Beruflich Dokumente
Kultur Dokumente
https://www.facebook.com/pages/Interfase-
IQ/146073555478947?ref=bookmarks
P R O D U C T I C A
MARCOMBO, S.A., 1993
Reservados todos los derechos
de publicacin, reproduccin, prstamo,
alquiler o cualquier otra forma de cesin del
uso de este ejemplar en cualquier idioma por
MARCOMBO, S.A.
Gran Via de les Corts Catalanes, 594
08007 Barcelona (Espaa)
ISBN: 978-84-267-0691-1
Depsito Legal: B-42.729-92
Impreso en Espaa
Printed in Spain
Fotocomposicin: FOlNSA-Passatge Gaiol, 13-15 -08013 Barcelona
Impresin: Vanguard Grfic, S.A. -Joan Mir, 17-19 - 08930 San Adri
de Bess (Barcelona)
Presentacin
El autor
5
ndice general
6
ndice general
7
El Control de la Calidad.
Enfoque histrico
INTRODUCCIN
Hasta finales del siglo XIX la empresa era muy distinta de lo que hoy es.
Orientada generalmente a lo agrcola, minero o comercial, la explotaban
sus propietarios, con la aportacin del esfuerzo fsico de obreros o escla-
vos. La calidad ocupaba un segundo plano, determinado por el descono-
cimiento del consumidor y la falta de competencia.
Con la revolucin industrial, el maquinismo, la automatizacin, las ideas
de pensadores como Marx y la aplicacin de nuevos sistemas de gestin
establecidos por Taylor, nace un nuevo tipo de empresa. El mercado se
hace ms competitivo, lo que lleva a los empresarios a controlar la calidad
de sus productos.
El inicio del control estadstico de calidad se remonta a 1.924, cuando en
los laboratorios de la Bell Telephone se aplicaron por primera vez grficos
estadsticos para el control de calidad de productos manufacturados.
En 1.931 se publicaba en Nueva York un libro titulado Control Econmi-
co de calidad de productos manufacturados. Aunque este libro buscaba la
"economa" del control de calidad, la mayora de las aplicaciones resulta-
ron altamente costosas. De aqu que, cuando mencionamos el control de
calidad a muchos fabricantes que vivieron en esa poca, el recuerdo que
llega a su mente es de grandes esperanzas sobre reduccin de costes,
montones de papeles y trabajo administrativo, seguido de la desilusin
resultante de objetivos valiosos, pero no logrados.
En la dcada de 1.940 comenz el desarrollo y aplicacin de tablas de
muestreo para inspeccin. Se publicaban tablas de muestreo para usos
militares y se aprueba su empleo por las fuerzas armadas.
El Dr. Eduards Deming, especialista en Estadstica, visit el Japn en
1.950. El pueblo japons se recuperaba de los estragos de la guerra, las
industrias trataban de salir a flote, pero la calidad de los productos japone-
ses era muy inferior a la que presentaban los productos importados. El Dr.
Deming en una conferencia ante dirigentes de las grandes industrias,
afirm que si se implantaba en sus fbricas un adecuado control estadsti-
co de la calidad, la marca "Made in Japan" llegara a ser un smbolo de alta
calidad.
En 1.954 el Dr. J. M. Juran, experto en control de calidad, difunde el
entusiasmo por los mtodos estadsticos y los sistemas de control de
calidad, no slo entre los especialistas de cada empresa, sino tambin
entre todos los dirigentes y mandos intermedios.
Esta inquietud se extiende a todo el pueblo japons, al cual se le
9
Aplicacin de la Estadstica al Control de la Calidad
CONCEPTO DE CALIDAD
Existen distintas definiciones de este trmino. Una de ellas nos dice que
calidad es el CONJUNTO DE PROPIEDADES Y CARACTERSTICAS DE UN
PRODUCTO, PROCESO O SERVICIO, QUE LE CONFIEREN SU APTITUD
PARA SATISFACER NECESIDADES establecidas o implcitas. Figura 1.
Otras definiciones se refieren a la calidad como la IDONEIDAD o
APTITUD PARA EL USO, lo cual refleja los mismos aspectos antes citados.
En la actualidad estn tomando gran relevancia otros trminos asocia-
dos al concepto clsico de calidad, como son:
Fiabilidad.
Mantenibilidad.
Disponibilidad.
Peter F. Drucker define la calidad como: Lo que el diente est dispuesto a
pagar, en funcin de lo que obtiene y valora.
Dada la diferencia entre las definiciones escritas, consideramos necesa-
rio dejar claros algunos aspectos que, con frecuencia, producen confu-
10
El Control de la Calidad. Enfoque histrico
Figura 1. Concepto de
Un producto ES DE CALIDAD cuando SATISFACE LAS NECESIDADES calidad.
Y EXPECTATIVAS del usuario.
11
Aplicacin de la Estadstica al Control de la Calidad
ESTADSTICA Y CALIDAD
Hoy el mercado exige productos de calidad. Para conseguirlos no basta
con un control de calidad que seleccione las unidades buenas y rechace
las defectuosas, pues sto hace que la calidad buscada tenga un alto
precio, tanto mayor cuantas ms unidades defectuosas hayamos fabrica-
do. Adems, estadsticamente se demuestra que efectuar una inspeccin
de la totalidad de los productos fabricados, tiene un elevadsimo coste y
no siempre proporciona la confianza deseada.
Factores como el cansancio del inspector, la monotona por la repetitivi-
dad de la produccin, etc., conllevan la obtencin de resultados de hasta
un 15 % de productos aceptados o rechazados incorrectamente, es decir:
Productos defectuosos que han sido aceptados como no defectuosos,
o
Productos no defectuosos rechazados por considerarlos defectuo-
sos.
