Académique Documents
Professionnel Documents
Culture Documents
Relacinentre variabilidad y calidad. Laprimera tarea que debemos hacer es producir mercanca de calidad
para que loscompradores compren y sigan comprando.
Lavariacin en calidad de una unidad de producto a otra se debe
generalmente a ungran nmero de causas, por lo que ningn producto o
servicio es exactamenteigual a otro aunque sean realizados por la
misma compaa, maquinaria y/opersonas.
Y el producto entre menos variabilidadtenga, ms calidad hay.
Ejemplos
o El dimetro de una pieza de metal o el tiempode ciclo de un
proceso de servicio.
o El porcentaje de productos con defectos o laproporcin de
clientes insatisfechos.
o Por ejemplo en una refaccionaria se vendieron30 bateras
de esas 30 se registro el 30% de insatisfaccin los cuales
dijeronque las diferentes causas que tuvieron con las
bateras lo que quiere decir queno se tuvo el mismo
problema en todas las bateras.
Usosy aplicaciones de la variabilidad
o Operaciones del proceso.
o Control de calidad.
o Recurso humano.
Inferencia Estadistica
Escrito por zuliixchavarria 15-04-2010 Comentarios (0)
Definiciones
Espacio de lamuestra: () es el conjunto de los posibles valores de un
experimento
Finalmente, si se quiere mejorar tanto la precisin como el ,hay que tomar una
muestra suficientemente grande.
Ejemplo:
Hacemos una encuesta entre los clientesde una tienda para preguntarles su
opinin sobre cambios generales quepretendemos hacer en diversas reas de
la tienda. Despus de realizados loscambios, queremos hacer una segunda
encuesta para saber cmo se modific laopinin sobre los cambios una vez
hechos. Nos interesa laDIFERENCIA.
*Revisamos varias de nuestras ventaspara ver los problemas que se presenten
en la facturacin de las mismas. Estolo realizamos antes de imponer algunas
mejoras en el procedimiento defacturacin. Tenemos la intencin de realizar la
misma investigacin despus dehechos los cambios para medir
la DIFERENCIA.
Muestreo
Escrito por zuliixchavarria 15-04-2010 Comentarios (0)
Ya sabemos queuna poblacin es el conjunto de individuos sobre los que
hacemos ciertoestudio, y que una muestra es un subconjunto de la poblacin.
Es evidente quelos resultados de una determinada encuesta tendrn un mayor
grado de fiabilidadsi dicha encuesta se realiza sobre la poblacin completa.
Sinembargo, en la mayora de las ocasiones esto no es posible, debido a
mltiplesrazones:
* Imposibilidad material (Hacer unaencuesta a los casi 41 millones de
espaoles es imposible, hacer un estudiosobre la fecha de caducidad de un
producto. Si lo hacemos con todos losproductos qu vendemos luego?)
* Imposibilidad temporal (Hacer unestudio sobre la duracin de una bombilla.
Cunto debemos esperar para saberlo?)
Portanto, es habitual que tengamos que manejarnos con muestras, de modo
que esimportante saber elegir bien una muestra de la poblacin, una muestra
querepresente bien a dicha poblacin.
Hay muchas maneras de elegir una muestra de unapoblacin.
Antes depasar a analizar dichas formas de extraccin de muestras, lo que si
hemos dedejar claro es que todas las muestras han de cumplir varias
condicionesindispensables.
Esevidente que para que el estudio a realizar sea fiable, hay que cuidar mucho
laeleccin de la muestra, para que represente en la medida de lo posible a
lapoblacin de la que se extrae. Si la muestra est mal elegida, diremos que no
esrepresentativa.
En estecaso, se pueden producir errores imprevistos e incontrolados. Dichos
errores sedenominan sesgos y diremos que la muestraest sesgada.
Una delas condiciones para que una muestra sea representativa es que
el muestreo (o sistema para elegir una muestra de unapoblacin) que se haga
sea aleatorio, es decir, todas las personas de la poblacin tengan las mismas
posibilidadesde ser elegidas, mientras que si la eleccin de la muestra es
subjetiva, esprobable que resulte sesgada.
Lasdistintas maneras de elegir una muestra de una poblacin se
denominanmuestreos. Bsicamente hay dos tipos de muestreos:
X N(,/n)
siempreque dichas muestras tengan un tamao n 30.
Distribucin muestralde proporciones
Nos planteamosahora determinar qu proporcin de una poblacin posee un
cierto atributo, por ejemplosi es fumador o no fumador, si tiene ordenador o no,
si tiene alergia o no, etc...El estudio de este tipo de proporciones es
equiparable al de una distribucinbinomial (donde slo hay dos posibilidades).
Si la proporcinxito es p y la de fracaso q, y se toma una muestra de la
poblacin de tamaon, al igual que en el caso anterior, para cada muestra
tendremos una proporcinmuestral que denotaremos por p y una
desviacintpica muestral que denotaremos por sp.
