DIAGRAMA DE PARETO

CONCEPTO
Grfico cuyas barras verticales estn ordenadas de mayor a menor importancia, estas barras
representan datos especficos correspondientes a un problema determinado, la barra ms alta esta
del lado izquierdo y la ms pequea, segn va disminuyendo de tamao, se encuentra hacia la
derecha.
USO
Ayuda a dirigir mayor atencin y esfuerzo a problemas realmente importantes, o bien determina las
principales causas que contribuyen a un problema determinado y as convertir las cosas difciles en
sencillas. Este principio es aplicable en cualquier campo, en la investigacin y eliminacin de causas
de un problema, organizacin de tiempo, de tareas, visualizacin del antes y despus de resuelto
un problema, o en todos los casos en que el efecto final sea el resultado de la contribucin de
varias causas o factores.
PROCEDIMIENTO
1.
Decidir qu problemas se van a investigar y cmo recoger los datos.
2.
Disear una tabla de conteo de datos (totales).
3.
Elaborar una tabla de datos.
Tipo
de Nmero
Nmero Acumulado
%
% Acumulado
Reclamo
B
8
8
28,57
28,57
C
7
15
25.00
53.57
D
6
21
21.43
75.00
A
4
25
14.29
89.29
E
3
28
10.71
100.00

4.
5.

Lista de tems
Totales individuales
Totales acumulados
Composicin porcentual
Porcentajes acumulados
Organizar los tems de mayor a menor.
Dibujar dos ejes verticales y uno horizontal

Desde o% hasta 100%

Desde o hasta el total general
Efectos
Causas

6.

Construir un diagrama de barras.

7.
8.

Dibujar la curva acumulada (curva de Pareto).

Escribir cualquier informacin necesaria.

FUENTE:
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/herbassolprob.htm

DIAGRAMA CAUSA - EFECTO

CONCEPTO
Tcnica de anlisis de causa y efectos para la solucin de problemas, relaciona un efecto con las
posibles causas que lo provocan.
USO
Se utiliza para cuando se necesite encontrar las causas races de un problema. Simplifica
enormemente el anlisis y mejora la solucin de cada problema, ayuda a visualizarlos mejor y a
hacerlos ms entendibles, toda vez que agrupa el problema, o situacin a analizar y las causas y
subcausas que contribuyen a este problema o situacin.
OTROS NOMBRES

Diagrama de espina de pescado

Diagrama Causa Efecto

PROCEDIMIENTO
1.
Ponerse de acuerdo en la definicin del efecto o problema
2.
Trazar una flecha y escribir el efecto del lado derecho

DEFECTO

3.

Identificar las causas principales a travs de flechas secundarias que terminan en la flecha
principal
4.
Identificar las causas secundarias a travs de flechas que terminan en las flechas
secundarias, as como las causas terciarias que afectan a las secundarias

DEFECTO
CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR
Causa menor
Causa menor
Causa menor

Subcausa
Subcausa

CAUSA MAYOR

CAUSA MAYOR

DEFECTO

CAUSA MAYOR

CAUSA MAYOR

5.
6.

Asignar la importancia de cada factor

Definir los principales conjuntos de probables causas: materiales, equipos, mtodos de
trabajo, mano de obra, medio ambiente (4 M`s)
7.
Marcar los factores importantes que tienen incidencia significativa sobre el problema
8.
Registrar cualquier informacin que pueda ser de utilidad

