UNIVERSIDAD POLITÉCNICA DE TULANCINGO
INGENIERÍA INDUSTRIAL
Asignatura: Estadística Industrial
U NOMBRE DE LA ACTIVIDAD: Investigación de la Estadística industrial
Presenta:
Nombre del alumno: Alan Darío Garcia Pacheco
Matricula: 2130303
P
Nombre del Profesor: Luis Eugenio Cabrera Ortega
Tulancingo de Bravo, Hidalgo.
Diciembre 10, 2022
T
Introducción
La estadística se aplica en varios ámbitos desde la antigüedad para tener
control sobre las cosas, en la salud, la economía, las ciencias sociales y por
supuesto en la ingeniería.
Existen muchas herramientas estadísticas para trabajar con los datos de alguna
muestra, con el fin de analizar los resultados y tomar decisiones en base a ello.
En el ámbito de la ingeniería se aplica para control de calidad, mejoras en
procesos, pronósticos, control del personal, seguridad industrial, entre otros
muchos usos. A pesar de ser una ciencia exacta, también se pueden cometer
errores (Outliers) por lo que es importante saber aplicar las técnicas y
herramientas.
La estadística es una ciencia que ayuda a recopilar y analizar datos para su
posterior interpretación con un fin en específico, esta puede utilizarse para
diferentes objetivos en diferentes ramas.
En el presente trabajo, se desarrolla el tema de la estadística aplicada en la
ingeniería, tocando subtemas de estadística que son fundamentales para los
procesos y que son los que más se usan en el sector industrial, así como
ejemplos de cómo estos se utilizan desde la antigüedad hasta la actualidad.
El marco teórico se basa en diversas fuentes como libros, revista, bases de
datos y páginas web de las que anteriormente se evaluó su fiabilidad.
Objetivo
Investigar las aplicaciones más comunes de la estadística en la ingeniería,
principalmente, en la industria, para verla desde el punto de vista práctico, es
decir, en donde pueden usarse las herramientas y tecinas estadísticas para
lograr alguna optimización, mejora o control.
Estadística
La estadística estudia los métodos científicos para recoger, organizar, resumir y
analizar datos, permite obtener conclusiones válidas y tomar decisiones
razonables basadas en el análisis previo. La estadística es, por tanto, la ciencia
que recoge, clasifica y analiza la información que se presenta habitualmente
mediante datos agregados que permiten que las observaciones puedan
cuantificarse, medirse, estimarse y compararse utilizando medidas de tendencia
central, medidas de distribución, métodos gráficos, etc.
H.G. Wells (1954) señala que “Llegará un día en el que el razonamiento
estadístico será tan necesario para el ciudadano como ahora lo es la habilidad
de leer y escribir”.
La estadística ha emergido como una disciplina indispensable en la actualidad,
sirve para orientar las iniciativas y lograr mejores resultados, que son factores
indispensables para alcanzar los objetivos que se planteen.
El papel de la Estadística en la Ciencia y la Ingeniería hoy en día es crucial,
fundamentalmente porque al analizar datos recopilados en experimentos de
cualquier tipo, se observa en la mayoría de las ocasiones que dichos datos
están sujetos a algún tipo de incertidumbre. El investigador o el profesional,
debe tomar decisiones respecto de su objeto de análisis basándose en esos
datos, para lo cual debe dotarse de herramientas adecuadas.
La estadística descriptiva resume la información contenida en los datos
recogidos y la estadística inferencial demuestra asociaciones y permite hacer
comparaciones entre características observadas.
Antecedentes
La palabra estadística se origina en las técnicas de recolección, organización,
conservación, y tratamiento de los datos propios de un estado, con que los
antiguos gobernantes controlaban sus súbditos y dominios económicos. Estas
técnicas evolucionaron a la par con el desarrollo de las matemáticas, utilizando
sus herramientas en el proceso del análisis e interpretación de la información.
Para mediados del siglo XVII en Europa, los juegos de azar eran frecuentes, De
Mèré, un apostador consultó al famoso matemático y filósofo Blaise Pascal para
que le revelara las leyes que controlan el juego de los dados, el cual, interesado
en el tema, y junto a Pierre de Fermat dieron origen a la teoría de la
probabilidad, la cual se ha venido desarrollando y constituyéndose como la
base primordial de la estadística.
