3. El “Control Estadístico de Procesos” nació a
finales de los años 20 en los Bell Laboratories.
Su creador fue W. A. Shewhart, quien en su libro
“Economic Control of Quality of Manufactured
Products” (1931) marcó la pauta que seguirían
otros discípulos distinguidos (Joseph Juran, W.E.
Deming, etc.).
4. La mejora de procesos y los sistemas de calidad
requieren que la toma de decisiones se apoye
en un correcto análisis de los datos.
5. ¿POR QUÉ VARÍAN LOS PROCESOS?
Un proceso industrial está sometido a una serie
de factores de carácter aleatorio que hacen
imposible fabricar dos productos exactamente
iguales.
6. Dicho de otra manera, las características del
producto fabricado no son uniformes y
presentan una variabilidad.
7. Esta variabilidad es claramente indeseable y el
objetivo ha de ser reducirla lo más posible o al
menos mantenerla dentro de unos límites.
9. Dado que su aplicación es en el momento de la
fabricación, puede decirse que esta herramienta
contribuye a la mejora de la calidad de la
fabricación.
10. Permite también aumentar el conocimiento del
proceso (puesto que se le está tomando “el
pulso” de manera habitual) lo cual en algunos
casos puede dar lugar a la mejora del mismo.
11. Es de vital importancia en el control y monitoreo
de procesos, y en la mejora e innovación de la
calidad.
12. Esta conformada de un conjunto de técnicas y
conceptos orientados a la recolección y el
análisis de los datos tomando en cuenta la
variación de los mismos.
13. Función de la estadística en la toma de
decisiones
Problema de
estudio
Objetivos que
se perciben
¿Qué información
se requiere?
Análisis
¿Existe?
Conclusiones
Acciones y
decisiones
¿Dieron
resultado?
Obtenerla
15. Identificar dónde, cómo, cuándo y con que frecuencia se
presentan los problemas
Detectar con rapidez, oportunidad y a un bajo costo
anormalidades en los procesos y sistemas de medición.
Objetividad en la planeación y toma de decisiones
16. Evaluar de forma objetiva el impacto de
las acciones de mejora.
Enfoque en los hechos y causas
importantes
Análisis de manera lógica, sistemática y
ordenada la búsqueda de mejoras.
20. Debido a lo anterior, es necesario monitorear
constantemente el proceso; sin embargo no
todos los cambios en las 6 M se reflejan en una
variación significativa en los resultados
22. Principios
1. Todo trabajo ocurre en un sistema de
procesos interconectados.
2. La variación existe en todos los procesos
3. Entender y reducir la variación son claves
para el éxito.
25. Tipos de variables
• Entrada (Independientes). Variables de control
del proceso o características de algún insumo.
También se consideran las variables no
controladas que influyen en los resultados.
• Salida (Dependientes). Variables de respuesta,
representan las características de calidad del
producto, reflejan los resultados del proceso.
26. Existen tres tipos de variables de salida o
características de calidad.
1. Entre más pequeño mejor. No deben de
exceder de un valor máximo o especificación
superior (ES).
2. Entre más grande mejor. Deben ser mayores
a un valor mínimo o especificación inferior
(EI)
27. 3. Valor nominal es el mejor. No deben de ser
menores a un EI ni mayores a un ES
29. Identifican un valor en torno al cual los datos
tienden a aglomerarse o concentrarse. Sirven
para saber si la variable de salida es igual o muy
próxima al valor nominal deseado.
30. Media muestral
Media o promedio de los datos obtenidos de la
muestra.
̅ =
∑
Si hay datos atípicos, no funciona la media y
mejor usar la mediana.
32. Mediana (percentil 50)
Valor que divide a la mitad los datos cuando
están ordenados de menor a mayor.
a) Número par de datos
=
+
2
b) Número impar de datos
=
35. En un restaurante se tiene una receta para hacer
agua fresca, la cual contempla agregar 500
gramos de azúcar para asegurar que se obtiene
agua de calidad (ni muy dulce ni desabrida). Los
que preparan el agua normalmente no pesan la
cantidad de azúcar, por lo que se propuso
adquirir bolsas de 500 gramos de 2 marcas
diferentes. Al pesar 40 bolsas de cada marca se
obtiene lo siguiente
39. Desviación estándar muestral
Indica que tan distantes están los valores
respecto de la media muestral.
=
∑ − ̅
− 1
Entre más grande sea el valor de S, mayor es la
variabilidad de los datos. Se expresa en la misma
unidad que los datos.
40. Desviación estándar poblacional
Si para el cálculo de la desviación estándar se
usan todos los valores de la población o
universo (sigma)
=
∑ − ̅
− 1
43. Es útil para comparar la variación de 2 o más
variables que están medidas en diferentes
escalas o unidades de medición (metro contra
centímetros, metro contra kilogramo)
44. Media y desviación estándar
La forma de comprender el significado de la
desviación estándar como medida de dispersión
en torno a la media es por la Desigualdad de
Chebyshev y la Regla empírica.
46. Regla empírica
Afirma que muchos de los datos que surgen en
la práctica se ha observado por la experiencia
que:
̅ ± ≈ 68%
̅ ± 2 ≈ 95%
̅ ± 3 ≈ 99.7%
Nota: No se debe usar si el tamaño de la
muestra es menor a 30
47. Histograma y tabla de frecuencias
Permiten visualizar la tendencia central y
dispersión de un conjunto de datos y además
muestran la forma en que se distribuyen dentro
de su rango de variación.
50. 2. Obtener el número de clases (entre 5 y 15).
Existen varios criterios entre ellos
=
= 1 + 3.3 ( )
51. 3. Longitud de clase. Se establece para que el
rango pueda cubrirse en su totalidad por el
número de clases determinado, se
recomienda ampliar un poco el rango.
=
52. 4. Construir los intervalos de clase. Resultan de
dividir el rango (ampliado) entre el numero
de intervalos determinados con la longitud
de clase (LC).
Clase Intervalo Frecuencia Frec. Relativa
1 [ , )
2 [ , )
3 [ , )