FUENTE:
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/herbassolprob.htm

El diagrama causa-efecto es una forma de organizar y representar las diferentes teoras propuestas sobre las
causas de un problema. Se conoce tambin como diagrama de Ishikawa o diagrama de espina de pescado y se
utiliza en las fases de Diagnstico y Solucin de la causa.
Cmo interpretar un diagrama de causa-efecto:
El diagrama causa-efecto es un vehculo para ordenar, de forma muy concentrada, todas las causas que
supuestamente pueden contribuir a un determinado efecto. Nos permite, por tanto, lograr un conocimiento
comn de un problema complejo, sin ser nunca sustitutivo de los datos. Es importante ser conscientes de que
los diagramas de causa-efecto presentan y organizan teoras. Slo cuando estas teoras son contrastadas con
datos podemos probar las causas de los fenmenos observables. Errores comunes son construir el diagrama
antes de analizar globalmente los sntomas, limitar las teoras propuestas enmascarando involuntariamente la
causa raz, o cometer errores tanto en la relacin causal como en el orden de las teoras, suponiendo un gasto
de tiempo importante.
A continuacin veremos como el valor de una caracterstica de calidad depende de una combinacin de
variables y factores que condicionan el proceso productivo (entre otros procesos). Vamos a utilizar el ejemplo
de fabricacin de mayonesa para explicar los Diagramas de Causa-Efecto:

La variabilidad de las caractersticas de calidad es un efecto observado que tiene mltiples causas. Cuando
ocurre algn problema con la calidad del producto, debemos investigar para identificar las causas del mismo.
Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:

1. Decidimos cual va a ser la caracterstica de calidad que vamos a analizar. Por ejemplo, en el caso de
la mayonesa podra ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc.
Trazamos una flecha gruesa que representa el proceso y a la derecha escribimos la caracterstica de
calidad:

2. Indicamos los factores causales ms importantes y generales que puedan generar la fluctuacin de la
caracterstica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias
Primas, Equipos, Operarios, Mtodo de Medicin, etc.:

3. Incorporamos en cada rama factores ms detallados que se puedan considerar causas de fluctuacin.
Para hacer esto, podemos formularnos estas preguntas:
a. Por qu hay fluctuacin o dispersin en los valores de la caracterstica de calidad? Por la
fluctuacin de las Materias Primas. Se anota Materias Primas como una de las ramas
principales.
b. Qu Materias Primas producen fluctuacin o dispersin en los valores de la caracterstica
de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite como rama menor de
la rama principal Materias Primas.
c. Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la cantidad
agregada a la mezcla. Agregamos a Aceite la rama ms pequea Cantidad.
d. Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento irregular de
la balanza. Se registra la rama Balanza.
e. Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la
rama Balanza colocamos la rama Mantenimiento.
As seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las causas posibles
de dispersin.

4. Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido incorporados
al diagrama. Las relaciones Causa-Efecto deben quedar claramente establecidas y en ese caso, el
diagrama est terminado.

Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente conozca en profundidad el
proceso con que trabaja, visualizando con claridad las relaciones entre los Efectos y sus Causas. Sirve
tambin para guiar las discusiones, al exponer con claridad los orgenes de un problema de calidad. Y permite
encontrar ms rpidamente las causas asignables cuando el proceso se aparta de su funcionamiento habitual.

FUENTE:
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/diagcausefec.htm

HISTOGRAMA

Un histograma es un resumen grfico de la variacin de un conjunto de datos. La naturaleza grfica

