3.

-CONTROL ESTADSTICO DE LA
CALIDAD (CEC).

Revisin a la Estadstica Descriptiva

3.1 Revisin a la Estadstica

Descriptiva
A la mayora de la gente no le gusta la estadstica.
Probablemente usted tampoco. Quizs cree que no
es importante y que es aburrida, o tal vez difcil.

Pero todo el mundo usamos la estadstica cada da. La
usamos en casa o cuando nos divertimos.

El uso de la estadstica puede ahorrarnos mucho
dinero. Cuando compra algo, necesita la estadstica.

Por ejemplo, quiere comprar una casa, necesita
averiguar el precio promedio de las casas del rea.

El precio promedio es estadstica

Esta informacin le ayudar a saber cunto debe
pagar. Cuando compramos alimentos enlatados, se
ja en los precios de diferentes marcas. Al comparar
las diferentes marcas, est usando la estadstica.

La estadstica se usa comnmente en los

deportes.

Por ejemplo el ftbol:

Podemos obtener estadstica de:

Los puntajes de partidos ganados o perdidos
El promedio de goles por partido, etc.

Sin la estadstica no se puede saber cul es el
mejor equipo o los mejores jugadores.

Estos ejemplos nos ayudan a ver que

necesitamos la estadstica en todas las
situaciones. Y si podemos usarla todo el
tiempo, es lgico que podemos usarla en
nuestro trabajo. La estadstica nos ayuda
a mejorar la calidad y rendir ms.

"Esto sabe a pollo

Son gemelos"

Todos los chcharos son iguales "

Ha escuchado estas frases
anteriormente? Estas frases dicen que dos
cosas son parecidas. En la vida real, no
existen dos cosas que sean exactamente
iguales. No existen dos cosas que sepan
igual.

As como no existen dos personas que
sean iguales.

Si por ejemplo observramos los "chcharos de

una vaina", le pareceran iguales, pero son
diferentes. Uno puede ser un milmetro ms
grande que el otro. Uno puede estar ms
arrugado que el otro. Podramos citar miles de
diferencias. Las diferencias pueden ser muy
pequeas, pero esto hace que las cosas no sean
iguales.

Los gemelos son diferentes. Nosotros los
vemos como iguales, pero son diferentes, su
dentista puede distinguirlos, sus padres
tambin. El departamento de huellas digitales
tambin puede distinguirlos.

A esto se le llama variacin

Para evaluar dicha variacin

podemos apoyarnos del:

CONTROL ESTADSTICO DE PROCESO

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

Medidas de Tendencia Central

Con las mediciones de una caracterstica de calidad, el primer aspecto
para investigar si el proceso cumple con las especicaciones es conocer
la tendencia central de los datos, para as saber si el proceso esta
centrado, es decir saber si la tendencia central de la variable de salida es
igual o esta muy prxima al valor especicado.

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.

El promedio es un clculo sumamente til en estadstica.

Lo ms importante en el uso del promedio es la simplicacin de un grupo
de nmeros en uno solo.

EL PROMEDIO NOS DICE LO QUE CADA RESULTADO SERA SI TODOS
LOS DATOS FUERAN IGUALES

Media Muestral

x1 + x2 + x3 + xn
X =
n

___

MEDIA DEL PROCESO

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

Son sucientes las medidas

de tendencia central como
criterio de calidad?

Por qu?

Estas medidas son insucientes como criterio de
calidad ya que no nos dan idea de que tan
dispersos son los datos.

Cuantiles
Percentiles: Medida de Localizacin que proporciona puntos o valores que separan

los datos por su magnitud en porcentajes.

La ecuacin para obtener cualquier percentil esta descrita de la siguiente manera.

Donde P es el percentil i-simo, p es el percentil deseado dado en porcentajes y n es
el tamao de la muestra.

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

Desviacin estndar del

proceso
Reeja la variabilidad de un proceso. Para su calculo se

debe utilizar un nmero grande de datos que hayan sido

obtenidos en un lapso amplio de tiempo (por lo menos
una semana). Se denota con la letra griega sigma .

