CURSO CALIDAD

NDICE DE CONTENIDOS

1. FUNDAMENTO Y TCNICAS ESTADSTICAS 2. GRAFICOS DE CONTROL 3. ESTUDIOS DE CAPACIDAD 4. PLANES DE MUESTREO 5. HERRAMIENTAS DE CALIDAD

 No hay conocimiento que pueda contribuir tanto a mejorar la calidad , productividad y competitividad de las empresas como el de los mtodos estadsticos Dr.W. Edwars Deming

CURSO CALIDAD
PLANIFICACIN TEMPORAL DEL CURSO

DIA 1

DIA 2

DIA 3

DIA 4

DIA 5 Visita a la empresa

DIA 6 Temas 4 y 5

Temas 1, 2 y 3

CURSO CALIDAD
NDICE DE CONTENIDOS

1. FUNDAMENTO Y TCNICAS ESTADSTICAS 2. GRAFICOS DE CONTROL 3. ESTUDIOS DE CAPACIDAD 4. PLANES DE MUESTREO 5. HERRAMIENTAS DE CALIDAD

1.- FUNDAMENTO Y TCNICAS ESTADSTICAS

CONTENIDOS 1.1 PROBABILIDAD 1.2 CONCEPTOS ESTADSTICOS 1.3 DISTRIBUCIN DE FRECUENCIAS: 1.3.1 HISTOGRAMA 1.3.2 DISTRIBUCIN NORMAL 1.3.3 DISTRIBUCIN NORMAL ESTNDARD O TIPIFICADA 1.4 TEST DE HIPOTESIS 1.5 ERRORES DE 1 y 2 ESPECIE 1.6 RECTA DE HENRY 1.7 CAJA-BIGOTES
5

1.1.- PROBABILIDAD

Cada vez que realizamos un clculo matemtico para resolver un problema, lo que estamos haciendo es aplicar un modelo matemtico a un fenmeno de la realidad. En ningn caso se debe confundir modelo con realidad. Un modelo es slo una representacin de la realidad, utilizado para estudiar y analizar dicha realidad.

1.1.- PROBABILIDAD

Los modelos matemticos que, despus de efectuar los clculos nos dan un resultado numrico preciso, son los modelos Determinsticos. Sera el caso de las leyes de la gravedad aplicadas a la cada real de un cuerpo o el clculo la corriente elctrica que circula por un cable aplicando la ley de Ohm.

V I = = 5.7 A R

1.1.- PROBABILIDAD

Los fenmenos que necesitan otro tipo de modelos matemticos, se denominan no determinsticos, probabilsticos o estocsticos. El resultado no es un valor determinado, sino la probabilidad de un valor. Por ejemplo la probabilidad de que la bolsa suba un cierto porcentaje

1.1.- PROBABILIDAD

Entonces, tradicionalmente se ha definido la probabilidad P de un suceso como el grado de confianza que hay sobre la ocurrencia de un determinado suceso futuro, con valores entre 0 y 1.

Si la probabilidad es 1 significa que el suceso ocurrir con toda certeza. Si la probabilidad es 0,5 significa que un suceso puede ocurrir o puede no ocurrir con la misma confianza. Probabilidad 0 quiere decir que el suceso es imposible que ocurra.

Objetivamente, se define probabilidad como el modelo matemtico de las frecuencias relativas.

1.2.- CONCEPTOS ESTADSTICOS

La Poblacin engloba a todos los elementos de una misma clase, cada dato numrico. Normalmente no se obtiene toda esta informacin por escasez de tiempo, alto coste, ensayos destructivos Debido a estos motivos, lo que se hace habitualmente es tomar un subconjunto, una Muestra. sta es por tanto un subconjunto pequeo de observaciones extradas de una poblacin.