del histograma nos permite ver pautas que son difciles de observar en una simple tabla numrica.
Esta herramienta se utiliza especialmente en la Comprobacin de teoras y Pruebas de validez.
Cmo interpretar los histogramas:
Sabemos que los valores varan en todo conjunto de datos. Esta variacin sigue cierta pauta. El
propsito del anlisis de un histograma es, por un lado, identificar y clasificar la pauta de variacin,
y por otro desarrollar una explicacin razonable y relevante de la pauta. La explicacin debe
basarse en los conocimientos generales y en la observacin de las situaciones especficas y debe
ser confirmada mediante un anlisis adicional. Las pautas habituales de variacin ms comunes son
la distribucin en campana, con dos picos, plana, en peine, sesgada, truncada, con un pico aislado,
o con un pico en el extremo.
Construccin de un histograma:
PASO 1
Determinar el rango de los datos: RANGO es igual al dato mayor menos el dato menor; R =
>-<
PASO 2
Obtener en nmero de clases, existen varios criterios para determinar el nmero de clases (
o barras). Sin embargo ninguno de ellos es exacto. Algunos autores recomiendan de cinco a quince
clases, dependiendo de como estn los datos y cuntos sean. Un criterio usado frecuentemente es
que el nmero de clases debe ser aproximadamente ala raz cuadrada del nmero de datos, por
ejemplo, la raz cuadrada de 30 ( nmero de artculos) es mayor que cinco, por lo que se
seleccionan seis clases.
PASO 3
Establecer la longitud de clase: es igual al rango entre el nmero de clases.
PASO 4
Construir los intervalos de clases: Los intervalos resultan de dividir el rango de los datos en relacin
al resultado del PASO 2 en intervalos iguales.
PASO 5
Graficar el histograma: se hace un grfico de barras, las bases de las barras son los intervalos de
clases y altura son la frecuencia de las clases. Si se unen los puntos medios de la base superior de
los rectngulos se obtiene el polgono de frecuencias.
Ejemplo :
A una fabrica de envases de vidrio, un cliente le est exigiendo que la capacidad de cierto tipo de
botella sea de13 ml, con una tolerancia de ms menos 1 ml. La fbrica establece un programa de
mejora de calidad para que las botellas que se fabriquen cumplan con los requisitos del cliente.

Ejemplos de otros tipos de representaciones grficas:

Hay histogramas donde se agrupan los datos en clases, y se cuenta cuntas observaciones
(frecuencia absoluta) hay en cada una de ellas. En algunas variables (variables cualitativas) las
clases estn definidas de modo natural, p.e sexo con dos clases: mujer, varn o grupo sanguneo
con cuatro: A, B, AB, O. En las variables cuantitativas, las clases hay que definirlas explcitamente
(intervalos de clase).
Se representan los intervalos de clase en el eje de abscisas (eje horizontal) y las frecuencias,
absolutas o relativas, en el de ordenadas (eje vertical).

A veces es ms til representar las frecuencias acumuladas

O representar simultneamente los histogramas de una variable en dos situaciones distintas.

Otra forma muy frecuente, de representar dos histogramas de la misma variable en dos situaciones
distintas.

Otra forma

En las variables cuantitativas o en las cualitativas ordinales se pueden representar polgonos de

frecuencia en lugar de histogramas, cuando se representa la frecuencia acumulativa, se denomina
ojiva.

FUENTE: http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/histograma.htm

Los datos de una variable numrica, resumidos en tablas, tienen una expresin grfica que ayuda
a su interpretacin visual. Esta representacin se denomina histograma.
Un histograma est formado por una sucesin de rectngulos contiguos construidos sobre una
recta.
La base de cada rectngulo representa la amplitud del intervalo y la altura est determinada por la
frecuencia, de acuerdo a la siguiente:
Regla Bsica.
Cada observacin representada en un histograma ocupa un rectngulo de igual rea y de
base dada por el ancho del intervalo correspondiente.
Para cada intervalo, el rectngulo que representa su frecuencia, puede imaginarse formado por un
'apilamiento' de los rectngulos correspondientes a sus observaciones.

Qu pasa si existen diferencias en el tamao de los intervalos?

Al aplicar la regla bsica en este caso, manteniendo rectngulos de igual rea para cada dato,
resulta necesario determinar la altura del rectngulo asociado a un intervalo de acuerdo al tamao
de su base correspondiente.
A modo de ejemplo, si un intervalo tiene el doble ancho que otro, cada una de sus observaciones
estar representada por un 'rectangulito' de la mitad de la altura que los datos del otro intervalo.

