CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICOS DE CONTROL
|
|
- Soledad Araya Ortiz de Zárate
- hace 8 años
- Vistas:
Transcripción
1 CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICOS DE CONTROL Andrés Carrión García René Maluenda Molla MMI
2 CONTROL ESTADÍSTICO DE PROCESOS. GRÁFICOS DE CONTROL CONTENIDOS 1. Calidad y características de calidad Definición de calidad Características de calidad Tipos de características de calidad Control estadístico de la calidad. Control de procesos Concepto de control estadístico de calidad. Modalidades Las técnicas estadísticas y el control de calidad Gráficos de Control. Naturaleza y objetivos Qué es un gráfico de control? Objetivos de los gráficos de control Factores que intervienen en el diseño de un Gráfico de Control Tipos de gráficos de control Gráficos de Control por Variables Control de la posición Control de la dispersión Gráficos de Control por Atributos Control por defectuosas Control por defectos Resumen Gráficos de control clásicos (I): Control por variables Construcción Tamaño de muestra y frecuencia de muestreo Tamaño de muestra requerido para el gráfico de la media Tamaños de muestra empleados habitualmente Tamaños de muestra en procesos continuos Frecuencia de muestreo Gráfico Media - Rango Gráfico Media - Desviación Típica Gráfico Mediana - Rango Señales de falta de control Establecimiento de los gráficos de control Diseño de gráficos de la media Gráficos de control por atributos Control por defectuosas
3 Tamaños de muestra requeridos para los gráficos de control por defectuosas Gráfico np : Cantidad de defectuosas Tamaño muestral fijo Tamaño muestral Variable Gráfico p : Proporción o fracción defectuosa Tamaño muestral fijo Tamaño muestral Variable Control por defectos Tamaños de muestra requeridos para los gráficos de control por defectos Gráfico c :Número de defectos por muestra Gráfico u : Número de defectos por unidad Tamaño muestral constante Tamaño muestral variable Señales de falta de control Anexo al Capítulo Diseño de Gráficos de Control y cálculo de los tamaños de muestra requeridos para gráficos de control por atributos Estudios de Capacidad Generalidades Indices de Capacidad de procesos, bajo supuesto de Normalidad Estadística Capacidad potencial Intervalos de confianza para C p Prueba de Hipótesis para C p Capacidad real Un estimador de C pk Intervalo de Confianza para C pk Indice K Capacidad modificada Valor nominal situado en el centro de las tolerancias o especificaciones Valor nominal situado entre las tolerancias o especificaciones Indices de Capacidad de procesos, bajo supuesto de no cumplimiento de Normalidad Estadística Indice C θ Indice C S Indice C pc Indices de Capacidad para datos correlacionados Otros Gráficos de Control Gráfico de medidas individuales y rangos móviles
4 7.2. Gráfico de medias móviles y rangos móviles Gráficos de Sumas Acumuladas (CUSUM) Gráfico CUSUM clásico o de máscara Tamaño de muestra y frecuencia de muestreo Gráficos CUSUM unilaterales Gráfico CUSUM superior Gráfico CUSUM inferior Gráficos EWMA Observaciones autocorrelacionadas Gráficos de control para series de fabricación cortas Las series de fabricación cortas El control del proceso en series cortas Gráfico de la desviación del nominal (DNOM) Gráfico de la media estandarizada y de R Gráficos por atributos para series cortas Gráficos de control por defectuosas en series cortas Gráficos de control por defectos en series cortas Precontrol Naturaleza y objetivos del precontrol Técnica de uso del precontrol Prácticas de Control de Calidad I Práctica 1: Gráficos de Control por Variables Introducción Ejercicio 1. Gráficos de media - rango Ejercicio 2. Estudios de capacidad Comentarios al Ejercicio Comentarios al Ejercicio Práctica 2: Gráficos de Control por Atributos Introducción Ejercicio 1. Gráfico de control por defectuosas Ejercicio 2. Gráfico de control por defectos Comentarios al Ejercicio Comentarios al Ejercicio
5 1. Calidad y características de calidad Definición de calidad. La definición de calidad no es única ni absoluta, cambia de unos autores a otros, de unos productos o servicios a otros y según el momento en que se formule. De todos modos, buscando un denominador común, encontramos en muchas de ellas la siguiente idea: La Calidad de un producto es la medida de su adecuación al uso para el que esta concebido. En esta definición tenemos presente uno de los elementos fundamentales del estudio de la calidad: la adecuación entre producto y uso (y por tanto usuario). En efecto, por encima de muchos otros aspectos será el grado en que el producto o servicio satisfaga las necesidades del cliente el que lleve a valorarlo como de calidad o no. Esta opción cobra cada vez más impulso en detrimento de lo que podrían ser definiciones de calidad más técnicas, quedando estas en un nivel de instrumento o herramienta para conseguir la satisfacción del cliente. Ya nadie se plantea que un producto de calidad es aquel que cumple las especificaciones de ingeniería per se : hay que remontarse a la fase de diseño y criticar el propio establecimiento de esas especificaciones. Además, y siguiendo el enfoque de Taguchi con su función de pérdida, no todo el producto que cumple especificaciones es igual de bueno, tiene la misma calidad, con lo cual las especificaciones recobran su papel como garantes de la funcionalidad del producto, pero no necesariamente de su calidad Características de calidad. Un elemento que está presente en la definición anterior y que requiere un comentario específico es la forma en la que se pueda realizar la medida de esa satisfacción, es decir, la necesidad nos va surgir de medir el grado de adecuación al uso que tiene el producto o servicio considerado. Poder hacer esa medición es fundamental a la hora de comparar un producto con un cierto estándar de calidad que debe cumplirse o a la hora de comparar dos productos desde el punto de vista de la calidad para elegir el mejor. Será demás imprescindible si queremos enfocar el problema de la calidad y de su control desde una perspectiva científica y técnica. 5
6 Tal medida conlleva de modo inevitable el recurso a características cuantitativas, que permitan el uso de herramientas estadísticas potentes y adecuadas a cada situación. Así pues, deberemos identificar unas características sobre las que nosotros podamos medir de modo objetivo esa calidad. La identificación de las características que en cada caso mejor miden la calidad de un producto o servicio no es, en mucho casos, tarea fácil: a veces la gran cantidad de características (dimensionales, eléctricas, mecánicas,...) que definen un producto hacen que sea difícil encontrar la o las ideales, distinguiéndolas de una multitud de características de importancia secundaria e incluso irrelevantes. En otros casos, especialmente cuando se trata de empresas que prestan servicios, habrá una dificultad intrínseca a la propia identificación de características objetivas que permitan medir la calidad, dada la intangibilidad que muchas veces caracteriza al servicio prestado. En cualquier caso, deberán seleccionarse sólo las más importantes de entre las características que miden la calidad, para evitar una excesiva dispersión de esfuerzos. Como primer bloque de características a controlar están aquellas cuyo fallo podría acarrear problemas desde el punto de vista de la seguridad o del cumplimiento de normativa legal. Estas deben ser siempre objeto de estudio y control, por la responsabilidad que se podría derivar de su anormal comportamiento. Además de este aspecto, se manejarán varios criterios de importancia para seleccionar las características a controlar: Importancia para la función del producto. Importancia para las operaciones de fabricación. Importancia que le concede el cliente. Importancia en como afecta al medio ambiente Estos cuatro factores son en cierta medida independientes, como puede verse en el siguiente ejemplo: En la fabricación del bloque de un motor de explosión, un defecto que provocara un reducción de la potencia obtenida del 10% sería importante desde el punto de vista de la función del producto, pero podría no afectar al proceso de fabricación en las etapas siguientes y pasar desapercibido al cliente. La no colocación de un gancho que se usa para trasladar el bloque durante la fabricación sería un serio perjuicio para esta, pero no afectaría a la función del producto y el cliente ni lo notaría. Por último, un aspecto sucio del motor produciría en el cliente una impresión desfavorable, pero carecería de importancia respecto de los otros dos factores. 6
