r

44 CONTROL DE CALIDAD

ANALISIS DE DATOS
El primer paso en la aplicacin de la estadstica a procesos industriales consiste en el registro y anlisis de la informacin proveniente de las diferentes pruebas fsicas y qumicas que se hacen a los productos con el fin de verificar su estado. Del anlisis de los datos provenientes de esas pruebas se derivarn las acciones preventivas, con las que se procurar reducir y si es posible eliminar los problemas de mala calidad que se presentan en las lneas de produccin. Para lograr un adecuado anlisis es necesario agrupar los datos de tal manera que se puedan visualizar comportamientos y tendencias histricas de los procesos. DISTRIBUCION DE FRECUENCIAS

Una de las formas que permite disponer los datos para su anlisis es la distribucin de frecuencias de datos agrupados, que consiste en el agrupamiento del conjunto de datos en intervalos,de tal manera que generen una distribucin. Esta distribucin puede ser comparada con distribuciones estadsticas tericas y as inferir soluciones al problema planteado. Existen tambin las distribuciones de frecuencia de datos no agrupados, que se usan para el anlisis de datos de variable discreta, tales como nmero de defectuosos y nmero de defectos. Dos de las claves importantes para tener una distribucin de frecuencias eficiente y eficaz son la escogencia de un mtodo que considere las cifras significativas de los datos y la escogencia de un nmero de clases que refleje una adecuada distribucin. Antes de entrar a presentar un mtodo de elaboracin de una distribucin es recomendable dar algunas definiciones. Frecuencia
Es el nmero de veces que se repite un dato en un conjunto de datos, o en un intervalo determinado. Existen varios tipos de frecuencia, stas son:

JORGE ACUA ACUA

45

a. b. c. d.

Frecuencia absoluta Frecuencia absoluta acumulada Frecuencia relativa Frecuencia relativa acumulada

La frecuencia absoluta es el nmero absoluto de veces que se encuentra un dato en un conjunto de datos o intervalo. Se denota por ncuando los datos no estn agrupados y por nkcuando estos datos estn agrupados. Se encuentra por inspeccin del conjunto de datos. La frecuencia absoluta acumulada es la suma acumulada de la frecuencia absoluta. Se denota por Nien datos no agrupados y por Nken datos agrupados. La frecuencia relativa es una forma de representar porcentual mente el nmero de veces que se repite un dato o el nmero de datos que se encuentran en un intervalo. Se denota por f,para datos no agrupados y por fk,para datos agrupados. Se calcula como:
Frecuencia absoluta Frecuencia relativa = Nmero total de datos

100

La frecuencia relativa acumulada es la suma acumulada de la frecuencia relativa. Se denota por Fpara datos no agrupados y por Fk para datos agrupados. Se calcula como:
Frecuencia absoluta acumulada Frecuencia relativa acumulada = Nmero total de datos x 100

Clase

La clase es un intervalo dentro del cual se encuentra un conjunto de datos. Sus valores extremos se llaman lmites de clase. El nmero de clases se denota con la letra k.
Los lmites de clase representan a los datos. En este caso son conocidos como lmites reales de clase y estn denotados por L y Ls. En caso contrario,

..,

46

CONTROL DE CALIDAD

los lmites de clase se denotan por Iy 15 su funcin se reduce exclusivamente Y al conteo de los datos para obtener la frecuencia absoluta. La amplitud de clase o intervalo de clase es la diferencia entre los lmites reales de clase. Se denota con la letra i.

