•Nombre de la Institución: Universidad Cristiana de Honduras.

(UCRISH).
•Nombre de la Asignatura: Estadística para Administradores.
•Nombre del Alumno: Maria del Carmen Gradiz Amador.
•Nombre del Docente: Lic. Alejandro Morales.
•Tema: Resumen capítulos del 10 y 17.
•Nombre de la Carrera: Administración de Empresas.
•Número de Cuenta: 12203010001.
•Lugar y Fecha: Comayagua 15 de noviembre del 2022.
 Capítulo 10

¿Qué es la calidad?
Cuando escucha un anuncio comercial sobre un “automóvil de alta calidad”,
¿vienen a la mente las imágenes de opciones de lujo como asientos de cuero y
un complicado aparato de sonido? La mayoría de nosotros relacionamos lujo
con calidad. Pero el tener caros asientos de cuero no significa mucho si el
motor no enciende una mañana fría, y no se puede apreciar lo último en
tecnología de reducción de ruido si el complicado autoestéreo se pone a
masticar las cintas. Estos ejemplos nos muestran que es importante separar la
idea de lujo de nuestro análisis de la calidad.
Control estadístico de procesos
La clave al administrar para la calidad es creer que la variabilidad excesiva se
pude evitar. Cuando se encuentra que la salida de algún proceso no es
confiable, no siempre cumple con los requerimientos, debemos examinar con
cuidado el proceso y ver cómo se puede controlar.
Puede ver que existen dos tipos de variación que se observan en el resultado
de la mayoría de los procesos, en general, y en la producción de nuestro torno,
en particular: • Variación aleatoria (en ocasiones llamada variación común o
inherente) • Variación sistemática (a veces llamada variación asignable o de
causa especial).
Gráficas p:
diagramas de control para atributos
Las gráficas x y R son gráficas de control para variables cuantitativas que
toman valores numéricos. Las variables cuantitativas se miden (por ejemplo,
estaturas, IQ o velocidades) o se cuentan (por ejemplo, cantidad de
empleados, llamadas telefónicas por hora o puntos obtenidos en un juego de
básquetbol). Pero no todas las variables que encontramos son cuantitativas.
Las que se refieren a cuestiones como el estado civil, cara o cruz en el
lanzamiento de una moneda, o ganar o perder un juego de básquetbol son
variables categóricas o cualitativas. En el área del control estadístico de
procesos, una variable cualitativa que solamente puede tomar dos valores se
llama atributo. Recordemos, una vez más, que la calidad es cumplir con los
requisitos, no debe sorprenderle saber que el atributo que más se estudia en
control estadístico de procesos es cumplimiento o incumplimiento de las
unidades producidas respecto a las especificaciones del proceso.
Administración con vistas a la calidad total
El control estadístico de procesos es bastante útil para procesos continuos
como los que se presentan en refinerías de petróleo e instalaciones de
producción masiva. Sin embargo, muchos administradores sienten que sus
negocios son demasiado complicados como para tener sus aspectos
importantes captados y controlados por gráficas de control.
Diagramas de pescado: identificación y clasificación de causas
El planteamiento de TQM para negocios complejos empieza con la
comprensión de que todos los errores, defectos y problemas tienen causas, y
que existe solamente un número finito de éstas. El primer paso consiste en
identificar y discriminar entre las cosas van bien y las cosas van mal. En el
ejemplo del aeropuerto, algunos de los aviones despegan a tiempo (las cosas
van bien). Cuando usted toma en cuenta los despegues retrasados (las cosas
van mal), puede elaborar una lista de causas que ocasionan los retrasos.
En el diagrama de pescado se toma una lista no estructurada de factores que
contribuyen al retraso de los vuelos y se organiza de dos maneras principales.
Primero, se reúnen los factores en grupos lógicos y después, dentro de cada
grupo, se indica la forma en que los diferentes factores influyen unos a otros en
relaciones de causa y efecto.
Muestreo de aceptación
La adopción de técnicas de TQM implica el objetivo de que los productos que
entran a cada etapa de una operación deben no tener defectos, gracias a que
las operaciones de la etapa anterior están bajo control. Pero los fabricantes, a
menudo, tienen que aceptar materia prima y componentes de proveedores.
