Beruflich Dokumente
Kultur Dokumente
En este captulo se justifica la importancia de la calidad de los productos y servicios como elemento
estratgico para la competitividad de las organizaciones que los producen. El concepto de calidad que
subyace a lo largo de este libro es el de que la calidad es inversamente proporcional a las prdidas e
inconvenientes de todo tipo que un producto o servicio provoca al usuario.
Los mtodos utilizados en la industria para asegurar la calidad de sus productos han
evolucionado a lo largo del tiempo. En este captulo se analiza crticamente dicha evolucin y se
refuerza la idea de que el mejor momento para considerar la calidad de un producto es cuando se est
diseando.
A continuacin, y siguiendo todava en el mbito de calidad de los productos (o servicios), se
analizan tres clases de actividad que requieren distintos tipos de actitud por su distinta complejidad.
Dichas actividades son las de mantenimiento o control de la calidad, actividades de mejora
continua y, finalmente, las de innovacin o creatividad.
En el apartado 1.4 se discuten los aspectos culturales, organizativos e instrumentales necesarios
para que la calidad sea un elemento bsico en la gestin de las organizaciones, y para que stas sean
capaces de satisfacer a sus clientes tanto en calidad como en precio, plazo de entrega y servicio
postventa de sus productos.
Finalmente, y dado que este libro trata sobre mtodos estadsticos para el control, la mejora y
la innovacin de la calidad, se discute el papel que tiene el mtodo cientfico en general y la estadstica
en particular dentro de las organizaciones para el desarrollo de los tres tipos de actividad.
15
1.1.1 Inspeccin
Durante el inicio de la era industrial la calidad de los productos se intentaba asegurar mediante la
inspeccin de los mismos antes de ser enviados al mercado.
El modelo conceptual del enfoque basado en la inspeccin es el de la figura 1.2.
16
17
18
Fig. 1.4 Modelo conceptual de la calidad total
En esta figura destaca, en primer lugar, que la calidad ha de venir determinada por las
necesidades y expectativas del cliente y no por necesidades internas de la propia organizacin. En
segundo lugar se observa que el mejor momento para asegurar la calidad de los productos o servicios
es durante el diseo de los mismos. Para ello es necesario, por un lado, actuar sobre los proveedores
para poder mejorar la calidad de los componentes no fabricados en la empresa y, por otro, la utilizacin
de herramientas como el diseo de experimentos (DEX) o el Quality Function Deployement (QFD)
para intentar que las expectativas de los clientes se introduzcan y optimicen en la etapa de diseo y
prototipo.
19
1.2.2 El ciclo PDCA como estrategia bsica de los procesos de mejora continua
Desde su primera visita a Japn en 1950, Deming transmiti a los ejecutivos e ingenieros
japoneses que asistan a sus sesiones de consulta la importancia transcendental de la interaccin
constante entre I+D, diseo, fabricacin y servicio postventa. Esta idea se generaliz en lo que
diversos autores (Imai (1986), Ishikawa (1985)) han llamado el volante de Deming, tambin
conocido por el ciclo PDCA (Plan, Do,
Check, Action). La versin de Ishikawa del
ciclo PDCA se encuentra en la figura 1.7.
Este ciclo es til para actividades
tan diversas como la planificacin estratgica de una empresa, o la mejora del proceso de distribucin del correo interno en
la misma. En el contexto que discutimos en
este captulo, se propone el ciclo PDCA
como la estrategia a seguir en toda actividad de mejora constante de los estndares
existentes en una organizacin.
En primer lugar debe planificarse
(Plan) la mejora.
La etapa de planificacin comprende,
entre otras actividades:
Fig. 1.7 El ciclo PDCA
20
21
CULTURA
MTODO CIENTFICO
UN SOLO EQUIPO
22
Dicha cultura empieza por reconocer que la calidad viene definida por las necesidades y
expectativas del cliente, y no por consideraciones internas de los departamentos de la empresa. La idea
fundamental es que los productos y servicios deben cumplir siempre las especificaciones del cliente e
incluso sorprender al mismo con prestaciones en las que ni tan siquiera haba pensado. Es esta calidad
excitante (en la denominacin de Kano (1987)) la que puede captar nuevos usuarios y ampliar la cuota
de mercado de la organizacin que sea capaz de fabricar este tipo de productos.