Histograma

Un histograma es un grfico de barras verticales continuas, en donde se representan los lmites reales de clase en el eje x y la frecuencia absoluta o relativaen el eje y. La escala del eje x debe graduarse de tal manera que todas las barras sean de igual tamao, mientras que la escala del eje y, debe graduarse con base en la frecuencia relativa o absoluta ms grande. Para el desarrollo de la distribucin de frecuencias se puede hacer uso de paquetes de computacin. Uno de stos es STADGRAPHICS, paquete que tiene un sinnmero de herramientas estadsticas no solo para distribucin sino tambin para inferencia estadstica. A pesar de ser un medio gil para elaborar distribuciones, ste no considera cifras significativas que son muy importantes cuando se analizan datos con fines de anlisis de calidad. Para garantizar el cuidado de cifras significativas se puede aplicar el siguiente procedimiento: 1. Recolectarlos datos (Xi)de acuerdo con el tamao de muestra previamente calculado. Esta recoleccin debe ser ordenada de tal forma que se entienda posteriormentela informacin. Para ello se puede usar un formato tal como el que presenta en el Ejemplo 2.1. Este formato no solo sirve para anotar la informacin recolectada sino tambin la distribucin de frecuencias correspondiente.
2. Ordenar los datos de menor a mayor. Es opcional; si no se hace, se ejecuta el paso 11b. 3. Calcular el rango, restando al dato mayor, el dato menor. Sea:

R=x,-x, omax Imln

JORGE ACUA ACUA

47

4. Fijar el nmero de clases (k), es conveniente que est entre 5 y 20. Se puede utilizar la regla de STURGES para obtener un aproximado al nmero de clases. Esta regla es: k", 1 + 3,3 log n donde n = tamao de la muestra i=R/k El valor de i debe ser redondeado siempre hacia arriba y a la misma cantidad de decimales que tienen los datos. 6. Calcular el rango propuesto (Rp) mediante la multiplicacin del intervalo redondeado (ir)por el nmero de clases, sea: Rp =i r *k 7. Calcular la diferencia (d) entre el rango y el rango propuesto: d=R-R p
Este valor es un nmero cuya ltima cifra significativa debe ser un cinco. Si no lo es, se debe devolver al paso 5 y hacer el clculo con otro nmero de clases, hasta que se cumpla la condicin. 8. Calcular la mitad de la diferencia (md) md= d/2 9. Fijar los lmites reales de clase (L, L.), usando el siguiente procedimiento: a. Tomar el valor del dato menor y restarle el valor de md; el valor obtenido es el primer L.
L1= xmn md -

5. Calcular el intervalo de clase (i), as:

b. Sumar i al valor de Li1' para obtener el primer Ls'

LS1= L1 +

i
las k

c.

Hacer el Likigual al LS(k-1) repetir el paso 9b. hasta completar y clases. Al final se debe cumplir con:
Lsk= xmx+ md

48

CONTROL DE CALIDAD

donde LSk ltimo lmite real superior. = 10. Fijar los lmites de clase (I, Is)' sumando cinco unidades decimales a los lmites inferiores reales de clase y restndoselas a los lmites superiores de clase. As por ejemplo: Si LY Lstienen solo un decimal, se suma y se resta 0,5 Si LY Lstienen dos decimales, se suma y se resta 0,05 lik= Lk+ 5 unidades decimales
Isk= LSk

- 5 unidades decimales

11. Completar el cuadro de frecuencias de datos agrupados, para ello

a. Calcular el punto medio (Xk) L+L I
X= k
s

1+1
I

X= k

b. Obtener el valor de la frecuencia absoluta (nk)usando lo obtenido en el punto 2 o a travs de conteo que consiste en ir contando dato por dato y poniendo una rayita en el intervalo correspondiente. c. Obtener la frecuencia absoluta acumulada (Nk) Nk= Acumulado de nk d. Calcular la frecuencia relativa (fk)
nk fk=n

e. Obtener la frecuencia relativa acumulada (Fk) F=k Nk

n

12. Construir el histograma para observar la distribucin del conjunto de datos.

JORGE ACUA ACUA

49

EJEMPLO 2.1
Se toman doce grupos de cinco unidades de una mquina lIenadora de latas de pasta de tomate y se pesan, originando los datos que se presentan en el Cuadro 2.1. Construir una distribucin de frecuencias de datos agrupados. SOLUCION 1. Los datos se recogen en el formato definido. El Cuadro 2.1 presenta la informacin recolectada para este ejemplo. 2. Se usar el mtodo de conteo.
3. R = x.Imax x.Imm .. R = 25,0-18,0 = 6,5

