Tabla de contenido
1.1- ¿Por qué estudiar estadística en ingeniería? ........................................................................................ 2
1.2- Definiciones: Población y muestra ........................................................................................................ 3
1.3- Aplicaciones prácticas de la probabilidad y la estadística en ingeniería ........................................... 3
1.4- Introducción al Control Estadístico de Procesos (SPC) ...................................................................... 3
1.5- Las "5 M" de la Estadística en Ingeniería ........................................................................................... 4
1.6- Diagrama de Ishikawa............................................................................................................................ 5
CAPÍTULO 1: Introducción a la probabilidad y estadística
La probabilidad y la estadística constituyen componentes esenciales en el campo de la ingeniería,
proporcionando la base para el análisis de datos, modelado, diseño y control de sistemas. Sin un
entendimiento sólido de estos principios, un ingeniero, especialmente en campos como la ingeniería
industrial, civil o eléctrica, podría encontrarse en una desventaja significativa en el desempeño de su
profesión. El objetivo de este capítulo es introducir estos fundamentos y resaltar su relevancia en
diversas disciplinas de ingeniería.
El capítulo 2 marcará el comienzo de nuestra exploración con un profundo buceo en la estadística
descriptiva. Nos permitirá resumir y visualizar datos, una habilidad indispensable en todas las ramas
de la ingeniería para comprender las características clave de los conjuntos de datos. Por ejemplo, en la
ingeniería industrial, un análisis descriptivo de los datos de rendimiento puede revelar patrones y
tendencias clave que ayuden en la toma de decisiones. Luego, el capítulo 3 nos introducirá en la teoría
de la probabilidad, componente esencial de cualquier estudio estadístico y una herramienta crucial en
muchas aplicaciones de la ingeniería, desde el análisis de riesgos hasta el control de calidad.
En el cuarto capítulo, exploraremos las funciones de distribución de probabilidad, conceptos que
forman la base de muchos procesos en ingeniería, desde el modelado de señales y sistemas hasta el
control de calidad. A continuación, el capítulo 5 se centrará en la teoría del muestreo y las
distribuciones muestrales, presentando conceptos vitales para el análisis e interpretación de datos
recolectados de experimentos y observaciones de campo en el ámbito de la ingeniería.
Avanzando hacia el capítulo 6, profundizaremos en el mundo de la estimación, centrados en la
estimación de las medias poblacionales. Las herramientas y métodos descritos aquí son fundamentales
para realizar inferencias sobre poblaciones a partir de muestras, una habilidad esencial en numerosas
disciplinas de la ingeniería.
Continuaremos en el capítulo 7, que estará enfocado en las pruebas de hipótesis para las medias. Este
componente es vital en la estadística inferencial y tiene una amplia gama de aplicaciones en la
ingeniería, desde la comprobación de supuestos de diseño hasta la validación de la eficacia de un nuevo
proceso.
En el capítulo 8, investigaremos la varianza, una medida de la variabilidad en los datos. Esta es una
herramienta relevante en la ingeniería, utilizada para modelar la incertidumbre, analizar la variabilidad
en los procesos de fabricación y evaluar la consistencia de los sistemas de medición.
Finalmente, en el capítulo 9, abordaremos la regresión y la correlación, conceptos esenciales para
entender las relaciones entre variables. Este aspecto es fundamental en numerosos problemas de
ingeniería, desde el diseño de experimentos hasta la optimización de sistemas de ingeniería.
A lo largo de este libro, buscamos mantener un equilibrio entre el rigor académico y la accesibilidad
para el lector, siempre contextualizando los conceptos dentro de sus aplicaciones en la ingeniería. Cada
capítulo se basará en el anterior, proporcionando así una base sólida en la probabilidad y la estadística
para la ingeniería.
1.1- ¿Por qué estudiar estadística en ingeniería?
En el mundo real, raramente existe certeza absoluta. Al contrario, las decisiones se toman dentro de
un contexto de incertidumbre y riesgo. En tales situaciones, la estadística y la probabilidad emergen
como herramientas potentes que proporcionan una forma sistemática de entender, medir y gestionar la
incertidumbre. Facilitan la recogida, análisis, interpretación y presentación de datos de un modo que
considera esta variabilidad e incertidumbre, y que permite la toma de decisiones bien fundamentadas.
La estadística no es solo esencial en las ciencias exactas, sino que su relevancia y aplicabilidad se
extienden a todas las disciplinas de la ingeniería. En ingeniería industrial, por ejemplo, las técnicas de
control estadístico de calidad son vitales para la optimización y control de los procesos de fabricación.
En ingeniería eléctrica, la teoría de la probabilidad es fundamental para el diseño y operación de
sistemas de comunicación y procesamiento de señales. El uso omnipresente de la estadística en la
ingeniería destaca la necesidad de su estudio en profundidad.