Entonces,utilizando razonamientos similares a los del apartado anterior, se
verifica quep = p, y sp =/p q/ n por tanto:
Conclusin: Las proporciones mustrales de tamao n 30, extradas de una
poblacin en la que la probabilidadde xito es p, se ajustan a una normal
N(p;p q/n)
Ejemplo: Una fbrica de pasteles fabrica, en su produccinhabitual, un 3% de
pasteles defectuosos.
Uncliente recibe un pedido de 500 pasteles de la fbrica.
a)Probabilidad de que encuentre ms del 4% de pasteles defectuosos.
b)Probabilidad de que encuentre menos de un 1% de pasteles defectuosos.
a) Eneste caso xito= pastel defectuoso, y la proporcin poblacional de xito
esde p =3/100 tanto, q=97/100. La muestra que recibe el cliente es de
tamaon=500.
Portanto, las proporciones mustrales siguen una distribucin:
p N(3/100;(3/100 97/100)/500) = N(0_03; 0_076) puesto que las
muestras tienen tamao mayor que 30.
Laprobabilidad pedida es que la proporcin de pasteles defectuosos en la
muestrasea mayor del 4%, es decir:
p(p 0_04) = p(Z 0.04 0.03/0.0076)= p(Z 1.32) = 0.0934
b) Eneste caso es p(p 0.01) = p(Z 0.01 0.03/0.0076)= p(Z 2_63) =
0.0043
Intervalos De
Confianza
Escrito por zuliixchavarria 15-04-2010 Comentarios (0)
Estimacin puntual y por intervalo
Un Intervalo de Confianza
LIMITES DECONFIANZA: Son los lmites del intervalo de confianza inferior (LIC) y
superior(LSC), se determinan sumando y restando a la media de la muestra
un
cierto nmero Z (dependiendo del nivel o coeficiente deconfianza) de errores estndar
de la media
.
Ejemplo 1
Si lamedia de la muestra es 100 y la desviacin estndar es 10, el intervalo
deconfianza al 95% donde se encuentra la media para una distribucin normal es:
100 + (10) X 1.96 =>(80.4, 119.6)
1.96 =Z0.025
Estoes el 5% total, o 2.5% mayor o menor. Sivamos a la tabla Z veremos que para
un rea de 0.025, corresponde a una Z de1.960.
C. I.
Multiplicador Z/2
99
2.576
95
1.960
90
1.645
85
1.439
80
1.282
Elancho del intervalo de confianza decrece con la raiz cuadrada del tamao de
lamuestra.
Ejemplo 2
Dadaslas siguientes resistencias a la tensin: 28.7, 27.9, 29.2 y 26.5 psi
Estimarel intervalo de confianza para un nivel de confianza del 95% (t = 3.182 conn1=3 grados de libertad)
Xmedia3.182*S/n = 28.083.182*1.02/2=(26.46, 29.70)
Descripcin
Estimacin de
Intervalo de confianza
grande n>30
Estimacin de
sigma desconocida
Estimacin de la
Estimacin de la proporcin
Tamao de muestra
Para estimar n en base a un error mximo
Para estimar n en base a un error mximo
Si se especifica un intervalo total de error, el
error
mximo es la mitad del intervalo
Utilizar
que es peor
caso
rea de la cola
Valor z /2
90%
0,05
1,645
95%
0,025
1,960
99%
0,005
2,576
Teorema de Limite
Central
Escrito por zuliixchavarria 15-04-2010 Comentarios (0)
Ejemplo
En una asignatura del colegio la probabilidad de que te saquen a lapizarra en
cada clase es del 10%. A lo largo del ao tienes 100 clases de esaasignatura.
Cul es la probabilidad de tener que salir a la pizarra ms de 15veces?
Se vuelve a aplicar el Teorema Central del Lmite.
Salir a la pizarra es una variable independiente que sigue el modelo
dedistribucin de Bernouilli:
"Salir a la pizarra", le damos el valor 1 y tiene unaprobabilidad del 0,10
"No salir a la pizarra", le damos el valor 0 y tiene unaprobabilidad del 0,9
La media y la varianza de cada variable independientes es:
m = 0,10
s2 = 0,10 * 0,90 = 0,09
Por tanto, la suma de las 100 variables se distribuye segn una
normalcuya media y varianza son:
Media : n * m = 100 * 0,10 = 10
Varianza : n * s2 = 100 * 0,09 = 9
Para calcular la probabilidad de salir a la pizarra ms de 15 veces,calculamos
el valor equivalente de la variable normal tipificada:
Luego:
P (X > 15) = P (Y > 1,67) = 1 - P(Y < 1,67) = 1 - 0,9525 = 0,0475
Es decir, la probabilidad de tener que salir ms de 15 veces a lapizarra a lo
largo del curso es tan slo del 4,75%.
"VARIABILIDAD DEL
PROCESO"
Escrito por oszielmedina el 10-05-2010Comentarios (3)
1.- DEFINICION: son cambios inevitables que modifican el proceso (ya sean
pequeos o casi imperceptibles) que afectan posteriormente al producto qu se
produce o al servicio que se ofrece.