7 La identificación de esas características más importantes puede verse ayudada por el uso de algunas de las llamadas Siete Herramientas. Podemos citar así el diagrama de Pareto, que ayuda a centrar esfuerzos en aquellos problemas más importantes o más frecuentes. También el diagrama de causa/efecto, al ayudarnos identificar las causas de los problemas de calidad, nos ayuda en la selección de aquellas características que detecten la aparición de esas causas. Por otra parte, el conocimiento técnico del proceso y del producto es imprescindible, y sin él las otras herramientas pueden carecer de sentido. En esta última línea, el diagrama de flujo del proceso, al ayudarnos a fijar ideas sobre la secuencia de operaciones y sobre el recorrido que realiza el material, es una ayuda a tener en cuenta Tipos de características de calidad. Las características de calidad pueden considerarse divididas en dos grandes grupos: variables y atributos. Las primeras son aquella características que son medibles de un modo continuo, como pueden ser: características dimensionales (espesores, longitudes, diámetros,...), características mecánicas (resistencia, dureza, ) características eléctricas (voltaje, resistencia, intensidad,...) pesos tiempo que se tarda en servir un pedido tiempo de espera de un cliente para recibir un servicio etc. En cambio, los atributos son características resultado de procesos de conteo, que conllevan ya en si una valoración cualitativa sobre la calidad de piezas, productos o servicios: número de defectos superficiales por metro cuadrado de pavimento cerámico número de piezas defectuosas en una muestra número de errores en un documento porcentaje de impresos mal rellenados número de personas insatisfechas por la calidad del servicio recibido, en una muestra 7
8 La diferente naturaleza estadística de variables y de atributos nos obligará, como más adelante veremos, a emplear técnicas distintas para cada caso, aún con la misma base y la misma filosofía. Así, las variables serán características continuas, modelizadas habitualmente a través de la distribución normal o gaussiana. Ocasionalmente serán otros los modelos a emplear, como por ejemplo el exponencial o el de Weibull si se maneja la vida (duración hasta el fallo) del producto como índice de calidad. Por su parte, las características tipo atributo seguirán modelos discretos, que según la naturaleza del problema,serán: El modelo binomial o hipergeométrico, si en las muestras tomadas cada unidad es clasificada simplemente como correcta o defectuosa El modelo de Poisson, si cada unidad de la muestra es susceptible de contener uno o varios defectos. 8
9 2. Control estadístico de la calidad. Control de procesos Concepto de control estadístico de calidad. Modalidades. Por control estadístico de calidad entenderemos el conjunto de técnicas estadísticas orientadas a la vigilancia del comportamiento de las características que hemos seleccionado como mejores medidoras de la calidad. De los dos tipos de calidad que en una primera aproximación podemos definir, calidad de diseño y calidad de conformidad, es en el ámbito de la segunda donde fundamentalmente vamos a centrarnos, pues en el control de la conformidad de lo realizado con el diseño o proyecto, es donde el control estadístico encuentra su principal campo de aplicación. Este campo de aplicación es doble, actuándose tanto sobre el producto acabado como sobre el producto en fase de ser producido: Control en recepción, o con más generalidad control de producto acabado, cuando se controlan los componentes o piezas que entran en nuestra planta procedentes de proveedores o bien se controlan nuestros propios productos una vez fabricados y antes de ser servidos a nuestros clientes. La acción sobre producto acabado se basa pues en una filosofía de detección y eliminación de lo mal producido. Control de procesos, cuando se controla el producto durante su fabricación. Se trata aquí de las técnicas de control estadístico de procesos (SPC: Statistical Process Control), tendentes a que aquello que se está produciendo lo sea con calidad, empleándose por tanto una óptica de prevención. Aunque resulta evidentemente mucho más atractivo este segundo enfoque preventivo que el primero, centrado en la detección, ambos enfoques no son contrapuestos, sino más bien complementarios. Así una empresa en cualquier sector deberá, en principio, emplear las técnicas de control en recepción para asegurar la calidad de materiales y productos elaborados que emplee en sus procesos y las de control de procesos para asegurarse de que ella misma produce con calidad (Figura 1.). 9
10 CLIENTES CONTROL DE PROCESO CONTROL DE PRODUCTO ACABADO CONTROL EN RECEPCIÓN PROVEEDORES Una mayor contradicción entre ambos enfoques surge cuando una empresa se plantea la errónea disyuntiva de controlar su proceso de producción o controlar sólo su propio producto acabado. Ahora si que hay una clara ventaja conceptual y práctica en favor del planteamiento preventivo, que tiende a evitar la aparición de la no calidad, frente al correctivo, que sólo aspira a que esa no calidad no llegue al cliente. Mientras en el primero hay toda una serie de costes asociados a la no calidad que son evitados, en el segundo algunos de ellos llegan a presentarse, reduciendo la eficacia del sistema en su conjunto Las técnicas estadísticas y el control de calidad. Por qué se plantea el recurso a técnicas estadísticas para controlar la calidad?. La razón es muy sencilla: la gestión de la calidad precisa información, que deberá ser adecuadamente recogida y tratada. La ciencia que estudia la forma correcta de realizar la toma de información, su tratamiento y análisis es la Estadística. Además esa información no es de carácter determinista, sino que esta afectada en cierta medida por el azar, es decir presenta una variabilidad, que hace que el modelo adecuado que recoge su comportamiento sea el modelo probabilístico o estadístico. Las técnicas estadísticas nos permiten también emplear tanto información de tipo cuantitativo (la de las características llamadas variables) como cualitativo (con las características tipo atributo). Con ello no debe entenderse que el uso de técnicas estadísticas para el control de la calidad sea una panacea capaz por si sola de arreglar los problemas de calidad, o más bien de no calidad, de una empresa. Antes bien hay que asumir que las técnicas de control estadístico de la calidad no arreglan nada por si 10
11 mismas, si no que actúan como alarmas de situaciones anómalas, que serán corregidas por las acciones que los responsables de la empresa tomen con la información obtenida. La aplicación de técnicas estadísticas de control de calidad en los distintos sectores productivos, encuentran peculiaridades que obligan a revisar el modo concreto de poner en práctica unos principios de validez general. Entre esas peculiaridades figura la existencia o no de series largas de fabricación (industria del automóvil o de productos de consumo masivo frente a industria del mueble clásico, por ejemplo). Otra peculiaridad a tener en cuenta viene referida a la formación de la mano de obra y la posibilidad de involucrarla en tareas de control de la calidad, muy dependiente de la estabilidad en el empleo y de la existencia de una cultura de empresa al respecto, de la estructura organizacional y del ambiente laboral dentro de la Empresa Lo mismo puede decirse de la extensión de los planteamientos del control estadístico de calidad al sector servicios, en los que la calidad, y por ende su control, tiene cada día un peso mayor. Nuevamente deberán adaptarse los planteamientos básicos a las peculiaridades de la empresa de servicios. Debe considerarse ahora la intangibilidad del producto, la imposibilidad de almacenamiento del mismo, la identificación de los indicadores de calidad, etc. Es estas páginas nos centraremos en el control de procesos, estudiando las técnicas empleadas en función de las diversas características de calidad que nos podemos ver en la obligación de controlar. La herramienta fundamental para el control de procesos son los gráficos de control, y a ellos se dedican los siguientes capítulos. 11
12 3. Gráficos de Control. Naturaleza y objetivos Qué es un gráfico de control? Un gráfico de control es una herramienta empleada para controlar el comportamiento de una característica de calidad durante el proceso de fabricación. Incorpora elementos gráficos, que hacen su manejo muy intuitivo, y algunos cálculos, no demasiado complejos, que permiten obtener información cuantitativa sobre el comportamiento de la característica controlada. La información sobre el proceso se obtiene mediante la toma de muestras representativas GRÁFICO DE CONTROL MUESTRA/FECHA Figura 1. LIM. SUP. L.C. LIM. INF. Su aspecto general es el de la figura 1, siendo sus principales elementos los siguientes: Eje de abcisas (horizontal), que representa la sucesión de las muestras que se van tomando, teniendo por tanto un sentido temporal. Eje de ordenadas (vertical), representando el valor de la característica que se está controlando. Línea central (L.C.), que indica el nivel de referencia en torno al cual viene oscilando la característica en cuestión. Límite superior de control (LIM. SUP.), que indica el valor máximo que habitualmente, y salvo que se produzcan cambios, no debe ser sobrepasado por la característica controlada. 12
