CONTROL ESTADISTICO DE PROCESOS (C.E.

P)
Herramientas de Estadsticas Para Controlar Procesos

HENRY VILLARROEL

C.E.P
Estadstica Descriptiva
Clasificacin de la Estadstica. Estadstica Descriptiva. Se refiere a la recoleccin, presentacin, descripcin, anlisis e interpretacin de una coleccin de datos. Esencialmente consiste en resumir los datos a travs de uno o dos ms elementos de informacin (medidas descriptivas)
HENRY VILLARROEL

C.E.P
Estadstica Descriptiva
Medidas Descriptivas Son valores numricos calculados a partir de una muestra y que nos resumen la informacin contenida en ella.
Centralizacin Indican valores a los que los datos parecen agrupase
HENRY VILLARROEL

Media, Mediana y Moda

Dispersin Indican la mayor o menor concentracin de los datos con respecto a las medidas de centralizacin

Varianza, la desviacin estndar, el Rango y el coeficiente de variacin

C.E.P
Estadstica Descriptiva
Media (Media aritmtica)
Es el cociente entre la suma de todos los datos y el nmero de ellos y denota matemticamente:
HENRY VILLARROEL

Mediana

1 n X = Xi n i =1

Es el valor que separa por la mitad, las observaciones ordenadas de menor a mayor de tal forma que el 50% son menores que la mediana y el otro 50% son mayores. Si el numero de datos es impar la mediana ser el valor central y si es par tomaremos como mediana la media aritmtica de los dos valores centrales

C.E.P
Estadstica Descriptiva
Moda
Es el valor de la variable que ms se repite, es decir, aquella cuya frecuencia absoluta es mayor. No tiene porque ser nica
HENRY VILLARROEL

Medidas de dispersin
Las medidas de dispersin cuantifican la separacin, la dispersin, la variabilidad de los valores de la distribucin con respecto al valor central. Entre las medidas de dispersin tenemos: La varianza La desviacin estndar Coeficiente de variacin.

C.E.P
Estadstica Descriptiva
La Varianza Muestral
Es el promedio del cuadrado de las distancias entre cada observacin y la media aritmtica del conjunto de las observaciones
HENRY VILLARROEL

2 X =

(X
i =1

X )2

n 1

La Desviacin Standard Muestral

Se define como la raz cuadrada positiva de la varianza

2 X = X

C.E.P
Estadstica Descriptiva
Es una distribucin de probabilidad continua de mayor utilizacin debido a que la mayora de los procesos aleatorios siguen este comportamiento La curva que representa la distribucin de probabilidad normal se describe generalmente como en forma de una campana
HENRY VILLARROEL

C.E.P
Estadstica Descriptiva
Se define como una variable aleatoria continua x que es normalmente distribuida con media x y varianza 2
1 f (t ) = . 2
HENRY VILLARROEL

1 n X = Xi n i =1
X =

1 t x 2

(X
i =1

X )2

n 1
HENRY VILLARROEL

C.E.P
Estadstica Descriptiva Propiedades de la Normal
La desviacin estndar sigma representa la distancia de la media al punto de inflexin de la curva normal
HENRY VILLARROEL

X x-3 x-2 x- x x+ x+2 x+3

C.E.P
Estadstica Descriptiva
Propiedades de la distribucin normal
68%
x- x+
HENRY VILLARROEL

95%
x-2 x+2

99.73%
x-3 x+3

C.E.P
Estadstica Descriptiva
EJEMPLO DE APLICACIN
La divisin de mercadeo de gas Otinsa desea realizar un estudio estadstico la venta de gas propano en el mercado internacional el prximo mes. Para este propsito posee los registros de venta de gas propano en MMPC de los ltimos 50 meses tal como se muestra en la tabla I. La gerencia de mercadeo de determinar las siguientes interrogantes a)Cul volumen promedio de venta de gas propano en el mercado internacional? b)Cul es la diferencia aproximada de volumen de venta del gas propano mensual? c) Determine el intervalo de venta de gas propano en que vende el 68% de las ventas?
HENRY VILLARROEL

Tabla 1
51 48 70 33 75 71 55 37 59 63 75 43 48 97 51 67 72 71 66 69 86 30 69 93 75 58 39 83 76 64 52 64 57 68 54 64 45 83 50 53 41 63 46 65 59 74 37 72 63 92

C.E.P
Estadstica Descriptiva
Ejemplo de aplicacin (Continuacin)
Intervalos de Clase (MMPC) Frecuencia de clase 5 6 11 12 10 3 3 Frecuencia Relativa 0.10 0.12 0.22 0.24 0.20 0.06 0.06 Frecuencia acumulada 0.10 0.22 0.44 0.68 0.88 0.94 1.00
HENRY VILLARROEL