Aqu es donde interviene la Estadstica, brindndonos procedimientos
sencillos, rpidos, econmicos y que nos permiten obtener resultados
con una fiabilidad muy superior a la citada en el apartado anterior.
El trmino Estadstica surge de la palabra "estado", por ser en losasuntos
referentes a ste, tales como nacimientos, riqueza, tierras, cosechas, etc.,
donde ha sido utilizada para su descripcin, desde hace ya varios milenios.
Una definicin amplia de la Estadstica nos dice que es la ciencia que
establece mtodos para la recopilacin, ordenacin, anlisis e interpreta-
cin de datos, con el fin de conocer las caractersticas especficas de una
poblacin.
Debemos distinguir entre la Estadstica Descriptiva que, como su nom-
bre indica, describe las caractersticas de una poblacin en estudio y la
Estadstica Inductiva que podramos definirla como seala la figura 3.
Figura 3. Concepto de
Estadstica.
Ciencia que trata de OBTENER INFORMACIN DEL TOTAL DE UNA
POBLACIN, mediante la OBSERVACIN Y EL ESTUDIO DE UNA
MUESTRA REPRESENTATIVA de esa poblacin o conjunto.
12
El Control de la Calidad. Enfoque histrico
13
Recogida de informacin.
Representacin grfica
VARIACIONES
Como hemos visto hasta ahora, la Estadstica ha venido penetrando en
el sector industrial, alcanzando en nuestros das una vital importancia
como herramienta imprescindible en cualquier tipo de empresa y en las
distintas reas de trabajo.
15
Aplicacin de la Estadstica al Control de la Calidad
necesario que entre los elementos que deseamos estudiar existan "varia-
ciones". Esto puede parecer contradictorio, dado que el objetivo a alcan-
zar es unificar resultados. En el caso de la fabricacin de un producto, el
ideal de la empresa sera que todos los productos fabricados tuvieran
exactamente la medida nominal deseada. Ante un caso como ste, no
tendra sentido la aplicacin de tcnicas estadsticas. Pero la realidad est
muy lejos del ideal antes mencionado. Lo cierto es que en todo proceso
productivo, por muy automtico que sea, existen variaciones. Definire-
mos con mayor claridad lo que es una variacin:
16
Recogida de informacin. Representacin grfica
VARIABLES O ATRIBUTOS
Estas diferencias pueden ser cuantificables o no. En lo que se refiere al
primer tipo, podemos emplear instrumentos para medir las diferencias
existentes entre las piezas, en las distintas caractersticas objeto de estu-
dio, otorgando a cada una el valor numrico correspondiente de acuerdo
con la escala de medicin utilizada. Las caractersticas que son as cuantifi-
cables las denominamos VARIABLES.
Existen otras caractersticas cuya variacin no podemos cuantificar, pero
que igualmente son objeto de estudio. Nos referimos a los ATRIBUTOS.
Podemos mencionar, como ejemplo de este tipo, el acabado, la presenta-
cin, el color y muchas otras que podemos observar en el cuadro de la
figura 7.
Figura 7. Tipos de
caractersticas que se pueden
presentar en el trabajo.
17
Aplicacin de la Estadstica al Control de la Calidad
RECOGIDA DE INFORMACIN
Habiendo establecido las diferencias entre variables y atributos, pode-
mos proceder a recoger datos de nuestra poblacin para dar inicio al
estudio.
19
Aplicacin de la Estadstica al Control de la Calidad
Tipos de muestreo
La figura 10 describe el muestreo como la seleccin de un subconjunto
de elementos de una poblacin o universo, que posteriormente sern
sometidos a estudio y anlisis para obtener resultados aplicables a la
totalidad de la poblacin de donde fueron extrados.
Para que las conclusiones o resultados obtenidos sean vlidos, la mues-
tra seleccionada tiene que ser REPRESENTATIVA del conjunto de donde
procede. De no ser as, se estaran cometiendo errores.
Existen distintos tipos de muestreo que pueden aplicarse para garantizar
la representatividad de la muestra. Figura 11.
20
Recogida de informacin. Representacin grfica
21
Aplicacin de la Estadstica al Control de la Calidad
22
Recogida de informacin. Representacin grfica
23
Aplicacin de la Estadstica al Control de la Calidad
PRESENTACIN DE DATOS
El conjunto de datos recogidos en el estudio debe procesarse para que
permita visualizar las variaciones de la caracterstica objeto de anlisis. Una
de las formas ms sencillas es la tabulacin, para la que se puede emplear
Figura 13. Ejemplo de un impreso como el que aparece en el apndice, el cual seguidamente
encabezado del impreso
de presentacin de datos. veremos de qu manera debe usarse.
24
Recogida de informacin. Representacin grfica
25
Aplicacin de la Estadstica al Control de la Calidad
26
Recogida de informacin. Representacin grfica
27
Aplicacin de la Estadstica al Control de la Calidad
Recorrido o rango
Es una medida de la dispersin de los valores. Podemos definirlo como
la "distancia" existente entre el valor mximo y el mnimo de la muestra:
La moda
Es una medida de tendencia central. Da idea de dnde se centra el
conjunto de datos. Se define como el
o tambin:
28
Recogida de informacin. Representacin grfica
Datos agrupados
Si en el conjunto de datos recogidos aparecen valores muy dispersos (si
el rango es grande), es posible que la tabulacin de datos presentada
antes no sea de gran ayuda, puesto que aparecern muchos valores
distintos que darn lugar a una informacin poco precisa. Considrese a
tal efecto la tabla de datos de la figura 18(a). En ella aparecen 21 valores
distintos, con sus respectivas frecuencias, pudiendo observar que para
algunos la frecuencia es cero y no por eso dejan de aparecer en la tabla.
29
Aplicacin de la Estadstica al Control de la Calidad
30
Recogida de informacin. Representacin grfica
Cualquiera de las tres formas puede ser vlida. Segn lo visto antes la
que despreciara menos informacin sera la segunda.