13 Límite inferior de control (LIM. INF.), que indica el valor mínimo por debajo del cual, salvo que se produzcan cambios, no va a moverse normalmente la característica estudiada. Línea quebrada, indicando la evolución temporal de la característica controlada. Es la que justifica que al estudiar los gráficos de control se los compare con el electrocardiograma del proceso. Cada punto o vértice de la línea representa el valor que la característica controlada presentó en una de las muestras. En primera aproximación, y sin entrar de momento en más detalles, podríamos decir que dos son las circunstancias que pueden darse en el gráfico que nos indiquen la aparición de problemas en el proceso (aunque mejor sería hablar de cambios): 1. La línea quebrada que indica la evolución de la característica se sale de los límites de control. 2. La línea quebrada presenta comportamientos que no podemos considerar aleatorios, que no son oscilaciones al azar (por ejemplo: tendencia ascendente; grupo de muchos valores seguidos por debajo o sobre la línea central,etc.-). Otro elemento, no visible pero de capital importancia para la correcta interpretación de un gráfico de control, es el nivel de confianza o probabilidad de cometer el error de primera especie. Este nivel de confianza corresponde a la probabilidad de falsa alarma : la probabilidad de que el gráfico indique problemas cuando en realidad no los hay. Lógicamente, al usuario le interesa que este riesgo de falsa alarma se mantenga en un nivel lo más bajo posible, ya que no puede ser eliminado completamente por el carácter aleatorio de la información empleada. En los gráficos más habituales este riesgo de falsa alarma, o probabilidad de error de primera especie, vale (0.27%). El significado de este valor es el siguiente: si el proceso es estable, la probabilidad de que (por mala suerte) tengamos un punto fuera de los límites de control es del 0.27% (algo menos del tres por mil). Este será el valor que se empleará en los gráficos que más adelante se definan y estudien. En una variable aleatoria normal, esa probabilidad del 0.27% (2.7 por mil) es la que queda fuera del intervalo comprendido entre la media menos tres desviaciones típicas y la media más tres desviaciones típicas (m ± 3σ). Por este motivo este criterio es universalmente conocido como criterio 3σ. 13
14 3.2. Objetivos de los gráficos de control. Si nos planteamos la pregunta para qué sirven los gráficos de control?, la respuesta, dada por el propio nombre de la herramienta empleada es evidente: para controlar el comportamiento de una característica de calidad. En efecto, la línea quebrada del gráfico, arriba comentada, refleja la evolución de la característica controlada, con sus subidas y bajadas de nivel, sus saltos, sus tendencias, etc. Ahora bien, qué aspecto concreto del comportamiento de una característica es lo que vamos a poder controlar con un gráfico de control?. La respuesta puede ser hasta cierto punto inesperada: la ESTABILIDAD. En especial, un gráfico de control no controla el cumplimiento de especificaciones (de hecho estas ni aparecen en el trazado del gráfico, como hemos visto arriba, ni en el cálculo de sus elementos, como veremos más adelante) ni la adecuación a ninguna tolerancia de lo producido, ni siquiera en muchos casos valora si el producto está mejorando o empeorando su calidad. Veámoslo por partes. Realmente, observando un gráfico podemos : 1.- Hacernos una idea de si las especificaciones pueden ser cumplidas o no, de si nuestra característica toma valores en torno a los que deseamos como objetivo o esta desplazada arriba o abajo, etc. Luego en cierto sentido si que controlan esos aspectos del comportamiento. Pero lo hace sólo de un modo orientativo, como lo podría hacer un gráfico temporal cualquiera (sin límites de control y sin línea central) que recogiera la evolución de una característica. Del mismo, modo según al caso concreto y según la posición relativa de la línea central del gráfico respecto al valor objetivo o nominal de la característica, sabremos si el proceso mejora o no; además de que en algunos gráficos exista un sentido evidente de evolución que indica mejora o empeoramiento (por ejemplo en el gráfico de proporción de defectuosas). 2.- Tener una estimación de los parámetros estadísticos que describen el comportamiento del producto o del proceso. 3.- Vigilar el proceso para observar el comportamiento de la tendencia y de la variabilidad. Sin embargo, su completa utilidad, su objetivo real que da sentido a todos los elementos que lo integran, es el control de la estabilidad. Así la línea central representa el nivel en torno al cual, históricamente, esta oscilando la 14
15 característica y en torno al que seguirá oscilando, si el proceso es estable. Los límites de control marcan el campo de variación de la característica controlada observado hasta el presente, considerado normal, que no debe ser superado, mientras el proceso se mantenga estable. La línea quebrada indica la evolución de la característica a lo largo del tiempo, y es la que permite la detección de cambios en su comportamiento, es decir en su estabilidad. El análisis de las variaciones acontecidas en cualquier proceso de producción o de fabricación, se puede usar para controlar dos tipos de causas: Las aleatorias (debidas al azar) y las asignables (debidas a causas especiales o específicas). De forma ideal, en un proceso sólo debieran existir o estar presentes las causas aleatorias, debido a que si esto así fuere indicaría que el proceso es estable, con mínima variación y por lo tanto predecible. Cuando un proceso opera sin que hayan causas asignables, sus valores promedio y varianza se encuentran dentro de los limites de control establecidos. Se dice entonces que el proceso se encuentra en estado de control estadístico Una causa asignable de variabilidad puede resultar o repercutir en un cambio en el promedio, en la varianza del proceso o en ambos, llevando entonces el proceso a un estado de fuera de control. Esto implica entonces el riesgo de producir productos defectuosos o fuera de especificaciones, con seguridad de perder homogeneidad en la producción, pérdidas de tiempo y mayores costos en la implantación y seguimiento de acciones correctivas. Es por ello que uno de los objetivos más importantes de un Gráfico de Control Estadístico de Procesos es detectar rápidamente la ocurrencia de causas asignables de variación o cambios en el proceso, con el fin de investigarlas y tomar las acciones correctivas que conduzcan nuevamente a estabilizar el proceso Factores que intervienen en el diseño de un Gráfico de Control. Factores muy importantes a tener en cuenta a la hora de construir un Gráfico de Control Estadístico de Procesos, entre otros, son: 1. Costos del muestreo. 2. El valor admisible del error de primera especie, definido anteriormente. 3. La naturaleza de la variable aleatoria empleada para medir la calidad del proceso o del producto. 15
16 4. La sensibilidad deseada para el gráfico (capacidad de detección de cambios en el proceso Como resultado de la consideración de estos factores, se llegará a la definición de un plan de muestreo, cuyas características principales son: 1.- El tamaño de muestra. 2.- La frecuencia de muestreo. Más adelante estos temas serán desarrollados con detalle, particularizando para los diferentes tipos de gráficos de control existentes Tipos de gráficos de control. La clasificación de los gráficos de control viene dada por el tipo de característica a controlar. Anteriormente se dividió a las características de calidad en dos grandes grupos: VARIABLES y ATRIBUTOS. Las primeras corresponden a las características medibles (pesos, dimensiones,...) y las segundas a características cuantitativas resultado de recuentos de defectos en productos o de unidades defectuosas en muestras de varias unidades. Así pues, en virtud de los dos tipos de característica a controlar, tendremos gráfico de control de control por variables gráfico de control de control por atributos La naturaleza estadística de esos grupos de características son esencialmente distintas, y en consecuencia lo son también los cálculos que deberemos hacer, pero con todo, la estructura esencial del gráfico de control es la misma en ambos casos (línea central, límites, etc.) y la interpretación es semejante. Salvada esta unidad esencial de ambos tipos de gráfico de control, veamos sus diferencias Gráficos de Control por Variables. Cuando la característica a emplear es medible de un modo conceptualmente continuo, deberemos tratarla como variable. En una variable son dos los aspectos que deberemos controlar: 16