Actualmente se reconoce la importancia de la estadística aplicada en el
desarrollo de investigaciones en diversos campos; cada vez son más los
profesionales de diferentes disciplinas que requieren de métodos estadísticos
como muestreo, simulación, diseño de experimentos, modelación estadística e
inferencial, para llevar a cabo análisis de datos e interpretación.
Análisis
El avance tecnológico en la informática ha contribuido enormemente al
desarrollo de la estadística, sobre todo en la manipulación de la información. La
estadística, entonces, dejó de ser una técnica exclusiva de los científicos, para
convertirse en una herramienta imprescindible de todas las ciencias.
El objetivo del análisis estadístico es identificar tendencias, recoger y
escudriñar cada muestra de datos individual desde los cuales se puede extraer
las muestras.
Al buscar cierto resultado en un problema o decisión, los métodos estadísticos
aplicados en forma antojadiza pueden dar cualquier resultado por lo que se
debe hacer un análisis consiente y prudente, evitando malas interpretaciones.
Ezcurra es de la opinión de que “En la medida en la que torture el tiempo
suficiente a sus datos, ellos dirán lo que usted desea escuchar”.
En la probabilidad, se considera un experimento antes de que se realice, en
estadística, tenemos que inferir cosas sobre los valores de los parámetros a
partir de los resultados observados de un experimento ya realizado, por lo que
ambas se complementan.
Todo problema se reduce, en algún momento, a la verificación de un enunciado
a través de la puesta a prueba de una hipótesis que puede ser rechazada con
cierto riesgo de equivocación o aceptada provisoriamente.
Aplicación
Desde el enfoque empresarial e industrial, la estadística es una de las
herramientas más usadas, por ejemplo: En una empresa se sospecha que hay
franjas horarias donde los accidentes laborales son más frecuentes. Para
estudiar este fenómeno, contabilizan los accidentes laborales que sufren los
trabajadores según franjas horarias, durante un año.
Con esa información, los responsables de seguridad de la empresa deben
decidir si hay franjas horarias donde los accidentes son más probables o si, por
el contrario, éstos ocurren absolutamente al azar, utilizando herramientas y
métodos estadísticos, parametrizando y luego interpretando el resultado no
solo en números, sino también en la realidad.
El ejemplo anterior muestra cómo se puede aplicar la estadística en diferentes
ámbitos, no solo en lo productivo o de calidad.
Otros ejemplos de lo que se puede calcular y medir con la estadística en la
industria y la razón para hacerlo son:
Ensambles por minuto de un obrero promedio: Para tener un control y ver en
qué se puede mejorar para reducir tiempos.
Edad de operarios: Para saber que operarios ya podrían retirarse y considerar la
necesidad de contratar nuevo personal.
Número promedio de hijos de los trabajadores: Datos como estos son necesario
a la hora de asegurarlos o para ciertas prestaciones.
Experiencia laboral o escolaridad de los empleados.
Gastos en mantenimiento por mes: Para ver si puede haber un ahorro.
Inasistencias al trabajo y causas: Para buscar bajar la tasa de inasistencias.
Consumo de un recurso durante la fabricación de un lote: Para control y buscar
mejoras o disminución de desperdicio.
Parametrización
Parametrizar es declarar parámetros, en estadística cuantitativos, para trabajar
con cualquier sistema. Para diseñar un modelo matemático en estadística
inferencial, podemos organizar las operaciones en cinco pasos:
Declaración de objetivos.
Diseño, modelado y parametrización.
Análisis.
Mejora del diseño.
Descripción del diseño.
Luego de modelar entra en juego la estadística, ya que se comienzan a diseñar
parámetros, constantes o variables, haciéndose así la parametrización. Para
cualquier valor dado en el diseño de parámetros, estos representarán un objeto,
que al aplicarle herramientas y procesos estadísticos se ajustarán al diseño
más satisfactorio y admisible.