Adems, cuando se habla de cliente, hay que tener en cuenta que nos referimos, tanto al cliente
externo o destinatario final de los productos y servicios, como al cliente interno. En este sentido es
importante tener presente que toda unidad operativa dentro de la empresa se caracteriza por tener
proveedores (el proceso anterior), tener clientes (el siguiente proceso) y realizar las operaciones
propias de la unidad. Todo proceso debe, pues, intentar satisfacer las expectativas del proceso que le
sigue (cliente interno) y, por descontado, intentar no crearle problemas o inconveniencias.
Otra idea bsica en el aspecto cultural de las organizaciones es que la calidad se mejora
nicamente mejorando todos los procesos de la organizacin. La mejora constante de la calidad es
responsabilidad de todo el personal. De hecho podra decirse que en cualquier descripcin de las
funciones de un puesto de trabajo debera figurar la de mejorarlo constantemente.
Atendiendo al elevado porcentaje de componentes en un producto final que son comprados a
proveedores externos, pero que el cliente final asociar a la empresa que sita el producto en el
mercado, se ha impuesto la idea de que es importante asociar a los proveedores en la responsabilidad
de la mejora de la calidad. Esta idea, que en la versin de Deming se debera realizar mediante
colaboracin entre proveedor y comprador en beneficio mutuo y en convenios a largo o medio plazo,
no siempre se aplica con este enfoque y puede generar importantes tensiones entre las partes
involucradas.
Los distribuidores pueden aportar informacin pertinente sobre el comportamiento de los
productos cuando estn en manos del cliente y, en consecuencia, aportar a la empresa datos sobre las
necesidades y expectativas del mercado que deberan ser satisfechas por los productos y servicios de
la organizacin.
Finalmente, el tercer pilar lo constituye la utilizacin masiva del mtodo cientfico y ms en
concreto de la estadstica.
El lector habr observado que hemos puesto en cursiva la palabra masiva. En efecto, no se trata
tanto de que un porcentaje reducido del personal utilice mtodos estadsticos altamente complejos sino
de que en toda la organizacin se utilicen datos fiables para la toma de decisiones a todos los niveles.
Como deca Bill Hunter, (1) si una organizacin desea mejorar sus niveles actuales de calidad y
productividad debe actuar, es decir, tomar decisiones; (2) para tomar decisiones es necesario disponer
de buena informacin y, (3) la estadstica es la disciplina especializada en convertir datos en
informacin. De este simple razonamiento se desprende la importancia del tercer pilar.
Creemos conveniente insistir en la necesidad de la existencia de los tres pilares en toda
organizacin que quiera situar la calidad en el centro de sus actividades, y que desee mejorar su
productividad y sus costes por el nico camino real, que es la mejora de la calidad. As, por ejemplo,
de poco servira que se utilizasen grficos de control o diseo de experimentos en una empresa donde
no existiera la cultura necesaria, o se quisieran solucionar los problemas de calidad mediante la
introduccin de crculos de calidad sin que stos supiesen utilizar las herramientas estadsticas bsicas
y sin que la alta direccin asumiera la responsabilidad en la resolucin de los problemas que slo ella
pudiese abordar. Es importante insistir en esta idea dado que el presente libro se refiere exclusivamente
a mtodos estadsticos y el lector podra deducir, equivocadamente, que son slo estos mtodos los
necesarios para mejorar la calidad de los productos y servicios de una organizacin.
23
2
Herramientas bsicas
para la mejora de la calidad
Es prctica habitual en todas las empresas fijar unos objetivos en cuanto a ventas, produccin, stocks,
beneficios, etc., y peridicamente ir comprobando si los resultados obtenidos coinciden con las
previsiones realizadas, para tomar las acciones correctoras oportunas en el caso de que las desviaciones
respecto a lo previsto sean importantes.
Sin embargo, las acciones en cuanto a la mejora de la calidad se toman en muchas ocasiones
basndose en sensaciones, impresiones u opiniones, pero no en el anlisis cientfico de datos objetivos.
Cada vez est ms extendida la idea de que los problemas de calidad deben ser atacados
mediante la aplicacin de mtodos cientficos de recogida y anlisis de datos (estadstica). Pero el uso
de esta prctica no debe quedar restringido a un grupo reducido de expertos en calidad sino que todo
el personal puede (y debe!) participar en el proceso de control y mejora de la calidad.