17 POSICIÓN: es decir, el orden de magnitud, el valor que toma la variable estudiada. DISPERSIÓN: es decir, el grado de heterogeneidad del resultado de nuestro proceso. Piénsese que en prácticamente todas las variables, la situación ideal sería obtener un resultado constante en el proceso e igual a un cierto valor nominal de diseño, es decir posición adecuada y dispersión o heterogeneidad nula. Admitida la imposibilidad física de tal resultado, ambos son pues los elementos que controlamos con un gráfico de control para variables Control de la posición. En una variable, la posición se controla a través de la media o de la mediana de la muestra tomada. La media es más frecuentemente utilizada por presentar un comportamiento estadístico mejor, siempre que la característica controlada sea normal o aproximadamente normal (permitiendo así que las medias muestrales sean efectivamente normales, por el teorema central del límite) Para poblaciones muy anormales, que presenten fuertes asimetrías, puede ser preferible utilizar la mediana, que en esos casos es un mejor indicador de posición. También puede usarse en ocasiones para facilitar la introducción de los gráficos en la empresa, al no requerir la realización de ninguna operación de cálculo Control de la dispersión. En características tipo variable controlaremos la dispersión mediante uno de los dos siguientes procedimientos: Si el control es llevado de un modo manual, las más de las veces emplearemos el rango o recorrido. Si el control es llevado por medios informáticos, se preferirá normalmente emplear la desviación típica. Siendo ambos métodos correctos, el segundo hace un mejor uso de la información disponible, a costa de una mayor complejidad operativa que en la práctica lo inhabilita como herramienta de manejo manual. Si el tamaño de muestra es grande, por encima de 15 unidades, el uso del recorrido está fuertemente desaconsejado, siendo en tal caso preferible emplear la desviación típica aunque sea más engorroso su cálculo. 17
18 Gráficos de Control por Atributos. Cuando la característica controlada conlleva una valoración cualitativa (indicación de correcto/defectuoso o identificación de defectos) y un recuento del número de veces que se produce una determinada circunstancia (número de piezas defectuosas o de defectos en una muestra), diremos que el dato manejado es un atributo. Hay dos tipos de atributos que corresponden a las situaciones denominadas: Control por defectuosas. Control por defectuosas, si cada pieza o producto es clasificado como bueno o malo, realizándose el recuento del número de tales piezas o productos que son defectuosos en cada muestra. Conlleva la utilización del modelo estadístico denominado Binomial, descrito en detalle en cualquier texto de Estadística,en el capítulo de Modelos de Probabilidad Discretos. Si la población de la que procede la muestra fuera muy reducida (menos de diez veces el tamaño de la muestra o que la fracción de muestreo n/n > 0.1) debería emplearse el modelo Hipergeométrico, también descrito previamente Control por defectos. control por defectos, si en una misma pieza o producto puede haber más de un defecto, realizándose el recuento del número de tales defectos presentes en una muestra. Conlleva la utilización del modelo estadístico denominado de Poisson, descrito en detalle en el capítulo de Modelos de Probabilidad Discretos de Textos de Estadística. Cada una de esas situaciones admite dos tipos de gráficos de control: Control por defectuosas. Gráfico np: Control mediante el número de defectuosas en la muestra. Requiere que el tamaño de muestra se mantenga constante. Gráfico p: Control mediante la proporción de defectuosas en la muestra. Adecuado cuando el tamaño de muestra varía de una muestra a otra. Control por defectos. 18
19 Gráfico c: Control mediante el número de defectos por muestra. Requiere muestras de tamaño constante. Gráfico u: Control mediante el número de defectos por unidad. Permite trabajar con muestras de tamaño variable. Conviene aquí comentar que el tamaño de muestra se mide, tanto en gráficos por variables como en gráficos pos atributos para el control por defectuosas (gráficos np y p), en número de unidades (piezas, productos, impresos,...), mientras que en los gráficos para control por defectos, el tamaño de muestra puede además medirse en unidades diferentes: metros cuadrados de un tejido en el que se cuentan defectos, litros de un liquido en el que se cuentan impurezas, etc Resumen. Resumiendo los tipos de gráficos de control y sus condiciones de uso podemos elaborar el siguiente esquema: CONTROL DE PROCESOS CONTROL POR A A S CARACTERÍSTICA MEDIBLE CONTROL DE LA POSICIÓN CONTROL DE LA DISPERSIÓN GRÁFICO DE MEDIAS GRÁFICO DE MEDIANAS GRÁFICO DE RANGO GRÁFICO DE DES. TÍPICA CARACTERÍSTICA DE RECUENTO CONTROL POR A OS CONTROL POR DEFECTUOSAS CONTROL POR DEFECTOS GRÁFICO np GRÁFICO p GRÁFICO c GRÁFICO u 19
20 20
21 4. Gráficos de control clásicos (I): Control por variables Construcción. Conocidos ya los elementos que integran un gráfico de control y antes de pasar a estudiar como se calcula cada uno de ellos en los distintos tipos de gráficos existentes, veamos ahora cómo debe ser el documento en que se recojan estos elementos una vez calculados y en el que se vaya llevando el control del proceso. Hay multitud de tipos de impresos para control estadístico de procesos, de los cuales se presentan algunos ejemplos, pero algunas de sus características generalmente deseables serían: Claridad: el gráfico de control en una herramienta gráfica, que como todas las de este tipo persigue que el usuario aprecia en un golpe de vista aquello que se controla. Hojas confusas que impidan esta apreciación fácil y rápida deben ser evitadas. Presentación de datos numéricos y gráficos en la misma página, evitando al usuario trasiegos incómodos de papel, que únicamente facilitan el error. En el caso de control por variables, en el que se llevarán simultáneamente dos gráficos de control, ambos deberán estar también en la misma página. Presencia de un pautado o cuadrícula que facilite el trazado de los gráficos a escala. Espacio para anotación de incidencias, fundamental para la comprensión del comportamiento del gráfico y para la investigación de las causas especiales detectadas. Espacio para la completa identificación de pieza o concepto, característica controlada, departamento, fechas de elaboración, responsable del gráfico y en general cuantos datos se estime oportuno. Con frecuencia se ve que en las hojas empleadas en las empresas aparecen fórmulas y tablas de constantes de las empleadas en la definición de los distintos elementos del gráfico (especialmente de los límites de control). Realmente tal información es sólo rara vez utilizada y, si bien a efectos de aprendizaje en el uso de la herramienta es muy útil, no es ni mucho menos imprescindible. También con relativa frecuencia, en el caso de control por variables, se incluye en el gráfico espacio para la elaboración de un histograma, que siempre debe construirse en base a las mediciones obtenidas y no con las medias calculadas. Puede ser un útil complemento del gráfico de control, a condición de 21
22 que no suponga una sobre carga de trabajo para la persona encargada de llevarlo. Una posibilidad es elaborar el histograma cuando se ha completado la hoja, por persona distinta y sin la presión de la producción (por ejemplo en la oficina de línea o del departamento), pero entonces ya no es necesario que figure en la misma hoja que el gráfico de control. Un posible modelo de impreso para gráfico de control por variables sería el que se presenta en la figura siguiente, si bien como antes se ha dicho existen multitud de variantes adaptadas a las necesidades (y muchas veces a los gustos) de cada empresa o departamento. EMPRESA S.A. x R x S 2 x S ~ x R PIEZA: CARACTERÍSTICA: OPERACIÓN: Especificación: Muestra: Frecuencia: Máquina: L.central: LCS: LCI: Responsable: ID. x1 x2 x3 x4 x5 suma med. R/s/s 2 Otro tema que no por sencillo debe ignorarse es el del trazado de las líneas básicas del gráfico (línea central y límites de control) en el documento, es decir, fundamentalmente la selección de la escala en la que se realiza el dibujo. A nivel 22
23 de recomendación, pues en buena parte es simplemente una cuestión de presentación, podríamos decir que la anchura de los límites de control debe estar entre 1/2 y los 2/3 del espacio disponible: POSICION DEL LCS 2/3 L ½ L ZONA DE DIBUJO = L POSICION DEL LCI Seleccionaremos así la posición aproximada del límite inferior de control. A partir de él buscaremos una escala cómoda que permita que el límite superior que correctamente situado. No debe preocuparnos el hecho de que línea central y límites no ocupen precisamente las líneas del pautado. Antes bien lo más habitual es que no coincidan, pues tales líneas del gráfico toman valores no enteros y sería incomodo apoyar en ellos ninguna escala Tamaño de muestra y frecuencia de muestreo. La definición del tamaño de muestra requerido en la elaboración de un gráfico de control pasa por la definición de los errores de primera y segunda especie que se desean cometer en la detección de cambios en proceso. Pese a que existe un procedimiento de cálculo de esa tamaño de muestra, lo más habitual es emplear un tamaño estándar, que suele ser de cinco unidades, dejando de lado consideraciones teóricamente más correctas. Veremos a continuación cómo se realiza ese cálculo en el caso del control de la media (supuesta normal) de una característica Tamaño de muestra requerido para el gráfico de la media. Definir el tamaño de muestra requiere disponer de la siguiente información: nivel de significación α deseado. media m 0 que se considera normal o correcta (que será la x, media de las medias). 23