Control Estadístico de la calidad
El control estadístico de la calidad es una colección de herramientas aplicadas
a procesos industriales (mano de obra, materias primas medidas, máquinas y
medio ambiente), procesos administrativos y/o servicios con objeto de verificar
si todas y cada una de las partes del proceso y servicio cumplen con unas
ciertas exigencias de calidad y ayudar a cumplirlas, son fundamentales en las
actividades de mejora de la calidad. La mejora de la calidad significa la
sistemática eliminación del desperdicio.
La calidad de los productos y servicios se ha vuelto hoy en día uno de los
factores de decisión más importantes en la mayor parte de las empresas. En
consecuencia, la mejora de la calidad se ha convertido en un aspecto
importante en muchas corporaciones.
Control Estadístico de procesos
El control estadístico de procesos (CEP) es una herramienta muy poderosa para
lograr la estabilidad del proceso y mejorar la capacidad de este. Se puede
considerar como un conjunto de herramientas para la resolución de problemas
que pueden aplicarse en cualquier proceso.
Dentro de los objetivos estratégicos de una empresa debe encontrarse la
mejora continua de los procesos, con el fin de aumentar su desempeño,
eficiencia y eficacia, así como favorecer una mejora de la satisfacción de los
clientes, tanto internos como externos. Para esto se necesita una cultura de
mejoramiento, las estructuras organizativas, los recursos y las herramientas
estadísticas para que el cambio forme parte de la actividad diaria. Para
garantizar el mejoramiento continuo en una empresa que tenga diseñado los
procesos de su Sistema de Gestión de la Calidad, y los indicadores de
desempeño de los mismos, se utilizan técnicas y herramientas para el análisis,
control, seguimiento y mejora de dichos procesos.
Herramientas
En la actualidad existen una serie de metodologías, técnicas y herramientas que
pueden desarrollarse en una organización, para apoyar el diseño del Sistema de
Gestión de la Calidad, la implantación de los principios de la Calidad Total, y/o
para llevar a cabo el proceso de Mejora Continua. Ejemplos de estas son:
Diagrama de Pareto.
Diagrama causa-efecto (Ishikawa).
Diagrama defecto-concentración.
Carta de control.
Diagrama de dispersión.
Hoja de verificación.
Diagrama de correlación.
Metodología 5S.
Metodología 6 sigma.
Gráficos de control y capacidad del proceso.
Al utilizarlas, se logra aumentar la cultura en el uso de técnicas para el
procesamiento y análisis de datos en la empresa; mejorar la toma de decisiones
basadas en datos; permite conocer el comportamiento de los indicadores de los
procesos; facilita la interpretación de los resultados para todos los directivos;
ilustra la utilidad de las herramientas y propicia la utilización de otras técnicas
en el futuro.
Aplicaciones del control estadístico de la calidad
Los métodos estadísticos juegan un papel importante en la mejora de la calidad,
algunas de sus aplicaciones son:
En el diseño y desarrollo de productos para comparar materiales o ingredientes
y para determinar las tolerancias del sistema y sus componentes. Esto reduce
de manera significativa costos y tiempo.
Para determinar la capacidad de un proceso de manufactura, llevando a
mayores rendimientos y menores costos de fabricación.
En pruebas de duración, ayuda proporcionando datos de confiabilidad y
rendimiento, conduce a productos nuevos o con una duración mayor y menos
costos de mantenimiento.
Diagramas de Dispersión
Los diagramas de dispersión son una herramienta muy útil en las predicciones
ya sea para tomar una decisión o contemplar algún gasto. Se realiza graficando
los puntos y dibujando una recta de regresión, ninguna podrá pasar por todos
los puntos, así que se debe buscar la que pase tan cerca a ellos verticalmente
como sea posible.
Ejemplo de aplicación de la estadística en los pronósticos económicos para
prever gastos en invernaderos:
Un diagrama de dispersión muestra que existe una fuerte relación lineal entre el
promedio de la temperatura exterior de los días de un mes y el promedio del
consumo diario de gas durante ese mes en un invernadero. Se quiere utilizar
dicha relación para predecir su consumo de gas. Si un mes tiene un promedio
de 10 grados-día por día, ¿Cuánto gas se utilizará en ese mes?