Naturalmente, no todos deben aplicar las mismas tcnicas. Por ejemplo, los planes de
experimentacin para la optimizacin de productos (que se estudian con detalle en los captulos 7 y 8
de este libro) exigen la utilizacin de importantes recursos materiales y requieren un cierto nivel de
especializacin y conocimientos; por tanto, deben quedar en manos de los cuadros tcnicos.
No obstante, existen otras tcnicas que s deben ser conocidas y utilizadas por todo el personal
de la empresa. Estas tcnicas se conocen con el nombre de Las siete herramientas bsicas de
Ishikawa, ya que ha sido este ingeniero japons el que ms ha promocionado su uso, primero en
Japn, con notable xito, y despus en el resto del mundo.
Existe unanimidad entre los expertos de ms prestigio en temas de calidad respecto a que estas
sencillas herramientas, bien utilizadas por parte de todo el personal de la empresa, permiten solucionar
en torno al 90 % de los problemas de calidad que se presentan. Conviene, por tanto, tenerlas presentes
y fomentar su utilizacin. Las herramientas son:
> Plantillas para la recogida de datos.
> Histogramas.
> Diagramas de Pareto.
> Diagramas causa-efecto.
> Diagramas bivariantes.
> Estratificacin.
> Grficos de control.
En este captulo se presentan con detalle las seis primeras. A los grficos de control, por su
mayor envergadura, se les dedica el captulo 11 de este libro.
25
Fecha:
LRnea:
Operario:
Total revisado:
26
Defectos:
Tipo
Total
Soldadura
Poro
Deformado
Incompleto
Otros
Notas e incidencias:
2.2 Histogramas
En muchos casos, si los datos han sido tomados de forma correcta, las conclusiones que se pueden
obtener a partir de los mismos son inmediatas. Si no es as, raramente se precisan anlisis estadsticos
complicados, suele bastar con una adecuada representacin grfica.
La tabla de datos que figura a continuacin corresponde a una muestra, tomada aleatoriamente
durante 20 das, del peso en gramos de cierto embutido que puede ser elaborado por dos mquinas
distintas (1 y 2), que a su vez son atendidas indistintamente por dos operarios (A y B).
28
DA
OPERAR.
MQUINA 1
MQUINA 2
1
2
3
4
5
A
B
B
B
A
220.3
215.8
220.4
221.5
215.7
215.5
222.0
218.7
227.0
225.3
219.1
218.9
218.6
219.5
223.0
219.2
213.6
219.6
222.5
218.0
220.3
216.9
222.9
223.1
216.0
208.0
213.4
219.7
215.3
210.9
214.4
217.7
209.4
220.4
221.4
219.2
217.7
221.6
215.6
210.9
6
7
8
9
10
A
A
B
B
A
222.7
216.0
219.4
219.8
220.2
215.1
218.8
218.3
222.6
219.5
219.6
217.9
216.7
219.1
222.4
217.3
213.0
224.1
217.7
219.9
212.1
216.9
216.2
216.2
222.9
213.0
216.0
218.4
212.2
214.3
218.0
213.5
216.6
216.9
219.1
216.5
219.2
214.9
214.9
216.7
11
12
13
14
15
B
B
B
A
A
218.0
219.3
220.0
223.9
218.1
223.9
219.6
214.1
220.6
218.8
219.6
218.8
224.3
219.5
218.4
221.9
219.9
217.4
219.6
217.9
214.9
219.0
218.0
211.8
214.6
212.6
216.7
219.5
218.2
215.7
219.4
216.4
219.5
218.3
218.0
212.3
213.5
222.3
217.4
216.4
16
17
18
19
20
B
B
A
A
A
216.9
217.9
224.2
214.1
221.1
221.6
225.7
216.2
219.7
225.0
220.6
222.2
219.9
222.4
222.7
222.6
216.1
220.4
224.5
222.2
215.6
212.5
215.8
213.7
212.5
220.4
214.6
219.9
209.7
217.5
217.3
209.7
216.5
216.9
217.4
216.2
211.3
211.9
213.1
215.7
Las especificaciones del peso son 220 10 g, y ltimamente se han detectado ciertos problemas a este respecto. Veamos cul sera el diagnstico de la situacin y la propuesta de medidas a tomar
a la vista de estos datos.
Cuando se trata, como en este caso, de analizar la dispersin que presentan unos datos, la
representacin grfica ms adecuada es el histograma. Para realizar un histograma se marcan una serie
de intervalos sobre un eje horizontal, y sobre cada intervalo se coloca un rectngulo de altura
proporcional al nmero de observaciones (frecuencia absoluta) que caen dentro de dicho intervalo.
