ILM 271: Fundamentos de la Calidad

UNIDAD TEMATICA 3: Elementos de Estadstica Descriptiva Capacidad de procesos I

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 1

Tendencia central Dispersin

Medidas

Forma Localizacin Histograma y tablas de frecuencia

Estadstica Descriptiva
Distribucin

Parmetros Lmites reales Diagrama de caja

Contenidos
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 2

Entradas
Mtodos Materiales Medio ambiente Mano obra Mquina Mediciones

Salidas

Proceso
f(X) X Y
VN

Las variables de salida o de respuesta de un proceso deben cumplir ciertas metas o especificaciones. Una tarea primordial del control de la calidad es conocer la capacidad o habilidad del proceso para cumplir con esa especificacin, es decir:
Determinar la amplitud de la variacin natural del proceso para una caracterstica de calidad dada.

Capacidad de un proceso
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 3

Para realizar un estudio de capacidad se toman datos del proceso durante un perodo considerable, para que se refleje bien el desempeo del proceso para una caracterstica dada. Esto permitir saber en qu medida tal caracterstica de calidad es satisfactoria. Las tcnicas de la estadstica descriptiva son de gran utilidad para entender mejor el desempeo del proceso.

Capacidad de un proceso
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 4

El primer aspecto a investigar para determinar la capacidad del proceso consiste en conocer la tendencia central de los datos, es decir, identificar el valor en torno al cual los datos tienden a aglomerarse o concentrarse. Esto permitir saber si el proceso est centrado; es decir, si la tendencia central de la variable de salida es igual o est muy prxima a un valor nominal deseado.

Medidas de tendencia central

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 5

Media muestral
Para las observaciones numricas de una muestra, la medida ms usual de su tendencia central es proporcionada por la media (o promedio) muestral, que es igual a la media aritmtica de todos los datos:

x1 + x2 + x3 + K + xn X= = n

xi i =1 n

Media muestral y poblacional

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 6

Media poblacional o del proceso, Si para calcular la media se utilizan todos los elementos de la poblacin (todos los posibles individuos, especmenes o medidas de inters sobre los que se hace el estudio), entonces el promedio calculado es la media poblacional (o media del proceso).

=
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad

xi i =1

Media muestral y poblacional

7

Importante destacar: La media del proceso es igual a cierto valor, aunque no siempre se conoce; mientras que el valor de se obtiene para cada muestra y es diferente (variable) de una muestra a otra, ya que su valor depende de las piezas que se seleccionan ( es una variable aleatoria).

Media muestral y poblacional

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 8

Importante destacar: Es preciso tener cuidado con las afirmaciones que se hacen sobre la media del proceso o poblacin basadas en . Lo que se observa en los estadsticos muestrales acerca del comportamiento de los datos, es vlido para la muestra,
en la medida que sta sea representativa y grande, tambin tendr cierto grado de aproximacin para todo el proceso.
(es necesario utilizar tcnicas estadsticas para evaluar lo que significan en todo el proceso).

Media muestral y poblacional

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 9

La mediana , es otra medida de tendencia central que es igual al valor que divide a la mitad a los datos cuando son ordenados de menor a mayor. Para calcular la mediana:
Cuando el nmero de datos es impar, estos se ordenan de manera creciente y el que quede en medio de dicho ordenamiento, ser la mediana. Cuando el nmero de datos es par, estos se ordenan de manera creciente y la mediana se calcula dividiendo entre dos la suma de los datos que estn en el centro del ordenamiento.

Mediana o percentil 50
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 10

La moda es otra forma de medir la tendencia central de un conjunto de datos, es igual al dato que se repite ms veces.
Si varios datos tienen la frecuencia ms grande, entonces cada uno de ellos es una moda y se dice que el conjunto de datos es multimodal.

Moda
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 11

Debido a que la media es la medida de tendencia central ms usual, en ocasiones se cometen los siguientes errores:
Confundir el concepto de media con el de mediana y moda respectivamente. No tener en cuenta el efecto de los datos atpicos sobre las medidas.

La media es afectada por los datos extremos o atpicos, la mediana no se ve afectada (ni cuando la muestra es sesgada).

Consideraciones sobre las medidas de tendencia central

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 12

Las medidas de tendencia central no son suficientes como criterios de calidad de un proceso. La media, mediana y moda, no toman en cuenta qu tan dispersos estn los datos, un hecho vital para evaluar la calidad del proceso.
La variabilidad es importante para evaluar la estabilidad del proceso, por lo tanto, se requieren medidas adecuadas para conocer este comportamiento.