El enemigo de todo proceso es la variacin". Un administrador exitoso es
aquel que logra controlarla. La teora de la variabilidad es una de las cuatro que
el Dr. Deming propuso a los japoneses dentro de su filosofa del Conocimiento
Profundo, otra teora que complementa la anterior es la "teora de la
causalidad", en donde plantea que todo efecto tiene una causa, todo defecto
tambin. El control de la variacin, solo puede darse en sus causas,
principalmente en el control de su causa raz.
La problemtica encontrada es que se acepta que hay problemas con la
variacin, pero no hay inters en estudiar el porqu se produce y ni cmo medir
esa variabilidad.
La desviacin estndar es muy importante pues es una de las formas ms
sencillas de controlar la variabilidad, llmese presupuestos, ventas, productos,
tiempos de atencin y para todo el nuevo conjunto de indicadores que estn de
moda.
Por medio de la desviacin estndar se pueden analizar encuestas a clientes y
determinar que tan concluyentes son las respuestas, se puede inferir la
probabilidad de que se alcancen las metas, que los productos estn fuera de
especificacin, que un empleado llegue tarde, que un estudiante no logre la
nota mnima etc.
2.- IMPORTANCIA DE LA VARIABILIDAD: es de mucha importancia, quiz mas
de la que nos podemos imaginar, pues la variabilidad afecta al producto. La
variabilidad es requerida para modificar el proceso cuando se desea obtener
resultados distintos ya sea para mejorar o corregir un proceso que requiera
ajuste.
Kaouru Ishikawa deca que el 85% de los problemas en un proceso son
responsabilidad de la gerencia, el comentario no fue bien recibido. Su
afirmacin se basa en que las variaciones de un proceso generalmente se
atribuyen a causas normales, segn su capacidad diseada, la cual es
responsabilidad de la gerencia. El operario acta dentro de lo que el proceso le
permite.
promedio.
Adicionalmente
existen otra serie de estadsticos que podran utilizarse para el control de la
variacin, el promedio correctamente utilizado es importante, al igual la moda y
la mediana, as como el rango, pero no hay que ser tan ambiciosos. Hoy da
cuando la mayora de las empresas se administran por promedios, se recuerda
la ancdota del personaje aqul que se ahog en un ro con un promedio de
metro y medio de profundidad.
4.- TIPOS DE VARIABILIDAD: es comn que la produccin de un producto
cambie constantemente, pero existen dos tipos de variabilidad que se perciben
en esta serie de cambios, la variabilidad identificable y la aleatoria.
* Identificable: esta originada por factores que son identificables; esta
variabilidad no presenta un comportamiento estadstico y, por tanto, no son
previsibles las salidas. La organizacin debe identificar las estas causas y
eliminarlas como paso previo a poner el proceso bajo control; ejemplos de
estas causas son roturas de herramientas, averas de maquinas, errores
humanos, cambios err6neos de material, fallos en los sistemas de control, etc.
* Aleatoria: est originada por factores aleatorios (desgaste
de piezas, mantenimiento, personas, equipos de medida, etc.); en este caso la
variabilidad tiene un comportamiento estadstico y es predecible, y se puede
ejercer un control estadstico sobre el mismo.
5.- CAUSAS DE VARIACION: las causas por las que en una operacin se
presenta la variabilidad
son:
Medio ambiente.- pues
este puede tergiversar el tiempo y la calidad del producto o
servicio.
C
ambio de operacin.- este tipo de factores provocan variabilidad, pues en
ocasiones el trabajador debe adaptarse a esta forma de trabajo o en ocasiones
no le agrado o simplemente le parece incomodo. Esto retrasa la produccin.
6.- TIPOS DE CAUSAS DE OPERACIN: estas son las causas comunes y las
especiales.
Las causas comunes son: El punto crtico al controlar procesos es comprender
si la variacin es debida a causas comunes o especiales. Esto es crtico porque
la estrategia para tratar las causas comunes es diferente que la usada para
tratar causas especiales. El problema fundamental es que la mayora de las
veces se trata toda variacin como si sta fuera especial. Si hace esto, solo
menguara.
materiales: los
materiales o ingredientes extras tambin, al igual que con la materia prima
deben de ser de primer nivel si es que se desea una produccin de buena
calidad.
productivos a la calidad.
Una vez que se sabe que el producto o servicio responde a las necesidades del
cliente la preocupacin bsica es tener el proceso bajo control. En este punto,
en realidad, lo que se busca es reducir la variabilidad que caracteriza al
proceso en anlisis. En ocasiones, es necesario usar los datos sobre la
variabilidad del producto como una medida indirecta de la capacidad del
proceso ya que en trminos generales el producto habla del proceso.
Comentarios
Muy buena explicacion, gracias a este articulo ahora comprendo mejor la importancia de la
variabilidad dentro de la industria.
Excelente artculo En el trabajo fabricamos un producto que compite con los mejores del mundo
pero existen " puntitos negros en el arroz " que nos dan en el traste con algunos clientes. su causa
VARIACIN EN EL PROCESO Saludos y gracias. JR.