You are on page 1of 73

Control: Consiste en estabilizar y mantener

situaciones dentro de ciertos lmites.


Estadstica: Es la ciencia de recolectar,
clasificar, presentar e interpretar datos
numricos.
Control Estadstico de la Calidad: conjunto
de acciones orientadas a cumplir con las
metas de calidad previamente establecidas,
utilizando tcnicas estadsticas aplicables al
menor costo posible.
La aplicacin de la estadstica en los procesos permite:
Identificar y reconocer las caractersticas del
problema.
Conocer en forma objetiva la situacin en la que se
encuentra el proceso.
Analizar las causas principales del problema.
Verificar la efectividad de las acciones correctivas una
vez llevadas a cabo.
El control estadstico es esencial para poner en prctica el
control de calidad, al grado que el uso de los sistemas de
medicin demuestra en que medida una empresa ha
mejorado en su calidad y cultura, partiendo no de
corazonadas sino de datos especficos y correctos.
Permite que todos en la empresa conozcan el o los
problemas que ocurren en la empresa y sus dimensiones.
Vuelve a las empresas y sus gerencias ms objetivas.
Herramientas estadsticas:
Pueden emplearse en cualquier paso de un
proceso.
Muestran seales sobre el comportamiento de los
procesos.
Las herramientas estadsticas, por s solas, no
generan una mejora continua, solamente brindan
informacin para el control de calidad de los
procesos.
Existen tres mtodos comunes para identificar
donde estn concentrados los datos:
- Media
- Mediana
- Moda
El clculo e interpretacin depender de la
definicin de centro.
Las medida de tendencia se ubican en el punto
alrededor del cual se aglomeran los datos.
La media, es la medida de la tendencia central
que usualmente se conoce como promedio.
Se define como:
La sumatoria de la serie de valores dividida
entre la cantidad de serie de valores.
Media muestral ( ) y media poblacional ().
n
X
n
Xn X X
X
n
i
i
1
2 1
X
Calcular la media del peso (en libras) de las
ltimas 6 canales de res:
515, 502, 533, 488, 499, 520.
Se suman todos los pesos de las canales y se
dividen entre la cantidad de canales (6).
5 . 509
6
520 499 488 533 502 515
X
Muestra
Tambin llamada media posicional, porque
queda exactamente en la mitad del conjunto
de datos (valores de propiedades), despus
que las observaciones se han ordenado de
menor a mayor.
La mitad de los valores estn por encima de la
mediana y la otra mitad por debajo de la
misma.
Si el conjunto de valores tiene un nmero par
o impar de observaciones la posicin de la
mediana es:
- Posicin de la mediana =
Siendo n el nmero de observaciones.
Casi 50% de las mediciones son ms
pequeas, y 50% son ms grandes que la
mediana.
2
1 n
Calcular la mediana del rechazo semanal de jalea slida de
guayaba, por prdida de vacio de empaque, para cinco
semanas: 24, 18, 32, 26 y 32 (n = 5, nmero impar).
Se deben colocar primero los datos en serie ordenada:
18, 24, 26, 32, 32
Posicin de la mediana =
La posicin del valor de la mediana se vuelve: 26
La mitad de la semana los rechazos de jalea estuvieron por
debajo de 26 y la otra mitad excedieron ese valor.
3
2
1 5
En un conjunto de datos que contiene un
nmero par de observaciones, es necesario
promediar los dos valores medios.
Considerando el ejemplo anterior, si el valor para
una sexta semana es 21, y se adiciona al conjunto
de valores, entonces la serie ordenada se vuelve:
18, 21, 24, 26, 32, 32 .
- Posicin de la mediana =
La posicin es tres y medio. Los dos valores de la
posicin tercera y cuarta se promedian para
producir una mediana de (24+26)/2=25
5 . 3
2
1 6
Observacin modal, es aquella que ocurre
con mayor frecuencia en una distribucin de
datos.
Si todas las variables tienen la misma
frecuencia, entonces no hay moda.
Se puede hallar la moda para variables
cualitativas y cuantitativas.
El peso neto de las latas de atn es de 185 g. En
un muestreo realizado en un supermercado
local se obtuvieron los siguientes datos:
179, 183, 181, 178, 183, 184, 183, 180, 183, 185.
La moda es: 183
Si dos valores ocurren con la misma frecuencia,
entonces el conjunto de los datos sera
bimodal.
