-CONTROL
ESTADSTICO
DE
LA
CALIDAD
(CEC).
Revisin
a
la
Estadstica
Descriptiva
Ejemplo:
Un
agricultor
tiene
tres
tipos
de
verduras
en
su
huerto,
l
las
divide
de
acuerdo
a
su
clase,
tiene
tres
clases
(lechugas,
zanahorias
y
sandas).
Luego
toma
todas
las
lechugas
y
las
ordena
en
grupos
de
acuerdo
a
su
peso.
Posteriormente
observa
como
el
nmero
de
lechugas
es
mayor
en
los
grupos
de
peso
medio
y
se
van
reduciendo
conforme
son
ms
ligeras
o
ms
pesadas.
Lo
anterior
sucede
con
las
zanahorias
y
sandas.
Cuando
el
agricultor
ordena
las
verduras
por
su
peso,
l
puede
ver
la
tendencia.
Podramos
presentar
los
grupos
de
la
siguiente
manera:
Estas
tendencias
son
las
mismas
para
casi
todas
las
cosas,
pesos,
tamaos,
cuentas
y
alturas.
Debido
a
que
las
cosas
funcionan
normalmente
de
esta
manera,
llamamos
a
esta
tendencia:
Curva
de
Distribucin
Normal
Variacin
anormal
Variacin
anormal
quiere
decir
que
algo
extrao
ha
pasado,
algo
diferente
a
lo
que
comnmente
ocurre.
Cmo
sabemos
si
un
cambio
es
irregular
o
si
la
variacin
es
anormal?
La
variacin
anormal
cambia
la
tendencia
de
que
hablbamos
arriba.
Cambia
la
curva
normal.
Si
las
cosas
son
anormales,
la
tendencia
cambiara
como
lo
muestran
las
siguientes
guras:
Recordemos
Estadstica
Descriptiva
Promedio
o
Media
La
distribucin
normal
tiene
un
promedio
que
se
encuentra
en
el
centro
de
la
curva.
El
promedio
se
dene
a
travs
de
un
clculo
estadstico
exacto.
Media Muestral
x1 + x2 + x3 + xn
X =
n
___
Mediana
o
percentil
50
Medida
de
tendencia
central
que
es
igual
al
valor
que
divide
a
la
mitad
a
los
datos
cuando
estos
son
ordenados
de
menor
a
mayor.
Si
el
nmero
de
datos
es
par
entonces
la
mediana
se
calcula
dividiendo
entre
dos
la
suma
de
los
nmeros
que
estn
en
el
centro
del
ordenamiento.
Por
ejemplo
la
mediana
del
los
grosores
de
cierto
CD
es
de
1.18,
lo
que
quiere
decir
que
el
50%
de
los
grosores
de
los
discos
de
la
muestra
son
menores
o
iguales
a
1.18
y
que
el
otro
50%
son
mayores
o
iguales
a
1.18
Moda
Medida
de
tendencia
central
que
es
igual
al
dato
que
ocurri
ms
nmero
de
veces
Cuantiles
Percentiles:
Medida
de
Localizacin
que
proporciona
puntos
o
valores
que
separan
p
P=
(n +1)
100
Cuartiles
Son
iguales
a
los
percentiles
25,50y
75
sirven
para
separar
por
magnitud
la
distribucin
de
unos
datos
en
4
grupos
Q1 = 0.25(n +1)
Q2 = 0.50(n +1)
Q3 = 0.75(n +1)
Deciles
Sirven
para
separar
por
magnitud
la
distribucin
de
unos
datos
en
10
grupos.
Son
iguales
a
los
percentiles
10,
20
,
30
,
40,
50
,
60
,70,
80,
90.
Las
posiciones
de
los
deciles
se
calculan
de
acuerdo
a
la
siguientes
ecuacines
donde
n
es
la
cantidad
de
datos
de
la
muestra.
Q1 = 0.10(n +1)
Q2 = 0.20(n +1)
Q3 = 0.30(n +1)
Q4 = 0.40(n +1)
Q5 = 0.50(n +1)
Q6 = 0.60(n +1)
Q7 = 0.70(n +1)
Q8 = 0.80(n +1)
Q9 = 0.90(n +1)
Medidas
de
Dispersin
o
Variabilidad
Desviacin
estndar
muestral
Es
la
medida
mas
usual
de
variabilidad.
