El Diagrama de dispersión es una herramienta utilizada cuando se desea realizar


un análisis gráfico de datos bivariados, es decir, los que se refieren a dos conjuntos
de datos. El resultado del análisis puede mostrar que existe una relación entre una
variable y la otra.
El Diagrama de Dispersión tiene el propósito de controlar mejor el proceso y
mejorarlo, resulta indispensable conocer cómo se comportan algunas variables o
características de calidad entre si, esto es, descubrir si el comportamiento de unas
depende del comportamiento de otras, o no, y en qué grado.

pasos para realizar un Diagrama de Dispersión:

1. Recoger y ordenar los datos que se cree que tienen una posible correlación. Los datos son
recogidos en una tabla, indicando el número de muestras y los valores de las características
que se quiere investigar. Es conveniente que el número de mediciones sea de al menos 30.
2. Representar gráficamente los datos:  Dibujar, en un diagrama cartesiano, los ejes vertical
y horizontal de la misma longitud. Observar los valores máximo y mínimo de los grupos de
datos, para escoger la escala de representación adecuada a los mismos y evitar así errores
de interpretación.  Representar en el diagrama mediante puntos cada par de datos,
reflejando los valores de la clase de datos que se considera dependiente (causa) sobre el eje
horizontal X y los valores de la clase de datos que se considera independiente (efecto) sobre
el eje vertical Y.  Si dos o más pares de datos caen en el mismo punto, dibujar círculos
concéntricos alrededor del punto individualizado.
3. . Una vez construido el diagrama se analiza la forma que tiene la nube de puntos obtenida,
para así determinar las relaciones entre los dos tipos de datos. Este análisis puede
efectuarse por técnicas estadísticas que permitan determinar si existe o no relación, y el
grado de existencia en su caso. Las herramientas utilizadas son:  La recta de regresión, y
 El coeficiente de correlación lineal.
3.A. RECTA DE REGRESIÓN La recta de regresión es la línea que mejor representa a un
conjunto de puntos. La función que aproxima la recta es:

donde:

: variable dependiente (causa)


a: ordenada en el origen.
b: pendiente de la recta de regresión
x: variable independiente (efecto)
La pendiente se halla mediante la expresión:

x: valores de la variable independiente


y: valores de la variable dependiente

x: media de los valores de x

y: media de los valores de y

n: número de observaciones o pares de datos

La ordenada en el origen se calcula como:

Ejemplo:

Una empresa de fabricación de jabón se plantea cambiar la


composición de uno de sus productos utilizando una nueva materia
prima. Antes de tomar una decisión, la empresa decide realizar un
ensayo para estudiar la posible relación entre la utilización dicha
materia prima y el número de no conformidades. Para ello analiza
lotes con diferentes porcentajes de la nueva materia prima y toma
los siguientes datos:
Con estos datos, elaboraremos el siguiente diagrama de dispersión:

En este caso, tendremos una correlación negativa (a medida que


aumentamos el % de la nueva materia prima, disminuye el número
de productos no conformes). Con estos resultados la empresa
podría plantearse la introducción de la nueva materia prima, aunque
debería combinarlo con otras herramientas para una mejor toma de
decisiones.

¿CÓMO SE INTERPRETA? Correlación


positiva: A un crecimiento de X (causa)
corresponde un crecimiento de Y (efecto).
Controlando la evolución de los valores de
X, quedan controlados los valores de Y
Correlación positiva débil: A un crecimiento de X se observa una tendencia a crecer de Y,
pero se presume que existen otras causas de dependencia,

Correlación negativa: A un crecimiento de X se observa una tendencia a disminuir de Y

Correlación negativa débil: A un crecimiento de X se observa una tendencia a disminuir de


Y, pero se presume que existen otras causas de dependencia,
No existe una correlación evidente

Puede existir una Correlación Compleja

¿QUÉ ES una Gráfica de Control?


Una gráfica de control es un diagrama que sirve para examinar si un proceso se
encuentra en una condición estable, o para asegurar que se mantenga en esa
condición.
En estadística, se dice que un proceso es estable (o está en control) cuando las
únicas causas de variación presentes son las de tipo aleatorio. En esta condición
se pueden hacer inferencias con respecto a la salida del proceso, esto es, la
característica de calidad que se esté midiendo. En cambio, la presencia de causas
especiales o asignables hace que el proceso se desestabilice, impidiendo la
predicción de su comportamiento futuro.

pasos para realizar una Gráfica de Control:


 Paso 1. Antes que nada, determina cuál es el proceso a trabajar y cuál es
la característica de calidad que vas a medir. ¿Acaso es peso, longitud,
número de defectos o volumen?
 Paso 2: Ahora que tienes el tipo de datos a recolectar, define el tipo de
gráfico de control a usar basándote en lo explicado anteriormente, y no te
quedes solo con eso, investiga más.
 Paso 3: Determina el tiempo en el que estarás capturando los datos y
define con base en el tipo de gráfico que vas a trazar, cuestiones como la
cantidad de muestras a considerar (considera al menos 20) y el tamaño de
cada una.
 Paso 4: Recopila los datos.
 Paso 5: Determina la línea central y el límite de control superior e inferior.
 Paso 6: Representa los datos en la gráfica.
 Paso 7: Analiza el resultado. Interpreta el gráfico.

Ejemplo:
una empresa que produce escritorios, quieren monitorear el número de defectos
en sus mesas incluyendo el 99,73% (tres desviaciones estándar) de la variación
aleatoria del proceso, por lo que revisan que la forma de la mesa, su estabilidad y
la pintura estén en óptimas condiciones.

Paso 1: Se van a contar el número de defectos encontrados en las mesas por lote.
Los lotes pueden variar levemente de tamaño, es decir, puede haber pequeñas
variaciones en el número de mesas que compone un lote de producción.
Paso 2: Se van a trabajar lotes que pueden tener diferente tamaño, y se va a
contar el porcentaje de defectos encontrados por lote (el lote es la muestra), razón
por la cual vamos a trabajar con una gráfica de control por atributos tipo p.
Paso 3: Los datos se van a capturar durante 10 días de producción. Se van a
considerar 20 muestras (20 lotes), el tamaño de cada lote lo tienes en el paso 4.
Paso 4: Estos son los datos recopilados. La fracción defectuosa es el resultado de
dividir el número de errores por el tamaño del lote.
Paso 5: Vamos a determinar la línea central y los límites de control superior e
inferior. Vale la pena aclarar que cuando hicimos el ejemplo, consideramos todos
los decimales, sin embargo en los gráficos y fórmulas que mostramos a
continuación, solo consideramos dos cifras decimales, por lo tanto seguramente si
reproduces el ejemplo como se muestra a continuación, los resultados van a variar
levemente.
Para tener la línea central calculamos p promedio:

Observa la última fila del paso 4. El número de errores es 99, el número total de
registros examinados es 1859 y resulta de la sumatoria del número de escritorios
por lote.

La desviación estándar para la distribución de la muestra se calcula así:

p promedio es el número que calculamos anteriormente, y n es 92,96 que es el


tamaño de la muestra, en este caso el tamaño de los lotes. Como se aprecia en la
tabla del paso 4, el tamaño del lote varia, por lo tanto 92,95 es el resultado del
promedio de escritorios por lote. La desviación estándar es igual a 0,02.
El cálculo de los límites se hace así:

El número de desviaciones estándar se conoce como z. Mesfir (la empresa) limita


los valores a 3 desviaciones estándar de la media, lo que equivale a 99,73%. Es
por eso que en el cálculo de los límites de control, z es igual a 3. Los otros datos
ya los conoces, fueron calculados anteriormente.

¿Podemos tener un número de defectos negativo? No. Es por eso que el límite
central inferior se redondea a 0.
Paso 6: Procedemos a representar los datos en una carta de control.
Con los cálculos hechos, este es el resultado de la gráfica de control de Mesfir.

Interpretación de un gráfico de control


 Pista 1: Cuando hay solo un punto fuera de control. Es quizá la más
pequeña de las probabilidades.
 Pista 2: Cuando hay dos de cada tres puntos sucesivos ubicados a un lado
de la línea central y más de dos desviaciones estándar (sigma) alejados de
esta línea.
 Pista 3: Cuando hay 4 de cada 5 puntos sucesivos ubicados a un lado de la
línea central y más de una desviación estándar (sigma) alejados de esta
línea.
 Pista 4: Cuando hay una serie de 8 puntos sucesivos ubicados a un lado de
la línea central, sin importar cuántas desviaciones estándar estén alejados
de la línea central. Por ejemplo 8 de cada 10 puntos, 12 de cada 14 puntos
o 16 de cada 18 puntos.
 Pista 5: Cuando hay 6 puntos consecutivos ascendentes o descendientes.
 Pista 6: Cuando hay 14 o más puntos consecutivos cruzando la línea
central de arriba a abajo, sin que haya al menos 2 puntos sucesivos en un
mismo lado.
 Pista 7: Cualquier patrón recurrente que estés observando, puede ser
considerado algo inusual.