En la figura anterior, se muestra un histograma para la siguiente tabla:

Intervalo Frecuencia
[8,10[

[10,14[

Como consecuencia del distinto tamao de los intervalos, a pesar de tener ambos la misma
frecuencia, las alturas de los rectngulos correspondientes son distintas. Sin embargo el rea
graficada es la misma para cada caso.
Comentario pedaggico.
La presentacin de este caso tiene por objeto resaltar un punto importante en el uso de
histogramas. Sin embargo, debido a la mayor dificultad en su construccin, slo deberan
asignarse como trabajo a alumnos destacados.
Un proyecto interesante, por los diversos razonamientos que debe efectuar el alumno, consiste en
construir histogramas de dimensiones dadas. En caso que los intervalos de la tabla sean de igual
ancho, las alturas del histograma son proporcionales a la frecuencia respectiva, por lo tanto la
altura mxima corresponde a la mayor frecuencia.
Si en el caso del primer histograma de esta pgina, se hubiese pedido construir un histograma de
20cm de ancho y 15cm de alto, el ancho ocupado por cada uno de los cinco intervalos sera 4 cm y
la altura de 15cm correspondera al intervalo [2,3[ cuya frecuencia 10 es la mayor de todas. La
altura de los otros rectngulos del histograma corresponde a la proporcin de 15cm determinada
por el cuociente de la respectiva frecuencia con la frecuencia mxima. Es as que al intervalo [3,4[,
cuya frecuencia es 4, le corresponde un rectngulo de (15*4/10) cm = 6 cm.
Comentario pedaggico.
En los clculos de ancho y altura de los rectgulos del histograma, lo ms comn es que los
nmeros que intervienen en los clculos no produzcan nmeros enteros o 'fciles' como resultado.
En consecuencia, despus de introducir los conceptos y practicar con algunos casos 'simples', es
conveniente familiarizar a los alumnos con datos tomados de experimentos reales, de preferencia
asociados a proyectos hechos por ellos mismos.
En la construccin de histogramas, de ser posible, resulta provechoso hacer uso de papel
milimetrado. Una alternativa ms econmica son las hojas cuadriculadas de uso comn, a pesar de
que carecen de las subdivisiones milimtricas. Tambin es bueno el uso de papel blanco

conjuntamente con una regla graduada en milmetros. Este ltimo ambiente de dibujo es muy
formativo porque implica un mayor aporte del alumno para obtener un resultado satisfactorio.

FUENTE: http://www.educarchile.cl/eduteca/estadistica/histogr.htm

Ejemplos de tipos de representaciones grficas

Histogramas: Se agrupan los datos en clases, y se cuenta cuntas observaciones
(frecuencia absoluta) hay en cada una de ellas. En algunas variables (variables
cualitativas) las clases estn definidas de modo natural, p.e sexo con dos clases:
mujer, varn o grupo sanguneo con cuatro: A, B, AB, O. En las variables cuantitativas,
las clases hay que definirlas explcitamente (intervalos de clase).

Se
representan
los intervalos
de clase en el
eje
de
abcisas (eje
horizontal) y
las
frecuencias,
absolutas
o
relativas, en
el
de
ordenadas
(eje vertical).

A veces es
ms
til
representar
las
frecuencias
acumuladas.

O
representar
simultneamente
los histogramas
de una variable
en
dos
situaciones
distintas.

Otra
forma
muy
frecuente, de
representar
dos
histogramas
de la misma
variable
en
dos
situaciones
distintas.

Otra ms

En
las
variables
cuantitativas
o
en
las
cualitativas
ordinales se
pueden
representar
polgonos de
frecuencia en
lugar
de
histogramas,
cuando
se
representa la
frecuencia
acumulativa,
se denomina
ojiva.

FUENTE: http://www.hrc.es/bioest/Ejemplos_histo.html

DISPERSIN
Se llaman medidas de dispersin aquellas que permiten retratar la distancia de los valores de la
variable a un cierto valor central, o que permiten identificar la concentracin de los datos en un
cierto sector del recorrido de la variable. Se trata de coeficiente para variables cuantitativas.