Mide
que
tan
esparcidos
estn
los
datos
respectos
a
la
media.
2
S=
( x X) + ( x
1
X ) + ( x3 X ) + ... + ( xn X )
n 1
( x1 )
+ ( x2 ) + ( x3 ) + ....( xN )
N
Rango
(R)
El
rango
es
la
diferencia
que
existe
entre
el
nmero
mayor
y
el
menor
de
una
muestra
de
medidas.
Para
calcular
el
rango
tomamos
el
nmero
menor
en
la
muestra
y
se
lo
restamos
al
mayor
en
esta
muestra.
R = VmaxVmin
Coeciente de variacin
S
CV = (100)
X
X 2S
X + 2S
Estn
por
lo
menos
el
89%
de
los
datos
de
la
muestra.
X 3S
X + 3S
Regla
Emprica
En
cuanto
a
la
regla
emprica
arma
que
muchos
de
los
datos
que
surgen
en
a
prctica
se
ha
observado
por
la
experiencia
que:
X S 68%
X 2 S 95%
X 3S 99.7%
Lmites
Reales
Los
lmites
reales
o
naturales
de
un
proceso
indican
los
puntos
donde
vara
la
salida
de
un
proceso
y
se
obtienen
de
la
siguiente
manera:
LRI = 3
LRS = + 3
Diagramas Grcos
Histograma
Diagrama
Hoja
y
Tallo
Diagrama
de
puntos
Diagrama
de
Caja
Histogramas
El
objetivo
de
la
herramienta
es
identicar,
por
medio
de
grcas,
la
frecuencia
con
que
se
presentan
situaciones
o
datos
para
su
mayor
entendimiento
y
comprensin.
Metodologa
Histograma
La
elaboracin
de
un
histograma
(o
histograma
de
frecuencias
como
tambin
se
les
llama)
es
un
proceso
que
comienza
con:
a)
El
ordenamiento
de
los
datos
que
tenemos,
los
podemos
ordenar
de
menor
a
mayor.
b)
Luego
se
obtiene
el
rango
de
los
nmeros,
como
ya
sabemos,
esto
se
hace
restando
el
dato
del
valor
ms
pequeo
al
dato
ms
grande.
c)
Una
vez
que
se
tiene
el
rango
entonces
se
debe
decidir
en
cuntos
intervalos
se
clasicarn
los
datos,
el
nmero
de
intervalos
recomendado
es
entre
5
y
20.
A
continuacin
se
presenta
una
tabla
que
nos
puede
guiar
en
la
seleccin
del
nmero
de
intervalos
segn
la
cantidad
de
datos
que
tenemos:
Otra
metodologa
es
obtener
la
raz
cuadrada
de
la
cantidad
de
datos,
y
redondear
la
cantidad
de
intervalos.
AC =
R
I
Ejemplo Histograma:
Diagrama
de
Puntos
El
diagrama
de
puntos
es
un
graco
que
se
puede
usar
para
tener
una
impresin
aproximada
de
la
forma
de
la
muestra.
Es
til
cuando
el
tamao
de
la
muestra
no
es
demasiado
grande
y
cuando
la
muestra
tiene
algunos
valores
repetidos.
Diagrama
de
Caja
Un
diagrama
de
caja
constituye
una
graca
que
incluye
la
mediana,
el
primero
y
el
tercer
cuartil
y
cualquier
dato
atpico
que
se
presente
el
al
muestra.
Los
diagrama
de
caja
son
fciles
de
comprender,
pero
hay
una
pequea
terminologa
asociada
con
ella.
El
rango
intercuartil
es
la
diferencia
entre
el
tercer
y
el
primer
cuartil.
Debido
a
que
75%
de
los
datos
son
menores
que
el
tercer
cuartil
y
que
25%
de
los
datos
son
menos
que
el
primer
cuartil.
Por
tanto
el
rango
intercuartil
representa
la
distancia
necesaria
para
atravesar
la
mitad
de
los
datos
de
en
medio.
2.
3.
4.
5.
6.
7.