Consideraciones sobre las medidas de tendencia central

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 13

Otro elemento vital en el estudio de capacidad de un proceso es determinar su variabilidad o dispersin, es decir, qu tan diferentes son los datos entre si. Las medidas ms comunes para determinar variabilidad son las siguientes:
Desviacin estndar (muestral y poblacional) Rango o recorrido Coeficiente de variacin Lmites reales o naturales

Medidas de dispersin o variabilidad

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 14

La Desviacin estndar muestral es la medida ms usual de variabilidad e indica qu tan esparcidos estn los datos con respecto a la media.
Se denota por la letra S y se calcula mediante la siguiente expresin:

S= S=

(x x )
n 1
2

n ( x ) ( x ) n(n 1)

Desviacin estndar muestral

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 15

La Desviacin estndar muestral S mide la distancia que en promedio hay entre los datos y la media;
Entre ms grande el valor de S, habr mayor variabilidad en los datos; Es expresada en las mismas unidades que los datos; No muestra la magnitud de los datos, slo refleja lo retirados que estn de la media; Al igual que la media, es afectada por los datos atpicos.

Consideraciones sobre la Desviacin estndar muestral

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 16

Si para calcular la desviacin estndar se emplean todos los individuas de la poblacin o proceso, entonces se obtiene la desviacin estndar poblacional y se denota por la letra griega sigma ()
Se calcula mediante la siguiente expresin:

(x )

Desviacin estndar poblacional o del proceso,

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 17

El significado de la desviacin estndar como medida de dispersin con respecto a la media, se puede entender a travs de:
Desigualdad de Chebyshev Regla emprica En general, la desigualdad de Chebyshev afirma que, al menos 2

(1 1 k )100 de los datos estn entre (X-kS ) y ( X + kS )

Interpretacin de la desviacin estndar

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 18

Es decir, la desigualdad de Chebyshev afirma que, entre (X 2S ) estn por lo menos el 75% de los datos de la muestra y entre (X 3S ) estn por lo menos el 89% de stos. Por su parte, la regla emprica, se afirma que en muchos de los datos que surgen en la prctica se ha observado por la experiencia que: entre ( X 1S ) est el 68% de los datos de la muestra y

(X 2S ) est el 95% de los datos de la muestra y entre ( X 3S ) est el 99,7% de stos.

entre

Interpretacin de la desviacin estndar

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 19

Otra medida de dispersin es el rango o recorrido, R, que es igual a la diferencia entre el dato mayor y el menor de un conjunto de datos. El rango mide la amplitud de la variacin del grupo de datos y es independiente de la magnitud de los datos.

Rango o recorrido, R
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 20

El coeficiente de variacin, CV, es una medida de variacin que es relativa a la magnitud de los datos. CV es igual a la magnitud relativa de la desviacin estndar en relacin a la media de los datos.

s CV = (100 ); CV = (100 ) x
CV es til para comparar la variacin de dos o ms variables que estn medidas en diferentes escalas o unidades de medicin.

Coeficiente de variacin, CV
Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 21

CV es til para comparar la variacin de dos o ms variables que estn medidas en diferentes escalas o unidades de medicin. Suele interpretarse como una medicin en trminos porcentuales de la variacin de una variable.

Consideraciones sobre el Coeficiente de variacin, CV

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 22

Los lmites reales o naturales de un proceso, indican las magnitudes entre las cuales vara la salida de un proceso. Se obtienen de la siguiente manera:

(LRI ) = 3 Lmite real Superior (LRS ) = + 3

Lmite real Inferior El clculo de estos lmites est inspirado en la regla emprica, que a su vez coincide con la propiedad de la distribucin normal.

Lmites reales o naturales

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 23

El histograma y la tabla de frecuencia permiten visualizar, en forma conjunta, la tendencia central y la dispersin de un conjunto de datos. Adems, muestran la forma en que los datos se distribuyen dentro del rango de variacin.

Histograma y tabla de frecuencia

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 24

La tabla de frecuencia es una lista de valores de datos (ya sea de manera individual o por grupos de intervalos o clases), junto con sus frecuencia (absoluta o conteos) correspondientes.
Clase [gr] 0 - 99 100 199 200 299 300 399 400 499 Frecuencia 11 12 14 1 2

Histograma y tabla de frecuencia

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 25

El histograma es una representacin grfica, en forma de barras, de la distribucin de frecuencias de una variable,
donde los datos se clasifican por su magnitud en cierto nmero de clases, representadas por una barra, cuya longitud es proporcional a la frecuencia de los valores representados.
Frecuencia

16 14 12 10 8 6 4 2 0
0 - 99 100 - 199 200 - 299 300 - 399 400 - 499

Pesos [gr]

Histograma y tabla de frecuencia

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 26

Clases: son los grupos de intervalos que se usan para organizar o resumir los datos. Numero de clases: es la cantidad de intervalos en que se divide el rango de variacin. Se recomienda de 5 a 15. (app. igual a la raz cuadrada del nmero de datos). Los lmites de clase inferiores: son las cifras ms pequeas que pueden pertenecer a las diferentes clases. Los lmites de clase superiores: son las cifras ms grandes que pueden pertenecer a las diferentes clases.

