Professional Documents
Culture Documents
Ejemplo 1:
Ejemplo:
Una empresa de alimentos desea evaluar el trabajo de una máquina
llenadora de sachets de 10 ml + - 1 para una salsa en crema para
restaurantes de comida rápida. Para preparar el informe se realizaron 30
ensayos o pruebas, obteniéndose los siguientes resultados (en ml):
Máquina A
Ensayo (1 – 10) 10 11 11 8 10 11 12 10 8 12
Ensayo (11 – 20) 10 9 13 10 11 9 8 11 10 12
Ensayo (21 – 30) 7 7 7 11 11 11 9 10 10 12
Mayor valor : 13
Menor valor : 7
Rango (R) : 6
N° de datos (n) : 30
N° de Intervalos (k) : 5.48
Amplitud de intervalo (H) : 1
N° de Intervalo Límites de Intervalo inferior Límites de Intervalo superior Valor Medio (Xi) Frecuencia (fi) Frecuencia (fi) Total (∑fi)
1 7 8 7.5 III 3 3
2 8 9 8.5 III 3 3
3 9 10 9.5 III 3 3
4 10 11 10.5 IIII III 8 8
5 11 12 11.5 IIII III 8 8
6 12 13 12.5 IIII 4 4
Histograma de máquina A
8
0
7 8 9 10 11 12
Hoja Recogida de Datos u
Hoja de Verificación de Datos
Es un formato especial constituido para recolectar datos fácilmente, en
la que todos los artículos o factores necesarios son previamente
establecidos y en la que los records de pruebas, resultados de
inspección o resultados de operaciones son fácilmente descritos con
marcas utilizadas para verificar.
Aplicación:
Se emplea cada vez que un equipo inicia un esfuerzo de resolución de
problemas. Esta herramienta puede utilizarse durante las fases de
definición, medición y análisis del ciclo para mejorar el proceso.
Clasificación:
1. Hojas de verificación para datos medibles.
2. Hojas de verificación para defectos o items defectuosos.
3. Hojas de verificación para confirmación.
Hojas de verificación para datos medibles
Son aquellas utilizadas para registrar datos que requieren el análisis
subsiguiente para que redunden en el mejoramiento del proceso.
Coordenada
X
una variable
CAUSA
Metodología:
Registrar los valores de dos variables, como mínimo deberán ser tres de cada
una.
En un eje de coordenadas trazar los pares de datos ordenados en forma
ascendente.
Estudiar el comportamiento de la nube de puntos.
Trazar la línea de correlación correspondiente.
Correlación No Lineal
Ejemplo:
Una empresa se plantea cambiar la composición de uno de sus productos utilizando
un nuevo material. Antes de tomar una decisión, la empresa decide realizar un
ensayo para estudiar la posible relación entre la utilización de dicho material y el
número de defectos. Para ello analiza lotes con diferentes porcentajes del nuevo
material y toma los siguientes datos:
Desarrollo:
1. Dibujar, en un diagrama cartesiano, los ejes vertical y horizontal de la misma
longitud. Observar los valores máximo y mínimo de los grupos de datos, para
escoger la escala de representación adecuada a los mismos y evitar así errores
de interpretación.
2. Representar en el diagrama mediante puntos cada par de datos, reflejando los
valores de la clase de datos que se considera dependiente (causa) sobre el eje
horizontal X y los valores de la clase de datos que se considera independiente
(efecto) sobre el eje vertical Y.
3. Si dos o más pares de datos caen en el mismo punto, dibujar círculos
concéntricos alrededor del punto individualizado.
3. Una vez construido el diagrama se analiza la forma que tiene la nube de puntos
obtenida, para así determinar las relaciones entre los dos tipos de datos. Este
análisis puede efectuarse por técnicas estadísticas que permitan determinar si
existe o no relación, y el grado de existencia en su caso. Las herramientas
utilizadas son:
• La recta de regresión.
• El coeficiente de correlación lineal.
a
y x x xy 2
n x x 2 2
𝒀 = 𝒂 + 𝒃𝒙
n xy x y
b
n x 2 x
2
SCxy xy
x y
SCxy n
r SCx x
x 2 SCxy = Suma de cuadrados de xy
SCx SCy
2 SCx = Suma de cuadrados de x
n SCy = Suma de cuadrados de y
SCy y
2
y 2
n
Fórmulas
y x x xy 2
n xy x y
𝒀 = 𝒂 + 𝒃𝒙 a
n x x 2 2
b
n x 2 x
2
SCxy xy
x y
SCxy
r
n SCxy = Suma de cuadrados de xy
x 2
SCx = Suma de cuadrados de x
SCx SCy SCx x 2
n SCy = Suma de cuadrados de y
SCy y
2
y 2
n
Calculamos el coeficiente de correlación:
r = 0,918
El valor obtenido es muy próximo a 1, lo que nos confirma que la correlación es
fuertemente positiva.
Gráficos de Control o Cartas de Control
Definición:
Es la representación gráfica de una o más características de la calidad en un proceso
a lo largo del tiempo, que sirve para observar y analizar con datos estadísticos la
variabilidad y el comportamiento del proceso alrededor de un valor medio, y dentro
de los límites de control.
Características:
• También llamada gráfica de Shewart, por ser este economista quien la investigó y
la puso en práctica aproximadamente en el año 1920.
• Son gráficos utilizados para analizar la variaciones existentes en un proceso
comparando los datos actuales con los históricos.
• Una de sus principales características es la capacidad de diferenciar las causas
asignables de las no asignables de la variación de la calidad.
• Las gráficas de control son útiles para vigilar la variación de un proceso en el
tiempo, probar la efectividad de las acciones de mejora emprendidas y para
estimar la capacidad de un proceso.
Se utiliza cuando:
Se desea predecir tendencias en un proceso.
Para determinar si un proceso es estable o no.
Para analizar variables y su influencia sobre el proceso.
Para prevenir problemas específicos, implementar cambios y proyectos nuevos.
Cuando el proceso requiera ir tomando decisiones para mantenerlo dentro de los
límites (ya que esta herramienta permite detectar tendencias).
Se desea para mejorar la productividad, ya que la reducir el rechazo y la
reelaboración los costos disminuyen y la capacidad de producción aumenta.
Cartas de Control para datos variables:
Este tipo de cartas de control hace uso de estadísticos (cantidad numérica calculada
a partir de una muestra) obtenidos de datos como longitud, grosor, temperatura,
presión, etc., es posible medir la característica, y es necesario describir la
característica de calidad mediante medidas de tendencia central (media) y una
medida de dispersión (rango o desviación estándar).
Gráfica de rangos
4
3.5
2.5
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Estratificación de Datos
La estratificación de datos consiste básicamente en la clasificación y
separación de los datos en grupos o categorías con el objeto de realizar un
análisis más profundo y exacto de las causas, indagar sobre problemas o
comprobar que las acciones correctivas y de mejora son eficientes.
Por si sola no es una herramienta de mejora, pero es de inestimable ayuda en
la elaboración de otras herramientas como el diagrama de Pareto o el
diagrama de dispersión.