Histograma y

Tabla de
Frecuencias.
¿QUE ES UNA TABLA DE FRECUENCIAS?
 COMO ELABORAR UNA TABLA DE
FRECUENCIAS
PASO 1:
RANGO=Vmax-Vmin

V: VALOR
Max=Máximo
Min=Mínimo

PASO 2:
NUMERO DE CLASES K- regla de strugles
K= 1 + 3.3 * LOG10 (numero de datos)
PASO 3:
LONGITUD DE CLASE A= R / k

A.V: Amplitud de variación}

N: Numero de clases

 PASO 4:
INTERVALOS DE CLASES
Iniciando con el numero menor y terminando con
el mas alto
PASO 5:
VALOR CENTRAL (LRI-LRS)/2

LRI= limite real inferior

LRS= limite real superior

PASO 6:
MARCAS

PASO 7:
FRECUENCIA NUMERICA

 PASO 8:
FRECUENCIA %
(TOTAL * PRIMER DATO )/100
 INTERPRETACIÓN DEL
HISTOGRAMA
 Cuando un histograma se construye de la
manera correcta, es resultado de un numero
suficiente de datos (de preferencia mas de 100)
y estos son representativos del estado del
proceso durante el periodo de interés, entonces
se recomienda considerar los siguientes puntos
en la interpretación del histograma.
1.Observar la tendencia central de los datos: Localizar en el
eje horizontal o escala de medición de las barras con mayores
frecuencias.

2. Estudiar el centrado del proceso: Para ello, es necesario

apoyase en el punto anterior y observar la posición central del
cuerpo del histograma con respecto a la calidad optima y a las
especificaciones. Aun cuando se cumplan las especificaciones, si el
proceso no esta centrado, la calidad que se produce no es
adecuada, ya que entre mas se aleje del optimo mas mala calidad
se tendrá. Por ello en caso de tener un proceso descentrado se
procede a realizar los ajustes o cambios necesarios para centrar el
proceso.
3. Examinar la variabilidad del proceso: Consiste en comprara
la amplitud de las especificaciones con el ancho del histograma.
Para considerar que la dispersión no es demasiada, con el ancho
del histograma debe caber de forma holgada en las
especificaciones.
4. Analizar la forma del histograma: Al observar un
histograma considerar que la forma de distribución de campana es
la que mas se da en las salidas de proceso y tiene de
características similares a la distribución de la normal. Es
frecuente que cuando la distribución no es de este tipo sea la
señal de un hecho importante que esta ocurriendo en el proceso y
que tiene un efecto negativo en la calidad. Por ello, es necesario
revisar si la forma del histograma es muy diferente de la campana.
Algunas de las formas típicas que no coinciden con una distribución de
campana , son los siguientes:
 Distribución sesgada: En términos generales, un sesgo en una
variable de salida refleja el desplazamiento paulatino de un proceso
debido a desgastes o desajustes, asimismo, puede indicar
procedimientos en la forma de obtener las mediciones o un
desempeño especial del proceso, en el sentido que aparecen
algunos valores inusualmente altos de un solo lado de la distribución
(izquierdo o derecho). Cabe aclarar que existen características de
calidad que, por su naturaleza , tienen sesgo, como son tiempo de
vida y resistencias a la fatiga. Una forma de decir si una distribución
es sesgada indica una situación especial a corregir, consiste en
comparar esta con la distribución de la misma característica o de
variables similares pata datos obtenidos en otro periodo.
 Distribución Multimodal: Forma de la distribucción de datos en la
que se aprecian claramente dos o mas modas(picos), Por lo
general cada moda refleja la presencia de dos o más realidades
o condiciones diferentes.

En la fig. F se aprecia un histograma

en el que claramente se notan dos
modas que muestran dos tendencias
centrales diferentes.
Algunas situaciones que originan una distribución multimodal son:

A) Diferencias importantes de lote a lote en la materia prima que utilizael proceso.

B) Cuando en el proceso intervienen varios operadores, con criterios o métodos detrabajo

diferentes.

C) Las mediciones de la variable de salida que están representadas en el histograma fueron

realizadas por personas o instrumentos diferentes.

D) El proceso, cuando generó los resultados de la distribucción multimodal, fue operando en

condiciones diferentes.

E) En general, una distribución multimodal se debe a la presencia de fuentes de variación bien

definidas que deben ser identificadas y corregidas, a fin de mejorar la capacidad del proceso
correspondiente. Una forma de identificarlas es analizar por separado los datos en función
de diferentes lotes de materia prima, operadores,instrumentos de medición, turnos o días
de producción, etc., para así comparar los resultados y ver si hay diferencias significativas.
 Distribuciónmuy Plana:Una gran parte plana, sin ningún pico y
con dos ligeras colas a los lados. Esta forma puede ser el
resultado de varias distribuciones en campana con sus centros
distribuidos uniformemente a lo largo del recorrido de los datos.
Esta distribución es un caso típico de departamentos u
organizaciones que no tienen el trabajo bien definido y cada cual
lo hace "a su manera".