Teniendo ya los valores agrupados pueden determinarse las columnas
correspondientes a (%); (FA) y (% A), de igual forma que si se tratara de
valores individuales. Ver las figuras 15 y 16.
En cuanto a la interpretacin, las frecuencias y los porcentajes se refie-
ren ahora al intervalo de clase respectivo y no a valores individuales. Las
frecuencias y los porcentajes acumulados toman como referencia el valor
superior de cada intervalo de clase. Por ejemplo: 6 sobres de la muestra
tienen pesos iguales o inferiores a 1,89 gramos. Ver figura 18(b).
La Media Aritmtica
Cuando se trabaja con conjuntos de valores, resulta muy importante
conocer la tendencia central del conjunto. Antes definimos la moda como
una medida de la tendencia central. Ahora nos referiremos a la media
aritmtica como la principal y ms efectiva de estas medidas. Podra
definirse como el punto de equilibrio entre los valores que estn por
encima y los que quedan por debajo de ella.
La Mediana
Es otra de las medidas de tendencia central. Tiene aplicacin cuando se
trabaja con pequeas muestras impares, como en algunos casos del
control estadstico de procesos. La definimos como el valor tal que el 50 %
de los datos estn por encima de l, mientras que el otro 50 % estn por
debajo.
31
Aplicacin de la Estadstica al Control de la Calidad
La figura 21 nos muestra los pasos a seguir para calcularla. Suele denotarse
por x o por las letras Mdn.
En la figura 22 aparece un ejemplo del clculo de la mediana para una
muestra de 5 elementos.
Desviacin
Se entiende como tal la distancia existente entre un valor dado pertene-
32
Recogida de informacin. Representacin grfica
Desviacin tpica
Si sumamos las "desviaciones al cuadrado" y las dividimos entre el
nmero de ellas, obtendremos el promedio. Extrayendo la raz cuadrada a
este promedio compensaremos el haber elevado previamente al cuadra-
do, obteniendo lo que se conoce como Desviacin Estndar o Desviacin
Tpica. Todo esto lo expresamos con la frmula:
33
Aplicacin de la Estadstica al Control de la Calidad
donde:
34
Recogida de informacin. Representacin grfica
REPRESENTACIN GRFICA
Hasta aqu se han desarrollado distintas formas de recoger informacin,
ordenarla y clasificarla para poder describir el comportamiento de nues-
tros datos de forma ms simple, pudiendo transmitir a otros dicha informa-
cin resumida y fcilmente comprensible. Muchas veces no es suficiente
con esto y necesita acompaarse de grficos que ilustren dicho comporta-
miento y que permitan efectuar mejor los anlisis. Veamos cmo construir
algunos grficos importantes y cmo pueden utilizarse en la empresa.
El Grfico Lineal
Es una de las formas ms sencillas de representar los datos para que
podamos visualizar las variaciones de la caracterstica objeto de anlisis.
Trataremos de explicarlo mediante un ejemplo:
35
Aplicacin de la Estadstica al Control de la Calidad
Diagrama de Barras
Cuando empleamos tcnicas de representacin, en muchas ocasiones
36
Recogida de informacin. Representacin grfica
Diagrama de Sectores
Resulta muy ilustrativo en estos casos el diagrama de sectores, tambin
37
Aplicacin de la Estadstica al Control de la Calidad
llamado diagrama circular o "del pastel", dada la forma que tiene. El dia-
grama circular suele obtenerse en base a porcentajes. Veamos un ejemplo
con los datos de la tabla de la figura 28.
Para obtener los porcentajes, multiplicamos por 100 las ventas totales
de cada artculo y dividimos el resultado entre el total.
Por ejemplo, para hallar el porcentaje para el artculo B:
Ventas B x 100 284.000
%B= = = 4,67
Total ventas 60.755
Figura 29. Diagrama circular
mostrando las ventas
de cinco artculos, de acuerdo
con la tabla de la figura
28.
38
Recogida de informacin. Representacin grfica
El Histograma
Al observar un diagrama lineal, se aprecia con facilidad el comporta-
miento de los datos, uno a uno. Aunque, como se ha visto, resulta de gran
utilidad este grfico, es difcil extraer de l conclusiones referentes al
conjunto de datos de forma directa, pero puede servirnos de base para la
explicacin de otro grfico que nos permita obtener las conclusiones
deseadas. Nos referimos al Histograma.
39
Aplicacin de la Estadstica al Control de la Calidad
En Estadstica existe una regla llamada "de los tres cuartos" que est
directamente relacionada con la construccin de un histograma. En ella
se seala que la relacin entre los ejes vertical y horizontal de un histogra-
ma debe ser de 3 a 4. Es decir, construido ya el eje horizontal con sus
valores, dividimos el espacio destinado a ste en cuatro partes; tomando
40
Recogida de informacin. Representacin grfica
41
Aplicacin de la Estadstica al Control de la Calidad
Polgono de Frecuencias
Algunas veces resulta de inters construir lo que se conoce con el
nombre de Polgono de Frecuencias en lugar del histograma. Podemos
hacerlo a partir del propio histograma, o independientemente de ste,
con los datos que aparecen en la tabla de frecuencias.
Considerando la figura 32(b), si unimos los puntos medios de los techos
de las columnas en forma consecutiva y mediante segmentos de recta,
obtendremos una lnea poligonal como la que aparece en la figura 33.