El desvo estndar
Es posible identificar conjuntos de datos que a pesar de ser muy distintos en trminos de valores
absolutos, poseen la misma media. Una medida diferencial para identificar esos conjuntos de datos
es la concentracin o dispersin alrededor de la media.
Desvo estndar para datos sin agrupar
Una manera que aparece como muy natural para construir una medida de dispersin sera
promediar las desviaciones de la media, pero como vimos

Una manera de evitar que los distintos signos se compensen es elevarlas al cuadrado, de manera
que todas las desviaciones sean positivas. La raz cuadrada del promedio de estas cantidades
recibe el nombre de desvo estndar, o desviacin tpica y es representada por la siguiente
frmula:

La desviacin estndar slo puede utilizarse en el caso de que las observaciones se hayan medido
con escalas de intervalos o razones.
A mayor valor del coeficiente del desvo estndar, mayor dispersin de los datos con respecto a su
media. Es un valor que representa los promedios de todas las diferencias individuales de las
observaciones respecto a un punto de referencia comn, que es la media aritmtica. Se entiende
entonces que cuando este valor es ms pequeo, las diferencias de los valores respecto a la
media, es decir, los desvos, son menores y, por lo tanto, el grupo de observaciones es ms
homogeneo que si el valor de la desviacin estndar fuera ms grande. O sea que a menor
dispersin mayor homogeneidad y a mayor dispersin, menor homogeneidad.
2) Desvo estndar para datos agrupados
2.1) Clculo usando las frecuencias absolutas

A 2.2) Clculo usando las frecuencias relativas

B) Varianza

El cuadrado de la desviacin estndar recibe el nombre de varianza y se representa por

. La
suma de los cuadrados de los desvos de la totalidad de las observaciones, respecto de la media
aritmtica de la distribucin, es menor que la suma de los cuadrados de los desvos respecto de
cualquier otro valor que no sea la media aritmtica.
Si observamos, veremos que la varianza no es ms que el desvo estndar al cuadrado.
Precisamente la manera de simbolizarla es

Por lo mismo, el desvo estndar puede definirse como la raz cuadrada de la varianza

C) El coeficiente de variacin:
Para comparar la dispersin de variables que aparecen en unidades diferentes (metros, kilos, etc.)
o que corresponden a poblaciones extremadamente desiguales, es necesario disponer de una
medida de variabilidad que no dependa de las unidades o del tamao de los datos. Este coeficiente
nicamente sirve para comparar las dispersiones de variables correspondientes a escalas de
razn.
Una manera de construir una medida de variabilidad que cumpla los requisitos anteriores es el
llamado coeficiente de variacin

(las barras del denominador representan el valor absoluto, es decir, indican que debe prescindirse
de la unidad de medida de la media). A menor coeficiente de variacin consideraremos que la
distribucin de la variable medida es ms homognea.

D) El coeficiente de asimetra
Otro rasgo interesante en una distribucin de frecuencias es si los datos aparecen ubicados
simtricamente o no respecto de la media. Si queremos cuantificar la simetra, es necesario
conservar la informacin acerca tanto del signo como de la distancia de cada dato a la media
centro de simetra-. Este razonamiento lleva a utilizar una potencia impar de las desviaciones.
En el caso en que el coeficiente valga cero la distribucin es simtrica alrededor de la media. Los
valores positivos, indicarn distribuciones con mayor sesgo a la derecha y los valores negativos
indicarn un mayor sesgo a la izquierda.
Coeficiente de Asimetra para datos sin agrupar
El coeficiente de asimetra se define como

Coeficiente de Asimetra para datos agrupados

Clculo usando las frecuencias absolutas

D 2.2) Clculo usando las frecuencias relativas

E) Coeficiente de apuntamiento Otra caracterstica relevante en una distribucin es su

apuntamiento o kurtosis, que describe lo picuda o plana que es la distribucin, es decir si los datos
se concentran demasiado o no, comparados con un modelo de distribucin llamado distribucin
normal.