10

1.2.- CONCEPTOS ESTADSTICOS

Distribucin de Frecuencias de una Poblacin Una gran tabla de nmeros ordenados al azar prcticamente no nos muestra informacin acerca de la poblacin de datos. Una forma de clasificar y ordenar los nmeros para obtener ms informacin de la poblacin sera escribir los nmeros desde el menor hasta el mayor y colocar encima de cada uno tantas cruces como veces que figure repetido en la poblacin, y as obtener la Distribucin de Frecuencias de una Poblacin:

11

1.2.- CONCEPTOS ESTADSTICOS

Distribucin de Frecuencias de una Poblacin

Promedio 29 33 26 32 30 31 29 30 31 27 29

x 29 x x 27 26 28 30 27 x x x 25 28 32 x x x 31 32 28 x x x x x x 30 30 31 x x x x x x x x 29 31 30 x x x x x x x x x x 30 34 24 25 26 27 28 29 30 31 32 33 34 35 33 31

Poblacin

Muestra

12

1.2.- CONCEPTOS ESTADSTICOS

Distribucin de Frecuencias de una Poblacin El nmero de veces que aparece repetido cada dato es la frecuencia de dicho valor. La representacin grfica nos permite ver informacin que antes no apareca tan evidente. Por ejemplo, sin hacer ningn clculo nos damos cuenta donde est aproximadamente el promedio de la poblacin as como nos muestra cuales son los valores mximo y mnimo de la poblacin, es decir, el rango

13

1.3.- DISTRIBUCIN DE FRECUENCIAS

1.3.1 HISTOGRAMA Cuando los nmeros no son enteros o cuando tenemos un nmero muy grande de datos, se divide el rango total en subintervalos y se cuenta el nmero de valores que cae dentro de cada subintervalo.

Los rectngulos representan las clases La base de los rectngulos representan los intervalos de clase Las alturas de los rectngulos representan las frecuencias de clases

14

1.3.- DISTRIBUCIN DE FRECUENCIAS

Clculo de intervalos de clase y su anchura: N = Nmero de datos. R = Vmax Vmin de la muestra (rango). k = Nmero de intervalos K = N h = amplitud de los intervalos h = R / k en el caso de resultar h difcil de manejar, se puede tomar un valor prximo h de forma que el nmero de intervalos resultar : k ' = R / h' Comienzo de la primera clase = Vmin M/2 Intervalos recomendados Donde M = unidad de medida N k (Si hablamos de valores 1,98 -> M=0,01) 50-100 6-10
100-200 >200 10-15 15-20
15

1.3.- DISTRIBUCIN DE FRECUENCIAS

EJEMPLO: Una empresa que fabrica tubos de ensayo, ha determinado que las tolerancias de la longitud del mismo son 32,2 +/- 0,2 Para estimar si el proceso est fabricando correctamente las piezas se han tomado 100 muestras y se ha medido su longitud:
32,206 32,223 32,228 32,191 32,198 32,211 32,208 32,228 32,217 32,196 32,189 32,208 32,217 32,231 32,246 32,211 32,188 32,181 32,16 32,227 32,24 32,22 32,167 32,197 32,199 32,202 32,207 32,22 32,168 32,178 32,188 32,234 32,238 32,26 32,211 32,217 32,228 32,209 32,179 32,191 32,248 32,211 32,173 32,241 32,251 32,234 32,221 32,211 32,203 32,241 32,253 32,182 32,193 32,172 32,182 32,193 32,198 32,201 32,221 32,234 32,182 32,192 32,202 32,197 32,208 32,196 32,222 32,233 32,221 32,208 32,191 32,219 32,226 32,247 32,22 32,223 32,198 32,207 32,219 32,237 32,188 32,209 32,199 32,218 32,179 32,248 32,169 32,209 32,223 32,237 32,228 32,208 32,198 32,188 32,201 32,194 32,214 32,211 32,203 32,191

16

EJEMPLO:

Intervalos Frecuencia relativa 20 18 16 14 12 10 8 6 4 2 0

65 -3

32 , 15 532 32 ,1 ,1 65
2, 17 5 2, 18 5 2, 19 5 2, 20 5 2, 21 5 32 ,2 1 32 ,2 2 32 ,2 3 32 ,2 4 53 53 53 53 2, 22 5 2, 23 5 2, 24 5