24 probabilidad del error de segunda especie β. valor m 1 de una descorrección respecto a esa media correcta que deseamos detectar con probabilidad 1-β. la desviación típica σ. Llamamos además descentrado relativo de una media m respecto a m 0 al cociente: d = m m 0 σ con lo que el descentrado relativo asociado a la media m 1 será d 1. Con todo ello, se puede demostrar que el tamaño de muestra requerido es: z n = 2 α/2 z1 β d 1 En el caso más frecuente, α valdrá el 0.27%, con lo cual z α/2 será 3, diciéndose en tal caso que se trabaja con criterio 3σ. Los valores de Z α/2 y Z 1 - β se obtienen de una tabla de Distribución Normal, una vez que los riesgos α y β han sido definidos Tamaños de muestra empleados habitualmente. A pesar de que existe, como se ha visto arriba, la posibilidad de calcular de modo exacto el tamaño de muestra requerido para la realización de un gráfico de control, tal expresión no es usada con la frecuencia con que debiera. A ello contribuyen varias razones, a demás de una obvia que sería el desconocimiento de su uso. Podríamos citar que los tamaños resultantes de aplicar la fórmula anterior pueden ser grandes, con lo que el aspecto práctico de la realización del control se vería comprometido. También se da en ocasiones el hecho de que la información requerida no sea evidente ni esté disponible, en especial la que define el punto del comprador (descorrección y probabilidad de error de segunda especie β). El propio Shewhart, creador de estos gráficos de control, proponía el uso del tamaño de muestra 4, mientras que el más empleado hoy día es el tamaño 5. Entre las razones que nos llevan usar estos tamaños tenemos: 24
25 el tamaño de muestra debe ser lo más bajo posible por razones de coste y de homogeneidad (subgrupo racional) de la muestra. si la población de la que proceden los datos no es muy anormal, las media muestrales obtenidas con muestras de tamaño igual o superior a 4 o 5 se pueden considerar ya aceptablemente normales (en virtud del teorema central del límite). el tamaño muestral 5 simplifica la operativa del cálculo de la media. Respecto a esta última condición, no debe, en absoluto, ser menospreciada. Es el mismo motivo que hace que se emplee más el gráfico del rango que el de la desviación típica para el control de la dispersión. Piénsese que normalmente la realización del gráfico de control suele quedar en manos del personal de producción, que dispondrá de poco tiempo y de una preparación sólo básica en cálculos matemáticos, con lo que todo lo que se haga por facilitar el uso de estos será una garantía de que los datos reflejados son fiables y de que el gráfico se lleva correctamente. El uso de tamaños muestrales mayores suele justificarse por dos vías: La necesidad de un control más preciso sobre la media, que requiere el uso de tamaños de muestra mayores de 15 unidades. En tal caso el control de la dispersión necesariamente pasaría a llevarse mediante la desviación típica (el rango sólo es apto para muestras inferiores a diez unidades). La existencia de características en el proceso que aconsejen otro valor de n. Por ejemplo, en un proceso de inyección de plásticos, si un molde tiene ocho cavidades se podría trabajar con n=8 tomando una unidad de cada cavidad Tamaños de muestra en procesos continuos. Mención aparte merece el caso de los procesos continuos. En ellos el material producido en cada instante suele ser altamente homogéneo, hasta el punto de hacer que si tomáramos simultáneamente varias muestras de material, las diferencias entre ellas serían debidas, más que a heterogeneidad del producto, a la variabilidad propia del sistema de medida, que es incapaz de apreciar variaciones en el proceso. Este tipo de procesos entrega datos que se encuentran muy correlacionados entre sí, lo que hace que el principio de independencia generalemte no sea cumpla, por lo que ameritan un tratamiento especial,el que se verá en capítulos posteriores. Por ello, en estos casos bastaría con emplear un tamaño de muestra uno: la posición quedaría adecuadamente controlada con ese valor, y la dispersión 25
26 instantánea no existe por la propia naturaleza del proceso, por lo que no requiere ser calculada. Caso de tomarse varias medidas, ello se justificaría por mejorar la precisión de la estimación, pero no para valorar la variabilidad inexistente en el proceso. Esta variabilidad, entendida ahora como evolución en el tiempo, aparece aquí como la diferencia entre muestras consecutivas, pero no como diferencias dentro de una misma muestra. Por todo ello el tipo de gráfico de control a emplear sería de los llamados de medidas individuales y rangos móviles, y no de los gráficos de Shewhart estándar que a continuación estudiaremos (ver Capítulo 7) Frecuencia de muestreo. Respecto a la frecuencia de muestreo, sólo se pueden dar orientaciones basadas en la práctica y en el sentido común, pues no hay ningún procedimiento específico para su cálculo. Parece razonable, y así se hace habitualmente, que al inicial el control de una característica de calidad se emplee un muestreo frecuente, y que tal frecuencia vaya disminuyéndose conforme el proceso va siendo más estable. Como valores orientativos podríamos hablar de frecuencias que vas desde una toma de n piezas cada 15 minutos hasta una por turno. Reducir el control por debajo de esta cifra sería en la práctica casi lo mismo que eliminar ese control. Aumentarla por encima de las cuatro tomas por hora sería, probablemente, entorpecer demasiado la producción (salvo que la medición fuera automática sin afectar al funcionamiento del proceso, en cuyo caso la frecuencia podría ser incluso mucho mayor, llegándose a un control al 100%). Siempre al nivel de recomendaciones, se suele citar que en producciones rápidas (más de mil unidades por hora) se debiera muestrear entre un 2 y un 5% de la producción, mientras que en producciones menos rápidas (por debajo de esas mil unidades por hora) la fracción de muestreo subiría al 5 o al 10%. En general, como elementos que deban ser tenidos en cuenta al fijar la frecuencia de muestreo, tenemos: estabilidad de la característica controlada, pues en características muy estables podemos espaciar más la toma de muestras, mientras que en procesos con frecuentes cambios el control debe ser más frecuente. coste del muestreo, así como la complejidad del mismo y el tiempo que requieran los análisis o mediciones asociados al control, ya que cuanto más 26
27 caro, difícil o lento sea el control, más deberemos espaciar las tomas, y al revés (siempre a igualdad del resto de factores a considerar, por supuesto). coste que nos suponga que el proceso se salga de control, teniendo en cuenta posibles problemas que se generen en operaciones posteriores con ese mismo producto o pieza así como el coste de las acciones que se tomen a partir de una señal de falta de control (retención de materiales, inspección al 100%, etc.). probabilidad y coste de llegar a producir unidades fuera de especificaciones, la primera de las cuales dependerá de la capacidad del proceso, debiendo considerar en el segundo la posible generación de chatarras, la necesidad de retrabajos para recuperar unidades no conformes, posibles costes de garantís por unidades defectuosas que llegan al cliente, etc Gráfico Media - Rango. Este es con diferencia el tipo de gráfico de control por variable más empleado, por combinar unas buenas cualidades estadísticas con una razonable sencillez. Permite llevar simultáneamente el control de posición y de dispersión mediante muestreo. Con los valores integrantes de cada muestra de la característica considerada, deberemos calcular su media y su rango, mediante las conocidas expresiones: n xi i x = = 1 R = xmax x n min donde x y R : son la media y el rango de la muestra, x i : es el dato i-esimo de la muestra, n : es el tamaño de muestra y x y x : son los valores máximo y mínimo de la muestra max min Serán esta media y este rango, y no los datos individuales, los que emplearemos en el control de la posición y de la dispersión respectivamente. Para construir el gráfico de control necesitamos los elementos que arriba se comentaron: la línea central y los límites de control, y eso para cada uno de los dos gráficos que se van a emplear. Para obtenerlos necesitamos disponer de una cierta cantidad de información anterior en la forma de muestras del mismo tamaño al que vamos a emplear en el control (más adelante se detallará el procedimiento para obtener esos datos, que ahora consideramos ya en nuestro 27