1.2- Definiciones: Población y muestra
El análisis estadístico se enfoca en dos conceptos centrales: la población y la muestra. La población se
refiere al conjunto total de observaciones que se consideran. Esta población puede ser finita o infinita,
y puede consistir en individuos, objetos o eventos. Por su parte, una muestra es un subconjunto
seleccionado de la población. El análisis de esta muestra, si se lleva a cabo adecuadamente, puede
proporcionar información relevante sobre la población en su conjunto, permitiendo hacer inferencias
y tomar decisiones basadas en el análisis de un subconjunto representativo en lugar de la totalidad de
la población.
Estos conceptos constituyen la base de la estadística y serán explorados en detalle en este libro,
ilustrando su importancia y aplicabilidad en el ámbito de la ingeniería.
1.3- Aplicaciones prácticas de la probabilidad y la estadística en ingeniería
La probabilidad y la estadística se erigen como pilares fundamentales en muchas de las aplicaciones
prácticas en la ingeniería. Mediante estas disciplinas, es posible desarrollar soluciones eficaces y
efectivas para diversos problemas de ingeniería. A continuación, se presentan algunas de estas
aplicaciones.
Análisis de riesgos: A menudo nos enfrentamos a decisiones que implican un cierto grado de
incertidumbre y riesgo. La probabilidad y la estadística proporcionan herramientas para cuantificar y
gestionar dicho riesgo, favoreciendo la toma de decisiones informadas.
Control de calidad: En ingeniería industrial, las técnicas de control estadístico de calidad se emplean
para supervisar y controlar los procesos de fabricación. Mediante la utilización de herramientas como
gráficos de control y pruebas de hipótesis, se pueden detectar variaciones en el proceso y realizar
ajustes para mantener la calidad del producto.
Predicción y modelado: Numerosas disciplinas de la ingeniería, desde la ingeniería civil hasta la
electrónica, recurren a la estadística para desarrollar modelos que puedan predecir el comportamiento
futuro de un sistema basándose en los datos históricos.
Diseño de experimentos: En ingeniería de procesos y de materiales, el diseño de experimentos
constituye una aplicación estadística crucial. Contribuye a la identificación de los factores que tienen
un impacto significativo en el resultado de un proceso, permitiendo la optimización de los parámetros
del proceso.
Simulación: En áreas como la ingeniería de sistemas y de operaciones, la simulación estocástica resulta
una herramienta invaluable. Permite recrear sistemas complejos y observar la evolución de estos
sistemas bajo diferentes condiciones.
Estos son solo algunos de los numerosos ejemplos de cómo la probabilidad y la estadística se aplican
en la ingeniería. A lo largo de este libro, examinaremos estas y otras aplicaciones con mayor detalle.
1.4- Introducción al Control Estadístico de Procesos (SPC)
El Control Estadístico de Procesos, conocido por sus siglas en inglés como SPC, es una metodología
que combina herramientas estadísticas con técnicas de control de calidad para monitorear y controlar
un proceso de fabricación. El objetivo del SPC es detectar y prevenir problemas antes de que ocurran,
asegurando así la calidad del producto final. A través del SPC, es posible identificar las variaciones
del proceso que podrían conducir a defectos, permitiendo la implementación de medidas correctivas
de manera proactiva.
Dentro de este curso, nos enfocaremos en comprender los conceptos estadísticos que son
fundamentales para el SPC. Abordaremos la importancia de las medidas de tendencia central y de
dispersión, como la media y la desviación estándar, que son vitales para la comprensión de la
variabilidad de los procesos. Estos conceptos nos permiten interpretar datos operacionales y aplicar
gráficos de control, que son herramientas esenciales del SPC para discernir entre variaciones aleatorias
y no aleatorias en los procesos de producción.
Además, estudiaremos cómo se utiliza el muestreo estadístico en el SPC para evaluar la calidad del
proceso a través de muestras en lugar de la inspección total, lo cual es más eficiente y práctico.
Asimismo, las distribuciones de probabilidad nos ayudarán a entender mejor las fluctuaciones
aleatorias del proceso y a predecir su comportamiento futuro.
Si bien no profundizaremos en todos los detalles técnicos del SPC en este curso, los estudiantes
desarrollarán una comprensión básica de cómo los métodos estadísticos y la teoría de la probabilidad
se aplican para mejorar y mantener la calidad en la ingeniería. Esta comprensión es crucial, ya que
sirve como cimiento para aplicaciones más complejas y específicas en niveles superiores de estudio y
en la práctica profesional de la ingeniería.