Si se pretende comparar varios histogramas construidos con distinto nmero de datos, es
preferible que las alturas de los rectngulos sean proporcionales al porcentaje de observaciones en cada
intervalo o al tanto por uno (frecuencia relativa). Utilizando la frecuencia relativa en el eje de
ordenadas tambin se facilita la comparacin entre el histograma obtenido y un determinado modelo
terico representado por una funcin densidad de probabilidad (vase el captulo 3). En este caso se
considera que la frecuencia relativa es proporcional al rea definida por cada columna. Puede
interpretarse la funcin densidad de probabilidad como la representacin del histograma cuando el
nmero de observaciones tiende a infinito y la anchura de los rectngulos tiende a cero.
En la figura 2.5 se han realizado dos histogramas con todos los datos (en total 160). En el
histograma de la izquierda se ha colocado la frecuencia absoluta en el eje vertical y en el de la derecha
la frecuencia relativa. La nica diferencia es la escala vertical, pero naturalmente las conclusiones que
se pueden obtener son las mismas: El proceso est descentrado y se est produciendo un cierto
porcentaje de unidades fuera de tolerancias (por defecto). A partir de estos histogramas no puede
obtenerse ninguna otra conclusin, pero la forma en que se han anotado los datos permite construir
histogramas para las unidades producidas por cada operario y tambin por cada mquina.
Los histogramas realizados por operario no revelan nada til, pero los realizados por mquina
(figura 2.6) ponen de manifiesto el origen del problema. Mientras que la mquina 1 est centrada y
produce dentro de tolerancias, la mquina 2 est descentrada, y esto es lo que produce que un cierto
porcentaje est por debajo del peso mnimo.
Fig. 2.6 Histogramas correspondientes a las unidades producidas por cada mquina
Tambin pueden realizarse grficos por operario y mquina, pero no revelan nada que no
sepamos ya. No hay diferencias entre operarios, la diferencia est en las mquinas.
29
Los histogramas que se han presentado han sido elaborados con ayuda de un paquete de
software estadstico. En algunos casos, especialmente si son los operarios los que analizan los datos
que ellos mismos recogen, puede ser ms rpido y cmodo construir los histogramas a mano. En este
caso, conviene seguir una sistemtica adecuada como la siguiente:
1. Colocar los datos a representar en filas de aproximadamente 10 nmeros.
2. Identificar y sealar el mximo y el mnimo de cada fila.
3. A partir del mximo y el mnimo de cada fila, localizar el mximo y el mnimo globales.
4. Calcular el rango (R) de los datos.
R = Valor mximo - Valor mnimo
5. Optar por un nmero de intervalos (k), en
primera aproximacin, utilizando la siguiente
tabla:
NM. DE DATOS
NM. DE INTERVALOS
<50
50 - 100
100 - 250
>250
5-7
6 - 10
7 - 12
10 - 20
30
R
k
31
Fig. 2.7 Diversas formas tpicas que pueden presentar los histogramas
NM. DE PARADAS
CAUSA
MaZ.
Rotura hilo
Cinta
Vibrador
Tornillo sin fin
Apelmazamiento
Rotura saco
Otros
(1)
(2)
(3)
(4)
(5)
(6)
(7)
18
15
92
1
0
2
1
Tar.
24
10
88
6
1
1
0
TIEMPO DE PARADA
E
42
25
180
7
1
3
1
MaZ.
20
12
62
2
0
4
8
Tar.
31
10
68
8
1
1
0
E
51
22
130
10
1
5
8
La informacin que contienen estos datos se manifiesta de forma ms clara construyendo unos
grficos como los de la figura 2.8.
32
Fig. 2.8 Diagramas de Pareto para el nmero total de paradas y el tiempo de parada total
1. Plantear exactamente cul es el problema que se desea investigar, qu datos sern necesarios,
cmo recogerlos (no olvidar el diseo de la plantilla) y durante qu perodo.
2. Tabular los datos recogidos. Si se trata de analizar las reclamaciones de clientes durante un ao,
dicha tabulacin tendr el aspecto que se indica en la tabla 2.3.
CAUSA
TABULACIN
TOTAL
10
... ...
B
C
42
6
... ...