Luego de realizar una predicción mediante los diagramas de dispersión se
puede inferir que el gasto de gas será de aprox. 12.5 m3.
Modelos de regresión
El Análisis de Regresión es la técnica estadística de uso más frecuente para
investigar y modelar la relación entre variables. Su atractivo y utilidad
generalmente son el resultado de usar una ecuación para expresar la relación
entre una variable de interés (la respuesta) y un conjunto de variables
predictoras relacionadas.
Regresión lineal
El pronóstico de regresión lineal simple es un modelo óptimo para patrones de
demanda con tendencia (creciente o decreciente), es decir, patrones que
presenten una relación de linealidad entre la demanda y el tiempo.
Un ejemplo de aplicación para pronósticos es el siguiente:
La juguetería Gaby desea estimar mediante regresión lineal simple las ventas
para el mes de julio de su nuevo carrito infantil «Mate». La información del
comportamiento de las ventas de todos sus almacenes de cadena se presenta
en el siguiente tabulado.
Se realizan los cálculos pertinentes:
Y finalmente podemos determinar que el pronóstico de ventas para el período 7
es equivalente a 13067 unidades. Esto nos ayuda a tomar decisiones
pertinentes y anticipadas sobre la producción, materia prima y distribución.
Regresión no lineal
Los modelos de regresión no lineal tienen por meta construir modelos exactos,
mediante ecuaciones funcionales que permitan predecir, controlar u optimizar
problemas no lineales a lo cual se conoce como Análisis de Datos Funcionales.
Ajuste de Curvas
El ajuste de curvas es un proceso mediante el cual, dado un conjunto de N
pares de puntos (X, Y), se determina una función matemática f(x) de tal manera
que la suma de los cuadrados de la diferencia entre la imagen real y la
correspondiente obtenida mediante la función ajustada en cada punto sea
mínima.
El ajuste de curvas puede utilizarse para la resolución de una variedad de
problemas en la industria, por ejemplo:
Una fábrica de Embutidos produce 5000 empaques diarios de salchichas. La
máquina A produce 3000 empaques, de los cuales el 2% quedan mal embutidos
(defectuosos) y la maquina B produce los 2000 restantes de los que se sabe el
4% son defectuosos. Determinar la probabilidad de que un envase elegido al
azar sea defectuoso y que proceda de la máquina A o de la máquina B.
Probabilidad de que el empaque defectuoso sea de la Máquina A p (A /D) =
p(A∩D)/ p(D) = 0.012 / 0.028 = 0.4286
Corresponde al 4.2 % aproximadamente.
Probabilidad de que el empaque defectuoso sea de la Máquina B p (B /D) =
p(B∩D)/ p(D) = 0.016 / 0.028 = 0.5714
Corresponde al 5.7 % aproximadamente.
Para mejorar las estimaciones en la toma de decisiones, se hace necesaria la
aplicación del Teorema de Bayes donde las estadísticas que se realizan
consisten en observar el análisis de los datos, lo que permite al investigador
realizar inferencias o hacer exclusiones u opiniones personales sobre el tema
de estudio.
Incertidumbre
En nuestros días, son de uso cotidiano las diferentes técnicas estadísticas que
partiendo de observaciones muéstrales o históricas, crean modelos lógico
matemáticos que se «aventuran» describir o pronosticar un determinado
fenómeno con cierto grado de certidumbre medible.
La estadística desempeña un importante papel en temas donde interviene la
variabilidad, dando lugar a la incertidumbre. Más allá de los datos, la estadística
es esencialmente el estudio de la incertidumbre, lo que conlleva a la necesidad
de investigar un fenómeno desde el enfoque científico.
La estadística no es la única rama del conocimiento que se ha ocupado del
estudio de la incertidumbre, la probabilidad examina la manera en cómo la
aleatoriedad en una parte de un sistema afecta a otra, proporcionando a través
del modelo de una variable aleatoria o de un proceso estocástico, estimaciones
y/o predicciones sobre los datos a producirse, es decir, describe la
incertidumbre del fenómeno.