En la fig. G se aprecia un histograma

que muestra una distribucción muy
chata o plana y que está lejos de
tener forma de campana.
 Distribución
con acantilados :Es una suspensión o corte muy
brusco en la caída de la distribución. Los acantilados son
anormales y debe buscarse siempre la causa del mismo. Pueden
deberse a: 1. Lote de artículos previamente inspeccionados al
100% donde se excluyó a los artículos que no cumplen con
alguna medida mínima o que exceden una medida máxima 2.
Problemas con el equipo de medición 3. Errores en la inspección,
etc

En la fig. H se aprecia un histograma

que muestra un acantilado derecho.
5. Datos raros o atípicos: Son una o más barras pequeñas
bastante separadas o aisladas del resto. Los datos raros son
fáciles de detectar ya que estos aparecerían como aisladas
del resto y se debe investigarse a que se debe. Entre las
posibles causas tenemos: (a) Datos incorrectos. (b) Medición
sobre un artículo que no forma parte del proceso. (c) Algún
evento raro o especial si no ocurrió alguna de las anteriores.

6. Estratificar: En ocasiones no se observa ninguna forma

particular pero existe mucha variación y, la capacidad del
proceso es baja. Cuando los datos proceden de distintas
máquinas, proveedores, lotes, turnos u operadores, puede
hallarse información si se elabora el histograma por cada
fuente, a ello lo llamamos ESTRATIFICAR; con esta técnica se
podrá determinar cuál maquina o proveedor ocasiona el
problema.
14. En el problema anterior, con el propósito de mejorar la calidad que se
tenía en cuanto al grosor de las láminas, se implementó un proyecto de
mejora siguiendo la metodología Seis Sigma (ver capítulo 16). Varios de los
cambios implementados fueron relativos a mejora y estandarización de los
procedimientos de operación del proceso. Para verificar si el plan tuvo éxito,
se eligieron láminas de manera aleatoria y se midió su grosor. Los 60 datos
obtenidos durante tres días se muestran a continuación:
4.8 4.3 4.8 5.1 4.9 4.6 4.9 4.6 5.0 4.9 4.8 4.5
4.7 5.7 4.5 5.3 4.4 5.1 4.6 4.9 4.2 4.6 5.3 5.2
4.7 4.1 5.1 5.0 5.0 4.9 4.6 4.9 5.2 4.8 4.7 5.1
4.9 4.8 4.7 5.1 5.1 5.3 5.1 5.0 5.3 5.0 5.1 5.2
4.7 5.0 5.0 5.3 5.1 5.1 4.5 5.2 4.1 5.1 4.9 4.9
4.6 5.0 4.6 4.8 4.7 4.9 4.4 4.5 5.3 5.3 4.4 5.0
4.2 4.5 5.3 5.1 4.8 4.4 4.7 5.3 5.1 4.7 4.7 4.8
5.0 5.0 4.9 5.2 5.6 5.1 5.2 4.5 4.6 5.2 4.9 5.0
5.3 4.9 5.0 4.4 4.9 4.7 4.6 5.3 4.8 4.7 4.6 5.1
4.4 5.0 4.5 5.0 5.2 4.7 5.0 5.3 5.6 5.0 5.0 4.5
 PASOS PARA LA ELABORACION DE UNA TABLA DE
FRECUENCIA
1.- DETERMINAR EL RANGO DE LOS DATOS
2.- OBTENER EL NUMERO DE CLASES (NC)
3.- ESTABLECER LA LONGITUD DE CLASE (LC)
4.-CONSTRUIR LOS INTERVALOS DE CLASE
5.-OBTENER LA FRECUENCIA DE CADA CLASE
6.-COMPLETAR LA TABLA

TABLA DE FRECUENCIA
No de limites Valor Marcas Frecuencia Frecuencia %
clase central numérica
A 4.1 – 4.3 4.2 IIIII 5 4.16
B 4.3 – 4.5 4.4 IIIII IIIII IIII 14 11.66
C 4.5 – 4.7 4.6 IIIII IIIII IIIII 22 18.33
IIIII II
D 4.7 – 4.9 4.8 IIIII IIIII IIIII 23 19.16
IIIII III
E 4.9 – 5.1 5.0 IIIII IIIII IIIII 33 27.5
IIIII IIIII IIIII III
F 5.1 – 5.3 5.2 IIIII IIIII IIIII 20 16.66
IIIII
G 5.3 – 5.5 5.4 0 0
H 5.5 – 5.7 5.6 III 3 2.5
TOTAL 120 100
35

30

25

20

15

10

0
4.2 4.4 4.6 4.8 5 5.2 5.4 5.6