La media se ve afectada por valores extremos o
valores atpicos, y a diferencia de la mediana,
puede ser sesgada por las observaciones que
estn muy por encima o muy por debajo de
sta.
- Por ejemplo, para los datos 7, 8, 9, 9, 10, 11 la
media y la mediana son ambas 9 y representa
un excelente medida del punto central de los
datos.
- Si la primera observacin fuera 50 en lugar de
7, (50, 8, 9, 9, 10, 11); la media sera 16, pero la
mediana seguira siendo 9.
- La mediana no es afectada por este valor
extremo, por tanto, representa mejor a los
seis valores.
- La moda, as mismo, es menos afectada por unas
pocas observaciones atpicas y sigue siendo 9 an
cuando el primer valor sea 50.
- Sin embargo si no hay moda, o si el conjunto de
datos es bimodal, su uso puede ser confuso.
NOTA: Esto no implica que un mtodo es mejor que
los otros. La medida que se seleccione depende de la
naturaleza de los datos o de la forma en que se
utilicen los datos.
Un procesador de yogurt, con 6 sabores
diferentes, se beneficiara muy poco del hecho
de saber que sus ventas mensuales promedio
fueron de 1,580 unidades.
De mayor utilidad, para las decisiones futuras
del negocio, sera conocer el sabor que
prefieren sus consumidores, esto para:
- Determinar la compra de materia prima.
- La etiqueta de los envases.
Indican cunto se dispersan (desvan) las
observaciones alrededor de su media.
Una medida de tendencia central no siempre
es suficiente. Muchas veces se necesita
entender que tan disperso est un valor de otro
para tener una descripcin ms completa del
conjunto de datos.
Las medidas de variabilidad ayudan a crear
una imagen mental de la dispersin de los
datos.
Existen conjuntos de datos que pueden tener la
misma media o promedio.
Si slo se indican sus medias, sin las
observaciones, se puede concluir que los
valores en cada conjunto son similares.
Una conclusin ms verosmil de los conjuntos
de datos resultara si se compara el grado de
dispersin (desviacin) de las observaciones
individuales en cada conjunto de datos o si se
extendieron alrededor de la media.
Primer conjunto de datos: muy disperso por encima
y por debajo de la media.
Segundo conjunto de datos: relativamente cerca de
la media.
Tercer conjunto de datos: no tiene dispersin, todas
las observaciones son iguales a la media.
NOTA: El primer conjunto de datos tiene una
medida de dispersin mayor que la segunda.
Conjunto de
datos (1)
Conjunto de
datos (2)
Conjunto de
datos (3)
0, 9, 18 5, 9, 13 9, 9, 9
Medida de dispersin ms simple.
El rango es la diferencia entre el valor
(observacin) mximo y mnimo.
Su ventaja es que es fcil de calcular e
interpretar, y es una medida adecuada de
variacin para conjuntos pequeos de datos.
Su desventaja es que para conjuntos grandes
no es una medida de variabilidad.
En una planta hortofrutcola, la cantidad
libras de concentrado de fresa que se
procesan de lunes a viernes son: 0, 48, 53, 60,
100, respectivamente.
- El dato menor es 0 (cero) y el dato mayor
es 100 (cien), por lo que sus valores se
encuentran en un rango de:
100 0 =100
Mientras que en una segunda planta, las
cantidades que se procesan son:
47, 51.5, 50, 48, 52, respectivamente.
- El dato menor es 47 y el dato mayor es igual
a 52 por lo que su rango correspondiente es
igual a: 52 47= 5
Lo que indica que la segunda muestra es ms
homognea ya que sus datos estn dispersos
en un menor rango.
Con la varianza se encuentra la cantidad por la
cual cada observacin se desva de la media.
Se elevan al cuadrado tales desviaciones y se
encuentra la media de tales desviaciones
elevadas al cuadrado.
As, se tiene el promedio de las desviaciones
de la media elevada al cuadrado.
NOTA: La varianza y la desviacin estndar no
pueden ser nmeros negativos, por esta razn, se
elevan al cuadrado.
La varianza para una poblacin
2
(sigma al
cuadrado) es:
Donde:
- X
1
, X
2
, X
3
, X
N
= son los valores
(observaciones) individuales.
- =es la media poblacional.
- N = es el nmero de observaciones.