La distribucin se denominar leptocrtica cuando el CAp > 0 (ms apuntada que la

normal)
La distribucin se denominar mesocrtica cuando el Cap = 0 (normal)
La distribucin se denominar platicrtica cuando Cap < 0 (menos apuntada que la
normal)
E 1) Coeficiente de Apuntamiento para datos sin agrupar

E 2) Coeficiente de Apuntamiento para datos agrupados

E 2.1) Clculo usando frecuencias absolutas

E 2.2) Clculo usando frecuencias relativas

F) Rango intercuartlico:
El rango intercuartlico RI es, sencillamente, la diferencia entre el tercer y el primer cuartil, es decir

Esto nos dice en cuntas unidades de los valores que toma la variable se concentra el cincuenta
por ciento central de los casos.

FUENTE:
http://www.liccom.edu.uy/bedelia/cursos/metodos/material/estadistica/med_disp.html

Las medidas de tendencia central son de un gran valor representativo para una masa de
observaciones. Pero el valor de esas medidas depender de cuan variable sea la masa de
informacin. Por eso se establecen medidas que tratan de explicar la dispersin de los
datos y son: la desviacin estndar, el coeficiente de variacin, el error estndar y los
lmites de confianza. Una medida de dispersin conveniente deber tomar en
consideracin todos los datos de la serie sopesando cada dato por su distancia al centro
de la distribucin.
Conjunto

Suma

Promedio

5, 5, 5, 5, 5

25

4, 5, 5, 5, 6

25

1, 3, 4, 7, 10

25

En el cuadro anterior se puede observar como tres conjuntos completamente diferentes

pueden generar un mismo promedio. Es por eso que el promedio debe ir siempre
acompaado de algn estadstico que mida la variabilidad de los datos.

Desviacin Estndar
La desviacin estndar es la medida de dispersin mas usada en estadstica, tanto en
aspectos descriptivos como analticos. En su forma conceptual, la desviacin estndar se
define as:

Frmula de trabajo para la poblacin

Frmula de trabajo para la muestra:

Ejemplo:
X

x2

25

16

20

72

Cuando se trata de datos agrupados la formula es :

Ejemplo :
x

fx

x2

fx2

32

32

1024

1024

37

111

1369

4107

42

336

1764

14112

47

423

2209

19881

52

364

2704

18928

57

228

3249

12996

62

186

3844

11532

67

201

4489

13467

72

144

5184

10368

Sumas

40

2025

106415

Conociendo la desviacin estndar, se puede calcular otros estimadores derivados que son
de gran utilidad para describir y/o interpretar el comportamiento de los datos.

Coeficiente de Variacin
El coeficiente de variacin es una medida relativa de dispersin que nos permite hacer
comparaciones de diferentes grupos con diferentes unidades de medida o diferentes
magnitudes y obtener mejores conclusiones.

Con base en el ejemplo que se ha venido estudiando, se tiene :

x
S = 10

50.62

CV = 10 /50.62 * 100 = 19.75%

En este ejemplo se puede decir que, la desviacin estndar es un 19.75% del promedio, o
que las estimaciones pueden variar un 19.75% con respecto a la media.

Error Estndar de la media

El error estndar es otro estimador de dispersin ampliamente usado para acompaar a la
media.
Su clculo es asi :

Y generalmente se usa acompaado de un signo mas (+) y otro menos (-).

Ejemplo :

Y entonces se dice: el promedio de peso de racimos en las palmas estudiadas es 50.62

1.58.

Limites de confianza
Los limites de confianza tambin se pueden calcular para establecer el intrvalo dentro del
cual es posible que se encuentre la media. Para esto se toma el error estndar, se multiplica
por el valor tabular t de student con n-1 grados de libertad y se le suma y se le resta a la
media.