Para asegurar que los resultados de sus propias operaciones sean de alta
calidad, con frecuencia deben probar los insumos para asegurarse de que
cumplen con los requisitos. En la mayoría de las situaciones de producción,
una inspección completa de todo un lote resulta poco práctica, debido a
consideraciones de tiempo y costo. En su lugar, se inspecciona una muestra
del lote y la decisión de aceptar o rechazar el lote completo se basa en la
calidad de la muestra. Se puede tener la sensación de que depositar la
confianza en el muestreo para asegurar la calidad de los insumos de un
proceso, es trasladar los antiguos inspectores de bata blanca del final al inicio
de la línea de producción. Muchos expertos en ingeniería de calidad estarían
de acuerdo. El proceso completo de inspección implica que algunos materiales
sean rechazados y eso significa desperdicio de material y tiempo. Sin embargo,
el muestreo de aceptación puede ser una forma efectiva de motivar a los
proveedores a mejorar la calidad de sus productos. De hecho, puede ser más
efectivo que la inspección del lote entero. Observemos con más detenimiento
esta afirmación aparentemente paradójica.
Suponga que inspecciona un lote entero de componentes enviado por su
proveedor. Usted separa las unidades individuales en dos grupos, aceptables y
no aceptables. Luego regresa las unidades no aceptables al proveedor para
que las reemplace. Si solamente el 5% de las unidades se rechaza, ha
impuesto un costo grande a su propia empresa y un costo pequeño al
proveedor; y lo que es peor, ¡le ha ahorrado el costo de hacerse responsable
de la calidad de sus productos! Por el contrario, suponga que usted prueba sólo
una muestra pequeña del lote, encuentra 5% de unidades no aceptables en la
muestra y, según este resultado, regresa el lote completo para que lo cambie.
Esto impone un costo bajo a su empresa y un costo alto al proveedor. Éste
puede resentir el hecho de que le regrese las unidades buenas junto con las
defectuosas; sin embargo, si el proveedor valora el negocio que hace con
usted, se responsabilizará de asegurar la calidad de sus productos.
 Capítulo 17
El entorno de la decisión
La teoría de decisiones puede aplicarse a problemas que abarcan un periodo
de cinco años o un día, ya sea que involucre administración financiera o una
línea de ensamble en una planta, o que se relacione con el sector público o el
privado. Los elementos comunes a la mayoría de los problemas de la teoría de
decisiones son los siguientes:
1. Objetivo que el tomador de decisiones trata de lograr. Si el objetivo es
minimizar el tiempo de fallas de maquinaria costosa, el administrador puede
tratar de encontrar el número óptimo de motores de repuesto que debe tener
reparaciones rápidas. El éxito de encontrar ese número puede medirse
contando las fallas mensuales.
2. Varios cursos de acción. La decisión debe involucrar una elección entre
alternativas (llamadas actos). En el ejemplo de motores de repuesto, los
diversos actos posibles para el tomador de decisiones incluyen almacenar cero,
uno, dos, tres, cuatro o cinco motores de repuesto. 3. Medida calculable del
beneficio o valor de las diversas alternativas. En general, estos costos pueden
ser negativos o positivos, y se denominan pagos. Los contadores deben
determinar el costo del tiempo perdido de producción, resultante de la
descompostura de un motor, cuando se tiene a mano un repuesto y cuando no.
Pero algunas veces, los pagos implican consecuencias que no sólo son
financieras. Imagínese intentando decidir el número óptimo de generadores de
repuesto que un hospital requeriría en caso de presentarse una falla de energía
eléctrica. No tener suficientes podría costar vidas, además de dinero.
4. Eventos que están fuera del control del tomador de decisiones. Este tipo de
hechos incontrolables a menudo se denominan resultados o estados de la
naturaleza, y su existencia crea dificultades, así como interés en la toma de
decisiones bajo incertidumbre. Tales eventos podrían ser el número de motores
de nuestra costosa maquinaria de producción que fallarán en un mes dado. El
mantenimiento preventivo reducirá estas fallas, pero seguirán ocurriendo.
