CONTROL DE CALIDAD DE LOS ALIMENTOS CAP.

8 Mtodos Estadsticos en el Control de

Calidad
Ing. Gladys Tarazona

INTRODUCCION
Una de las reas de la actividad humana en la que la aplicacin de tcnicas estadsticas ha tenido gran difusin y al mismo tiempo un enorme xito, es en la de aquellos aspectos que se relacionan con el control de calidad de produccin de bienes y suministro de servicios. Un elemento fundamental en la filosofa del control de calidad moderno es la utilizacin generalizada de procedimientos cientficos, incluidos los mtodos estadsticos, en la planificacin, recogida de datos y anlisis de los mismos, de tal forma que las decisiones no se sustenten en meras conjeturas.

El papel de la estadstica en el aseguramiento de calidad

Para mejorar es necesario hacer cambios. Debemos tener buenos datos sobre los cuales realizar los cambios. Necesitamos herramientas que nos permitan convertir datos en informacin (es decir, que nos permitan responder preguntas). La estadstica es la ciencia que nos ayuda a solucionar estos problemas.
3

CONTROL DE CALIDAD
A menudo los datos numricos (que representan una caracteristica de calidad de producto), son claves para sacar conclusiones.

Datos

Conclusiones

ESTADISTICA
Comprende : LA RECOPILACION, PRESENTACION, ANALISIS E INTERPRETACION DE LOS DATOS NUMERICOS

Definiciones ...
Variable : son caractersticas que se pueden representar
por una cifra; son registrados con un instrumento graduado. Son datos que pueden adquirir cualquier valor dentro del dominio. Normalmente se obtienen por medicin..

Atributo :Atributos (Variable discreta)... Son datos o

medidas que slo pueden tener determinados valores dentro del dominio. Normalmente se obtienen por conteos (nmero de unidades disconformes)

Lote : Un grupo de productos fabricados o

elaborados bajo un sistema comn de causas.

Control estadstico de calidad

Es

la utilizacin de tcnicas en base a principios matemticos que nos proporcionan informacin para la toma de decisiones con respecto a la calidad de un producto.

Es una metodologa orientada a la mejora de procesos productivos/servicios basada en la utilizacin de criterios estadsticos

Para que sirve CEC ?

Reduce la variabilidad en los procesos/servicios La mejora de procesos/servicios lleva a la reduccin del nmero de fallos y a la disminucin de costos y ello permite: mejorar la competitividad de las empresas: aumentar la calidad y por tanto la satisfaccin del cliente y lo fideliza.

QU busca EL CEC ?
Reducir la variabilidad y la dispersin hacer las cosas bien a la primera previniendo los fallos en lugar de corregir sus efectos. Tomar las decisiones en funcin de datos y no de percepciones subjetivas. Corregir los procesos defectuosos en vez de los productos/servicios defectuosos
Caractersticas de

calidad : Toda aquella cualidad de un producto/servicio que se puede controlar.

- Caracterstica cuantitativa : Variable - Caracterstica cualitativa : Atributo

CARACTERSTICA DE CALIDAD Caracterstica inherente de un producto, proceso o sistema relacionado con un requisito (que existe en algo, como una caracterstica, inherente o asignada,).

CARACTERSTICA
Rasgo diferenciador.

Registro y Manejo de datos

En general toda produccin de artculos esta sujeto a variaciones consecuencia del proceso de fabricacin.

Variacin : diferencia entre lo que se espera que

ocurra con una caracterstica determinada y lo que realmente acontece, bajo condiciones similares

Tipos de Variaciones
Inherentes :son fluctuaciones aleatorias generadas por una combinacin de causas naturales. Resulta antieconmico eliminarlo.
Asignable: fluctuaciones No aleatorias, generadas por una causa o combinacin de causas identificables y econmicamente removible

Registro y Manejo de datos

Factores que producen Variaciones :
- La materia prima. - La mano de obra. - El ambiente - La maquinaria y los equipos. La industria conoce lo INEVITABLE de estas variaciones, por lo que incluyen en las especificaciones la TOLERANCIA

Tolerancia : Establece la banda de variacin admisible para

una dimensin, que la puede dar la norma.
La eleccin de la tolerancia esta en funcin : *costo de calidad del proyecto. *Valor del empleo de dicha tolerancia.

Cmo Reunir los Datos?

Los datos se recogen en formatos y poder realizar un posterior anlisis de stos. Su principal utilidad proviene del empleo de datos objetivos a la hora de examinar un fenmeno determinado. Como sirven de base para adoptar decisiones, es importante que el mtodo de recogida y el anlisis de los propios datos garanticen una interpretacin correcta del fenmeno estudiado (Izar y Gonzlez, 2004).

Distribucion de frecuencia
La distribucin agrupadas de frecuencia de un conjunto de observaciones es una disposicin que muestra la frecuencia de los valores de la variable ordenada en clases
Frecuencia : El nmero de observaciones en una celda Celda : intervalo a lo largo de la escala de medicin, de cda clase ordenada

Es un mtodo para describir los patrones de Variacin

Representacin Grafica de la Distribucin de Frecuencia

Grficos de Barras de frecuencia

Histograma de Frecuencias
Un histograma de frecuencias es un grfico que se forma levantando rectngulos sobre cada uno de los Lmites Reales de cada intervalo, con una altura equivalente a la frecuencia absoluta de cada clase.

