Anda di halaman 1dari 12

REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA


UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LA
FUERZA ARMADA NACIONAL
NUCLEO SAN TOME








Profesora: Sandra Chacn
Seccin 9N01


Bachiller:

Engelbert Moreno C.I: 11.773.602





Agosto de 2014


1. CONTROL DE CALIDAD

Definicin

Calidad: Conjunto de propiedades y caractersticas de un producto, proceso o
servicio que le confieren su aptitud para satisfacer las necesidades establecidas o
implcitas. Esta definicin ha evolucionado en los ltimos aos hasta considerar la
calidad como "las prdidas que un producto o servicio infringe a la Sociedad desde
su produccin hasta su consumo o uso. A menores prdidas sociales, mayor
calidad del producto o servicio".

Este ltimo enfoque posee la ventaja de incluir no solo los problemas de calidad
clsicos (prdidas sociales debidas a la variabilidad) sino los actuales (prdidas
sociales debidas a los efectos secundarios nocivos, problemas del Medio
ambiente, etc.).

Control de Calidad

Es el proceso de regulacin que utiliza un conjunto de tcnicas y actividades de
accin operativa para evaluar y medir los requisitos que se deben cumplir respecto
a la calidad real de un determinado producto o servicio, compararla con las
normas o las especificaciones y actuar sobre la diferencia.

1.1. Funcin del Control de Calidad

La funcin del control de calidad existe primordialmente como una organizacin
de servicio, para conocer las especificaciones establecidas por la ingeniera
del producto y proporcionar asistencia al departamento de fabricacin, para que la
produccin alcance estas especificaciones. Como tal, la funcin consiste en la
recoleccin y anlisis de grandes cantidades de datos que despus se presentan
a diferentes departamentos para iniciar una accin correctiva adecuada.

Todo producto que no cumpla las caractersticas mnimas para decir que es
correcto, ser eliminado, sin poderse corregir los posibles defectos de fabricacin
que podran evitar esos costos aadidos y desperdicios de material.

Para controlar la calidad de un producto se realizan inspecciones o pruebas de
muestreo para verificar que las caractersticas del mismo sean ptimas. El nico
inconveniente de estas pruebas es el gasto que conlleva el control de cada
producto fabricado, ya que se eliminan los defectuosos, sin posibilidad de
reutilizarlo.
Funcin Principal: Esta asegura de que sus productos o servicios cumplan con los
requisitos mnimos de calidad.

Ofrecer a los clientes productos y servicios confiables y satisfactorios a bajo costo.
En tanto, lo importante es que el producto o servicio sea adecuado para su uso. La
calidad es el cumplimiento de los requerimientos de calidad de cada compaa, o
dicho de otra forma, da cumplimiento a las especificaciones.

Partiendo de una perspectiva diferente podemos definir la calidad como el
compromiso tico con la excelencia, porque slo una empresa que ha definido en
sus valores supremos el generar productos y servicios de calidad, estar
realmente comprometida en su consecucin.

1.2. Principios del Control de Calidad

Cuando se redactaron las normas ISO 9001 e ISO 9004, se elaboraron 8
principios bsicos, sobre los que descansa todo el sistema de gestin de la
calidad. Si una empresa implanta un sistema de gestin de la calidad, que cumpla
los requerimientos de la norma ISO 9001, pero que no siga estos principios, no
obtendr ni la mitad de los beneficios esperados.

Los principios de gestin de la calidad, de acuerdo a lo indicado en la norma ISO
9001 son:

1. Enfoque al cliente: las organizaciones dependen de sus clientes, por lo
tanto deben comprender sus necesidades actuales y futuras, satisfacer sus
requisitos y esforzarse en exceder sus expectativas.

2. Liderazgo: los lderes establecen la unidad de propsito y la orientacin de
la organizacin. Deben crear y mantener un ambiente interno, en el cual el
personal pueda llegar a involucrarse en el logro de los objetivos de la
organizacin.

3. Participacin del personal: El personal, a todos los niveles, es la esencia
de la organizacin, y su total compromiso posibilita que sus habilidades
sean usadas para el beneficio de la organizacin.

4. Enfoque basado en procesos: Un resultado deseado se alcanza ms
eficientemente cuando las actividades y los recursos relacionados se
gestionan como un proceso. Ver siguiente captulo para conocer ms sobre
los procesos.