42
Recogida de informacin. Representacin grfica
Si se desea construir directamente el polgono de frecuencias, puede Figura 34. (a). Tabla de
hacerse marcando los puntos correspondientes a cada pareja (valor, fre- frecuencias del ejemplo
anterior. La pareja de nmeros
cuencia) obtenida de la tabla de frecuencias. encerrados en el
recuadro corresponde al
En la figura 34(b) se muestra el mismo polgono desarrollado con los punto sealado en la
datos de la tabla de frecuencias (figura 34(a)), sin haber construido previa- grfica (b).
mente el histograma. Obsrvese que en la tabla (a) la columna F comienza (b). El mismo
y termina en cero. Esto es para obtener los puntos extremos del polgono polgono del ejemplo
anterior obtenido a partir de la
que permiten cerrar la figura. tabla de frecuencias.
Curva de Frecuencias
Los polgonos que desarrollamos en el apartado anterior, presentan una
serie de vrtices ms o menos agudos en los puntos de unin de cada dos
segmentos consecutivos. Si tratamos de "suavizar" los vrtices del polgo-
no por medio de una curva suave y continua que se adapte a l, compen-
sando las reas perdidas en unos casos con las ganadas en otros, obten-
dremos lo que se conoce con el nombre de curva de frecuencias. La figura
35 muestra una curva de frecuencias que puede adaptarse bien al polgo-
no sobre el que est construida.
43
Aplicacin de la Estadstica al Control de la Calidad
44
Probabilidades. Distribucin
de probabilidad
PROBABILIDADES
Antes de entrar directamente en el desarrollo de las probabilidades,
introduciremos algunos conceptos que consideramos necesarios para el
estudio de este tema.
Un Experimento Aleatorio es un proceso que cumple con las siguientes
propiedades:
Se efecta en base a un conjunto de reglas.
Se repite o puede concebirse la repeticin del mismo.
No se puede predecir un resultado nico.
Como ejemplo de experimentos aleatorios podemos citar:
a) Lanzar un dado.
b) Tirar una moneda al aire.
c) Seleccionar aleatoriamente e inspeccionar un grupo de piezas.
Al conjunto de todos los resultados posibles de un experimento aleato-
rio se le denomina Espacio Muestral del experimento. Suele denotarse por
S. As, para los experimentos citados en el ejemplo anterior, tendremos los
siguientes espacios mustrales:
Sa = {1,2, 3, 4, 5, 6}
Sb = {cara, cruz}
Sc = {defectuoso, no defectuoso}
A cada uno de los subconjuntos del espacio muestral se le llama
Evento. Se representa comnmente por la letra E. Siguiendo con los
experimentos antes citados, podemos formar, entre otros, los eventos:
Ea = {1,2}
Eb = {cruz}
Ec = {defectuoso}
Cada uno de ellos contiene elementos del espacio muestral del que fue
obtenido.
Pero revsese atentamente el siguiente ejemplo, pues al ser un caso
comn en la prctica permitir aclarar ms lo antes explicado.
Supongamos que queremos extraer dos piezas del conjunto de cinco
45
Aplicacin de la Estadstica al Control de la Calidad
46
Probabilidades. Distribucin de probabilidad
47
Aplicacin de la Estadstica al Control de la Calidad
48
Probabilidades. Distribucin de probabilidad
49
Aplicacin de la Estadstica al Control de la Calidad
P (A ) P (B ) P(A B)
50
Probabilidades. Distribucin de probabilidad
VARIABLE ALEATORIA
Es una funcin que se asocia con un experimento aleatorio. Se define en
el espacio muestral del experimento. El conjunto de todos los resultados
del espacio muestral para los que la variable aleatoria adopta un valor
determinado, tiene una probabilidad definida.
Supngase el ejemplo del lanzamiento de dos monedas (A y B) a la vez.
Vamos a definir nuestra variable aleatoria como:
x = Nmero total de caras que se obtienen en el lanzamiento.
El espacio muestral correspondiente a este experimento es:
51
Aplicacin de la Estadstica al Control de la Calidad
DISTRIBUCIONES DE PROBABILIDAD
Considrese una variable aleatoria x discreta:
x = nmero que se obtiene al arrojar un dado.
Los distintos valores que puede tomar x son:
x = (1,2, 3,..., 6)
Las probabilidades de que x adopte cada uno de esos valores, ya son
conocidos:
P(x=1) = 1/6 ; P(x=2)=1/6;...; P(x=6)=1/6
La probabilidad de que x tome un valor a distinto de los anteriores
queda determinada por:
P(x=a)=0
Todo esto podemos expresarlo por medio de la funcin
1/6 si x=(1;2;3;...;6)
f(x)=
0 en cualquier otro caso
La funcin f (x) nos da las probabilidades para los distintos valores de la
variable. Por esta razn, se dice que f(x) es la Funcin de Probabilidades de
la variable aleatoria considerada. Vase en la figura 44 la representacin
grfica.
52
Probabilidades. Distribucin de probabilidad
53
Aplicacin de la Estadstica al Control de la Calidad
54
Probabilidades. Distribucin de probabilidad
Distribucin Normal
Fue desarrollada por F. Gauss, de aqu que tambin se conozca como
distribucin gaussiana o "de Gauss". Es la distribucin continua ms impor-
tante, dado que muchas variables, en la prctica, se distribuyen normal-
mente o bien se acercan a la normalidad. Muchas distribuciones halladas
en control de calidad se aproximan a la curva normal. En el caso del control
estadstico de procesos por variables, se parte del supuesto de que la
distribucin de datos se aproxima a la normal.
Las distribuciones normales se presentan grficamente en forma de una
curva suave, acampanada y simtrica. A esta curva de distribucin normal,
suele drsele tambin el nombre de curva de Gauss o campana de Gauss,
dada su forma acampanada.
Mediante un examen visual de la distribucin de frecuencias de la
muestra, se puede apreciar si la poblacin a la cual pertenece dicha
muestra puede suponerse razonablemente normal. En la figura 49 aparece
el histograma de frecuencias de una muestra que se adapta a una normal.