Ejemplo:
x
Sx
t(39) = 2.042

=
=

50.62
1.58

LC = 50.62 2.042 * 1.58

Entonces
el
lmite
inferior
sera:
el lmite superior sera 50.62 + 3.23 = 53.85.

50.62

3.23

47.39

Y esto podra interpretarse como que existe un 95% de probabilidad de que el intrvalo
47.39 - 53.85 contenga a la media.

Varianza

La varianza es una medida primaria de variabilidad utilizada en varias pruebas estadsticas.

Su clculo es simplemente elevar al cuadrado la desviacin estndar.

FUENTE: http://cosmech.tripod.com/Estadistica/medidas2.htm

ESTRATIFICACIN
Es lo que clasifica la informacin recopilada sobre una caracterstica de calidad.
Toda la informacin debe ser estratificada de acuerdo a operadores individuales
en mquinas especificas y as sucesivamente, con el objeto de asegurarse de los
factores asumidos;
Usted observara que despus de algn tiempo las piedras, arena, lodo y agua
puede separase, en otras palabras, lo que ha sucedido es una estratitifacion de los
materiales, este principio se utiliza en manufacturera. Los criterios efectivos para
la estratificacin son:
o
o
o
o

Tipo de defecto
Causa y efecto
Localizacin del efecto
Material, producto, fecha de produccin, grupo de trabajo, operador, individual,
proveedor, lote etc.

Diagrama
de
dispersin
Es el estudios de dos variables, tales como la velocidad del pin y las
dimensiones de una parte o la concentracin y la gravedad especifica, a esto se le
llama diagrama de dispersin. Estas dos variables se pueden embarcarse as:
Una caracterstica de calidad y un factor que la afecta,
Dos caractersticas de calidad relacionadas, o
Dos factores relacionados con una sola caracterstica de calidad.

o
o
o

Para comprender la relacin entre estas, es importante, hacer un diagrama de

dispersin
y
comprender
la
relacin
global.
Cuadro de los datos de presin del aire de soplado y porcentaje de defectos de
tanque plstico.
Fecha

Presin
aire

de Porcentaje de Fecha
Defectos (%)

Presin de aire

Porcentaje
de

(Kg./ cm2)

(Kg/cm2)

Defectos
(%)

Oct. 1

8.6

0.889

Oct. 22 8.7

0.892

8.9

0.884

23

8.5

0.877

8.8

0.874

24

9.2

0.885

8.8

0.891

25

8.5

0.866

8.4

0.874

26

8.3

0.896

8.7

0.886

29

8.7

0.896

9.2

0.911

30

9.3

0.928

10

8.6

0.912

31

8.9

0.886

11

9.2

0.895

8.9

0.908

12

8.7

0.896

8.3

0.881

15

8.4

0.894

8.7

0.882

16

8.2

0.864

8.9

0.904

17

9.2

0.922

8.7

0.912

18

8.7

0.909

9.1

0.925

19

9.4

0.905

8.7

0.872

FUENTE: http://www.monografias.com/trabajos7/herba/herba.shtml#estra

Concepto:
La estratificacin es la separacin de datos en categoras o clases. Su utilizacin ms frecuente se
da durante la etapa de Diagnstico, para identificar qu clases o tipos contribuyen al problema que
hay que resolver. Podemos clasificar o separar una masa de datos en diferentes grupos o categoras.
Los datos observados en un grupo dado comparten unas caractersticas comunes que definen la
categora. Este proceso de clasificacin recibe el nombre de estratificacin. La estratificacin es la
base para otras herramientas, como el Anlisis de Pareto, y se utiliza conjuntamente con otras
herramientas, como los Diagramas de dispersin.
Cmo
interpretar
la
estratificacin:
Si los resultados de la estratificacin se presentan en forma de grfico de barras, es fcil examinar
las categoras de una variable para ver si alguna o algunas de las categoras destacan sobre el resto.
Tiene un proveedor un porcentaje de defectos particularmente elevado? Qu tipos de pernos son
ms propensos a error? Despus de la estratificacin, si los resultados dan una indicacin clara de la
fuente probable del fenmeno que se estudia, el equipo tendr que validar sus resultados iniciales o
necesitar un mayor conocimiento de los detalles sobre la causa precisa. Si inicialmente no se
obtienen unos resultados tiles, se optar o bien por proceder a una estratificacin de segundo
orden, o por estratificar segn otras variables.
Cmo elaborar una estratificacin:
1.
2.