5. Incertidumbre respecto a qué resultado o estado de la naturaleza ocurrirá
realmente. En nuestro ejemplo, no estamos seguros respecto a cuántos
motores se quemaron. Esta incertidumbre suele manejarse con probabilidades
asignadas a los diversos eventos que pudieran tener lugar; digamos, una
probabilidad de 0.1 de que fallen cinco motores al mes.
Uso de distribuciones continuas: análisis marginal
En muchos problemas de inventarios, el número de cálculos requeridos dificulta
el uso de las tablas de ganancias condicionales y ganancias esperadas. El
ejemplo anterior contenía sólo cuatro acciones de existencias posibles y cuatro
niveles de ventas posibles, que daban como resultado una tabla de ganancias
condicionales con 16 posibilidades. Si tuviéramos 300 valores posibles para el
volumen de ventas y un número igual de cálculos para determinar la ganancia
condicional y esperada, tendríamos que hacer muchísimos cálculos. El enfoque
marginal evita este problema. El análisis marginal se basa en el hecho de que
cuando se compra una unidad adicional de un artículo, pueden ocurrir dos
cosas: la unidad se vende o no se vende. La suma de las probabilidades de
estos dos eventos debe ser 1. (Por ejemplo, si la probabilidad de vender la
unidad adicional es 0.6, entonces la probabilidad de no venderla debe ser 0.4.)
Si hacemos que p represente la probabilidad de vender una unidad adicional,
entonces 1 p debe ser la probabilidad de no venderla. Si se vende la unidad
adicional, lograremos un incremento de nuestras ganancias condicionales
como resultado de la ganancia de la unidad adicional. Nos referimos a esto
como ganancia marginal, oGM. En el ejemplo anterior sobre el comerciante, la
ganancia marginal resultante de la venta de una unidad adicional es $30, el
precio de venta ($50) menos el costo ($20).
Derivación de la ecuación de probabilidad mínima
La ganancia marginal esperada de almacenar y vender una unidad adicional es
la ganancia marginal de la unidad multiplicada por la probabilidad de que se
venda dicha unidad; esto es p(GM).
Análisis de árboles de decisiones
Un árbol de decisiones es un modelo gráfico de un proceso de decisión. Con él
podemos introducir probabilidades al análisis de decisiones complejas que
involucran muchas opciones y condiciones futuras que no se conocen, pero
que pueden especificarse en términos de un conjunto de probabilidades
discretas o de una distribución de probabilidad continua. El análisis de árboles
de decisiones es una herramienta útil en la toma de decisiones referentes a
inversiones, adquisición o disposición de propiedades físicas, administración de
proyectos, personal y estrategias de nuevos productos. El término árbol de
decisiones se deriva de la apariencia física de la representación gráfica usual
de esta técnica. Un árbol de decisiones se parece a los árboles de
probabilidades presentados en el capítulo 4; pero un árbol de decisiones no
sólo contiene las probabilidades de los resultados, sino también los valores
monetarios (o de utilidad) condicionales vinculados con esos resultados. Por
esto, podemos usar estos árboles para indicar los valores esperados de las
diferentes acciones que podamos tomar. Los árboles de decisión tienen
símbolos estándar:
• Los cuadrados simbolizan puntos de decisión, donde el tomador de
decisiones debe elegir entre varias acciones posibles. De estos nodos de
decisión, sale una rama para cada acción posible.
• Los círculos representan eventos aleatorios, donde ocurre algún estado de la
naturaleza. Estos eventos aleatorios no están bajo el control del tomador de
decisiones. De estos nodos aleatorios sale una rama para cada resultado
posible.
El análisis de árbol de decisiones es una técnica que los administradores usan
para estructurar y mostrar opciones y procesos de decisión. Es popular porque:
• Estructura el proceso de decisión, y sirve de guía a los administradores para
abordar la toma de decisiones de una manera ordenada y secuencial.
• Requiere que el tomador de decisiones examine todos los resultados
posibles, deseables e indeseables.