Obsrvese la forma acampanada de la curva, simtrica con respecto a la
media de la muestra ( x ). Debido a la simetra, la media coincide con la
moda (Mo) y con la mediana (Mdn).
55
Aplicacin de la Estadstica al Control de la Calidad
56
Probabilidades. Distribucin de probabilidad
57
Aplicacin de la Estadstica al Control de la Calidad
Figura 52. Fragmento de la Segn la tabla, para Z=2,46 obtenemos 0,49305. Quiere decir que
tabla de reas bajo la entre la media (60 das) y nuestro valor (100 das), tenemos el 49,305 % de
curva normal entre la media y las bombillas. Por ser la distribucin normal simtrica, a la derecha de la
distintos valores de Z.
Para buscar el valor media hay el 50%, luego para saber cuntas bombillas siguen funcionan-
correspondiente a 2,46 do despus de 100 das, restamos los porcentajes anteriores:
entramos por la fila 2,4 hasta
encontrar el nmero % despus de 100 das = 50% - 49,305% = 0,695%
situado en la columna 6.
Diremos entonces que aproximadamente slo el 0,7 % de las bombillas
seguir funcionando despus de 100 das.
La figura 53 representa grficamente el % buscado.
58
Probabilidades. Distribucin de probabilidad
59
Aplicacin de la Estadstica al Control de la Calidad
60
Probabilidades. Distribucin de probabilidad
Distribucin exponencial
Tiene importancia en la industria para describir el comportamiento del
tiempo entre fallos en equipos complejos cuando se hacen estudios de
fiabilidad. Tambin es til en la construccin, distribucin de cargas, etc.
Se caracteriza porque muchos datos se sitan por debajo de la media,
mientras que slo unos pocos estn por encima. Esto es lo que hace
decidir su aplicacin. En una poblacin exponencial, el 63,2% de los
valores estn por debajo de la media, mientras que el 36,8% estn por
encima. Puede apreciarse en la figura 55. Vase tambin la forma de la
curva, que no llega a tocar a ninguno de los ejes de coordenadas.
61
Aplicacin de la Estadstica al Control de la Calidad
Distribucin Binomial
Es una de las distribuciones discretas ms importantes. Suele drsele
tambin el nombre de distribucin de Bernoulli.
Supongamos que la probabilidad P(A) de que ocurra el evento A en un
experimento aleatorio es constante y que los resultados del experimento
no influyen uno sobre otro.
Definimos p como la probabilidad de que ocurra A en un solo ensayo:
p=P(A)
Luego 1p es la probabilidad de que en un solo ensayo no ocurra A que
llamaremos q.
1p=q
En ocasiones se le llama a p probabilidad de xito en un ensayo nico.
Si el experimento se lleva a cabo varias veces, por ejemplo, n veces, el
nmero de xitos x puede ser un valor cualquiera: x = 0,1,2...,n y el
nmero de fracasos queda definido por n x .
Las probabilidades correspondientes a cada nmero determinado de
xitos pueden calcularse por medio de la expresin:
n
f (x )= p x .qn-x para x = (0,1,2, ...,n ) y
x
62
Probabilidades. Distribucin de probabilidad
P (x = 2) = f (2) = 5
0,52 . 0,53 = 10 . 0,25 . 0,125 = 0,3125
2
P (x=3) = f(3) = 5
0,53 . 0,52 = 10 . 0,25 . 0,125 = 0,3125
4
63
Aplicacin de la Estadstica al Control de la Calidad
= p (1-p ) / n
Considrese que los valores n . p y p antes expresados, son valores
poblacionales rara vez conocidos, por lo que se estiman en la prctica a
partir de las respectivas medias aritmticas n . p y p de los resultados
mustrales.
La distribucin binomial es aplicable entonces para definir la probabili-
dad de x xitos en n pruebas de un experimento que tiene una probabili-
dad p = c t e en cada prueba.
Luego si p tiene que ser constante, el muestreo, en teora, tendra que
realizarse con reemplazo, es decir, tomar la primera pieza, examinarla,
anotar el resultado (defectuosa o no defectuosa) y devolverla de nuevo al
lote antes de tomar la segunda, siguiendo de esta forma hasta haber
examinado el nmero de piezas correspondiente al tamao de la muestra.
Esto hara que el lote presentara exactamente las mismas condiciones ante
la extraccin de cada pieza.
En la prctica es poco usado el muestreo con reemplazo, pero cuando
el tamao del lote es suficientemente grande puede ser lo mismo mues-
trear con o sin reemplazo.
Suele fijarse que si el lote tiene como mnimo un nmero de elementos
igual a diez veces el tamao de la muestra, resulta adecuado aplicar la
distribucin binomial, independientemente de que el muestreo se realice
con o sin reemplazo.
Luego, aplicaremos la binomial si p = c t e y N 0 n. Si n es grande, la
distribucin binomial puede aproximarse por medio de la normal, con
64
Probabilidades. Distribucin de probabilidad
Distribucin de Poisson
Fue introducida a principios del siglo pasado por S.D. Poisson. Es otra de
las distribuciones discretas con importantes aplicaciones.
Resulta ser una buena aproximacin de la distribucin binomial cuando
existe un gran nmero de ensayos y una probabilidad de xito pequea en
un solo ensayo, siendo aplicable cuando:
n 16 N 10n y p 0,1
La figura 57 muestra la grfica de la funcin de probabilidades de la
distribucin de Poisson para varios valores de la media .
La distribucin de Poisson se aplica para el estudio por atributos del
nmero de piezas defectuosas (np) y del nmero de defectos (c). La media
de la distribucin es:
=np o = c segn los casos.
Donde np o c son los valores esperados de piezas defectuosas o
defectos de la poblacin, respectivamente.