104
20
Otras
14
200
TOTAL
3. Rellenar el formulario previo a la construccin del diagrama. Las causas deben ordenarse de
mayor a menor importancia, situando otras siempre al final.
Para los datos de la tabla anterior, el formulario tiene el aspecto que se indica en la tabla 2.4.
4. Iniciar la realizacin del diagrama dibujando los ejes. Se coloca un eje horizontal dividido en
tantas partes como causas figuran en el formulario anterior, y dos ejes verticales. El eje de la
izquierda se marca desde 0 hasta el total (de reclamaciones, en este caso) y el eje de la derecha,
que sirve colocar los porcentajes, se marca del 0 al 100 %.
5. Construir el diagrama de barras. La altura de cada barra debe corresponder al nmero de
observaciones correspondientes a cada causa, de acuerdo con la graduacin del eje de la
izquierda.
6. Construir el polgono de frecuencias acumulado y aadir toda la informacin relativa al grfico
para que pueda ser fcilmente interpretado. El resultado final tiene el aspecto que se presenta
en la figura 2.9.
NM. DE
RECLAMACIONES
TOTAL
ACUMULADO
PORCENTAJE
PORCENTAJE
ACUMULADO
D
B
F
A
C
E
Otras
104
42
20
10
6
4
104
146
166
176
182
186
200
52
21
10
5
3
2
7
52
73
83
88
91
93
100
TOTAL
200
CAUSA
14
100
33
TIPO DE CAUSA
110
45
22
6
17
A
B
C
D
Otras
34
PROPORCIN
PROPORCIN ACUMULADA
0.55
0.23
0.11
0.03
0.08
0.55
0.78
0.89
0.92
1.00
B
A
C
D
Otras
NM. DE
DEFECTOS
45
110
22
6
17
COSTE
UNITARIO
5
1
3
2
1.5
COSTE POR
CAUSA
225
110
66
12
22.5
PROPORCIN
COSTE
PROPORCIN
ACUMULADA
0.51
0.25
0.15
0.03
0.06
0.51
0.76
0.91
0.94
1.00
Tabla 2.6 Causas ordenadas segn el coste ocasionado por cada una de ellas
35
36
Una forma de comprobar si existe relacin entre una caracterstica de calidad y un factor que puede
afectarle es la construccin de diagramas bivariantes. El profesor Hajime Karatsu, en su libro CTC.
La sabidura japonesa, explica un interesante caso en el que la utilizacin de este tipo de diagramas
permiti resolver un importante problema. Dice as:
El sintonizador suele ser lo primero que se estropea en un televisor. Actualmente los botones electrnicos son algo corriente, pero en el pasado todos los selectores de canal tenan que girarse manualmente y podan funcionar mal si el sintonizador tena un contacto pobre.
El sintonizador es el punto en que las ondas magnticas se captan por primera vez. Los sintonizadores estandarizados se producan en masa y se empleaban en distintos modelos de televisor.
Hace algn tiempo, un experto en control de calidad investig el nivel de mal funcionamiento de los
sintonizadores. Descubri que, aunque se utilizaban sintonizadores idnticos, la proporcin de mal
funcionamiento era muy distinta de un modelo de televisor a otro. Se dio cuenta de que el problema
debera estar relacionado con alguna cosa que no fuera el propio sintonizador; no obstante, segua
teniendo el problema de descubrir el verdadero factor entre varias alternativas posibles. La gente
utiliza sus televisores de distinta manera; algunos los colocan en rincones polvorientos, otros los
tienen en el saln, ms o menos como un objeto decorativo. La frecuencia de uso y la fuente de electricidad tambin pueden ser distintas. En consecuencia, la avera de un televisor poda estar causada por el entorno o por un simple error en el proceso de fabricacin. Los datos reunidos en cientos y cientos de televisores revelaron, sin embargo, que los sintonizadores se estropeaban en funcin
del tipo de televisor en que haban sido instalados.
El experto en control de calidad analiz los datos desde distintos ngulos y descompuso en
factores cada una de las condiciones concebibles y su relacin con la proporcin de averas:
Estaba relacionada con el tamao de la caja, o con un aumento de la temperatura? Se trataba de
la longitud del eje del sintonizador o de la diferencia en unidades de corriente elctrica? Durante
bastante tiempo, pareca que no haba ninguna correlacin entre ninguno de los factores, pero al
final surgi la causa.