Outliers y errores
Un Outliers (valor atípico) es una observación o un conjunto de observaciones
que parecen ser inconsistentes con el resto del conjunto de datos, la presencia
de outliers en un conjunto de datos puede conducir a errores en el intento de
hacer inferencias acerca de la población de la que proceden, de ahí que la
presencia de estos plantee un problema fundamental en el análisis de datos.
La incertidumbre estadística es la aleatoriedad o el error proveniente de varias
fuentes al usar la metodología estadística, la probabilidad de que pase algo
malo, en términos de teoría de decisiones, las pérdidas promedio o las pérdidas
que se pronostican cuando algo malo sucede.
Cuando se estudian relaciones entre variables, la estadística muestra relaciones
estadísticas y no relaciones causales. En general si no tenemos cuidado
podemos llegar a obtener las conclusiones más absurdas o sesgadas, por eso
debemos hacer el análisis con cuidado y conocer las variables, para que al
interpretarlo no tomemos decisiones que puedan resultar perjudícales.
Aplicaciones en otros ámbitos
La estadística sirve para explorar y explotar la información social, biológica,
económica, y en ciencias físicas, por lo que es importante el “vender” la
estadística como algo necesario para las generaciones actuales y futuras.
La estadística aplicada trata sobre cómo y cuándo utilizar los procedimientos
matemáticos y cómo interpretar los resultados que se obtienen y puede
utilizarse en muchos campos, como:
En las ciencias naturales: para la descripción de modelos termodinámicos
complejos, en física cuántica, en mecánica de fluidos o en la teoría cinética de
los gases, entre otros muchos.
En las ciencias sociales y económicas: en el desarrollo de la demografía y la
sociología aplicada.
En economía: para analizar parámetros macro y microeconómicos.
En las ciencias médicas: estudiar la evolución de las enfermedades y los
enfermos, los índices de mortalidad, el grado de eficacia de un medicamento,
etc.
En la ingeniería: Para la planeación, presupuestos, control de procesos y
calidad, seguridad industrial, cálculos de producción, entre otras.
Conclusión
Después de investigar, leer y redactar sobre estadística, parametrización,
herramientas, métodos e inclusive ejemplos, puedo tener un panorama más
general sobre el empleo de la estadística en la ingeniería, conozco más de cómo
esta puede usarse para resolver problemas comunes de una empresa o en la
toma de decisiones. No obstante, no es en el único ámbito que puede utilizarse,
ya que tiene diversas aplicaciones en lo social, medicina, economía y otras
ciencias.
Bibliografía
Guarín S., Norberto (2002). Estadística aplicada. Universidad Nacional de
Colombia. Extraído el 7 de Junio, 2018 del sitio:
http://fcbi.unillanos.edu.co/proyectos/Facultad/php/tutoriales/upload_tutos/Curs
o% 20De%20Estadistica%20Aplicada.pdf
López P., Arturo (2016). Ajuste Bayesiano de Curvas. Tesis para obtener el título
de Maestro en ciencias matemáticas, Benemérita Universidad Autónoma de
Puebla.
López P., Gabriela. (2017). Modelos de regresión para datos funcionales por la
metodología de kernel reproductor en espacios de Hilbert. Tesis para obtener el
título de Maestro en ciencias matemáticas, Benemérita Universidad Autónoma
de Puebla.
Marjorie G., Hahn (2001). New exposition on Probability and statistics. 2-5.
Extraído el 9 de Junio, 2018, de la base de datos AIP.
https://www.proxydgb.buap.mx:2458/doi/pdf/10.1109/MCISE.2004.1255827
Marone, Luis. (1994). Aportes de la ciencia básica a la cultura y la sociedad.
Interciencia, Vol. 19 #5, 264-266.
Moore, David S., Trad. Comas, Jordi (1995). Estadística aplicada básica (pp.
118120). España: Editorial Antoni Bosch.
Navarrina, Fermín. & Casteleiro, Manuel. (1991). A general methodological
analysis for optimum design. International journal for numerical methods in
engineering, Vol. 3 #1, 85-111.