La desviacin estndar de la distribucin de Poisson es la raz cuadrada
de la media, por lo que:
= np o = c
np i c i
np = i =1
; c= i =1
m m
Esto que acabamos de desarrollar tiene especial importancia para los
65
Aplicacin de la Estadstica al Control de la Calidad
{x K x + K}
donde K es:
K=z. / n
Efectuando los clculos para K:
K = 2,58 . 3 / 100 = 0,774
con lo que el intervalo de confianza es:
{12 0,774 12 + 0,774} que es lo mismo que:
{11,226 12,774}
A veces se expresa como = 12 0,774
66
Probabilidades. Distribucin de probabilidad
67
Aplicacin de la Estadstica al Control de la Calidad
68
Control estadstico del proceso
INTRODUCCIN
Consideramos un proceso como una combinacin de mquinas, mate-
riales, mtodos, mano de obra, medio ambiente y mantenimiento, que
intervienen en la produccin.
El control de calidad tradicional en un proceso de fabricacin, se carac-
teriza por desarrollarse despus de la fabricacin del lote de producto,
como indica la figura 59. Los productos fabricados son sometidos a una
"deteccin", que permite decidir cules son productos buenos, separn-
dolos de los que resultan defectuosos. Los productos buenos siguen su
curso hacia el mercado. Los defectuosos que pueden recuperarse regre-
san para ser reprocesados, mientras que los no-recuperables pasan a la
"chatarra", convirtindose en desperdicios.
69
Aplicacin de la Estadstica al Control de la Calidad
70
Control estadstico del proceso
71
Aplicacin de la Estadstica al Control de la Calidad
72
Control estadstico del proceso
GRFICOS DE CONTROL
Para que el proceso sea predecible es necesario que la variabilidad en el
producto se deba slo a causas aleatorias. Esto se logra identificando y
73
Aplicacin de la Estadstica al Control de la Calidad
Por variables
Grfico de medias x .
Grfico de rangos R.
Grfico de medianas x .
Grfico de desviaciones s.
Grfico de individuos x.
Por atributos
Proporcin defectuosa p.
Nmero de defectuosos np.
Nmero de defectos c.
Proporcin de defectos u.
Estos grficos son objeto de amplio desarrollo en los captulos siguien-
tes.
74
Grficos de control por variables
GRFICO DE INDIVIDUOS
El grfico ms sencillo de construir es el de valores individuales o
individuos. El procedimiento a seguir es el mismo que el desarrollado para
la construccin de un diagrama lineal. Se recogen los datos de las piezas a
estudiar de uno en uno, sealando la medida de cada pieza y la hora
exacta en que fue fabricada. Obtendremos as parejas de valores (hora,
medida) que representaremos grficamente en un diagrama como el de la
figura 66. La lnea de trazos horizontal que aparece en el grfico correspon-
de a la media x de los datos recogidos. Es conveniente que esta lnea se
Figura 66. Un ejemplo de
site siempre en el centro de la zona destinada al grfico. Calculando la aplicacin del grfico
desviacin estndar s de los datos, se pueden fijar los lmites de control de control de individuos al
estadsticos o lmites experimentales superior e inferior, que quedan de- estudio de la resistencia
terminados por los puntos +3s y 3s, respectivamente, medidos a partir a la rotura en la fabricacin de
correas. Obsrvese que
de la media x . En el grfico estn representados por lneas gruesas conti- para el valor sealado con el
nuas situadas a ambos lados de la lnea media. asterisco, el punto del
grfico sale fuera del limite de
En el apndice se presenta un impreso para la construccin de este tipo control.
75
Aplicacin de la Estadstica al Control de la Calidad
de grficos. Tambin aparece all una hoja de registro para el control del
proceso, que debe acompaar siempre a todo grfico de control. Esta hoja
tiene gran importancia para el anlisis del grfico al que corresponde, pues
en ella quedan registradas todas las incidencias que se han presentado a lo
largo de la fabricacin y que pueden haber dado lugar a variaciones
sustanciales en el grfico.
Una simple revisin de los registros anotados puede darnos a conocer,
en muchos casos, las causas de variacin que estn influyendo en el
proceso.
El grfico de individuos tiene aplicacin cuando se dispone de pocos
datos para el estudio, como en el caso de lotes de fabricacin pequeos.
Uno de los inconvenientes de su aplicacin es que dependen del compor-
tamiento de la distribucin de los datos, que puede ser muy irregular en
algunos casos, lo que dificulta su posterior anlisis. Otro de los inconve-
nientes que presenta es la poca sensibilidad para detectar cambios en el
proceso de fabricacin.
GRFICO DE MEDIAS/RANGOS
donde:
x = Desviacin de la distribucin de medias.
= Desviacin de la distribucin de valores individuales.
n = Tamao de las muestras de donde se han extrado las medias.
Esto hace que la probabilidad de deteccin de un cambio en el proceso
sea mayor si se emplean medidas de pequeas muestras que en el caso
de trabajar con valores individuales.
Adems, estadsticamente se comprueba que una distribucin de me-
dias de pequeas muestras tomadas de una poblacin cualquiera, se
aproxima a la distribucin normal en la medida en que el nmero de
muestras procesadas se hace mayor. Esta afirmacin tiene vital importancia
en el anlisis de los grficos, permitiendo fijar pautas nicas basadas en las
propiedades ya conocidas de la distribucin normal.
Por otro lado, se presenta la desventaja de que al trabajar con medias
puedan aparecer uno o varios valores individuales fuera de los lmites
permitidos, que resulten compensados en el clculo de la media, obte-
nindose en definitiva un punto "bueno" en el grfico, que est encu-
briendo a la pieza o piezas defectuosas individualmente analizadas.
76
Grficos de control por variables
77
Aplicacin de la Estadstica al Control de la Calidad
Lmites de control
Habiendo determinado ya los valores de x y R podemos pasar a calcular
los lmites de control que servirn de pautas para el anlisis.