32 ,1 7 32 ,1 8 32 ,1 9 32 ,2 0 53 53 53 53

1.3.- DISTRIBUCIN DE FRECUENCIAS

Histograma

32 ,

25 25 5 532 ,2 65

2,

17

1.3.- DISTRIBUCIN DE FRECUENCIAS

Diferentes resultados : 1: Distribucin normal, con forma de campana habitual. -Histograma 2: Distribucin bimodal. Responde a dos fuentes distintas. -Histograma 3: La distribucin est desplazada a la izquierda : Sesgado a la derecha. No responde a una normal, sino ms bien a ciclos de vida. -Histograma 4: La distribucin est recortada en su lmite inferior. Se denomina censurado y responde a que se han eliminado valores. Ej : retrabajo tras inspeccin 100%. -Histogramas 5 y 6: Existen valores extraos y no siguen un patrn de comportamiento general; variabilidad asignable a alguna causa que hay que remediar.
-Histograma

18

1.3.- DISTRIBUCIN DE FRECUENCIAS

Parmetros que caracterizan una curva de distribucin Posicin : indican situacin del conjunto de datos. Dispersin : grado de agrupamiento. Asimetra : forma de la distribucin.

19

1.3.- DISTRIBUCIN DE FRECUENCIAS

Medidas de posicin Una caracterstica importante de cualquier poblacin es su posicin, es decir, donde est situada con respecto al eje de abscisas (Eje horizontal). Una manera de obtener un dato numrico que nos d idea de la posicin de nuestra poblacin es calcular el Promedio o Media ( o X) de todas las observaciones:

( X ) X=
i

La media representa el centro de gravedad de la distribucin.

20

1.3.- DISTRIBUCIN DE FRECUENCIAS

Medidas de Posicin Otra manera es mediante la Mediana. Es el valor del dato central. Se ordenan los datos de menor a mayor y:

Si el nmero de datos es impar, la mediana es el dato central.

Si el nmero de datos es par, la mediana es el promedio aritmtico de los dos datos centrales.

~ = x + n +1 e (x x ) x e +1 e e 2 n +1 e = ENTERO 2

La tercera forma es mediante la Moda. Es el valor de la muestra que aparece con ms frecuencia, el valor del dato que ms veces se repite

21

1.3.- DISTRIBUCIN DE FRECUENCIAS

Medidas de Dispersin Nos da informacin sobre cmo estn agrupados los datos, de la distribucin de los datos. El Rango o Recorrido es la diferencia entre el dato mayor y el dato menor. Es de gran utilidad debido a su simplicidad de clculo.

R = X max X min

22

1.3.- DISTRIBUCIN DE FRECUENCIAS

Medidas de Dispersin la Varianza (2 o S2), la suma ponderada del error cuadrtico: En realidad, S2 es la varianza muestral, mientras que
S
2 n 1

(x x)
i =1 i

S2n-1 es la quasi-varianza. Se utiliza esta ltima por ser mejor indicador que la anterior. n2 es la varianza poblacional.

n 1

Otra medida de dispersin es la Desviacin Tpica o Estndar ( o S):

2 sn 1 = sn 1

23

1.3.- DISTRIBUCIN DE FRECUENCIAS

Medidas de Dispersin El recorrido intercuartlico, es la diferencia entre el cuartil superior y el inferior, representando el 50% de los valores de la muestra.

Coeficiente de variacin es el cociente entre desviacin tpica y la media.

CV =

sn 1 x

24

1.3.- DISTRIBUCIN DE FRECUENCIAS

Medidas de Asimetra El factor de asimetra, es un parmetro adimensional que indica hacia donde se concentra la asimetra (si existe)

k=

( xi x )3 n s3

k < 0 Asimetra negativa, cola a la izquierda k = 0 No tiene asimetra k > 1 Asimetra positiva, cola a la derecha

25

1.3.- DISTRIBUCIN DE FRECUENCIAS

Fuente: CONTROL ESTADISTICO DE CALIDAD. V. Carot,1996

26

1.3.- DISTRIBUCIN DE FRECUENCIAS

PRINCIPALES DISTRIBUCIONES

Fuente: CONTROL ESTADISTICO DE CALIDAD. V. Carot,1996

27

1.3.- DISTRIBUCIN DE FRECUENCIAS

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. 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.