N
X
N
X X X X
i
N
2
2
2 2
3
2
2
2
1
2
) (
) ( ) ( ) ( ) (
Con el fin de determinar condiciones de
almacenamiento, se analiz la humedad de la
semolina de 5 proveedores diferentes es: 10%,
13%, 10.8%, 12.3% y 11.5%.
El promedio de los % de humedad es: 11.52%
La varianza es:
La desviacin estndar es:
% 13 . 1
5
) 52 . 11 5 . 11 ( ) 52 . 11 3 . 12 ( ) 52 . 11 8 . 10 ( ) 52 . 11 13 ( ) 52 . 11 10 (
2 2 2 2 2
2
06 . 1
2
Es la suma de las desviaciones elevadas al
cuadrado de las mediciones respecto a su
media ( ) dividida entre n-1.
Se emplea n-1 porque una muestra
generalmente est poco menos dispersa que la
poblacin de la cual se tom.
Existe la tendencia a que la desviacin
estndar de la muestra (s) sea menor que la
desviacin estndar de la poblacin ().
X
Se denota mediante s
2
y se calcula con base en
la frmula:
Donde:
- X
1
, X
2
, X
3
, X
N
= son los valores
(observaciones) individuales.
- s =es la media poblacional.
- n-1 = es el nmero de observaciones menos
un grado de libertad.
1
) (
1
) ( ) ( ) ( ) (
2
2
2 2
3
2
2
2
1
2
n
X X
s
n
X X X X X X X X
s
i
n

Se desea determinar la estabilidad del


porcentaje de grasa en la leche que se compra
a dos de los proveedores principales.
Tomando en cuenta los registros, se
selecciona una muestra aleatoria de n=4 das
(4 das es probablemente una muestra muy
pequea, pero servir por el momento para
nuestro propsito).
Los porcentajes de grasa en la leche de estos
6 proveedores son de:
- Proveedor 1:
2.2%, 3.1%, 2.9% y 3.7%
- Proveedor 2:
3.6%, 3.75%, 3.2% y 3.5%
El promedio de los % de grasa de los 2
proveedores es: 3.24%
La varianza es:
La desviacin estndar es:
Se estim que la media del porcentaje de grasa es
de 3.24%, con una tendencia a variar por encima o
debajo de dicho porcentaje en 0.52%.
27 . 0
) 24 . 3 5 . 3 ( ) 24 . 3 2 . 3 ( ) 24 . 3 75 . 3 ( ) 24 . 3 6 . 3 ( ) 24 . 3 7 . 3 ( ) 24 . 3 9 . 2 ( ) 24 . 3 1 . 3 ( ) 24 . 3 2 . 2 (
2 2 2 2 2 2 2 2
2
s
) 1 8 (
% 52 . 0
2
s
Marcos Alvarenga es el gerente de la Ca. de
Inversiones S.A., recientemente Marcos estaba
interesado en las tasas de rendimiento de los ltimos
cinco aos de dos diferentes fondos de inversin. El
fondo de inversin Mega Fcil mostr durante el
perodo en cuestin, tasas de rendimiento de 12, 10,
13, 9 y 11%, mientras que el fondo de inversin
Mucha Plata arroj 13, 12, 14, 10 y 6%. Un cliente se
acerc a Marcos y expres inters en uno de estos
fondos de inversin. Cul debera escoger el Sr.
Alvarenga para su cliente?
Cabe destacar que ambos fondos ofrecen un
rendimiento promedio de 11%. Debido a que ambos
ofrecen el mismo rendimiento en promedio una
inversin ms segura es la que tiene un grado menor
de variacin. Para Mega fcil, Marcos halla:
Mucha plata:
% 41 . 1 2
2
5
) 11 11 ( ) 11 9 ( ) 11 13 ( ) 11 10 ( ) 11 12 (
2 2 2 2 2
2
% 83 . 2 8
8
5
) 11 6 ( ) 11 10 ( ) 11 14 ( ) 11 12 ( ) 11 13 (
2 2 2 2 2
2
Interpretacin:
Debido a que Mega fcil presenta menos variabilidad
en sus rendimientos y ofrece la misma tasa de
rendimiento promedio que ofrece Mucha plata, Mega
fcil representa la ms segura de las dos inversiones y
por ende es la oportunidad de inversin preferida.
Procedimiento empleado para tomar o constituir una
muestra.
Forma de obtener una muestra.