K = 1 + 3.33Logn K = 1 + 3.33Log 50 = 6.7 7 R = X max X min R = 97 30 = 67 R 67 I= = = 9.5 K 7

30 - 39.5 40 49.5 50 59.5 60 - 69.5 70 - 79.5 80 - 89.5 90 - 99.5

C.E.P
Estadstica Descriptiva
Ejemplo de aplicacin (Continuacin)
HENRY VILLARROEL

Histograma de venta de gas propano 14 Frecuencia de Clase 12 10 8 6 4 2 0 30 - 39.5 40 - 49.5 50 - 59.5 60 - 69.5 70 - 79.5 80 - 89.5 90 - 99.5 Intervalos de Clase en Meses

C.E.P
Estadstica Descriptiva
HENRY VILLARROEL

a)Cul volumen promedio de venta de gas propano en el mercado internacional?

1 n 3096 = X = X i = = 61.92 MMPC n i =1 50

b)Cul es la diferencia aproximada de volumen de venta del gas propano mensual?

2 ( xi X ) = n 1

12138 = 1 5 .7 4 M M P C 49

C.E.P
Estadstica Descriptiva
Ejemplo de aplicacin (Continuacin)
X X = 61.92 15.74 = 46.18 _ MMPC X + X = 61.92 + 15.74 = 77.66 _ MMPC
HENRY VILLARROEL

68%
x-
46.18 _ MMPC

x+
77.66 _ MMPC

CONTROL ESTADISTICO DE PROCESOS (C.E.P)

Herramientas de Estadsticas Para Controlar Procesos

HENRY VILLARROEL

C.E.P
Diagrama Causa - Efecto
Diagrama Causa Efecto
(Diagrama ishikawa, ishikawa, Espina de Pescado)
Son una manera de organizar teoras sobre las causas de un problema. Considera que los problemas (Efectos) son consecuencia de una o ms razones (Causas) y que las causas races solucionadas evitan la ocurrencia del problema. Es conveniente utilizarlo cuando se desea visualizar los grupos de causas que originan un problema.
HENRY VILLARROEL

C.E.P
Diagrama Causa - Efecto
Se usa para
Visualizar, en equipo, las causas principales y secundarias de un problema.
HENRY VILLARROEL

Analizar procesos en bsqueda de mejoras.

Sirve de gua objetiva para la discusin

Educa sobre la comprensin de un problema.

www.themegallery.com

Prev los problemas y ayuda a controlarlos, no slo al final, sino durante cada etapa del proceso.

C.E.P
Diagrama Causa - Efecto
Como construir el diagrama de causa y efecto Establezca claramente el problema (efecto) que va a ser analizado Disee una flecha horizontal apuntando a la derecha y escriba el problema.
Haga una "Lluvia de ideas" para identificar el mayor nmero posible de causas.
HENRY VILLARROEL

Agrupe las causas en categoras.

C.E.P
Diagrama Causa - Efecto
Estructura de un diagrama de Causa Efecto El Dr. Kaoru Ishikawa sugiere la siguiente clasificacin para las causas primarias. Causas ocasionadas por los equipos. Causas por materia prima. Causas ocasionadas por el factor humano. Causas ocasionadas por el mtodo. Causas debidas al entorno. Causas debidas a las mediciones y metrologa.
HENRY VILLARROEL

C.E.P
Diagrama Causa - Efecto
EJEMPLO DE APLICACIN DEL DIAGRAMA CAUSA-EFECTO En una fabrica de equipos de lnea blanca se han tenido problemas con la calidad de las lavadoras. Un grupo de mejora de la calidad decide revisar los problemas de la tina de las lavadoras, ya que con frecuencia es necesario retrabajarla para que esta tenga una calidad aceptable. Para ello, se estratificaron los problemas en la tina de lavadora por defecto, con la idea de localizar cual es el defecto principal tal como se muestra en la tabla adjunta. Realice una analisis de falla utilizando el diagrama causa efecto para el defecto de mayor ocurrencia.
HENRY VILLARROEL

Descripcin del defecto

Numero de tinas defectuosas

Porcentaje de defecto(%)

O=Boca de la tina ovalada P=perforaciones D=Boca de la tina despostillada F=Falta de fundente S=mal soldada

1200 400 200 120 80

60 20 10 6 4

C.E.P
Diagrama Causa - Efecto
Diagrama de Ishikawa para la boca de la tina Ovalada
Mano de Obra Deficiente Inadecuado Supervisin operario No capacitada Inspeccin Irresponsable Desajustad a Mantenimiento Inadecuado Subensamble De Chasis Maquina Mtodo Fuera de especificaciones Material
HENRY VILLARROEL