( 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

Importancia del Rango:

Si no sabe nadar, puede entrar en un lago que tiene una profundidad promedio de 65 cm?
Probablemente va a decir, "S", pero, aunque el promedio sea 65 cm, quizs se ahogue. La razn es: si el agua tiene
una profundidad de 65 cm, es posible que el rango de profundidades vare de 2 cm a 1200 cm. El hecho de que la
profundidad tenga un promedio de solamente 65 cm no signica que el lago entero tiene una profundidad de 65 cm
pareja.

Coeciente de variacin

Medida de variabilidad que se obtiene al dividir la desviacin estndar entre la

media y es til para comparar la variacin de dos o ms variables que estn
medidas en diversas escalas.

S
CV = (100)
X

Relacin entre la media y la desviacin

estndar

Una forma de apreciar ms claramente el signicado de la

desviacin estndar como medida de dispersin en torno a

la media, es a travs de la relacin entre la media y la
desviacin estndar la cul esta dada por la desigualdad de
Chebyshev y la regla emprica. Dos hechos particulares de
la desigualdad de Chebyshev es que entre:
Estn por lo menos el 75% de los datos de la muestra, y que entre:

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

Los diagramas grcos son la representacin de

los datos en forma de diversos diagramas tales
como:

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.

d) Calcular el ancho de clase, y esto se hace dividiendo el rango entre el nmero de

intervalos que seleccionamos, si el nmero da fraccionario entonces lo
redondearemos a la cantidad

AC =

R
I

e) Calcular el valor inferior de el primer intervalo, que se hace tomando el dato ms

pequeo y restndole a este la mitad de la unidad mnima de medicin; esto es si el
dato ms pequeo es 200 centmetros, entonces, como la unidad de medicin ms
pequea que se utiliza es el centmetro, se divide un centmetro entre dos lo que da
0.5 centmetros, entonces el lmite inferior de el primer intervalo ser 200 - 0.5
=199.5 centmetros.
f) Determinar los lmites de los intervalos, y esto se hace sumando el lmite inferior
del primer intervalo ms el ancho de clase y se obtendr el lmite superior del primer
intervalo, luego este ltimo se convertir en el lmite inferior del segundo intervalo,
y a este se le vuelve a sumar el ancho de clase para obtener el lmite superior del
segundo intervalo; y as sucesivamente hasta llegar al ltimo intervalo donde su
lmite superior debe de ser mayor al dato ms grande que se tiene en la lista de
datos, de no ser as, redondear este lmite para que sea un poco superior al dato
ms grande, al igual se puede sumar la mitad de la unidad mnima de medicin.

g) Tabla de conteo . La tabla de conteo de hara de la siguiente manera:

El histograma, en el cual se va a tener una recta horizontal en la parte inferior,
donde se encuentran los valores de las clases y otra recta vertical, en donde se
referenciar la frecuencia de cada clase
h) Para obtener ms informacin puede aproximar el histograma a una curva, y
esto se hace trazando una lnea desde el punto donde se cruzan los ejes hasta la
mitad de la parte superior de la primera barra, a continuacin se siguen trazando
lneas entre las mitades de las partes superiores de las barras hasta trazar la lnea
de la ltima barra, esta se termina en el eje horizontal.
Con esto se puede comparar los resultados del histograma con la curva normal.

Ejemplo Histograma:

Diagrama Hoja y Tallo (Stem-and-Leaf Diagram)

Es una manera muy simple de
resumir un conjunto de datos y
tambin dene la forma que tienen
los datos. El procedimiento se trata
de dividir los datos en dos partes:
un tallo que consta de uno o dos
dgitos que estn en el extremo
izquierdo y la hoja que consta del
siguiente dgito signicativo.
Cada rengln del diagrama de
tallos y hoja contiene todos los
elementos de la muestra con un
tallo dado.
A continuacin se presenta el
diagrama Hoja y Tallo para el
ejemplo1:

Ejemplo Diagrama de Hoja Y Tallo

Tallo

Hoja
4

2
4

59
5

0111133
5

5566786
0
6

67789
7

012334
7

555556666699
8

000012223444
8

56668
9

013

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.

Pasos para elaborar un diagrama de caja:

1.

Calcule la mediana, el primer y tercer cuartil

de la muestra (Q1, Q2 y Q3).

2.

Indique estos con lneas horizontales.

3.

Dibuje lneas verticales para completar la

caja.

4.

Obtenga el Rango Intercuartil (IQR).

5.