28

1.3.- DISTRIBUCIN DE FRECUENCIAS

DISTRIBUCION DISCRETA

DISTRIBUCION MULTIVARIABLE

29

1.3.- DISTRIBUCIN DE FRECUENCIAS

ALGUNAS DISTRIBUCIONES

Normal

Uniforme

Cauchy Binomial Poisson

t (student)

F (Fischer)

2 Chi cuadrado

Exponencial

Weibull

Lognormal

Vida Fatiga

Gamma

Doble exp.

Normal Pot.

Lognormal Pot.

Tukey-

30 Valor Extrem.

1.3.- DISTRIBUCIN DE FRECUENCIAS

1.3.2 DISTRIBUCIN NORMAL Es la ms importante y la de mayor uso de entre todas las distribuciones continuas. Tambin es la ms utilizadas en calidad. La experiencia demuestra que las distribuciones de la mayora de muestras tomadas en el campo de la industria se aproximan a la distribucin normal si el tamao de la muestra es grande. La ecuacin matemtica de la distribucin normal o campana de Gauss es la siguiente:

31

1.3.- DISTRIBUCIN DE FRECUENCIAS

1.3.2 DISTRIBUCIN NORMAL La distribucin normal es una curva con forma de campana, con eje de simetra en el punto correspondiente al promedio la poblacin . 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:
Grfico de la Distribucin Normal
Densidad de Probabilidad
0,25 0,20 0,15 0,10 0,05 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Variable Aleatoria X

32

1.3.- DISTRIBUCIN DE FRECUENCIAS

1.3.2 DISTRIBUCIN NORMAL

El rea total debajo de la curva es igual a 1. El rea debajo de la curva comprendida entre - y + es aproximadamente igual a 0,68 del rea total; entre -2 y +2 es aproximadamente igual a 0,95 del rea total, con el criterio 6 se encuentra aprox. El 0,9973 del area total, etc.

33

1.3.- DISTRIBUCIN DE FRECUENCIAS

1.3.3 DISTRIBUCIN NORMAL ESTNDAR O TIPIFICADA La frmula de la distribucin normal la podemos escribir de la siguiente manera:

Llamando Z a

Entonces la frmula queda:

34

1.3.- DISTRIBUCIN DE FRECUENCIAS

1.3.3 DISTRIBUCIN NORMAL ESTNDAR O TIPIFICADA Esta funcin est tabulada, y para ingresar en la tabla es necesario calcular Z, para lo cual necesitamos la media y la desviacin standard de la poblacin. 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:
Grfico de la Distribucin Normal
0,45

Densidad de Probabilidad

0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00

-5 -4 -3 -2 -1 0

= 0 =1 Cambio de variable
Z
1 2 3 4 5 6 7 8

= 15 = 2,5
X

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Variables Aleatorias X y Z

35

1.3.- DISTRIBUCIN DE FRECUENCIAS

1.3.3 DISTRIBUCIN NORMAL ESTNDAR O TIPIFICADA Cuando queremos calcular las probabilidades para una poblacin real, calculamos Z y entramos en la tabla de la funcin normal standard:

36

1.4.- TEST DE HIPOTESIS

JUSTIFICACION En el Control de Calidad, la toma de decisiones se realiza bajo incertidumbre parcial : mediante el estudio de una serie de muestras, se debe decidir sobre el conjunto de la poblacin. Para ello, se crea la herramienta del Test de Hiptesis, que permite ayudar en la toma de decisiones. OBJETO Consiste en estudiar si una hiptesis establecida para una poblacin es coherente con la informacin obtenida de una muestra aleatoria.

37

1.4.- TEST DE HIPOTESIS

UTILIZACION Es la base para muchos de los anlisis del control estadstico de calidad. En especial, es la base para los grficos de control. Se establecen Intervalos de Confianza.