Boca de tina Ovalada

Inadecuado Transporte

CONTROL ESTADISTICO DE PROCESOS (C.E.P)

Herramientas de Estadsticas Para Controlar Procesos

HENRY VILLARROEL

C.E.P
Diagrama de Pareto
Wilfredo Pareto descubri
que el efecto ocasionado por varias causas tiene una tendencia bien definida, ya que el 20% de las causas originan el 80% del efecto y el 80% de las causas restante son responsables del 20% del resto del efecto. Este fenmeno se repite con una aproximacin aceptable, lo que permite aplicarlo diariamente con fines prcticos
CAUSAS
HENRY VILLARROEL

EFECTOS

VITALES 20% 80%

TRIVIALES 80% 20%

C.E.P
Diagrama de Pareto
Como Construir un Diagrama de Pareto
Paso 1. Identificar el problema
Identificar el problema o rea de mejora en la que se va a trabajar
HENRY VILLARROEL

Paso 2. Identificar los factores

Elabora una lista de los factores que pueden estar incidiendo en el problema

Paso 3. Definir los periodos de recoleccin

Establecer el periodo del tiempo en el cual se recolectaran los datos: das, semanas o meses

C.E.P
Diagrama de Pareto
Paso 4. Recolectar los datos
HENRY VILLARROEL

C.E.P
Diagrama de Pareto
Paso 5. Ordenar los datos
HENRY VILLARROEL

C.E.P
Diagrama de Pareto
Paso 6. Calcular los porcentajes (%)
Obtener el porcentaje relativo de la causa o factor con respecto a un total
HENRY VILLARROEL

Frecuencia _ de _ la _ Causa Frecuencia _ Re lativa = Total _ de _ Frecuencias

La suma de todos los porcentajes debe ser 100%

C.E.P
Diagrama de Pareto
Paso 6. Calcular los porcentajes (%)
Obtener el porcentaje relativo de la causa o factor con respecto a un total
HENRY VILLARROEL

146

C.E.P
Diagrama de Pareto
EJEMPLO DE APLICACIN DE UN DIAGRAMA DE PARETO
HENRY VILLARROEL

La empresa Otinsa posee una central telefnica para el uso de sus operaciones en tierra. Durante el ao 2000 se presentaron un total de 15373 fallas, razn por la cual se desea realizar un estudio para determinar cuales son los equipos que presentan el mayor numero de fallas y los que producen menores cantidades de fallas con el fin de establecer un plan de mantenimiento. En la tabla adjunta se detallan el historial de fallas
Causa de la falla Palancas Equipos de Operacin Tolvas Precalentadores Operacin deficiente Fallas Registradas 785 82 112 175 5806 Frec. Relativa (%) 5.1 0.5 0.8 1.2 37.7
Continua.

C.E.P
Diagrama de Pareto
EJEMPLO DE APLICACIN DE UN DIAGRAMA DE PARETO (continuacion)
Causa de la Falla Alarmas Zumbadores Bateras Interruptores Collarines Teclados Contacto de Marcha Contacto de Seguridad Cuchillas Cremalleras Pedales de Seguridad Circuito de Quiebre Cadenas Total Fallas Registradas 187 815 26 3619 84 152 149 173 165 132 2836 40 35 15373 Frec. Relativa (%) 1.2 5.3 0.2 23.5 0.6 1.0 1.0 1.1 1.1 0.9 18.3 0.3 0.2 100
HENRY VILLARROEL

C.E.P
Diagrama de Pareto
Causa de la Falla
Operacin Deficiente Interruptores Pedales de Seguridad Zumbadores Palancas Alarmas Precalentadores Contactos de Seguridad Cuchillas Teclados Contactos de Marcha Cremalleras Tolvas Collarines Equipos de Operacin Circuito de Quiebre Cadenas Bateras Total HENRY VILLARROEL

Fallas Registradas
5806 3619 2836 815 785 187 175 173 165 152 149 132 112 84 82 40 35 26 15373

Frec. Relativa (%)

37.7 23.5 18.3 5.3 5.1 1.2 1.2 1.1 1.1 1.0 1.0 0.9 0.8 0.6 0.5 0.3 0.2 0.2 100

Frec. Relativa Acumulada (%)

37.7 61.2 79.2 84.8 89.9 91.1 92.3 93.4 94.5 95.5 96.5 97.4 98.2 98.8 99.3 99.6 99.8 100.0

C.E.P
Diagrama de Pareto
HENRY VILLARROEL

Causas Triviales

CONTROL ESTADISTICO DE PROCESOS (C.E.P)