Es una herramienta de investigacin, cuya funcin
bsica es determinar que parte de una realidad en
estudio (poblacin) debe examinarse con la finalidad
de hacer inferencia sobre dicha poblacin.
Poblacin: Conjunto de elementos en estudio de los
cuales se pueden extraer conclusiones.
Muestra: Cualquier subconjunto de la poblacin.
Tamao de la muestra: Nmero de n observaciones
que la componen.
Muestreo: Es la forma de obtener una muestra. La
forma de obtener una muestra es fundamental para
extraer conclusiones vlidas.
(V.C. Alonso, 1998)
Lote: Cantidad determinada de un producto
fabricado en condiciones uniformes.
Caracterstica: propiedad que permite identificar
los elementos de un determinado loteo
diferenciarlos entre si. La caracterstica puede ser
cuantitativa o cualitativas.
Homogeneidad: un lote es homogneo con
respecto a una determinada caracterstica si sta
ltima esta distribuida de manera uniforme en todo
el lote.
(Codex Alimentarius, 2004)
Heterogneo: un lote es heterogneo con respecto
a una determinada caracterstica si sta ltima no
esta distribuida de manera uniforme en todo el
lote. Los elementos de un lote pueden ser
homogneos con respecto a una caracterstica y
heterogneo con respecto a otra.
Defecto: ocurre en un elemento cuando una o
varias caractersticas de calidad no satisfacen las
especificaciones de calidad establecidas.
Problema u objeto de estudio.
Tipo de accin o decisin a tomar.
Recursos y tiempo que se dispone para
abordar el problema o situacin.
Problema u
objeto de
estudio
Obtuvieron
el resultado?
Acciones y
decisiones
Conclusiones
Obtenerla
Objetivos que
se persiguen
Informacin
que se
requiere
Existe?
Anlisis
Depende de :
- La cantidad de variabilidad.
- Tipo de variabilidad que se da en la poblacin.
Muestra
(X1,X2,X3Xn)
Poblacin
Muestreo
La muestra deber ser lo ms representativa posible de
la poblacin.
En sacos
Se debe de muestrear de cada saco de 500 a 1,000 g.
Si el lote es de uno a diez sacos, se deben de muestrear todos.
si el lote es mayor a diez, se debe por lo menos el 2% del total
del lote.
El muestreo de sacos puede hacerse mediante muestreadores
especiales para este fin.
A granel
Cuando la materia prima se encuentra a granel dentro de
bodegas rectangulares, vagones o camiones, se tomarn
muestras a diferentes niveles con muestreadores adecuados y
en varios puntos de acuerdo a la capacidad del transporte o
bodega.
Capacidad de vagn o bodega Nmero de puntos a muestrear
1-15 toneladas 5
15-30 toneladas 9
30-50 toneladas 11
Slido en fragmentos o partculas
Si las muestras consisten en lotes homogneos se toman
cogiendo una seleccin aleatoria de dichos lotes.
Slido en forma compacta
Tomar trozos representativos de las muestras tanto del
interior como del exterior.
Cundo se muestrea? De dnde?
Para muestreo de
granos, pellets, polvos.
Para muestreo polvos.
Para muestreo de
granos, pellets, polvos
en diferentes sectores o
profundidades
simultneamente
Homogneos: se toman aleatoriamente distintas muestras.
En contenedores se realiza 5 min despus de iniciarse la
descarga, en paquetes se realiza introduciendo una sonda en
diagonal.
Con materiales en suspensin: se pueden tomar muestras a
distintas profundidades, manteniendo en constante agitacin
el conjunto. Se puede utilizar una sonda llamada ladrn toma
muestras, la cual se sumerge a la profundidad que se desee y se
abre para recoger la muestra. De esta forma se pueden obtener
muestras a distintas profundidades, y por mezcla de todas ellas
obtener una muestra representativa, ya que a veces es difcil la
agitacin.
Gas libre en gran cantidad: llenar un tubo con el gas con
desplazamiento del aire que en principio contienen estos
recipientes, que despus se cierran por medio de llaves o
sellando sus extremos.
Poco Frecuente en alimentos
Al azar simple (aleatorio irrestricto).
Al azar sistemtico.
Al azar estratificado.
Aleatorio por conglomerados.
- Seleccin de grupo de n elementos de la
poblacin.
- Cada muestra de tamao n tiene la misma
probabilidad de ser seleccionada.