Tomando los datos correspondientes al ejemplo de la figura 67:
x =301,8 R =12,65
procederemos a desarrollar los pasos a seguir para obtener los lmites.
78
Grficos de control por variables
A2 = 0,729 D3 = 0 y D4 = 2,282
Los lmites superior e inferior para la media sern, respectivamente:
LSx = x + A2 . R = 301,8 + 0,729 . 12,65 = 311,02 311
LI x = x + A2 . R = 301,8 0,729 . 12,65 = 311,02 311
y para el rango:
LSR = D4 . R =2,282 . 12,65 = 28,87 28,9
U R =D 3 . R = 0 .12,65= 0
Por estos valores, segn las escalas correspondientes a cada diagrama,
se trazan lneas gruesas continuas horizontales, que representan a los
79
Aplicacin de la Estadstica al Control de la Calidad
80
Grficos de control por variables
81
Aplicacin de la Estadstica al Control de la Calidad
82
Grficos de control por variables
En el grfico R o s
Aumento de la variabilidad (el proceso ha empeorado) cuando el punto
est por encima del lmite superior.
La existencia de un punto por debajo del lmite inferior indica, general-
mente, que la dispersin ha disminuido (mejorado).
Si el tamao de la muestra es menor que 7, siempre que los puntos se
acerquen a cero, ser un indicativo de que la variabilidad ha disminuido.
Conviene investigar las causas de esta mejora para introducirlas en el
proceso de forma permanente.
En el grfico x o x
Un punto fuera de los lmites representa un cambio en la tendencia
central que indica que el proceso ha empeorado, independientemente de
que el punto se site por encima del lmite superior o por debajo del
inferior. Figura 71.
La posicin de los puntos dentro del rea de control. Entendiendo como tal
la zona comprendida entre los lmites, es la siguiente, para un conjunto de
20 a 25 muestras:
En la zona central se sita el 68% del total de puntos del grfico.
Figura 72(a). Equivale a decir que en esta zona deben existir entre 12 y 18
puntos, aproximadamente. Es necesario intervenir el proceso si hay 13 o
ms puntos consecutivos en la zona central.
En la zona media debe aparecer el 27 % de los puntos. Deben existir
entre 6 y 10 puntos, aproximadamente. Se hace necesario intervenir si hay
4 o ms consecutivos. Figura 72(b).
La zona externa contiene aproximadamente el 5 % del total de pun-
tos. Deben existir entre 1 y 3 puntos, aproximadamente. Hay que interve-
83
Aplicacin de la Estadstica al Control de la Calidad
nir si aparecen dos consecutivos. La figura 72(c) define esta zona como la
ms prxima a los lmites de control.
Si los puntos del grfico que estamos analizando no se corresponden
con lo antes sealado, verifiquemos que los lmites estn bien calculados y
marcados.
De no haber errores de clculo o representacin, las posiciones indebi-
das de los puntos pueden indicar mezclas o estratificaciones en las piezas
84
Grficos de control por variables
85
Aplicacin de la Estadstica al Control de la Calidad
86
Grficos de control por atributos
INTRODUCCIN
En la industria es frecuente encontrarse con caractersticas que no son
medidas como variables, en unos casos porque corresponden a aspectos
cualitativos y en otros porque supondra un coste elevado. Aqu es donde
intervienen los controles por atributos, brindndonos un mtodo sencillo,
rpido y que puede ser fcilmente comprendido por todo el personal.
Adems, en todos los procesos hay atributos, bien por tratarse de aspec-
tos cualitativos como decamos antes, o porque se han convertido las
caractersticas variables en atributos para simplificar el control.
Entre los grficos de control por atributos citaremos:
p : Proporcin de unidades defectuosas.
np : Nmero de unidades defectuosas.
c: Nmero de defectos.
u : Nmero de defectos por unidad de inspeccin.
Estos cuatro grficos se agrupan de dos en dos, segn estudien:
Unidades defectuosas (p y np).
Defectos (c y u).
Pero por otro lado tambin pueden agruparse de acuerdo a cmo
procesen los datos:
Cantidad de defectos o de piezas defectuosas (np o c).
Proporcin de defectos o de piezas defectuosas (p o u).
Si bien para procesar estadsticamente los datos de caractersticas varia-
bles era necesario que existieran variaciones, para trabajar con atributos es
necesaria la presencia de defectos o de piezas defectuosas.
Al igual que en el estudio por variables, los grficos por atributos
distinguen entre causas comunes y especiales de variacin.
Estos grficos son de gran utilidad en la mejora de procesos que produ-
cen cantidades significativas de defectos.
Entre sus desventajas puede citarse que no cuantifican la variacin. Por
regla general, necesitan muestras de tamao grande. Diremos tambin que
se prestan a subjetividades por parte de las personas que califican las
piezas, aunque esta desventaja puede minimizarse si se establecen crite-
rios de conformidad adecuados.
El grfico p
Mide la proporcin de unidades defectuosas en relacin al tamao de la
muestra.
87
Aplicacin de la Estadstica al Control de la Calidad
Cada unidad objeto de control debe registrarse slo una vez (conforme-
/no conforme) sin importar el nmero de defectos que presente.
Se necesitan muestras grandes, recogidas en un mismo perodo de
operacin del proceso. Las muestras han de tener un tamao tal que
permita la aparicin de defectos o piezas defectuosas. Es aconsejable que
el tamao de la muestra sea constante. En su defecto, la variacin mxima
permitida ser de un 25 % en relacin con el tamao medio de la muestra.
Si el tamao de una muestra excede este mximo permitido, habr que
calcular lmites de control especiales para dicha muestra.
La frecuencia de muestreo debe establecerse en consonancia con los
perodos de produccin.
Para estimar el comportamiento del proceso deben examinarse al menos
20 muestras.