Elementos importantes en una distribucin de frecuencia

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 27

Las fronteras de clase: son las cifras utilizadas para separar las clases, aunque sin los espacios creados por los lmites de clase. Se obtienen de la siguiente manera:
Se determina el tamao del espacio entre el lmite de clase superior de una clase y el lmite de clase inferior de la siguiente. Se suma la mitad de esa cantidad a cada lmite de clase superior, para obtener las fronteras de clase superiores; se resta la mitad de esa cantidad de cada lmite de clase inferior, para obtener las fronteras de clase inferiores.

Elementos importantes en una distribucin de frecuencia

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 28

Las marcas de clase: son los puntos medios de las clases. Cada marca de clase se calcula sumando el lmite de clase inferior con el lmite de clase superior y dividiendo la suma entre dos. La anchura de clase: es la diferencia entre dos lmites de clase inferiores consecutivos o dos fronteras de clase inferiores consecutivas.

Elementos importantes en una distribucin de frecuencia

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 29

Las definiciones de anchura de clase y frontera de clase son engaosas.

Hay que tener cuidado para evitar el error comn de considerar la anchura de clase como la diferencia entre el lmite de clase inferior y el lmite de clase superior.

El proceso para determinar las fronteras de clase se simplifica si se comprende que stas bsicamente llenan los espacios entre clases al dividir en dos la diferencia entre el final de una clase y el inicio de la siguiente.

Elementos importantes en una distribucin de frecuencia

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 30

Debemos tener claro que el nfasis est en la interpretacin de las herramientas que proporciona la estadstica descriptiva.
Estadsticos Histograma Diagrama de caja

No perder de vista que el propsito es la evaluacin de la calidad del proceso, (su capacidad para cumplir la especificacin de la variable de calidad)

Estudio de Capacidad del proceso mediante estadstica descriptiva

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 31

Si un histograma est construido de manera correcta, es decir:

Si, es resultado de un nmero suficiente de datos (de preferencia ms de 100), Si, los datos son representativos del estado del proceso durante el perodo de inters;

Entonces, se recomienda considerar los siguientes puntos en la interpretacin del histograma:

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 32

Observar la tendencia central de los datos

Localizar en el eje horizontal o escala de medicin, las barras con mayores frecuencias (cuando tiene forma de campana) o la mitad de los datos (si tiene forma sesgada).

Estudiar el centrado del proceso

Es necesario apoyarse en el punto anterior y observar la posicin central del cuerpo del histograma con respecto a la calidad ptima y a las especificaciones.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 33

Condiciones de centrado del proceso:

Aun cuando se cumplan las especificaciones, si el proceso no est centrado, la calidad que se produce no es adecuada, ya que entre ms se aleje del ptimo, ms mala calidad se tendr.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 34

Examinar la variabilidad del proceso

Consiste en comparar la amplitud de las especificaciones con el ancho del histograma. Para considerar que la dispersin no es demasiada, el ancho del histograma debe caber de forma holgada en las especificaciones.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 35

Analizar la forma del histograma

Al observar un histograma, considerar que la forma de distribucin de campana, es la que ms se da en salidas de proceso y tiene caractersticas similares a la distribucin normal. Es frecuente que cuando la distribucin no es de este tipo, sea la seal de un hecho importante que est ocurriendo en el proceso y que tiene un efecto negativo en la calidad. Por ello, es necesario revisar si la forma del histograma es muy diferente a la de campana.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 36

Analizar la forma del histograma

Algunas de las formas tpicas que no coinciden, con una distribucin de campana, son las siguientes: Distribucin sesgada Sesgo en una variable de salida puede reflejar el desplazamiento paulatino de un proceso debido a desgastes o desajustes. Puede indicar procedimientos viciados en la forma de obtener las mediciones, o un desempeo especial del proceso, en el sentido que aparecen algunos valores inusualmente altos de un solo lado de la distribucin

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 37

Analizar la forma del histograma

Distribucin sesgada Cabe aclarar que existen caractersticas de calidad, que por su naturaleza, tienen sesgo, como son tiempos de vida y resistencias a la fatiga, entre otros. Una forma de decidir si una distribucin sesgada indica una situacin especial a corregir, consiste en comparar sta con la distribucin de la misma caracterstica o de variables similares, para datos obtenidos en otro perodo de tiempo. La recomendacin general es que, ante la sospecha de que hay algo especial atrs de una distribucin con sesgo, se debe investigar si efectivamente es as.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 38