- Con poblacin pequea, se puede hacer una
lista, sortearlas y seleccionar una muestra n.
- Ejemplo:
Extraccin de nmeros en una tmbola de
lotera donde todos estn mezclados
perfectamente.
Cada muestra tiene la misma probabilidad
de ser seleccionada.
Resultado sern tablas aleatorias.
Cuando los elementos en poblaciones
pequeas pueden numerarse fcilmente.
Cuando los elementos estn bien mezclados.
Cuando no se formen grupos internos bien
definidos de acuerdo con la variable de inters.
Objeto de estudio:
- Helado de mango bajo en caloras en la
poblacin estudiantil Zamorana (n=400).
- Se desea obtener la opinin del consumidor.
Muestreo:
- Se selecciona una muestra de 100 estudiantes.
- Se desarrolla el listado en orden alfabtico y se
les asigna un nmero del 1 al 400.
- Se mezclan los nmeros y se eligen 100.
- til en muestreos directos durante la
produccin o recepcin de materiales y no al
final de la produccin total.
- Seleccin de una muestra de tamao n de
una lista de N elementos.
- La muestra se elige en intervalos iguales a lo
largo del proceso y el punto de inicio se elige
de manera aleatoria.
- Los intervalos pueden ser:
Determinada cantidad de productos.
Determinada cantidad de tiempo.
Determinada longitud o rea.
Cuando se desea obtener informacin para
evaluar la calidad de la produccin en cadena.
Cuando la poblacin es de gran tamao, o se
extiende en el tiempo.
Cuando el objeto de estudio no tenga una
periodicidad que coincida con la del muestreo.
Objeto de estudio:
- Peso de bolsas para leche.
- Capacidad de envasado de la mquina de 4,000
bolsas al da.
Muestreo:
Se seleccionar una muestra de (2%) 80 bolsas de la
siguiente manera:
- Una bolsa cada 6 minutos en 8 horas = 80 bolsas.
- Cinco bolsas cada 30 minutos en 8 horas = 80
bolsas.
Se elije aleatoriamente los minutos en los que se
tomarn las primeras 5 bolsas.
Los elementos de la poblacin u objeto de estudio
estn divididos en grupos homogneos o estratos
los cuales son heterogneos entre si, de acuerdo
con caractersticas de inters.
Para el muestreo:
- Se asigna un nmero determinado de
elementos a cada estrato.
- Se elige, por muestreo aleatorio simple, dentro
de cada estrato.
Cuando los estratos o grupos son ajenos entre s.
Cuando los elementos de cada estrato son ms
homogneos que la poblacin total.
Cuando se desea obtener informacin estadstica
para cada estrato.
Cuando hayan elementos representativos de todos
los estratos.
Objeto de estudio:
- Helado de fresa bajo en caloras degustado por
la poblacin estudiantil Zamorana.
- Se desea obtener la opinin del consumidor.
Muestreo:
- Se selecciona una muestra de 10 alumnos por
pas.
- Se listan en orden alfabtico por pas y se les
asigna un nmero del 1 al n.
- Se mezclan los nmeros y se escogen diez de
cada pas.
Se divide la poblacin en grupos o
conglomerados de elementos heterogneos,
pero homogneos con respecto a los grupos
entre s.
Se debe determinar de manera clara los sub-
grupos en que se divide la poblacin.
Los elementos se dividen en sub-grupos.
Los sub-grupos son similares entre s.
La variabilidad de los elementos es similar a
la de toda la poblacin.
Cuando el nmero de conglomerados es
pequeo.
Cuando los conglomerados estn bien
definidos, de modo que cada elemento
pertenezca a un solo conglomerado.
Cuando el tamao de cada conglomerado est
definido (se ha estimado).
Procedimiento planificado que permite seleccionar o
tomar muestras separadas de un lote para obtener la
informacin necesaria.
Esquema en el que se determina el nmero de
elementos que deben recogerse y el nmero de
elementos no conformes que se requieren en una
muestra para evaluar el grado de cumplimiento de las
normas en un lote.
Proyecto BID-FOMIN/EAP
"Aumentando la Calidad y Competitividad de la
Produccin Agroalimentaria en Honduras
ZAMORANO
Escuela Agrcola Panamericana
Telfono: (504) 2287-2000 ext. 2317
Telefax: (504) 2776-6008

You might also like