37
38
1. Determinar las medianas de las x (variable colocada en el eje horizontal) y de las y (variable
colocada en el eje vertical).
2. Trazar ambas medianas en el diagrama bivariante. De esta forma, el diagrama queda dividido
en cuatro cuadrantes, que son notados como I, II, III y IV, a partir del extremo superior derecho
y en sentido contrario a las agujas del reloj.
3. Contar los puntos que quedan en cada cuadrante excluyendo los que estn situados sobre las
medianas. Determinar la suma de puntos en los dos cuadrantes opuestos (I y III o II y IV) que
presenten la suma menor. Este nmero se denomina valor de prueba.
4. Comparar el valor de prueba en la tabla 2.8. Si el valor de prueba obtenido es igual o inferior a
la cantidad lmite que se da en la tabla, puede decirse que existe correlacin con una
probabilidad de error igual o menor al 5 %. La justificacin terica de las cantidades lmite de
la tabla requiere el uso del modelo binomial que se estudia en el captulo 4.
NM. DE
PUNTOS
NM. DE
PUNTOS
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
5
5
5
6
6
7
7
7
8
8
9
9
9
9
10
10
11
12
12
12
13
13
14
14
15
15
15
16
16
17
17
18
18
18
19
19
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
20
20
21
21
21
22
22
23
23
24
24
25
25
25
26
26
27
27
28
28
28
29
29
30
30
31
31
32
32
32
33
33
34
34
35
Tabla 2.8 Lmites del valor de prueba para el test de correlacin de Ishikawa
39
CUADRANTE
I
II
III
IV
PUNTOS
18
5
18
5
Por tanto, en este caso el valor de prueba ser 10 (nmero de puntos en los cuadrantes II+IV).
El nmero de puntos a considerar es de 46, ya que del total se restan los que caen sobre las medianas
(cuatro en este caso). El valor lmite que da la tabla para N=46 es 15, y como 10<15, podemos afirmar
con una probabilidad de equivocarnos menor del 5 % que existe correlacin entre temperatura y
rendimiento. (Ver figura 2.16.)
40
Fig. 2.16 Test de correlacin de Ishikawa sobre los datos de la tabla 2.7
Respecto a la construccin de este tipo de diagramas, cabe hacer las siguientes recomendaciones:
1. Representar los datos con distinto smbolo segn su origen (estratificar).
Observe la figura 2.17. El diagrama de la derecha representa la relacin entre la humedad final
de un producto tras un pro-ceso de secado y el tiempo de molturacin a que fue sometido
previamente. Del anlisis de este diagrama parece deducirse la inexis-tencia de correlacin. Sin
embargo, no se ha considerado que las medidas han sido toma-das por dos aparatos distintos, y
teniendo este hecho en cuenta, se ha representado el diagrama de la derecha.
ste no es un caso raro, puesto que, cuando se toman medidas con dos aparatos distintos, stos
pueden estar calibrados de forma distinta y conviene distinguir los puntos que han sido
obtenidos con uno u otro aparato.
Lo mismo podramos decir si los datos hubieran sido tomados por dos (o ms) operarios, de
varios turnos, de varias mquinas, de materias primas de distinto origen, etc.
Fig. 2.17 Diagrama bivariante con los datos sin estratificar y estratificados
2.6 Estratificacin
La estratificacin es tambin una de las siete herramientas bsicas que propone Ishikawa. En realidad,
no es una tcnica nueva, sino que es una metodologa que conviene incorporar a cada una de las
herramientas que ya hemos visto.
As, las plantillas para la recogida de datos deben pensarse para que posteriormente pueda
realizarse los anlisis dividiendo los datos segn su origen. En el caso de los histogramas, los
diagramas de Pareto o los diagramas bivariantes, una correcta estratificacin permite obtener una
informacin de gran importancia que, de otra forma, no se pondra de manifiesto.