1.5- Las "5 M" de la Estadística en Ingeniería
La estadística en ingeniería se apalanca en lo que comúnmente se denomina las "5 M", que son
fundamentales para entender cómo se aplican los conceptos estadísticos al análisis y mejora de
procesos. Estas "5 M" representan cinco elementos esenciales que suelen ser considerados en el
análisis estadístico dentro del ámbito de la ingeniería:
1. Material (materia prima): Los materiales utilizados en cualquier proceso de fabricación o
construcción pueden variar en calidad. La estadística nos permite analizar la variabilidad de las
propiedades del material, como la resistencia o la durabilidad, para asegurar que cumplen con las
especificaciones necesarias y para identificar las causas de cualquier variación.
2. Mano de obra: La variabilidad en el desempeño humano puede afectar significativamente los
procesos de ingeniería. La estadística ayuda a medir y analizar el rendimiento laboral, identificar
necesidades de capacitación, y evaluar la influencia de la mano de obra en la calidad y eficiencia del
proceso.
3. Maquinaria: Las máquinas y equipos son fundamentales en cualquier proceso productivo. La
estadística se utiliza para el monitoreo de la maquinaria, la evaluación del desgaste y la eficiencia
operativa, y para predecir fallas a través de técnicas como el análisis de tiempos de vida y el
mantenimiento predictivo.
4. Métodos: Los métodos y procedimientos utilizados para realizar tareas específicas en la ingeniería
deben ser eficientes y efectivos. La estadística permite el análisis de procesos, la optimización de
métodos de trabajo y la mejora continua mediante el diseño de experimentos y la modelización de
procesos.
5. Medio ambiente: El entorno puede influir en la calidad del proceso y del producto. Factores
ambientales como la temperatura, la humedad o la contaminación pueden ser monitoreados
estadísticamente para entender su impacto y para asegurar que los procesos son robustos a estas
condiciones.
Cada una de estas "5 M" es susceptible de análisis estadístico, lo cual permite a los ingenieros
comprender y controlar mejor los procesos. La estadística proporciona las herramientas para identificar
y cuantificar las fuentes de variabilidad, lo cual es esencial para la toma de decisiones basada en datos
y para lograr mejoras en la calidad y en la eficiencia de los procesos de ingeniería. En este curso,
exploraremos cómo la aplicación de la estadística a estas "5 M" puede conducir a un entendimiento
más profundo de los sistemas de ingeniería y a la habilidad para predecir y mejorar su comportamiento.
1.6- Diagrama de Ishikawa
El Diagrama de Ishikawa, también conocido como diagrama de espina de pescado o diagrama de causa
y efecto, es una herramienta visual utilizada en la gestión de calidad para identificar, explorar, y
visualizar las posibles causas de un problema específico, con el objetivo de encontrar su raíz.
Desarrollado por Kaoru Ishikawa en la década de 1960, este diagrama ha sido ampliamente adoptado
en ingeniería y gestión de procesos para facilitar el análisis sistemático de las fuentes de variabilidad
o defectos.
El diagrama se estructura alrededor de un problema central, representado por la "cabeza" del pescado,
de la cual se extienden "espinas" que categorizan las principales áreas donde pueden originarse las
causas del problema. Tradicionalmente, estas espinas se alinean con las "5 M" de la estadística en
ingeniería: Material, Mano de obra, Maquinaria, Métodos y Medio ambiente, aunque pueden adaptarse
según el contexto específico del análisis.
En el ámbito de la ingeniería, el Diagrama de Ishikawa sirve como un marco para el análisis de fallas
o problemas en procesos de fabricación, diseño, y control de calidad. Al identificar las causas
potenciales de un problema y clasificarlas de manera sistemática, los ingenieros pueden focalizar sus
esfuerzos en intervenciones precisas que aborden directamente las raíces del problema, en lugar de sus
síntomas.
Metodología:
1. Identificación del Problema: Se comienza con una definición clara del problema o defecto
que se desea analizar.
2. Desarrollo del Diagrama: Se dibuja una línea horizontal que representa la "columna
vertebral" del pescado, terminando en el problema identificado. A partir de esta línea, se
extienden las "espinas" que representan las categorías de causas potenciales.
3. Brainstorming de Causas: En un ejercicio de brainstorming, el equipo identifica causas
potenciales, que luego se ubican en las espinas correspondientes del diagrama. Se pueden
añadir sub-espinas para detallar causas más específicas.
4. Análisis y Acción: Una vez completado el diagrama, se analiza para identificar las causas más
probables o críticas que requieren atención. Esto guía la toma de decisiones hacia acciones
correctivas específicas.
Ilustración 1: Diagrama de Ishikawa
El Diagrama de Ishikawa es una herramienta indispensable en la ingeniería para la gestión de calidad
y el análisis de procesos. Al entender cómo los conceptos de la materia contribuyen al control
estadístico de procesos y la identificación de causas fundamentales de problemas, los ingenieros están
mejor equipados para implementar mejoras efectivas y sustentables en los procesos de ingeniería.