5. Enfoque de sistema para la gestin: identificar, entender y gestionar los
procesos interrelacionados como un sistema, contribuye a la eficacia y
eficiencia de la organizacin en el logro de sus objetivos.

6. Mejora continua: la mejora continua del desempeo global de la
organizacin, debe de ser un objetivo permanente de esta.

7. Enfoque basado en hechos para la toma de decisiones: las decisiones
eficaces se basan en el anlisis de los datos y en la informacin previa.

8. Relaciones mutuamente beneficiosas con el proveedor: una organizacin
y sus proveedores son interdependientes, y una relacin mutuamente
beneficiosa aumenta la capacidad de ambos para crear valor.

2. PRINCIPIOS ESTADSTICOS APLICADOS EN CONTROL DE CALIDAD

2.1. VARIABLES ESTADSTICAS

LA VARIABILIDAD: Cuando se desea mejorar un proceso a fin de elevar la
calidad de un producto se hace necesario buscar informacin que pueda
conducimos al logro del objetivo; implica en consecuencia desarrollar un plan
estratgico que nos conduzca a ese fin. Un plan de mejora de la calidad debe
tomar en cuenta la variabilidad Por qu?

En un proceso interactan factores tales como los materiales, maquinas, mano de
obra, mediciones, medio ambiente y mtodos. Estos 6 elementos determinan de
manera global todo el proceso, y cada uno aporta parte de la variabilidad (y de la
calidad) de los resultados del proceso.

Algunos ejemplos de variabilidad son:

Materiales no idnticos

Personas con diferentes habilidades y entrenamiento.

Desajustes y desgastes de mquinas, etc.

La variabilidad puede observarse incluso bajo condiciones de aparente estabilidad
del proceso.
La Norma ISO 9000 dice:

El uso de tcnicas estadsticas puede ser de ayuda para comprender la
variabilidad y ayudar por lo tanto a las organizaciones a resolver problemas
y a mejorar su eficacia y eficiencia. Asimismo estas tcnicas facilitan una
mejor utilizacin de los datos disponibles para ayudar en la toma de
decisiones

Las tcnicas estadsticas pueden ayudar a medir, describir, analizar,
interpretar y hacer modelos de dicha variabilidad, incluso con una cantidad
relativamente limitada de datos

El anlisis estadstico de dichos datos puede ayudar a proporcionar un
mejor entendimiento de la naturaleza, alcance y causas de la variabilidad,
ayudando as a resolver e incluso prevenir los problemas que podran
derivarse de dicha variabilidad, y a promover la mejora continua.

Estas tcnicas son aplicables en un amplio espectro de actividades, tales
como la investigacin de mercado, el diseo, el desarrollo, la produccin, la
verificacin, la instalacin y el servicio.

Estadstica: es la ciencia en la cual se recolectan, organizan, presentan, analizan
e interpretan datos cuantitativos.

En la Estadstica hay dos fases:

Estadstica Descriptiva: para describir y analizar un sujeto o un grupo.

Estadstica Inductiva (o inferencia estadstica): es la que trata de determinar,
partiendo de una cantidad limitada de datos (la muestra), una conclusin
importante acerca de una cantidad mucho mayor de datos (poblacin).

Variables De Un Proceso

En todo proceso hay variables de entrada y salida:

Variable de Entrada (X): Son las que definen las condiciones de operacin
del proceso, y del valor de ellas depende la eficacia del proceso. Ej.
Temperatura, velocidad, presin, cantidad y/o caractersticas de algn
insumo o material, etc.

Variable de Salida (Y): Son las que reflejan los resultados obtenidos por el
proceso.

A travs de los valores que toman estas variables se evala la eficacia del
proceso. o Por lo general son las caractersticas de la calidad del producto que se
obtienen con el proceso.

Tambin pueden considerarse otras variables que no estn normalmente
controladas pero que influyen en el proceso, entre las cuales tenemos: humedad
relativa del medio ambiente, habilidad de un operario, mtodo de trabajo, etc.

2.2. PROBABILIDAD Y DISTRIBUCIN DE PROBABILIDAD

Es una descripcin del conjunto de los valores posibles de x con la probabilidad
asociada a cada uno de estos valores

Las distribuciones de probabilidad permiten hacer predicciones sobre una
poblacin partiendo de una muestra de observaciones.