28 poder). Con las medias de las muestras anteriores calcularemos la línea central, obteniendo un valor que se suele llamar media de las medias o gran media : xi x = i 1 = k donde k es el número de muestras que constituyen la información histórica y x i es la media de la muestra i-esima de entre esas k muestras. La media de las medias es, pues, un indicador del nivel en torno al que se está moviendo la característica controlada. Con esa información histórica calcularemos también el rango o recorrido medio, que hará el papel de línea central del gráfico del rango, mediante: donde k k Ri i R = = 1 k R i es el recorrido o rango de la muestra i-esima k es el número de muestras disponibles. Con la media de las medias y el recorrido medio podremos calcular los límites de control para ambos gráficos, media y rango, con las siguientes expresiones: Gráfico de la Media: Limite Superior de Control : LCSx = x + A 2 R Límite Inferior de Control: LCI x = x A 2 R Gráfico del Rango: Límite superior de control: LCSR = D 4 R Límite inferior de control: LCI R = D 3 R donde A 2, D 3 y D 4 son constantes leídas en tablas, adjuntas al final del Texto, en función del tamaño de muestra. El cálculo de los límites no tiene especial dificultad ni presenta peculiaridades, salvo quizás para el gráfico del rango, en el que para tamaños de muestra inferiores a siete la constante D 3, empleada en el cálculo del límite 28
29 inferior de control, es nula, siéndolo también en consecuencia el propio límite de control. El siguiente paso para llevar un control estadístico de calidad con un gráfico de la media es trazar en el impreso adecuado (por ejemplo el anterior) las tres líneas así obtenidas. Una vez hecho esto se podrá iniciar la toma de muestras. Tras cada muestra se calculará la media de la misma, valor que se representará en el gráfico, sirviéndonos de comprobación de si el proceso sigue estable (por ejemplo, si el punto está entre los límites de control. Ver señales de falta de control más adelante) Gráfico Media - Desviación Típica. Si, para el control de la dispersión, el rango aportaba como gran ventaja para su empleo la sencillez de su cálculo, la desviación típica tiene unas mejores características que se basan en un mejor aprovechamiento de la información, pues mientras el rango se calcula en base a sólo los dos valores extremos de la muestra, la desviación típica hace uso de todos los datos disponibles. Esta ventaja en favor de la desviación típica es más evidente, lógicamente, en tamaños de muestra grandes. Con los tamaños habitualmente empleados en control de calidad por variables (en torno a cinco unidades), la ventaja no es aún decisiva, y pesa más la indudable complejidad en el cálculo de s, haciendo que el rango sea, como antes se comentó, mucho más empleado. La situación se invertirá fundamentalmente en dos casos: cuando el tamaño de muestra sea grande (por encima de diez unidades) y cuando el control se lleve por ordenador (con lo que las operaciones complejas no son problema). En tales casos se preferirá el control de la dispersión a través de la desviación típica, mientras que la posición puede seguir siendo controlada por la media. Las expresiones de cálculo de las líneas centrales y los límites (salvo la de la media de las medias) se verán modificadas, pues cambia la información que obtenemos de cada muestra. Gráfico de la Media: k xi i Línea central: x = = 1 k Limite Superior de Control : LCS = x + x A1 s Límite Inferior de Control: LCI = x x A1 s 29
30 Gráfico de la Desviación Típica: Valor a controlar S i = n j= 1 ( x x) ij n 1 2 i, i=1...k Línea central: s k s i = = 1 k i Límite Superior de Control LCS B s s = 4 Límite Inferior de Control LCI B s s = 3 donde: x i es la media de la muestra i-sima s i es la desviación típica estimada de la muestra i-sima x i es cada uno de los valores medidos en cada muestra n es el tamaño de muestra s es la desviación típica media, que actúa como línea central del gráfico k es el número de muestras empleadas en la construcción del gráfico, y A 1, B 3 y B 4 son constantes leídas en tablas (final del texto), en función del tamaño de muestra El empleo del gráfico de control de la desviación típica es igual al de la media, la mediana o el rango, debiendo prestarse atención en primer lugar a la presencia de puntos fuera de los límites de control, y en segundo lugar al resto de señales de falta de control. 30
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesControl Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz
Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información
Más detallesCARTAS DE CONTROL. FeGoSa
Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detalleswww.bvbusiness-school.com
Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.
Más detallesGrado en Ingeniería. Estadística. Tema 3
Grado en Ingeniería Asignatura: Estadística Tema 3. Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción Variabilidad de un proceso de fabricación Causas asignables
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesCapítulo VI. Diagramas de Entidad Relación
Diagramas de Entidad Relación Diagramas de entidad relación Tabla de contenido 1.- Concepto de entidad... 91 1.1.- Entidad del negocio... 91 1.2.- Atributos y datos... 91 2.- Asociación de entidades...
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detalleswww.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables" no es aplicable.
GRAFICOS DE CONTROL POR ATRIBUTOS 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas para el control de procesos, los Gráficos
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesContenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS
Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier
Más detallesANÁLISIS MODAL DE FALLOS EFECTOS (A. M. F. E.)
ANÁLISIS MODAL DE FALLOS EFECTOS (A. M. F. E.) Y 1. INTRODUCCIÓN Este documento describe paso a paso el proceso de identificación, evaluación y prevención de deficiencias en los productos o servicios.
Más detallesEstadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL
1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesPLAN DE MEJORAS. Herramienta de trabajo. Agencia Nacional de Evaluación de la Calidad y Acreditación
PLAN DE MEJORAS Herramienta de trabajo Agencia Nacional de Evaluación de la Calidad y Acreditación Índice 1 Introducción...3 2 Pasos a seguir para la elaboración del plan de mejoras...5 2.1 Identificar
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detallesAdaptación al NPGC. Introducción. NPGC.doc. Qué cambios hay en el NPGC? Telf.: 93.410.92.92 Fax.: 93.419.86.49 e-mail:atcliente@websie.
Adaptación al NPGC Introducción Nexus 620, ya recoge el Nuevo Plan General Contable, que entrará en vigor el 1 de Enero de 2008. Este documento mostrará que debemos hacer a partir de esa fecha, según nuestra
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesMedia vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:
Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.
Más detallesSistemas de Gestión de Calidad. Control documental
4 Sistemas de Gestión de Calidad. Control documental ÍNDICE: 4.1 Requisitos Generales 4.2 Requisitos de la documentación 4.2.1 Generalidades 4.2.2 Manual de la Calidad 4.2.3 Control de los documentos 4.2.4
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesLa clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda
La clave para un mejor control en SEIS SIGMA: Ing. Luis Aranda Qué SPC? SPC (Statistical Process Control) CEP (Control Estadístico de Proceso) El SPC es una herramienta estadística que nos permite analizar,
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesPROCEDIMIENTO ESPECÍFICO. Código S-VII-01 Edición 0
Índice 1. TABLA RESUMEN... 2 2. OBJETO... 2 3. ALCANCE... 2 4. RESPONSABILIDADES... 3 5. ENTRADAS... 3 6. SALIDAS... 3 7. PROCESOS RELACIONADOS... 3 8. DIAGRAMA DE FLUJO... 4 9. DESARROLLO... 5 9.1. PLANEACIÓN...
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesTécnicas de valor presente para calcular el valor en uso
Normas Internacionales de Información Financiera NIC - NIIF Guía NIC - NIIF NIC 36 Fundación NIC-NIIF Técnicas de valor presente para calcular el valor en uso Este documento proporciona una guía para utilizar
Más detallesTEMA 3: MÉTODO CONTABLE. LAS CUENTAS
TEMA 3: MÉTODO CONTABLE. LAS CUENTAS 1. HECHOS CONTABLES En el tema 1 se señalaba que, dentro de la función de elaboración de la información contable, la contabilidad se ocupaba, en una primera etapa,
Más detalles6. Sea X una v.a. con distribución N(0,1). Calcular p(x=0)
1. La rueda de una ruleta se divide en 25 sectores de igual área que se enumeran del 1 al 25. Encuentra una fórmula para la distribución de probabilidades de la v.a. X que representa el número obtenido
Más detalles2.1. DIVISIÓN DE ARCHIVOS
Técnicas de archivo AX 2. CLASIFICACIÓN DE ARCHIVOS La clasificación de un archivo de oficina es la base del orden empresarial. Sin ella, los datos, informaciones y documentos serán elementos sueltos difícilmente
Más detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detalleswww.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.
ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detalles5.1. Organizar los roles
Marco de intervención con personas en grave situación de exclusión social 5 Organización de la acción 5.1. Organizar los roles Parece que el modelo que vamos perfilando hace emerger un rol central de acompañamiento
Más detalles1.4.1.2. Resumen... 1.4.2. ÁREA DE FACTURACIÓN::INFORMES::Pedidos...27 1.4.2.1. Detalle... 1.4.2.2. Resumen... 1.4.3. ÁREA DE
MANUAL DE USUARIO DE ABANQ 1 Índice de contenido 1 ÁREA DE FACTURACIÓN......4 1.1 ÁREA DE FACTURACIÓN::PRINCIPAL...4 1.1.1. ÁREA DE FACTURACIÓN::PRINCIPAL::EMPRESA...4 1.1.1.1. ÁREA DE FACTURACIÓN::PRINCIPAL::EMPRESA::General...4
Más detallesPROCEDIMIENTO PARA LA GESTIÓN DE LOS REGISTROS DEL SISTEMA DE CALIDAD
Página : 1 de 6 PROCEDIMIENTO PARA LA GESTIÓN DE LOS REGISTROS DEL SISTEMA DE CALIDAD Esta es una copia no controlada si carece de sello en el reverso de sus hojas, en cuyo caso se advierte al lector que
Más detallesApp para realizar consultas al Sistema de Información Estadística de Castilla y León
App para realizar consultas al Sistema de Información Estadística de Castilla y León Jesús M. Rodríguez Rodríguez rodrodje@jcyl.es Dirección General de Presupuestos y Estadística Consejería de Hacienda
Más detalles7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD
Agencia de Cooperación Internacional del Japón Universidad de Santiago de Chile Facultad de Ingeniería Departamento de Ingeniería Industrial 7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD Elaboración: Kiyohiro
Más detalleswww.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.
GRÁAFICOS DE CONTROL POR VARIABLES 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas más potentes para el control de procesos,
Más detallesICTE NORMAS DE CALIDAD DE AGENCIAS DE VIAJES REGLAS GENERALES DEL SISTEMA DE CALIDAD. Ref-RG Página 1 de 9
Página 1 de 9 1 Página 2 de 9 SUMARIO 1. OBJETO 2. ALCANCE 3. DEFINICIONES 4. GENERALIDADES 5. NORMAS DE CALIDAD DE SERVICIO 6. ESTRUCTURA TIPO DE LAS NORMAS 7. MECANISMOS DE EVALUACIÓN 8. PONDERACIÓN
Más detallesMANUAL DE AYUDA MODULO TALLAS Y COLORES
MANUAL DE AYUDA MODULO TALLAS Y COLORES Fecha última revisión: Enero 2010 Índice TALLAS Y COLORES... 3 1. Introducción... 3 CONFIGURACIÓN PARÁMETROS TC (Tallas y Colores)... 3 2. Módulos Visibles... 3
Más detallesCONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC
CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC 1. INTRODUCCIÓN. Mientras el Dr. Walter Shewhart de los Laboratorios Bell estudiaba datos de procesos en la década
Más detallesMANUAL DE AYUDA TAREA PROGRAMADA COPIAS DE SEGURIDAD
MANUAL DE AYUDA TAREA PROGRAMADA COPIAS DE SEGURIDAD Fecha última revisión: Diciembre 2010 Tareas Programadas TAREAS PROGRAMADAS... 3 LAS TAREAS PROGRAMADAS EN GOTELGEST.NET... 4 A) DAR DE ALTA UN USUARIO...
Más detallesMaster en Gestión de la Calidad
Master en Gestión de la Calidad E U R O P E A N Q U A L I T Y 18. Estudios de Capacidad 1 / 1 Estudios de Capacidad: Lo que vamos a estudiar en este apartado se emplea tanto en la planificación de los
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detallesPrograma diseñado y creado por 2014 - Art-Tronic Promotora Audiovisual, S.L.
Manual de Usuario Programa diseñado y creado por Contenido 1. Acceso al programa... 3 2. Opciones del programa... 3 3. Inicio... 4 4. Empresa... 4 4.2. Impuestos... 5 4.3. Series de facturación... 5 4.4.
Más detallesEXIGENCIA DE LA CLASIFICACIÓN POR LAS ADMINISTRACIONES PÚBLICAS
EXIGENCIA DE LA CLASIFICACIÓN POR LAS ADMINISTRACIONES PÚBLICAS EXIGENCIA DE LA CLASIFICACIÓN POR LAS ADMINISTRACIONES PÚBLICAS El artículo 54.1 de la Ley de Contratos del Sector Público (L.C.S.P.) exige,
Más detallesÍNDICE DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ
ELECTRÓNICA DIGITAL DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ IES TRINIDAD ARROYO DPTO. DE ELECTRÓNICA ÍNDICE ÍNDICE... 1 1. LIMITACIONES DE LOS CONTADORES ASÍNCRONOS... 2 2. CONTADORES SÍNCRONOS...
Más detallesCONCEPTOS DE LA FUERZA
CONCEPTOS DE LA FUERZA PAPEL DE LA FUERZA EN EL RENDIMIENTO DEPORTIVO La mejora de la fuerza es un factor importante en todas las actividades deportivas, y en algunos casos determinantes (en el arbitraje
Más detallesDirector General y Auditor Jefe en SGPRL
LA COORDINACION DE ACTIVIDADES EMPRESARIALES DESDE LA PERSPECTIVA DEL AUDITOR DEL SISTEMA DE GESTION EN PREVENCION DE RIESGOS LABORALES. UNA VISION SENCILLA Y PRACTICA. Autores: I Iñigo Martínez Sola CEO
Más detallesEnfoque del Marco Lógico (EML)
Enfoque del Marco Lógico (EML) Qué es el EML? Es una herramienta analítica que se utiliza para la mejorar la planificación y la gestión de proyectos tanto de cooperación al desarrollo como de proyectos
Más detallesMovimiento a través de una. José San Martín
Movimiento a través de una curva José San Martín 1. Introducción Una vez definida la curva sobre la cual queremos movernos, el siguiente paso es definir ese movimiento. Este movimiento se realiza mediante
Más detallesGestión de la Prevención de Riesgos Laborales. 1
UNIDAD Gestión de la Prevención de Riesgos Laborales. 1 FICHA 1. LA GESTIÓN DE LA PREVENCIÓN DE RIESGOS LABORALES. FICHA 2. EL SISTEMA DE GESTIÓN DE LA PREVENCIÓN DE RIESGOS LABORALES. FICHA 3. MODALIDAD
Más detallesISO 9001:2000 DOCUMENTO INFORMATIVO DOCUMENTO ELABORADO POR CHRISTIAN NARBARTE PARA EL IVECE
ISO 9001:2000 DOCUMENTO INFORMATIVO DOCUMENTO ELABORADO POR CHRISTIAN NARBARTE PARA EL IVECE MARZO 2007 Este documento contesta las preguntas más frecuentes que se plantean las organizaciones que quieren
Más detallesMERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II
MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detalles6. DESCRIPCIÓN DEL SOFTWARE
Capítulo 2. Equipo 6. DESCRIPCIÓN DEL SOFTWARE 6.1 Introducción El equipo de medida descrito en el capítulo anterior lleva asociado un software que hace de sistema de control del proceso de medición. Este
Más detallesPara optimizar este proceso lo dividiremos en etapas y deberemos tener bien claro el objetivo que debemos alcanzar en cada una de ellas:
ETAPAS DEL PROCESO DE SELECCIÓN DE PERSONAL EN LAS EMPRESAS FAMILIARES En la actualidad muchas empresas familiares han evolucionado intentando aplicar técnicas adecuadas para el proceso de Selección de
Más detallesContenidos. INFORME ENCUESTA TELEFÓNICA. Curso 2009 10
ENCUESTA DE OPINIÓN DEL ALUMNADO SOBRE LA ACTUACIÓN DOCENTE DEL PROFESORADO UNIVERSIDAD DE SEVILLA Curso 2009-2010 ENCUESTA TELEFÓNICA Contenidos Introducción.... 4 El Cuestionario... 5 El muestreo...
Más detallesDETERMINACIÓN DEL VOLUMEN DE PEDIDO.