Seleccionar las variables de estratificacin.

Establecer las categoras que se utilizarn en cada variable de estratificacin.

3.
4.
5.
6.
7.

Clasificar las observaciones dentro de las categoras de la variable de estratificacin

Calcular el fenmeno que se est midiendo en cada categora.
Mostrar los resultados. Los grficos de barras suelen ser los ms eficaces.
Preparar y exponer los resultados para otras variables de estratificacin.
Planificar una confirmacin adicional.

FUENTE: http://www.iaf.es/publicaciones/articulo/cap26.htm

HABILIDAD Y CAPACIDAD DEL PROCESO

La capacidad de un proceso es el rango de variacin que, en condiciones normales,

un proceso tiene debido a las variables accidentales.
Los pasos para determinar la capacidad de un proceso son:
1. Determinar la caracterstica de calidad.
2. Controlar el proceso. Eliminar todas las variables asignables o atribuibles del
proceso.
3. Tomar muestras del proceso. La muestras no deben ser menos de 50 y mnimo
con 250 elemento por cada una de ellas.
4. Calcular la media y de la desviacin estandar del proceso.

5. Calcular los lmites del proceso. Calcular la distribucin normal y la capacidad

del proceso de acuerdo con las siguientes frmulas:

Se comparan los datos obtenidos del proceso con las especificaciones dadas:
Lmite Inferior de Especificaciones (LIE)

Lmite Superior de Especificaicones (LSE)

Si los lmites superior e inferior del proceso se encuentran dentro del rango
establecido por los lmites de las especificaciones, significa que el proceso
analizado satisface completamente al cliente.

Si uno o ambos lmites del proceso se encuentran fuera del rango establecido por
las especificaciones, lmite superior e inferior, significa que la diferencia entre los
limites inferiores y/o superiores (del proceso y las especificaciones) representan
los productos defectuosos que se obtienen con nuestro proceso.

Cuando se presenta este caso se puden tomar diferentes medidas, como pueden
ser:
1. Cambiar el proceso por uno que sea capaz de satisfacer completamente las
especificaciones.
2. Buscar mercados alternos en los que se puedan vender los productos
defectuosos a menor precio.
3. Reprocesar los productos defectuosos.
Con la informacin obtenida en los pasos anteriores se puede calcular la
Capacidad o Habilidad Potencial del Proceso (HP) que nos permitir saber si el
proceso que aplicamos es capaz de satisfacer o no las especificaciones.
La forma de calcular la Capacidad Potencial es la siguiente:

Si la Capacidad Potencial obtenida es mayor a 1, CP>1, significa que nuestro

proceso s es capaz de satisfacer a nuestro cliente. Sin embargo, en la industria se
requiere de un margen de error, por lo que se busca que CP > 1.5.
Otra forma de analizar nuestro proceso es comparando la Capacidad del Proceso
(CP) con la Capacidad Potencial (HP) de la siguiente manera. Si:

CP > HP
El proceso es capaz de satifacer ms y/o mejor al cliente y
deben, por lo tanto
acoplarse
las medias del proceso y de especificaciones para lograrlo.
CP = HP
cliente.

El proceso satisface adecuadamente las especificaciones del

CP < HP
cliente.

El proceso no es capaz de satisfacer las especificaciones del

FUENTE: http://www.geocities.com/calidad_cep/intro.ht