Polgono de frecuencia
Un polgono de frecuencias es slo una lnea que conecta los Puntos Medios de todas las barras de un histograma.

Ojiva o Polgono de Frecuencia Acumulada

Una distribucin de frecuencias acumuladas nos permite ver cuntas observaciones son menores o igual a un valor especfico, en lugar de hacer un mero registro del nmero de elementos que hay dentro de los intervalos.

Ejemplo:
Suponga que un investigador desea determinar cmo vara el peso de un grupo de estudiantes de primer semestre de una universidad. Selecciona una muestra de 50 estudiantes y registra sus pesos en kilogramos. Los datos obtenidos fueron los siguientes:

Para construir la tabla de datos no agrupados se debe calcular primero lo siguiente

Luego, se organiza la informacin en la tabla, de la siguiente manera:

Construccin del grfico de barras de las frecuencias absolutas

Peso de estudiantes
7

Frecuencia absoluta

0 53 55 56 57 58 59 60 61 62 63 Peso (Kg) 64 65 66 67 68 69 70 71 72

Construccin del polgono de las frecuencias relativas

Polgono de frecuencias
7

Frecuencia absoluta

4 Serie1 3

0 53 55 56 57 58 59 60 61 62 63 Peso (Kg) 64 65 66 67 68 69 70 71 72

Construccin de la Ojiva
Ojiva
60

50

Frecuencia absoluta acumulada

40

30

Serie1

20

10

0 53 55 56 57 58 59 60 61 62 63 Pesos (Kg) 64 65 66 67 68 69 70 71 72

Promedios y medidas de Dispersin

La representacin de datos de la muestra por una distribucin de frecuencia, es siempre voluminosa, con frecuencia requiere mucho tiempo y a veces es engaosas pero siempre se necesita alguna forma de representacin estadstica

MEDIDAS DE TENDENCIA CENTRAL :

Media: Promedio aritmtico de las observaciones

Dado un conjunto numrico de datos, x1, x2, ..., xn, se define su media aritmtica como:

Mediana : Valor central de todos los datos ordenados por magnitud. La mediana es un valor de la variable que deja por debajo de s a la mitad de los datos, una vez que stos estn ordenados de menor a mayor

Moda : Valor ms frecuente de la data La moda es el dato ms repetido, el valor de la variable con mayor frecuencia absoluta.

Medidas de Dispersion
Tambin llamadas medidas de variabilidad, muestran la variabilidad de una distribucin, indicando por medio de un nmero, si las diferentes puntuaciones de una variable estn muy alejadas de la media.
Cuanto mayor sea ese valor, mayor ser la variabilidad, cuanto menor sea, ms homognea ser a la media. As se sabe si todos los casos son parecidos o varan mucho entre ellos

RECORRIDO O RANGO MUESTRAL (Re).

Es la diferencia entre los valores extremos, es decir la diferencia entre el valor de las observaciones mayor y el menor. Re = xmax - xmin

VARIANZA ( s2 ): es el promedio del cuadrado de las distancias entre cada observacin y la media aritmtica del conjunto de observaciones.

DESVIACIN TPICA (S): La varianza viene dada por las mismas unidades que la variable pero al cuadrado, para evitar este problema podemos usar como medida de dispersin la desviacin tpica que se define como la raz cuadrada positiva de la varianza

FUNCIONES DE DISTRIBUCIN DE PROBABILIDADES

A medida que aumentamos la cantidad de observaciones que tomamos de la poblacin, podemos construir nuestro grfico con un nmero mayor de intervalos, aunque de menor amplitud (El rango total cubierto por la poblacin es el mismo). Si continuamos este proceso, con intervalos cada vez mas estrechos y numerosos, los altibajos en el grfico de la distribucin de frecuencias tienden a desaparecer. En el lmite, el ancho del intervalo tiende a cero y la poblacin puede representarse por una distribucin de probabilidad continua. Cuando, para representar esta distribucin de probabilidad continua se utiliza una funcin matemtica, esta se denomina Funcin de Densidad de Probabilidad.

DISTRIBUCIN DE PROBABILIDADES
La forma de la curva en el grfico de la funcin de distribucin es caracterstica de la poblacin de observaciones asociada con la misma, y depende de variables internas del proceso que gener los datos de la poblacin. Existen distintas funciones de distribucin tericas, cada una de las cuales est basada en un modelo de comportamiento del proceso que gener el universo de observacin La aplicacin de una de estas distribuciones tericas a una poblacin particular est justificada si las hiptesis (suposiciones) del modelo de comportamiento del proceso que gener la poblacin se cumplen.