8.
ndices
de
Capacidad
Capacidad
en
el
Proceso
Cp
ES EI
Cp =
6
Cp
2
Clase
Mundial
(Calidad
6)
Cp>1.33
Clase
1
(Adecuado)
1<Cp<1.33
Clase
2
(Parcialmente
Adecuado)
0.67<Cp<1
Clase
3
(No
adecuado
para
el
trabajo.
Reestructurar)
Cp<0.67
Clase
4
No
adecuado
Clase&o&Categora&del&Proceso&
Decisin&
Cp>2&
Clase&mundial&
Se&tiene&calidad&Seis&Sigma&
&
&
Cp&>&1.33&
1&
Adecuado&
1&<&Cp&<&1.33&
2&
Parcialmente&adecuado.&Requiere&de&un&
control&estricto&
0.67&<&Cp&<&1&
3&
Cp&<&0.67&
4&
No&adecuado¶&el&trabajo.&Un&anlisis&
del&proceso&es&necesario,&Requiere&de&
modificaciones&serias¶&alcanzar&una&
calidad&satisfactoria&
No&adecuado¶&el&trabajo&.&Requiere&
modificaciones&serias&
PPMs
Valor&del&&
Proceso&doble&especificacin&&
(ndice&Cp)&&
Con&referencia&a&una&sola&especificacin&
(Cpi&,&Cps&y&Cpk)&
ndice&
%&fuera&de&especificaciones&
Partes&por&milln&fuera&
0.2&
54.8506%&
548506.130&
27.4253%&
274253.065&
0.3&
&
0.4&
&
0.5&
&
0.6&
&
0.7&
&
0.8&
&
0.9&
&
1.0&
&
1.1&
&
1.2&
&
1.3&
&
1.4&
&
1.5&
&
1.6&
&
1.7&
&
1.8&
&
1.9&
&
2.0&
&&
&&
&&
36.8120%&
&
23.0139%&
&
13.3614%&
&
7.1861%&
&
3.5729%&
&
1&.6395%&
&
0.6934%&
&
0.2700%&
&
0.0967%&
368120.183&
&
230139.463&
&
133614.458&
&
71&860.531&
&
35728.715&
&
16395.058&
&
6&934.046&
&
2&699.934&
&
966.965&
&
318.291&
&
96.231&
&
26.708&
&
6.802&
&
1.589&
&
0.340&
&
0.067&
&
0.012&
&
0.002&
&
18.4060%&
&
1&1&.5070%&
&
6.6807%&
&
3.5930%&
&
1&.7864%&
&
0.8198%&
&
0.3467%&
&
0.1350%&
&
0.0483%&
&
0.0159%&
&
0.0048%&
&
0.0013%&
&
0.0003%&
&
0.0001%&
&
0.0000%&
&
0.0000%&
&
0.0000%&
&
0.0000%&
&&
1&84&060.092&
&
115069.732&
&
66&807.229&
&
35&930.266&
&
17864.357&
&
8197.529&
&
3467.023&
&
1&349.967&
&
483.483&
&
159.146&
&
48.116&
&
13.354&
&
3.401&
&
0.794&
&
0.170&
&
0.033&
&
0.006&
&
0.00&
&&
0.0318%&
&
0.0096%&
&
0.0027%&
&
0.0007%&
&
0.0002%&
&
0.0000%&
&
0.0000%&
&
0.0000%&
&
0.0000%&
&&
%&fuera&de&especificaciones&
Partes&por&milln&fuera&
Cpi
y
Cps
Cpi
:
Indica
si
el
proceso
cumple
con
la
especicacin
inferior
de
una
caracterstica
de
calidad.
EI
C pi =
3
C ps
ES
=
3
Cpk
Cr
6
Cr =
ES EI
K =
N
1
(ES EI )
100
Z
Z
:
Mide
el
numero
de
sigmas
con
el
que
se
desempea
el
proceso.
La
meta
es
tener
6
Zs =
Zi =
ES
= 3C ps
EI
= 3C pi
Cpm
Cpm
:
ndice
de
Taguchi
similar
al
Cpk
que
toma
en
cuenta
en
forma
simultanea
el
centrado
y
la
variabilidad
del
proceso
ES EI
Cpm =
6
+ ( N )
CARTAS DE CONTROL
Variacin de W
Lnea Central
Tiempo
1.