Las variables aleatorias son tambin de 2 tipos:

Cualitativas o de atributos: Son aquellas en donde las caractersticas que se
estudian no son numricas. Ej. Tipo de producto. Ensamblado/No ensamblado.
Nombres de los clientes, etc.

Cuantitativas o continuas: Son aquellas cuyas caractersticas pueden registrarse
numricamente. Ej. Peso de un lote. Nmero de productos defectuosos. Nmero
de clientes atendidos, etc.

Las continuas a su vez se clasifican en:

Discretas: Son aquellas que pueden adquirir ciertos valores y casi siempre
hay brechas entre esos valores. Ejemplo No. de Clientes atendidos. No. de
quejas. No. de artculos defectuosos por lote. No. de servicios de
mantenimiento.

Continuas: Son aquellas que pueden tomar cualquier valor dentro de un
intervalo especfico. Las continuas son las que requieren de un instrumento
de precisin para medir, ejemplo: peso, volumen, voltaje, longitud,
resistencia, temperatura, humedad, tiempo, diversas dimensiones, etc. o Ej.
Tiempo en que un cliente es atendido.

Cmo podemos cuantificar estas variables?

Debemos recurrir a los Datos: Los datos que se recolectan para fines de calidad
se obtienen por observacin directa. Por lo general ofrecen una informacin
acerca de cmo est resultando el proceso en un momento determinado.

Reflejan adems una tendencia donde pueden medirse valores que reflejen una
variabilidad que conduzcan a niveles de excelencia en calidad; pero tambin
pueden ofrecer informacin donde la variabilidad no sea precisamente la de los
estndares para el proceso.

Probabilidad y Distribucin de Probabilidad
Es una descripcin del conjunto de los valores posibles de x con la probabilidad
asociada a cada uno de estos valores


Distribuciones discretas y continuas

Las distribuciones discretas son aquellas en las que la variable puede pude tomar
un nmero determinado de valores. Ejemplo: si se lanza una moneda al aire
puede salir cara o cruz; si se tira un dado puede salir un nmero de 1 al 6; en una
ruleta el nmero puede tomar un valor del 1 al 32.

Las distribuciones continuas son aquellas que presentan un nmero infinito de
posibles soluciones. Ejemplo: El peso medio de los alumnos de una clase puede
tomar infinitos valores dentro de cierto intervalo (42,37 kg, 42,3764 kg, 42,
376541kg, etc); la esperanza media de vida de una poblacin (72,5 aos, 7,513
aos, 72, 51234 aos).

Distribuciones discretas

Distribuciones de Bernouilli: Es aquel modelo que sigue un experimento que se
realiza una sola vez y que puede tener dos soluciones: acierto o fracaso:

Cuando es acierto la variable toma el valor 1

Cuando es fracaso la variable toma el valor 0

Ejemplo: Probabilidad de salir cara al lanzar una moneda al aire (sale cara o no
sale); probabilidad de ser admitido en una universidad (o te admiten o no te
admiten); probabilidad de acertar una quiniela (o aciertas o no aciertas)

Distribuciones Binomial: Las distribucin binomial parte de la distribucin de
Bernouilli. La distribucin de Bernouiili se aplica cuando se realiza una sola vez un
experimento que tiene nicamente dos posibles resultados (xito o fracaso), por lo
que la variable slo puede tomar dos valores: el 1 y el 0

La distribucin binomial se aplica cuando se realizan un nmero"n" de veces el
experimento de Bernouiili, siendo cada ensayo independiente del anterior. La
variable puede tomar valores entre:

0: si todos los experimentos han sido fracaso

n: si todos los experimentos han sido xitos

Ejemplo: se tira una moneda 10 veces: cuantas caras salen? Si no ha salido
ninguna la variable toma el valor 0; si han salido dos caras la variable toma el valor
2; si todas han sido cara la variable toma el valor 10

La distribucin de probabilidad de este tipo de distribucin sigue el siguiente
modelo:


Distribucin de Poisson: Las distribucin de Poisson parte de la distribucin
binomial. Cuando en una distribucin binomial se realiza el experimento un
nmero "n" muy elevado de veces y la probabilidad de xito "p" en cada ensayo es
reducida, entonces se aplica el modelo de distribucin de Poisson:

Se tiene que cumplir que:

" p " < 0,10

" p * n " < 10

La distribucin de Poisson sigue el siguiente modelo:


Vamos a explicarla:

El nmero "e" es 2,71828

" l " = n * p (es decir, el nmero de veces " n " que se realiza el experimento
multiplicado por la probabilidad " p " de xito en cada ensayo)

" k " es el nmero de xito cuya probabilidad se est calculando

Distribucin Hipergeomtrica: son experimentos donde, al igual que en la
distribucin binomial, en cada ensayo hay tan slo dos posibles resultados. Pero
se diferencia de la distribucin binomial en que los distintos ensayos son
dependientes entre s:

Ejemplo: Si en una urna con 5 bolas blancas y 3 negras en un primer ensayo saco
una bola blanca, en el segundo ensayo hay una bola blanca menos por lo que las
probabilidades son diferentes (hay dependencia entre los distintos ensayos).

La distribucin hipergeomtrica sigue el siguiente modelo:


Donde:







Vamos a tratar de explicarlo:
N: es el nmero total de bolas en la urna
N1: es el nmero total de bolas blancas
N2: es el nmero total de bolas negras
k: es el nmero de bolas blancas cuya probabilidad se est calculando
n: es el nmero de ensayos que se realiza

Distribuciones continuas

Distribuciones Uniforme: La distribucin uniforme es aquella que puede tomar
cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad. Es
una distribucin continua porque puede tomar cualquier valor y no nicamente un
nmero determinado (como ocurre en las distribuciones discretas).

Ejemplo: el precio medio del litro de gasolina durante el prximo ao se estima
que puede oscilar entre 140 y 160 ptas. Podra ser, por tanto, de 143 ptas., o de
143,4 ptas., o de 143,45 ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades,
todas ellas con la misma probabilidad.

Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene
cada punto del intervalo, viene definida por:



Donde:

b: es el extremo superior (en el ejemplo, 160 ptas.)
a: es el extremo inferior (en el ejemplo, 140 ptas.)

Por lo tanto, la funcin de distribucin del ejemplo sera:



Es decir, que el valor final est entre 140 ptas. y 141 ptas. tiene un 5% de
probabilidad, que est entre 141 y 142, otro 5%, etc.


Distribuciones Normal: Es el modelo de distribucin ms utilizado en la prctica,
ya que multitud de fenmenos se comportan segn una distribucin normal. Esta
distribucin de caracteriza porque los valores se distribuyen formando
una campana de Gauss, en torno a un valor central que coincide con el valor
medio de la distribucin:


Un 50% de los valores estn a la derecha de este valor central y otro 50% a la
izquierda

Esta distribucin viene definida por dos parmetros:

X: N (m, S 2)

m : es el valor medio de la distribucin y es precisamente donde se sita el centro
de la curva (de la campana de Gauss).

S 2 : es la varianza. Indica si los valores estn ms o menos alejados del valor
central: si la varianza es baja los valores estn prximos a la media; si es alta,
entonces los valores estn muy dispersos.

Cuando la media de la distribucin es 0 y la varianza es 1 se denomina "normal
tipificada", y su ventaja reside en que hay tablas donde se recoge la probabilidad
acumulada para cada punto de la curva de esta distribucin.


2.3. FRECUENCIA Y DISTRIBUCIN DE FRECUENCIA

Una distribucin de frecuencias o tabla de frecuencias es una ordenacin en forma
de tabla de los datos estadsticos, asignando a cada dato su frecuencia correspondiente.

Frecuencia absoluta: La frecuencia absoluta es el nmero de veces que aparece
un determinado valor en un estudio estadstico. Se representa por fi.

La suma de las frecuencias absolutas es igual al nmero total de datos, que se
representa por N.



Para indicar resumidamente estas sumas se utiliza la letra griega (sigma
mayscula) que se lee suma o sumatoria.



Frecuencia relativa: La frecuencia relativa es el cociente entre la frecuencia
absoluta de un determinado valor y el nmero total de datos. Se puede expresar
en tantos por ciento y se representa por ni.



La suma de las frecuencias relativas es igual a 1.

Frecuencia acumulada: La frecuencia acumulada es la suma de las frecuencias
absolutas de todos los valores inferiores o iguales al valor considerado. Se
representa por Fi.

Frecuencia relativa acumulada: La frecuencia relativa acumulada es
el cociente entre la frecuencia acumulada de un determinado valor y el nmero
total de datos. Se puede expresar en tantos por ciento.