Encuentre el valor de la muestra mas grande

que no este a mas de 1.5 IQR arriba del
tercer cuartil y el valor de la muestra mas
pequea que no este a mas de 1.5 IQR
debajo del primer cuartil.

6.

Extienda lneas verticales (bigotes) desde

las lneas de los cuartiles a estos puntos.

7.

Puntos mas de 1.5 IQR arriba del tercer

cuartil o a mas de de 1.5 IQR por debajo del
primer cuartil, se denominan datos atpicos.

8.

Dibuje cada tipo atpico por separado.

ndices de Capacidad
Capacidad en el Proceso

Cp

Cp : Compara el ancho de las especicaciones o variacin tolerada para el proceso

con la amplitud de la variacin real del proceso e indica la capacidad potencial

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

Interpretacin del ndice Cp

Valor&Cp&

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&para&el&trabajo.&Un&anlisis&
del&proceso&es&necesario,&Requiere&de&
modificaciones&serias&para&alcanzar&una&
calidad&satisfactoria&
No&adecuado&para&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.

Cps : Mide la manera en que el proceso cumple con la

especicacin superior de una de las variables de salida

EI
C pi =
3

C ps

ES
=
3

Cpk

Cpk : Evala la capacidad real de un proceso, tomando en cuenta dos especicaciones,

la variacin y el centrado del proceso

C pk = Min (Cpi , Cps )

Cr

Cr : Es la comparacin entre la variacin real y la tolerancia. Representa la proporcin

de la banda de especicaciones que es cubierto por el proceso

6
Cr =
ES EI

K : Es una medida especializada para evaluar el centrado en trminos relativos y

porcentuales

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

Lmite de Control Superior

Variacin de W

Es una grca que

sirve para observar
y analizar con datos
estadsticos la
variabilidad y el
comportamiento
de un proceso a
travs del tiempo.

Lnea Central

Lmite de Control Inferior

Tiempo

Cartas de Control de Shewart

LCI=w-3
LCS=w+3
Hay dos formas de entender la variabilidad del proceso:

la variabilidad e inherente en un tiempo especco que se puede como una foto
instantnea de la variabilidad
la variabilidad a travs del tiempo

Para mejorar procesos se requieren 3

actividades:
1. Estabilizar los procesos (lograr control estadstico), mediante la
identicacin de causas especiales
2. Mejorar el procesos del mismo , reduciendo la variacin debida a causas
comunes
3. Monitorear el proceso para asegurar que las mejoras se mantiene y detectar
opciones adicionales de mejora.

CARTAS DE CONTROL PARA VARIABLES

1.
2.
3.
4.

X (de promedios)
R (de Rangos)
S (De desviaciones estndar)
X (Medidas individuales

CARTAS DE CONTROL PARA ATRIBUTOS

1.
2.
3.
4.

p (proporcin de artculos defectuosos)

np (numero de unidades defectuosas)
c (nmero de defectos)
u (numero de defectos por unidad)

VARIABLES

MEDIAS (GRUPO)

Diagrama para variables que se aplican a

procesos, en donde en forma peridica
se obtiene una muestra o subgrupo de
X
productos, se mide y se calcula la media

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

Es un diagrama para variables de tipo

continuo que se aplica a procesos lentos
y/o donde hay un espacio largo de tiempo
entre una medicin y otra.

LCI = RD3

DESVIACION
ESTANDAR

Nmero de articulos defectuosos en el subgrupo

Nmero de artculos en el subgrupo
# total de artculos defectuosos
p = Lnea central de la grfica =
Total artculos inspeccionados
p = Cada punto de la grfica =

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

Diagrama que analiza el nmero

de defectuosos por subgrupo;
se aplica cundo el subgrupo es
constante

Lnea Central = n p

LCI = n p 3 n p 1 p

Es una grca para el nmero defectos

por unidad inspeccionada.

Requiere de un tamao de muestra constante.
En algunos casos podemos encontrar un artculo
con uno, dos o ms defectos.

LCS = c + 3 c
LC = c
LCI = c 3 c

Esta es cuando el tamao del

subgrupo no es constante y
analiza la variacin del nmero
promedio de defectos por artculo
o unidad.

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.

Aplicacin de distribuciones Normal, Ji

Cuadrada , T y F

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.

Estimacin Puntual y por Intervalos de

Conanza (Media , Varianza y proporcin)

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