2.
3.
4.
X
(de
promedios)
R
(de
Rangos)
S
(De
desviaciones
estndar)
X
(Medidas
individuales
1.
2.
3.
4.
VARIABLES
MEDIAS (GRUPO)
ATRIBUTOS
LCS = X + A2 R
Cuando
la
caracterstica
a
controlar
dene
p(1 p)
si
una
pieza
es
aceptada
o
LSC = p + 3 n
p(1 p)
rechazada
y
lo
que
puede
LIC = p 3
n
controlarse
es
el
porcentaje
defectuoso,
se
puede
usar
una
grca
P.
CARTAS
DE
CONTROL
LneaCentral = X
LIC = X A2 R
RANGOS
LCS = RD4
Lnea Central = R
S
(1 c4 )
c4
LCS = S + 3
LC = S
LCI = S 3
INDIVIDUALES
LCI = RD3
DESVIACION
ESTANDAR
S
(1 c4 )
c4
# R &
LCI = X 3%
(
$1.128 '
Linea Central = X
# R &
LCsS = X + 3%
(
$1.128 '
NP
LCS = n p + 3 n p 1 p
Lnea Central = n p
LCI = n p 3 n p 1 p
LCS = c + 3 c
LC = c
LCI = c 3 c
u=
Total de defectos
Total de artculos inspeccionados
LCS = u + 3
u
n
LC = u
LCI = u 3
u
n
INFERENCIA ESTADISTICA
ESTADSTICA
INFERENCIAL
La
estadstica
inferencial
es
cuando
de
los
datos
estadsticos
obtenidos
de
una
muestra
se
inere
o
se
deduce
una
observacin
la
cul
se
generaliza
sobre
la
poblacin
en
total.
Para
determinar
la
conabilidad
de
la
inferencia
de
los
datos
estadsticos
de
una
muestra,
se
hace
necesario
comprobar
la
misma
para
poder
asegurar
que
lo
que
se
observa
en
una
muestra
se
observar
tambin
en
la
poblacin.
Por
lo
tanto,
esto
requiere
utilizar
tcnicas,
cmputos
y
anlisis
estadsticos
ms
avanzados
con
los
datos
estadsticos
obtenidos
de
la
muestra
para
as
conrmar
la
veracidad
de
las
inferencias
que
se
haga
sobre
la
respectiva
poblacin
a
que
corresponde
la
muestra.
Generalmente
el
anlisis
estadstico
inferencial
se
lleva
cabo
para
mostrar
relaciones
de
causa
y
efecto,
as
como
para
probar
hiptesis
y
teoras
cientcas.
T de Student
Ji Cuadrada
Normal
Tipos
de
Muestra
MUESTRA
-
la
muestra
es
un
subconjunto
elmente
representativo
de
la
poblacin.
Hay
diferentes
tipos
de
muestreo.
El
tipo
de
muestra
que
se
seleccione
depender
de
la
calidad
y
cun
representativo
se
quiera
sea
el
estudio
de
la
poblacin.
ALEATORIA
-
cuando
se
selecciona
al
azar
y
cada
miembro
tiene
igual
oportunidad
de
ser
incluido.
ESTRATIFICADA
-
cuando
se
subdivide
en
estratos
o
subgrupos
segn
las
variables
o
caractersticas
que
se
pretenden
investigar.
Cada
estrato
debe
corresponder
proporcionalmente
a
la
poblacin.
SISTEMTICA
-
cuando
se
establece
un
patrn
o
criterio
al
seleccionar
la
muestra.
Ejemplo:
se
entrevistar
una
familia
por
cada
diez
que
se
detecten.
ESTIMADORES PUNTUALES
X =
2
2
S =
INTERVALOS DE CONFIANZA
PRUEBAS DE HIPOTESIS
to =
Sp2 =
X Y
#1 & #1 &
Sp % ( + % (
$ nx ' $ ny '
( nx 1) Sx 2 + ( ny 1) Sy 2
nx + ny 2
COMPARACION DE 2 MAQUINAS
to =
Sp2 =
X Y
#1 & #1 &
Sp % ( + % (
$ nx ' $ ny '
( nx 1) Sx 2 + ( ny 1) Sy 2
nx + ny 2