"CUADRO 2. 1. Informacin recolectada en decigramos

# 1 2 3 4 5

1 22,0 20,5 20,0 21,0 22,5

2 23,0 19,0 21,5 21,0 21,5

3 20,0 19,0 19,5 20,0 22,5

4 21,5 19,0 21,0 20,0 22,0

5 19,0 21,5 22,5 22,5 18,5

6 21,5 24,0 19,5 22,0 22,0

7 22,5 20,0 21,0 22,5 22,0

8 25,0 20,5 21,5 21,5 22,5

9 21,5 23,0 22,5 23,5 21,0

10 24,5 24,0 23,5 22,0 22,0

11 22,5 22,5 20,5 22,0 19,5

12 23,5 20,0 20,5 22,5 23,0

.~

-- --

50

CONTROL DE CALIDAD

4. k"" 1 + 3,3 log n k"" 1 + 3,3 log 60 k",,7 R 6,5 5. i=-=-=0,923",,1,0 k 7 6. Rp = ir * k = 7 * 1"0= 7 O 7. d = Rp - R = 7,0 - 6,5 = 0,5
0,5 8. md= d/2 = 2
9. L1= Xmn md = 18,5 - 0,25 = 18,25 LS1 = Li1

= 0,25

+ i = 18,25 + 1,0 = 19,25

Li2= LS1= 19,25

Ls2= L2

+ i = 19,25 + 1,0 = 20,25

hasta completar las siete clases.

Y as sucesivamente

Esto se puede observar mejor en el Cuadro 2.2. El resto se obtiene de igual forma. El conteo se obtiene anotando una rayita por cada dato que se ubica en la clase respectiva. A travs de las frecuencias se puede observar alguna caracterstica importante, por ejemplo el anlisis de posicin para algn valor especial tal como una especificacin. 12. El histograma correspondiente a este ejemplo se puede observar en la Figura2.1. En l, se puede ver que el peso de los tarros de pasta de tomate se distribuye en una forma aproximadamente simtrica, o sea una gran frecuencia en el centro que disminuye hacia los lados.

jORGE ACUA ACUA

51

CUADRO 2.2. Cuadro de distribucin de frecuencias para el Ejemplo 2. 1

L 18,25 19,25 20,25 21,25 22,25 23,25 24,25

L. 19,25 20,25 21,25 22,25 23,25 24,25 25,25

11 18,3 19,3 20,3 21,3 22,3 23,3 24,3

l. 19,2 20,2 21,2 22,2 23,2 24,2 25,2

CONTEO
11111
111111111 111111111
1111111111111111

nk 5 9 9 16 14 5 2

Xk 18,75 19,75 20,75 21,75 22,75 23,75 24,75

Nk 5 14 23 39 53 58 60

fk 8,33 15,00 15,00 26,67 23,33 8,33 3,33

Fk 8,33 23,33 38,33 65,00 88,33 96,67 1

11111111111111

11111
11

1;1 Li1+ 0,05 = 18,25 + 0,05 = 18,30 = 1" = L,,- 0,05 = 19,25 - 0,05 = 19,20 El resto se obtiene de igual forma. El conteo se obtiene anotando una rayita por cada dato que se ubica en la clase respectiva.

52

CONTROL DE CALIDAD

16 14 12 nk 10 8 6 4 2

18,25

19,25 20,25

21,25

22,25

23,25

24,25

25,25

Lmites reales de clase (L,Ls) FIGURA 2.1. Histograma para el Ejemplo 2.1 (Peso de tarros de pasta de tomate)