38

1.5.- ERRORES DE 1 Y 2 ESPECIE

La nica forma de conocer si Ho es correcta, consiste en analizar toda la poblacin, lo cual resulta inviable. Si debemos tomar una decisin no queda ms remedio que realizar una inferencia estadstica mediante un test de hiptesis, lo cual conlleva a poder asumir un error. Al aplicar un buen Test de Hiptesis, es posible, pero poco probable, tomar una decisin errnea.

aceptar VERDADERA rechazar Ho aceptar FALSA rechazar

Decisin correcta

Error de 1a especie Error de 2a especie

Decisin correcta

39

1.5.- RECTA DE HENRI

Se basa en la utilizacin de una recta emprica que permite comprobar si una distribucin dada sigue una distribucin normal. Esto se llama el anlisis grfico de Kolmogorov. Se utiliza para calcular capacidades de forma grfica.
Si disponemos de un grfico como el de la figura, con el eje de ordenadas graduado centil a centil (segn la ley normal) y con el eje de abcisas graduado de medio punto en medio punto segn las notas directas, es fcil demostrar que una distribucin perfectamente normal est representada sobre este grfico por una recta (Recta de Henri).

Punto A B C

xi mx + mx - mx

yi 1 -1 0

40

1.5.- RECTA DE HENRI

Ejemplo

- Frecuencia de clase (f) - Frecuencia acumulada ( f) - Frecuencia acumulada relativa ( f %) - Nmero de intervalos (i), determinados de la siguiente manera:

41

42

1.6.- CAJA-BIGOTES
En general se utilizan para estudiar y comparar distribuciones muestrales. Normalmente se utiliza con cuartiles, aunque tambin puede utilizarse con percentiles.

Outlier Elemento extrao. Fuera de los bigotes.

*
El bigote referesenta una extensin del valor mximo dentro del lmite superior. Q3+1.5(Q3-Q1)

Representa el tercer cuartil (Q3) . El 75% de los values son inferiores a este valor.

El bigote referesenta una extensin del valor mnimo dentro del lmite inferior. Q1-1.5(Q3-Q1)

Representa el primer cuartil (Q1). El 25% de los valores son inferiores a este valor.

43

FIN DE LA PRIMERA SESION

44

Tubos de Ensayo

Minitab 13

Statgraphics 5.1

Histogram of Medicion
Normal 16 14 12 Frequency 10 8 6 4 2 0 32,16 32,18 32,20 32,22 Medicion 32,24 32,26
Mean StDev N 32,21 0,02260 82

Histograma
18 15 12 9 6 3 0
32,155 32,165 32,175 32,185 32,195 32,205 32,215 32,225 32,235 32,245 32,255 32,265 32,275

frecuencia

medicin

45

Ejemplo de medidas de posicin

nmeros 3,4,5,6,7,8,9,10,11,12,14,17

x=

= 106 = 8,83
N = 12

e = ENTERO (

13 )=6 2 ~ = X + 13 6 ( X X ) = 8,5 x 6 7 6 2

Tubos de ensayo

46

Medidas de dispersin

nmeros 3,4,5,6,7,8,9,10,11,12,14,17

2 n 1

( xi 8,83) 2
i =1

12

11

= 17,606

sn 1 = 17,606 = 4,196

Cuartil Inf : 5,75 y Cuartil Sup : 11,25. Recorrido Interc. = 5,5

CV =
Tubos de ensayo

sn 1 4,196 = = 0,475 x 8,83

47

Tubos de ensayo

Summary for Medicion

A nderson-Darling Normality Test A -S quared P -V alue M ean S tD ev V ariance S kew ness Kurtosis N M inimum 1st Q uartile M edian 3rd Q uartile M aximum 32,205 32,202 9 5 % C onfidence Inter vals
Mean Median 32,200 32,204 32,208 32,212 32,216

0,23 0,797 32,210 0,023 0,001 0,083245 -0,607768 82 32,160 32,193 32,209 32,226 32,260 32,215 32,217 0,027

32,16

32,18

32,20

32,22

32,24

32,26

95% C onfidence Interv al for M ean 95% C onfidence Interv al for M edian 95% C onfidence Interv al for S tDev 0,020

48