La obtencin de valores y lmites correspondientes al grfico p se
muestra en la figura 75.
El grfico np
Mide el nmero de unidades defectuosas encontradas en las muestras.
Necesita muestras grandes, pero por tratarse de un grfico de "cantida-
des" es obligatorio que tengan tamao constante.
Los datos se obtienen con ms facilidad que en el grfico p, pues no es
88
Grficos de control por atributos
El grfico c
Mide el nmero de defectos encontrados en la muestra.
Requiere cantidades constantes de material en cada muestra. Por ejem-
plo:
Defectos por cada 100 metros de tela.
Defectos de aislamiento en 100 metros de cable.
Burbujas en un cristal.
Defectos de pintura en una pieza.
Tiene aplicacin cuando en una misma unidad de inspeccin pueden
encontrarse defectos de muchas fuentes distintas.
La figura 77 nos indica cmo efectuar el clculo de los valores y lmites
correspondientes al grfico c.
El grfico u
Mide el nmero de defectos por unidad de inspeccin. Es similar al
89
Aplicacin de la Estadstica al Control de la Calidad
grfico c, slo que aqu se obtiene el resultado por unidad. Utiliza los
mismos datos bsicos que el tipo anterior. Debe emplearse si el tamao
de la muestra no puede mantenerse constante de un perodo del proceso
a otro.
Conviene que las muestras sean de tamao constante para facilitar los
clculos, aunque utilizando los mismos lmites de control se permite una
variacin del 25 % en el tamao con respecto a la muestra media.
En la figura 78 podemos ver cmo determinar los valores y lmites de
control del grfico u.
Si en cualquier grfico por atributos, el lmite inferior diera un resultado
negativo, se despreciara dicho valor, situando el lmite en la lnea del cero.
90
Grficos de control por atributos
91
Aplicacin de la Estadstica al Control de la Calidad
Tendencias o tramos
Existen dos tipos de tendencias o tramos:
Tendencias ascendentes o tramos por encima de la media. Dan a
entender que:
El proceso ha empeorado y puede estar empeorando an.
El criterio de aceptacin ha sido modificado.
Tendencias descendentes o tramos por debajo de la media. Indican
que:
El proceso ha mejorado y puede seguir mejorando. Debemos estu-
diarlo para introducir mejoras permanentes.
El criterio de aceptacin fue modificado.
92
Grficos de control por atributos
93
Estudios de capacidad
INTRODUCCIN
El estudio de capacidad es una forma de comparacin entre la variabili-
dad permitida en el diseo de una pieza y la variabilidad obtenida en la
fabricacin de la misma. La variabilidad permitida en el diseo se refleja en
las especificaciones y tolerancias de la pieza. La variabilidad obtenida en la
fabricacin la determinamos con el estudio estadstico de un conjunto de
piezas fabricadas.
Para iniciar un estudio de capacidad debe definirse la caracterstica a
estudiar, con sus correspondientes especificaciones.
Es necesario que los instrumentos de medida a utilizar estn en perfecto
estado, teniendo como mnimo una precisin de 1 /10 de la tolerancia que
tiene la caracterstica a medir.
Estudios de Capacidad
95
Aplicacin de la Estadstica al Control de la Calidad
96
Estudios de capacidad
97
Aplicacin de la Estadstica al Control de la Calidad
98
Estudios de capacidad
99
Aplicacin de la Estadstica al Control de la Calidad
100
Estudios de capacidad
101
Apndice
103
Aplicacin de la Estadstica al Control de la Calidad
104
Apndice
105
Aplicacin de la Estadstica al Control de la Calidad
Considrese
xi
Z=
106
Apndice
5) Distribucin exponencial
n
6) Tabla de nmeros combinatorios
k
107
Aplicacin de la Estadstica al Control de la Calidad
7) Distribucin binomial
108
Apndice
109
Aplicacin de la Estadstica al Control de la Calidad
110
Apndice
111
Aplicacin de la Estadstica al Control de la Calidad
n : Tamao de la muestra.
A1: Factor para el clculo de lmites en el grfico x (a partir de s )
A2: Factor para el clculo de lmites en el grfico x (a partir de R )
A 2 : Factor para el clculo de lmites en el grfico x (a partir de R )
D3: Factor a partir de R) para el clculo del lmite inferior Grficos R
D4: Factor para el clculo del lmite superior
B3: Factor para el clculo del lmite inferior
Grficos s
B4: Factor para el clculo del lmite superior
112
Apndice
113
Aplicacin de la Estadstica al Control de la Calidad
114
Apndice
x
Desviacin standard en una distribucin de medias.
x /R Grfico de control de medias y rangos.
x Media de medias (lnea central del grfico x ).
LSx Lmite superior del grfico de medias.
LI x Lmite inferior del grfico de medias.
R Media de los rangos. (Lnea central del grfico R).
A2 Constante para el clculo de los lmites de control en el grfico x
cuando ste se combina con R.
D3 Constante para el clculo del lmite inferior del grfico R.
D4 Constante para el clculo del lmite superior del grfico R.
x /s Grfico de control de medias y desviaciones.
A1 Constante para el clculo de los lmites de control en grfico x cuando
ste se combina con s.
s Media aritmtica de las desviaciones estndar de las muestras.
x /R Grfico de medianas y rangos,
x Media aritmtica de las medianas de las muestras.
A
2 Constante para el clculo de los lmites de control para el grfico x .
B3 Constante para el clculo del lmite inferior del grfico s.
B4 Constante para el clculo del lmite superior del grfico s.
LSp Lmite superior del grfico p.
LIp Lmite inferior del grfico p.
LSnp Lmite superior del grfico np.
Llnp Lmite inferior del grfico np.
LSc Lmite superior del grfico c
LIc Lmite inferior del grfico c
LSu Lmite superior del grfico u.
Llu Lmite interior del grfico u.
115