41
Ejercicios
2.1
LUNES
MARTES
MIRCOLES
JUEVES
VIERNES
42
8.20
8.36
8.37
8.52
8.61
9.14
8.52
9.20
9.43
8.85
8.66
8.89
8.97
9.02
9.61
9.15
8.46
8.00
8.32
8.91
8.05
8.76
8.51
8.18
8.53
8.64
8.83
8.35
8.48
8.34
8.51
8.08
8.15
8.15
8.68
8.79
8.79
8.91
8.32
8.49
9.30
8.58
8.81
8.68
9.28
9.14
9.41
9.34
9.21
9.53
9.28
9.28
8.17
8.60
8.48
8.65
8.59
8.66
8.70
9.08
9.59
9.15
8.75
9.18
8.86
8.75
9.64
9.05
8.97
8.20
8.33
8.26
8.32
8.33
8.41
9.07
8.86
9.28
8.50
9.19
8.76
9.21
8.76
9.40
8.64
8.81
8.73
8.73
9.08
9.13
8.69
8.46
9.19
9.12
9.20
8.80
9.55
9.50
9.48
9.58
8.40
8.60
8.47
8.10
8.43
8.66
9.17
8.56
9.22
8.85
8.56
9.46
9.38
9.58
9.09
9.46
8.17
8.11
8.05.
8.89
2.3
CUADRANTE 1
19
10
CUADRANTE 2
12
20
21
CUADRANTE 3
20
11
CUADRANTE 4
10
20
13
2.4
Los datos que figuran a continuacin corresponden a una caracterstica de calidad de cierto
producto (y), y los valores de cuatro factores de produccin (x1, x2, x3, x4), que se considera que
pueden influir en ella.
NM.
x1
x2
x3
x4
NM.
x1
x2
x3
x4
1
2
3
4
5
18.96
12.81
11.15
19.38
18.41
6.39
5.54
5.24
6.44
6.33
8.34
6.90
6.44
8.43
8.22
5.25
6.03
6.10
5.17
5.34
9.99
9.23
8.89
10.02
9.94
16
17
18
19
20
25.27
15.04
20.65
11.15
18.53
7.01
5.89
6.57
5.24
6.34
9.58
7.46
8.69
6.44
8.25
3.96
5.82
4.94
6.10
5.32
10.28
9.58
10.10
8.89
9.95
6
7
8
9
10
13.00
10.37
15.39
11.90
21.50
5.57
5.08
5.94
5.38
6.66
6.95
6.21
7.54
6.65
8.86
6.02
6.11
5.78
6.08
4.77
9.27
8.70
9.63
9.06
10.15
21
22
23
24
25
23.55
11.81
23.51
25.74
12.64
6.86
5.36
6.86
7.05
5.51
9.26
6.63
9.25
9.67
6.85
4.34
6.08
4.35
3.85
6.04
10.23
9.04
10.23
10.28
9.20
11
12
13
14
15
11.45
18.04
10.63
17.39
13.27
5.29
6.28
5.13
6.20
5.62
6.53
8.14
6.29
8.00
7.02
6.10
5.40
6.11
5.50
6.00
8.96
9.91
8.76
9.85
9.31
26
27
28
29
30
25.45
18.26
10.56
15.46
10.98
7.03
6.31
5.12
5.95
5.20
9.61
8.19
6.27
7.56
6.39
3.92
5.37
6.11
5.77
6.11
10.28
9.93
8.75
9.64
8.85
Realizar diagramas bivariantes e indicar qu conclusiones se pueden obtener con estos datos.
2.5
Hace unos aos, en una revista editada en la Escola Tcnica Superior dEnginyers Industrials
de Barcelona (ETSEIB), apareca una nota de la Direccin de la Escuela en la que se informaba
que en el primer parcial de ese curso se haba gastado el 75% de todo el papel de examen que
se necesit en el curso anterior. Se inclua tambin la siguiente tabla:
DEPARTAMENTO
Matemticas
Mecnica
Cons. Arq. Ind.
Gestin empresarial
Ing. Elctrica
Informtica
Proyectos
Tc. Cuant. Gestin
Tcnicas Exp. Grf.
Transp. y motores
Ing. Electrnica
Ing. Qumica
Fsica
Ing. Ciberntica
Mecnica de fluidos
Ing. de materiales
Qumica
Ing. Nuclear
Termodinmica
ALUMNOS
HOJAS
2282
1030
178
682
675
515
173
560
1114
329
350
181
1371
222
630
470
1128
258
723
27000
35000
700
2700
8100
2000
1000
5500
--3900
4000
2700
9500
1900
3500
5500
8500
1000
4500
43
Presin
Temperatura
Ruido
Humedad
Otros
42
15
10
6
12
Se realiza una modificacin para intentar reducir el nmero de piezas defectuosas y se obtienen
los siguientes resultados:
CAUSA
Presin
Temperatura
Ruido
Humedad
Otros
44
5
11
9
7
12
45