Lote económico de compra o Lote Optimo DETERMINACIÓN DEL VOLUMEN DE PEDIDO. Concepto que vemos en casi todos libros de aprovisionamiento, habitualmente la decisión de la cantidad a reaprovisionar en las
Más detallesMedidas de tendencia central o de posición: situación de los valores alrededor
Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas
Más detallesMEDICION DEL TRABAJO
MEDICION DEL TRABAJO Habíamos dicho al comenzar el curso que habían 4 técnicas que permiten realizar una medición del trabajo 1 Técnicas Directas: - Estudio de tiempos con cronómetro - Muestreo del trabajo
Más detallesINDICADORES POR ENCUESTA. Cuaderno Práctico -1 -
INDICADORES POR ENCUESTA Cuaderno Práctico -1 - ÍNDICE Elaboración del CUESTIONARIO...- 4 - Selección de la MUESTRA...- 5 - APLICACIÓN del cuestionario...- 7 - MECANIZACIÓN de datos...- 8 - Cálculo de
Más detallesLas claves del éxito en el negocio de la construcción
Las claves del éxito en el negocio de la construcción El éxito en el negocio de la construcción depende de tres factores: 1. La imagen de fiabilidad que transmite la constructora 2. La eficiencia en la
Más detallesMANUAL DE EJECUCION DE LA ESTRATEGIA Ibex35 Evolución por Josep Codina
MANUAL DE EJECUCION DE LA ESTRATEGIA Ibex35 Evolución por Josep Codina La Estrategia Ibex35 Evolución se basa en un modelo que se ha probado de forma intensiva y que cumple los objetivos que se han marcado
Más detallesParámetros con la ventana de selección de usuario, reglas, texto y descomposición (IVE)
QUÉ SON CONCEPTOS PARAMÉTRICOS? Los conceptos paramétricos de Presto permiten definir de una sola vez una colección de conceptos similares a partir de los cuales se generan variantes o conceptos derivados
Más detallesSÍNTESIS Y PERSPECTIVAS
SÍNTESIS Y PERSPECTIVAS Los invitamos a observar, a identificar problemas, pero al mismo tiempo a buscar oportunidades de mejoras en sus empresas. REVISIÓN DE CONCEPTOS. Esta es la última clase del curso.
Más detallesIMPLANTACIONES DE ERP. CÓMO CONSEGUIR EL ÉXITO? MasEmpresa
IMPLANTACIONES DE ERP. CÓMO CONSEGUIR EL ÉXITO? MasEmpresa Implantaciones de ERP. Cómo conseguir el éxito?. Parte I Aunque los sistemas de información para la gestión ERPs tienen muchos años de historia,
Más detallesManual para la utilización de PrestaShop
Manual para la utilización de PrestaShop En este manual mostraremos de forma sencilla y práctica la utilización del Gestor de su Tienda Online mediante Prestashop 1.6, explicaremos todo lo necesario para
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesLA IMPLANTACIÓN DEL PROCEDIMIENTO DE GESTIÓN DE QUEJAS Y SUGERENCIAS
Página 1 de 1 Manual Guía para la Implantación del Procedimiento de Gestión de Quejas y Sugerencias Página 2 de 2 ÍNDICE Introducción pag. 3 PARTE I - Objetivos del Procedimiento pag. 4 PARTE II - Fases
Más detallesSENA: CENTRO BIOTECNOLOGIA INDUSTRIAL PROGRAMA DE FORMACIÓN: TECNOLOGO GESTION LOGISTICA
Por población o universo se entiende como un conjunto de medidas, cuando estas son aplicadas a una característica cuantitativa, o como el recuento de todas las unidades que presentan una característica
Más detallesEs de aplicación a todas aquellas situaciones en las que se necesita desplegar un objetivo para obtener una visión clara de cómo debe ser alcanzado.
DIAGRAMA DE AÁRBOL 1.- INTRODUCCIÓN Este documento describe el proceso de construcción de un Diagrama de Árbol, mediante el cual se dispone de una metodología simple y sistemática para la identificación
Más detallesAGREGAR UN EQUIPO A UNA RED Y COMPARTIR ARCHIVOS CON WINDOWS 7
Tutoriales de ayuda e información para todos los niveles AGREGAR UN EQUIPO A UNA RED Y COMPARTIR ARCHIVOS CON WINDOWS 7 Como agregar a una red existente un equipo con Windows 7 y compartir sus archivos
Más detallesNorma ISO 14001: 2004
Norma ISO 14001: 2004 Sistema de Gestión Ambiental El presente documento es la versión impresa de la página www.grupoacms.com Si desea más información sobre la Norma ISO 14001 u otras normas relacionadas
Más detallesMódulo 7: Los activos de Seguridad de la Información
Módulo 7: Los activos de Seguridad de la Información Se explica en este tema cómo deben abordarse la elaboración de un inventario de activos que recoja los principales activos de información de la organización,
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detalles4.4.1 Servicio de Prevención Propio.
1 Si se trata de una empresa entre 250 y 500 trabajadores que desarrolla actividades incluidas en el Anexo I del Reglamento de los Servicios de Prevención, o de una empresa de más de 500 trabajadores con
Más detallesORDEN ORGANIZACIÓN ESTANDARIZACIÓN LIMPIEZA INTEGRACIÓN
LOS CINCO PILARES DE LA FÁBRICA VISUAL ORGANIZACIÓN ORDEN LIMPIEZA ESTANDARIZACIÓN INTEGRACIÓN 1. QUE SON LAS 5 S? Es una técnica que se basa en la implantación de un sistema organizativo en las factorías
Más detallesAnálisis de Resultados
Análisis de Resultados Encuesta Web OnLine Buses: www.encuesta-webonlinebuses.tk Grupo10 1 Datos Generales Técnica: Encuesta Web Medio: Google Forms Unidad de muestreo: Usuarios y potenciales usuarios
Más detallesARCHIVOS CON SERIES DEL BOLETÍN ESTADÍSTICO Manual de Usuario
Dirección General del Servicio de Estudios 04.09.2007 ARCHIVOS CON SERIES DEL BOLETÍN ESTADÍSTICO Manual de Usuario Departamento de Estadística Hoja de Control Título Autor Versión Fecha Registro de Cambios
Más detallesCómo funciona el Diagrama de Control
Cómo funciona el Diagrama de Control Capítulo 4 Control Estadístico de Calidad Modelo del sistema de control de proceso ( con retroalimentación ) VOZ DEL PROCESO METODOS ESTADÍSTICOS Personal Equipo Materiales
Más detalles1. INTRODUCCIÓN 1.1 INGENIERÍA
1. INTRODUCCIÓN 1.1 INGENIERÍA Es difícil dar una explicación de ingeniería en pocas palabras, pues se puede decir que la ingeniería comenzó con el hombre mismo, pero se puede intentar dar un bosquejo
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesPLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES
PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES CONTROL DE CALIDAD CONTROL ESTADÍSTICO DE PROCESO Avanzar hacia la excelencia operacional es clave para la mejora de la competitividad de
Más detallesUNIDADES FUNCIONALES DEL ORDENADOR TEMA 3
UNIDADES FUNCIONALES DEL ORDENADOR TEMA 3 INTRODUCCIÓN El elemento hardware de un sistema básico de proceso de datos se puede estructurar en tres partes claramente diferenciadas en cuanto a sus funciones:
Más detallesby Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true
by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true I. FUNDAMENTOS 3. Representación de la información Introducción a la Informática Curso de Acceso a la Universidad
Más detallesGuía Práctica para el Diseño de Proyectos Sociales
Guía Práctica para el Diseño de Proyectos Sociales Marcela Román C. CIDE INTRODUCCION Las Políticas de focalización de la acción social del Estado y, en particular la educativa, están fundamentalmente
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesSistemas de Calidad Empresarial
Portal Empresarial Aljaraque Empresarial Sistemas de Calidad Empresarial 1 ÍNDICE 1. INTRODUCCIÓN. 2. CONCEPTO DE CALIDAD Y SU SISTEMA. 3. MÉTODO PARA IMPLANTAR UN SISTEMA DE GESTIÓN DE LA CALIDAD. 4.
Más detallesCálculo de la rentabilidad de un plan de pensiones
Cálculo de la rentabilidad de un plan de pensiones Germán Carrasco Castillo Resumen: En este artículo se pretende desarrollar el procedimiento para calcular la rentabilidad de los planes de pensiones,
Más detalles