Analizar la forma del histograma

Distribucin multimodal Este tipo de distribuciones, con dos o ms modas, reflejan la presencia de dos o ms realidades o condiciones diferentes. Algunas situaciones que originan una distribucin multimodal son:
a) Diferencias importantes de lote a lote en la materia prima que utiliza el proceso, debido a que proceden de diferentes proveedores o al exceso de variacin de un mismo proveedor. b) Cuando en el proceso intervienen varios operadores, con criterios o mtodos de trabajo diferentes.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 39

Analizar la forma del histograma

Distribucin multimodal Algunas situaciones que originan una distribucin multimodal son: (continuacin)
c) Las mediciones de la variable de salida que estn representadas en el histograma, fueron realizadas por personas o instrumentos diferentes; por lo tanto, se utilizaron distintos criterios o instrumentos mal calibrados d) El proceso, cuando gener los resultados de la distribucin multimodal, fue operando en condiciones diferentes (una condicin para cada moda).

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 40

Analizar la forma del histograma

Distribucin multimodal En general, una distribucin multimodal se debe a la presencia de fuentes de variacin bien definidas, que deben ser identificadas y corregidas, a fin de mejorar la capacidad del proceso correspondiente. Una forma de identificarlas es analizar por separado los datos en funcin de diferentes lotes de materia prima, operadores, instrumentos de medicin, turnos o das de produccin, etc., para as comparar los resultados y ver si hay diferencias significativas. (estratificacin de los datos)

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 41

Analizar la forma del histograma

Distribucin muy plana

Las situaciones que pueden causar esto, son las mismas que las de la distribucin multimodal, pero con la particularidad de que las diferencias son menos fuertes. Sin embargo, son situaciones que afectan de manera seria la capacidad de un proceso.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 42

Analizar la forma del histograma

Distribucin con acantilados Algunas de las posibles causas que motivan la presencia de un acantilado son:
Un lote de artculos previamente inspeccionados al 100% donde se excluy a los artculos que no cumplen con alguna medida mnima o que exceden una medida mxima. Problemas con el equipo de medicin, errores en la medicin o inspeccin (cuando el inspector est predispuesto a no rechazar un artculo y observa que ste casi cumpla con los requisitos, registra la medida mnima aceptable).

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 43

Datos raros o atpicos

Una pequea cantidad de mediciones muy extremas o atpicas son identificadas con facilidad mediante un histograma, debido a que aparecen una o ms barras pequeas bastante separadas o aisladas del resto. Un dato raro refleja una situacin especial que se debe investigar, y entre las posibles causas estn las siguientes:
El dato es incorrecto, ya sea por error de medicin, de registro o de dedo cuando fue introducido a la computadora.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 44

Datos raros o atpicos

(continuacin):
La medicin fue realizada sobre un artculo o individuo que no forma parte del proceso o poblacin.

Si han sido descartadas las dos situaciones anteriores, entonces la medicin se debe a un evento raro o especial. Es decir, cuando se hizo la medicin, en el proceso estaba ocurriendo una situacin especial o fuera de lo comn.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 45

Necesidad de Estratificar
En ocasiones, en el histograma no se observa ninguna forma particular, pero existe mucha variacin, y en consecuencia, la capacidad del proceso es baja. Cuando los datos proceden de distintas mquinas, proveedores, lotes, turnos u operadores, puede encontrarse informacin valiosa si se hace un histograma por cada fuente (estrato), con lo que se podr determinar cul es la maquina o el proveedor, etc., ms problemtico.

Interpretacin del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 46

Para analizar el desempeo de un proceso, el histograma tiene algunas limitaciones:

No considera el tiempo en el que se obtuvieron los datos; (con el histograma es imposible detectar tendencias que ocurren a travs del tiempo; no ayuda a estudiar la estabilidad del proceso en el tiempo). No es la tcnica ms apropiada para comparar de manera prctica varios procesos o grupos de datos; (el diagrama de caja o la grfica de medias son ms apropiados).

Limitaciones del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 47

Para analizar el desempeo de un proceso, el histograma tiene algunas limitaciones:

La cantidad de clases o barras, influye en la forma del histograma, por lo que una buena prctica es que, a partir de la cantidad de clases que se us de manera inicial, se analice el histograma con un nmero de clases ligeramente menor y un poco ms de clases, a fin de verificar si se observa algo diferente.

Limitaciones del Histograma

Dr.-Ing. J. Nez S. ILM 271: Fundamentos de la Calidad 48