Variables aleatorias
Es una descripcin numrica del resultado de un experimento aleatorio De acuerdo a lo anterior las podemos clasificar como discretas o continuas Las discretas son variables aleatorias con un rango finito ( o infinito contable) Las continuas son variables que pueden asumir cualquier valor en un intervalo o conjunto de intervalos . Una forma de determinar si una variable es continua o discreta es imaginarse que los datos de esa variable son los puntos en una recta numrica

Variables aleatorias
En la prctica, se sabe que ciertos procesos y fenmenos generan resultados numricos cuya distribucin de probabilidades se puede ajustar a determinados modelos tericos. Por ejemplo, el nmero de partculas alfa emitidas por un material radiactivo sigue una distribucin de Poisson. Existen muchas otras distribuciones tericas, como la Binomial, la Exponencial, la de Weisbull, etc. Cada una de ellas tiene su propio campo de aplicacin, que se sostiene en un determinado comportamiento de los fenmenos, y al aplicarla se est haciendo en forma implcita la suposicin de que se cumplen las suposiciones del modelo subyacente.

La Distribucin Normal
Una distribucin muy importante en el control de calidad es la Distribucin Normal o de Gauss. La ecuacin matemtica de la funcin de Gauss es la siguiente:

Curva Normal
Se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece en fenmenos reales

La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado parmetro.

PROPIEDADES DEL CURVA NORMAL

La distribucin normal es una curva con forma de campana, con eje de simetra en el punto correspondiente al promedio del universo m. 2. La distancia entre el eje de simetra de la campana y el punto de inflexin de la curva es igual a s, la desviacin standard de la poblacin. El rea total debajo de la curva es igual a 1. 3. El rea debajo de la curva comprendida entre m - s y m + s es aproximadamente igual a 0,68 del rea total; entre m - 2s y m + 2s es aproximadamente igual a 0,95 del rea total: Es importante ver que los nicos parmetros necesarios para dibujar el grfico de la distribucin normal son y (Media y desviacin standard de la poblacin). 4. Con estos dos parmetros sabemos donde situar la campana de Gauss (En el punto correspondiente a la media) y cual es su ancho (Determinado por la desviacin standard).
1.

Relacin entre la desviacin estndar y la distribucin normal de frecuencias

Area bajo una cu rva normal

La Distribucin Normal Standard

Esta es la frmula de la Distribucin Normal Standard o Tipificada como Z : con

Como podemos observar, en ella hay un slo parmetro, Z, que incluye al promedio y la desviacin standard de la poblacin. Esta funcin est tabulada. Al calcular Z, lo que estamos haciendo, en realidad, es un cambio de variable por el cual movemos la campana de Gauss centrndola en el 0 del eje X, y modificamos el ancho para que la desviacin standard sea 1.

La Distribucin Normal Standard

De esta manera tenemos tabulada una funcin de Gauss que no depende de cual sea el promedio y la desviacin standard de nuestra poblacin real. El cambio de variable hace que se conserve la forma de la funcin y que sirva para cualquier poblacin, siempre y cuando esa poblacin tenga una distribucin normal. Cuando queremos calcular las probabilidades para una poblacin real, calculamos Z y entramos en la tabla de la funcin normal standard.

Distribuciones discretas de Probabilidad

La distribucin de una variable X se define como una descripcin del conjunto de valores posibles de X, junto con la probabilidad asociada con cada uno de estos valores, para una variable aleatoria discreta la distribucin de probabilidad se describe mediante una funcin de probabilidad, representada por f(x). Donde esta funcin define la probabilidad de cada valor de la variable analizada

Distribucin Binomial
Es una distribucin discreta de probabilidad conocida por sus variadas aplicaciones que se relaciona con un experimento de etapas mltiples Un experimento binomial tiene cuatro propiedades: 1. El experimento consiste en una sucesin de nintentos idnticos 2. En cada intento son posibles 2 resultados. xito o Fracaso 3. La probabilidad de xito, representado por p, no cambia de un intento a otro. En consecuencia, la probabilidad de fracaso, (1p), no cambia de un intento a otro. Supuesto de estacionariedad 4. Los intentos son independientes

Distribucin Binomial
Cules son los parmetros estadsticos de la variable aleatoria Y ? La media es: la varianza es: y, l a desviacin standard resulta: ;

Distribucin Poisson
Es una distribucin de probabilidad que muestra la probabilidad de x ocurrencias de un evento en unintervalo especificado de tiempo o e espacioLas propiedades de un experimento de Poisson son: La probabilidad de una ocurrencia es igual en dosintervalos cualesquiera de igual longitudLa ocurrencia o no ocurrencia en cualquier intervalo esindependiente de la ocurrencia o no ocurrencia encualquier otro intervalo

Distribucin Poisson
Si continuamos subdividiendo el rea indefinidamente, la frmula binomial nos dar la probabilidad de obtener 0, 1, 2, 3, ... n defectos, con n tendiendo a infinito.
En el lmite, la frmula binomial tiende a la frmula de Poisson:

donde x es la variable aleatoria y l el parmetro de la distribucin de Poisson. En el lmite, el producto de n por p, , es igual al parmetro de la distribucin:

Distribucin Poisson
Se puede observar que la curva de la funcin de Poisson es asimtrica, como la binomial. El promedio y la varianza de esta variable aleatoria son iguales al parmetro de la distribucin:

Por lo que, la desviacin standard es: