1

Qu es ?

Es un conjunto de herramientas estadsticas que permiten recopilar, estudiar y analizar la informacin de
procesos repetitivos para poder tomar decisiones encaminadas a la mejora de los mismos.

El C.E.P. es aplicable no solo a procesos productivos, sino a cualquier tipo de proceso en donde se
cumplan dos condiciones: Que sea medible (observable) y que sea repetitivo.


Para qu sirve ?

Sirve para identificar los 2 tipos de variacin que existen en los procesos:

1. Variacin Aleatoria o que es inherente al proceso mismo.
2. Variacin producida por algn efecto externo al proceso.

Si se logran establecer las Acciones y Ajustes al Proceso basadas en la Variacin N 2, que es la producida por
factores externos, la empresa podr pasar del Control de Calidad 'Correctivo', por inspeccin, dependiente de 1
sola rea, al Control de Calidad 'Preventivo', por produccin, dependiente de las reas productivas, y
posteriormente al Control de Calidad 'Predictivo', por diseo, dependiendo de todas las reas de la empresa.

Adems es la base para la implantacin de cualquier estrategia o filosofa de calidad (Control Total de
Calidad, Calidad Integral, Mejora Continua, Cero Defectos, etc.)


Cmo se aplica o utiliza ?

Interpretando los datos, grficas, clculos y resultados de tal modo que permitan la ejecucin de las
acciones correctivas necesarias para el Mejoramiento Continuo.

Esto se hace siguiendo el ciclo de aplicacin del C.E.P.:

Establecer Recopilar Analizar con Tomar Acciones
Especificaciones Informacin Herramientas Correctivas y
Estadsticas Preventivas




A quin est dirigido ?

El C.E.P. deber ser utilizado y aplicado por TODO el personal que tenga o pueda tener en sus manos la
posibilidad de mejorar algn proceso o reducir retrabajos y desperdicios, lo que se aplica a personal de
Mantenimiento, Produccin, Compras, Ventas, etc.


I. Control Estadstico de Procesos C.E.P. (SPC en Ingls)

2
GENERALIDADES

El concepto de "CONTROL TOTAL DE CALIDAD" (CTC) fue originado por el Dr. Armand V. Feigenbaum, quien
fungi como gerente de control de calidad y gerente de operaciones fabriles en la empresa General Electric de
Nueva York. Segn el Dr. Feigenbaum el control total de calidad puede definirse como la estructura de trabajo
operativo acordada en toda la empresa, la cual se documenta con procedimientos integrados tcnicos y
administrativos que guardan las acciones de la fuerza laboral, mquinas e informacin, de modo que sea posible
producir bienes y servicios a niveles econmicos compatibles con la plena satisfaccin de los clientes.

Para alcanzar el control total, es preciso que en la compaa todos promuevan y participen de dicho control,
incluyendo en esta tarea a los altos ejecutivos as como a todas las divisiones de la empresa y a todos los
empleados en general.
Una vez determinado el objetivo del Control Total de la Calidad, resulta indispensable encontrar el lenguaje y
mtodos que se emplearn para aplicarlo. Una herramienta que se encarga de efectuar tal tarea, es aquella que
recibe el nombre de Control Estadstico de Procesos (CEP), el CEP lo forman una serie de instrumentos que son
de gran utilidad para el anlisis de datos en el rea de manufactura, planeacin, diseo, mantenimiento,
mercadotecnia y compras, principalmente.

La expresin Control Estadstico de Procesos, es una filosofa de trabajo que se basa principalmente en identificar,
a travs de la aplicacin de tcnicas estadsticas, las causas que originan productos, procesos y servicios
defectuosos o no aptos para cumplir determinados requisitos o especificaciones-, con el objeto de tomar las
acciones correctivas y preventivas necesarias para evitar su repeticin, logrando con esto mejorar la calidad y la
productividad de la empresa.

Por lo anterior, es de vital importancia tener en cuenta el dicho aquel que dice: "ms vale prevenir que lamentar",
ya que lo mismo cuesta hacer un producto malo que un producto bueno, tomando en cuenta que al producto malo
(de ser recuperable), se le incrementar el costo de reproceso, provocando con esto retrasos en la produccin o
incrementos en su costo.

As podemos ver que el uso del Control Estadstico de Procesos o tambin llamado control estadstico de
calidad, tiene numerosos beneficios, entre los que destacan los siguientes:

1. Permite mostrar en hojas de registro de manera clara y certera todas aquellas observaciones de
nuestro proceso (maquinaria, operarios, materia prima, medio ambiente y mtodos, entre otros).
2. Ayuda a visualizar de manera exacta el comportamiento del proceso.
3. Permite detectar todas las posibles causas que generan desperdicios.
4. Hay retroalimentacin inmediata al proceso.
5. Canaliza los esfuerzos hacia las causas ms importantes de los problemas de produccin, logrando:
a. Detectar defectos del producto.
b. Reducir los desperdicios.
c. Incrementar los artculos de primera.
d. Disminuir el reproceso o retrabajo.

En resumen permite reducir costos de calidad (o de NO calidad) y mejorar la calidad y la productividad. Para
poder lograr lo anterior, es necesario implantar la prctica integral de tcnicas de control, desde el personal
operativo de la planta productiva hasta niveles ejecutivos, lo que conlleva a una mayor concientizacin del personal
a todos niveles, sobre la importancia que representa tener una buena calidad en lo producido, en trminos de
calidad, costos y productividad.

Finalmente, es importante mencionar que de acuerdo a la experiencia del Dr. Kaoru lshikawa, hasta un 95% de los
problemas en el rea de manufactura pueden ser resueltos con el empleo del CEP.


3




GENERALIDADES

Cuando se tiene el deseo de utilizar como herramienta al Control Estadstico de Proceso (CEP) dentro de una
empresa, es fundamental que se incorporen los siguientes pasos para su adecuado manejo:

1. Establecer especificaciones, normas o un patrn en los productos, servicios o procesos, donde vaya
a ser empleado el CEP.
2. Recopilar los datos sobre el producto, servicio o proceso, para contar con una evidencia de
cumplimiento o no de las especificaciones.
3. Analizar los datos a travs de los instrumentos que contempla el CEP para presentar resultados.
4. Una vez que se presentan resultados, tomar acciones correctivas sobre el producto, proceso o
servicio en caso de que se requiera.

RECOPILACIN DE DATOS

El propsito fundamental para reunir datos debe ser:

Averiguar que tipo de productos defectuosos y fuera de especificaciones, son los ms numerosos o se
presentan mas frecuentemente.
Averiguar que factores son causa de la aparicin de productos, procesos o servicios fuera de
especificacin y/o defectuosos.

Con base en lo anterior, es importante obtener una estructura humana y material que permita obtener datos
fidedignos, de tal manera que se indiquen los rubros donde aparece la mayor cantidad de productos defectuosos,
defectos y fuera de especificacin.

Es preciso encontrar la causa de los problemas mencionados, para lo cual se debe trazar un diagrama de causa y
efecto (que se ver en el siguiente captulo). Si bien hay muchas maneras de elaborar diagramas de causa y
efecto, los elementos principales que debe contener son:

Materiales utilizados.
Piezas.
Mquinas y herramientas.
Trabajadores y grupos de trabajo.
Mtodos de trabajo.
Mtodos de medicin.

El mtodo de recoleccin de datos que se seleccione, deber estar pensado de tal forma que se ponga de
manifiesto el efecto de las causas principales que ocasionan productos, procesos o servicios inadecuados o
defectuosos.

El propsito por el cual se efectuar la recoleccin de datos debe ser claro. Los datos no slo se renen para
disponer de un registro sino para contar con una base para actuar.

Una vez que se determina el propsito de reunir datos, el problema siguiente es escoger el mtodo de muestreo.

Por ejemplo, si se desea investigar el porcentaje defectuoso diario, habr que extraer muestras que representen la
produccin de cada jornada. Si en una jornada casi no hay dispersin, probablemente se pueden obtener
II. Recopilacin de Datos y Hojas de Inspeccin

4
muestras de cualquier origen en cualquier momento, pero s existe dispersin entre los trabajadores en un da,
habr que extraer muestras por separado por cada operario. Con el mtodo de muestreo se decide si es continuo,
a intervalos o aleatorio.

Es importante no olvidar la capacitacin de quien est a cargo de la obtencin de muestras, as como del anlisis,
e interpretacin de resultados.

Hay que estar atentos a los errores de medicin, tratando de reducirlos al mnimo por muy moderno y eficaz que
sea el mtodo y/o instrumento.

Finalmente, si los datos ponen en evidencia una causa, se debe aclarar la relacin con el efecto y viceversa, y por
supuesto, habr que indicar la fecha, instrumentos, mtodos y el nombre de la persona que reuni los datos.
HOJAS DE INSPECCIN

Las hojas de inspeccin pueden servir para muchos fines y es posible dividirlas en dos grupos principales:

1. Hojas de inspeccin para el proceso de produccin.
2. Hojas de inspeccin para verificacin y confirmacin.

En el caso de una hoja de inspeccin para analizar el proceso, es necesario que contemple informacin resumida
sobre lo siguiente: trabajadores, mquinas, equipo, materiales, turnos, horarios, fechas, productos, etc. Todos
estos factores deben ser claramente enumerados en dicha hoja.

Cuando se presentan condiciones anormales en el proceso, se necesita contar con informacin para hallar la
causa: que tipo de materiales se utilizaban, que mquinas, cuales operarios, etc. Si la hoja contiene la informacin
no ser difcil rastrear el problema.

Las hojas de inspeccin son herramientas destinadas a simplificar la recoleccin de datos. En las hojas no se
deben omitir ninguna inspeccin o prueba, adems la informacin que maneje deber ser exacta y completa, ya
que ser la base de la inspeccin.

Finalmente el usuario, deber cerciorarse que en la hoja todos los rubros aparecen en el mismo orden que siguen
los procesos en la realidad, con lo que ahorrar tiempo y trabajo.

A continuacin se presenta un ejemplo de hoja de inspeccin para el registro de datos, aunque desde luego
existen otros tipos de hojas o planillas, donde adems de recopilarse informacin, se elaboran clculos y se
grafican los valores, tal es el caso, de las hojas que se emplean para la obtencin de el Histograma de Frecuencias
y las Grficas de Control.

Hoja de Inspeccin: Turno:
Mquina: Proceso:
Producto: Inspector:
Fecha Variable A Variable B Variable C Observaciones
2 Abr 98
3 Abr 98
4
5
....
29
30

5
La mayora de sistemas de C.E.P. o de Estadstica que existen, adems de que se encuentran en Ingls, inician
con la captura de datos en cientos de 'ARCHIVOS' localizados en 'DIRECTORIOS' en los que hay que recordar
nombres raros y complicados.

Una de las caractersticas ms importantes del FutureSQC es que a diferencia de dichos sistemas, toda la captura
se realiza en una pantalla que usted mismo disea para que sea una imagen exacta de la Hojas de Inspeccin o
Verificacin que se utilizan en su empresa.

Con esto se logra que cualquier persona de la planta, simplemente con saber leer y escribir y desde luego que es
lo que est produciendo, tenga acceso al sistema.


MENU PRINCIPAL

MENU FUNCIONAL Informacin de cada Caracterstica (1)

FOTOGRAFA DEL PROD.
Fotografa del Operador

CHAT
















FECHA, HORA, TURNO, ETC. DATOS DE VARIABLES Y ATRIBUTOS (2)
Informacin General y/o para Trazabilidad
BITCORA DE TODO EL REGISTRO BITCORA DE ESA CELDA


(1) Incluye: Lmites de Especificacin y Control, Mquina, Formato de Inspeccin, Estacin de Trabajo,
Informacin de Proceso, Forma de Captura.
(2) Se identifican claramente los valores que se encuentran Fuera de Especificacin y de Control









6





GENERALIDADES

Una de las caractersticas en la fabricacin moderna, es que resulta difcil producir dos piezas exactamente
iguales. Las variaciones grandes o pequeas, se presentan en forma cotidiana en elementos manufacturados de
cualquier proceso de fabricacin.

Algunas de estas variaciones sern de tal magnitud, que inmediatamente se ponen de manifiesto en los equipos de
medicin empleados. Otras, sern tan diminutas, que las lecturas sucesivas con el equipo de medicin, primero
pondrn de manifiesto la variacin del equipo mismo, antes que el de las piezas.


La industria ha reconocido lo inevitable de estas variaciones. Por lo que, ha incluido en los dibujos,
especificaciones y diseos, tolerancias que marcan la desviacin que se puede permitir con respecto a un
estndar, en su forma, en sus dimensiones, color, tamao y otros muchos parmetros ms, lo que da lugar a los
Lmites de Especificacin.

Para detectar esta variacin, resulta fundamental obtener datos del proceso o del producto para despus
compararlos con la especificacin establecida, una forma de analizar dichos datos es arreglarlos en un histograma
de frecuencias.






Un histograma de frecuencias se define como: la tabulacin o el conteo del nmero de veces en que se presenta
una cierta medicin o dato de la caracterstica o variable de calidad a analizar para un producto cualquiera que se
est examinando.

III. Histograma de Frecuencias y Habilidad del Proceso

7
La tabulacin u ordenacin de datos se' representa colocando sobre el eje vertical la frecuencia en que ocurren
los datos, y sobre el eje horizontal los valores de la caracterstica que se mide; estos valores se representan en
pequeos intervalos numricos casi siempre definidos por el usuario, llamados intervalos de clase.


Normalmente, en dicho histograma se muestran tambin las marcas correspondientes a la media ideal de toda la
poblacin, as como los valores de los lmites inferior y superior de especificacin.
Volviendo con las variaciones, estas pueden ser originadas por:

1. Alguna causa especial que se presenta en un momento determinado y que da como resultado una
variabilidad anormal en el proceso y/o su producto.

Por ejemplo: Materia prima diferente a la usual, un operador nuevo que le falta entrenamiento, una
mquina mal ajustada, una desviacin en el mtodo de operacin, una variacin anormal en el
ciclaje de la corriente elctrica, etc.

2. Causas inherentes del proceso llamadas causas comunes que an en
condiciones controladas estn presentes.

Por ejemplo: Todo tipo de diferencias originadas por la misma variabilidad de las materias primas,
procesos, personal, medio ambiente, etc.


El proceso est fuera de control o inestable y su comportamiento es impredecible, cuando las variaciones son
originadas por causas especiales. En este caso, la variacin anormal desaparecer en cuanto se elimine la
causa con un acertado anlisis del problema y accin correctivo.

El proceso est bajo control cuando las variaciones son ocasionadas por causas comunes que afectan a todo
el sistema. En este caso las variaciones sern predecibles mediante el mtodo estadstico y eliminadas mediante
acciones preventivas y correctivas.

Si tomamos una muestra de producto que proviene de un proceso controlado (bajo control) y determinamos
cualquier tipo de caracterstica de calidad, la teora estadstica nos dice que el 99.73% de las veces quedar
dentro de la curva normal de distribucin
con un promedio central X y una base igual a 6 veces ( 3) la desviacin estndar.

En consecuencia, si podemos obtener un nmero representativo de muestras de un proceso bajo control y calcular
el promedio y la desviacin estndar, estaremos en la posibilidad de calcular con 99.73% de certeza cuales sern
los valores lmites, tanto de lado alto as como de lado bajo y la frecuencia con que se presentarn los valores
intermedios de una caracterstica dada.

La frecuencia en que las muestras
presentan valores cercanos al
promedio ser mayor que las veces
que presenten valores cercanos a los
lmites superior o inferior, formando
una campana cuya base ser igual a
6 veces la desviacin estndar, o sea
3 veces la desviacin estndar en
ambos lados del promedio.



8


CAPACIDAD y HABILIDAD DE PROCESO

El conocimiento anterior es aplicable para saber que tan holgada o ajustadamente una mquina o en general un
proceso obtiene productos que cumplen o pueden cumplir con las especificaciones, lo cual se mide con un ndice
llamado: Capacidad Potencial del Proceso (Cp), este ndice es una Medida de la Calidad expresada como
funcin de la Variacin total (Mayor Calidad a Menor Variacin) y se define como la relacin que existe entre los
lmites de especificacin o tolerancia y la variabilidad total de proceso dada por el clculo de la desviacin
estndar (normalmente multiplicada por 6, aunque se utiliza con bastante frecuencia el 8, o sea 4 s).

Matemticamente se expresa de la siguiente forma:

Lim.Sup.Especific. - Lim.inf.Especific.
Cp = ----------------------------------------------------
6 veces la desviacin estndar

S el valor obtenido de Cp es menor que 1, significa que el proceso tiene mayor variabilidad de lo que permite la
especificacin, es decir que algunas veces NO se est cumpliendo con dichas especificaciones.

Si el valor obtenido de Cp es mayor que 1, significa que la variabilidad de proceso es menor que la de la
tolerancia establecida y por lo tanto el proceso tiene la capacidad potencial de cumplir la especificacin.

Como se ve, el ndice Cp permite calificar la variabilidad tanto de producto como del proceso, siendo mayor la
capacidad de cumplir con la especificacin, mientras mayor es el valor de Cp.

Sin embargo, este ndice Cp no es muy confiable para aquellos casos en los que el valor promedio de la
distribucin NO coincide con el centro de la especificacin, para lo cul, el anlisis del proceso se apoya en otro
elemento llamado Coeficiente de Capacidad de Proceso (CCP) o Habilidad de Proceso, mejor conocido como
Cpk.


Este ndice es ms significativo, ya que toma en cuenta la posicin del centro de la distribucin con respecto a la
de la especificacin, el Cpk matemticamente se expresa as:


Lim.Sup.Especific. Promedio
CCP(Ise) = ----------------------------------------------
3 veces la desviacin estndar
Promedio Lim. Inf. Especific.
CCP(Iie) = ----------------------------------------------
3 veces la desviacin estndar

Cpk = valor mnimo de: ( CCP(Ise) , CCP(Ie)



El Cpk que se utilizar ser el Menor valor de los 2 CCP calculados, dando la siguiente informacin acerca del
proceso: (El valor mayor no nos dice absolutamente nada).



9
Si... Tenemos que....
Cpk < 1 El proceso es incapaz, requiere 100% de inspeccin, segregacin o rechazo de lo que no
cumple la especificacin y urge mejorar el control del proceso, pues la probabilidad de producir
material fuera de especificacin es mayor o igual a 0.3%.

1.0 < Cpk < 1.33 El proceso es escasamente capaz, requiere cuidado para evitar cambios en el proceso que
producirn materiales fuera de especificaciones, as como esfuerzo para reducir la variacin.


1.33 < Cpk 1.66 El proceso es capaz, cumple con las especificaciones. Debe afinarse para reducir la variacin,
la probabilidad de producir material fuera de especificacin es de 0.006%.

1.66 < Cpk < 2 El proceso es capaz, es muy estable y por lo tanto confiable, la probabilidad producir material
fuera de especificaciones se reduce casi a cero. Podemos empezar a reducir la frecuencia de
muestreo.
2 < Cpk El proceso es muy capaz, se ha logrado lo que se conoce como 6 sigma y en algunas empresas
es el indicativo de que el proceso es tan 'bueno' que ya no requiere control.


En algunos casos, cuando se llega a Cpk mayor de 1.33 se puede pensar en reducir la inspeccin, confiando
nicamente en la informacin que el proceso proporcione; esto reducir costos a ambos, proveedor y cliente, tanto
por menor trabajo de inspeccin como por la certeza de producir productos de calidad.

Estos dos ndices Cp y Cpk, son medidas totalmente objetivas de la calidad, ya que no dependen de la evaluacin
subjetiva de un operador o inspector (p.e.: % de defectos, % de retrabajos, etc.). Solamente se deber cuidar que
la estimacin seleccionada de la Desviacin Estndar sea la correcta.


Por lo anterior, una de las metas de cualquier sistema de C.E.P. y por lo tanto de toda una organizacin debe ser
un aumento continuo del Cp y sobre todo del Cpk, lo cual es posible en muchos casos sin mayor inversin,
mejorando la probabilidad de cumplir no slo con la especificacin sino obteniendo producto cada vez ms
uniforme que se traduce directamente en su calidad.

Esto resuelve el gran problema de la mayora de las empresas que consiste en 'Planear la Calidad' en base
exactamente a lo contrario, a la 'No Calidad', es decir que se planea poniendo 'Metas' de defectos, de retrabajos,
de desperdicio, etc.

En el FutureSQC, usted obtendr, si es necesario con 1 sola tecla y en una misma pantalla, un Histograma de
Frecuencias con Lmites de Especificacin, valores-de X3s (o cualquier nmero diferente de 3), la curva terica,
los valores centrales de los intervalos de clase, las barras resultantes y toda la identificacin definida en la hoja de
inspeccin (Producto, mquina, caracterstica, etc.)

Adems, incluye los clculos de Media, Desviacin. estndar, Cp y Cpk, valores estimados para la probabilidad de
producir productos fuera de especificacin (por abajo y por arriba) y otros clculos importantes, y todo esto por
fecha, hora, turno, operador, etc..





10






GENERALIDADES

Un primer paso en el anlisis de problemas consiste en construir un diagrama de Pareto. Este tipo de diagrama es
aplicable en todo fenmeno que resulte de la intervencin de varias causas o factores.

Un diagrama de Pareto es una Grfica que representa en forma ordenada en cuanto a importancia o magnitud, la
frecuencia en que se presentan u ocurren las distintas causas de un problema.

DIAGRAMA DE PARETO

En seguida se muestra el diagrama de Pareto correspondiente al nmero de artculos defectuosos encontrados al
inspeccionar un lote de 2,000 pernos.



0
10
20
30
40
50
60
TOT 1 2 3 4 5 6 7
No. de Caracterstica
Pareto de No. de Fallas

0
500
1000
1500
TOT 3 2 4 1 5 6 7
No. de Caracterstica
Pareto de Costo de Defectos



CARACTERSTICAS:

1 . Dureza fuera de especificacin
2. Cabezas rotas
3. Longitud escasa
4. Tamao inadecuada de la cabeza
5. Enroscado imperfecto
6. Dimetro cabeza
7. Otros

El eje horizontal indica los tipos de defectos o caractersticas fuera de especificacin, que son los factores que
causan que las piezas se consideren defectuosas.

Cada barra representa un tipo diferente de defecto- y su altura, la frecuencia o el nmero 1
de veces en que se presenta dicho defecto; localizando al de mayor ocurrencia a la izquierda y por consiguiente el
de menor importancia a la derecha.
IV. Diagrama de Pareto

11
En este caso, la dureza fuera de especificacin es la causa ms importante, pues contribuye con un 34.52% en el
problema. El siguiente factor en importancia es el de cabezas rotas, pues aporta un 26.19% del efecto. El
diagrama de Pareto indica cul causa del fenmeno debe atacarse primero, en trminos de su contribucin al
problema, para eliminar defectos y mejorar la operacin.

Una variante muy utilizada de este tipo de diagramas, consiste en evaluar el COSTO de cada falla o de cada
defecto, con lo que al elaborar el diagrama con los costos resultantes (No. de defectos por costo de cada uno) se
obtiene la importancia en valor y no en cantidad.

El valor que se le asigna a cada defecto o falla, no tiene que ser un valor monetario, ya que, aunque ser a lo ideal,
resulta demasiado complicado calcularlo, sin embargo se puede asignar un valor mayor o menor segn su
importancia en el proceso y as obtener un Diagrama de Pareto de costo con el objeto de atacar la variable o la
falla ms importante.


En el FutureSQC, se pueden elaborar Diagramas de Pareto, de una manera muy sencilla, y adems es posible
definir un costo por falla para cada caracterstica de cada proceso o producto, por lo que al obtener el Diagrama de
Pareto de defectos, automticamente le muestra el Diagrama de Pareto de Costos.



Otra herramienta importante es el Diagrama de Pareto Libre, en la que adems de simplificar considerablemente la
hoja de inspeccin, se pueden realizar los conteos de defectos por medio de cdigo de barras.











12





GENERALIDADES

Una de las actividades fabriles ms importantes que pretende cubrir la direccin de cualquier empresa, lo
constituye el control sobre la materia prima, ensambles y productos terminados que manejan y elaboran durante el
proceso de manufactura; dicho control al ser implantado, se refleja generalmente en un incremento en la
productividad y mejoramiento constante de producto.

Desde hace varios aos, existe una herramienta estadstica que esta orientada a servir como un auxiliar de la
empresa en esta actividad de control; su nombre, grfico o Grfica de Control.

En trminos generales, una Grfica de control se emplea para poder evaluar un proceso de produccin con base
en muestras tomadas de la lnea. La grfica fue diseada para que muestre en forma clara los lmites estadsticos
de control que presenta el proceso, por lo que en el momento que se elabora una de ellas debe resultar sencillo
determinar si el proceso se encuentra o no bajo control estadstico.

Finalmente, las grficas de control debern proporcionar al ingeniero de control, y sobre todo al personal obrero,
una visin clara de la operacin del proceso hora tras hora y da tras da, a fin de que en cualquier momento que
se necesite se pueda tomar una accin.

OBJETIVOS

Como objetivos principales que presentan las diferentes grficas de control se pueden citar los siguientes:

1. Establecer o cambiar especificaciones.

2. Determinar si un proceso puede cumplir con ciertas especificaciones.

3. Establecer o cambiar los procedimientos de produccin. Estos cambios pueden llevar a la
eliminacin de causas que originan la variacin o cambios fundamentales en los mtodos de
produccin, que podrn ser necesarios en dado caso que se concluya que con los mtodos
presentes no es posible cumplir las especificaciones.

4. Establecer o cambiar procedimientos de inspeccin y de aceptacin o ambos.


Estas grficas le proporcionan al usuario una base para la toma de decisiones durante la produccin o el
otorgamiento de un servicio que comprende cualquier etapa del proceso, es decir, que le ayudarn a saber:

Cundo investigar las causas de variacin.

Cundo dejar solo el proceso.

Cundo tomar una accin tal que:




V. Grficas de Control

13
Permita eliminar cualquier causa asignable de variacin.

Permita actuar para mantener dentro de control el proceso.

Permita eliminar la dispersin del proceso.
Finalmente las grficas de control proporcionan una base de decisiones rutinarias sobre:
Aceptar o rechazar un producto.

Reducir costos de inspeccin y de produccin.

Contribuir a familiarizar al personal con el uso de Grficas y a adquirir un compromiso que favorezca la
calidad del producto.


TIPOS DE GRFICAS

De acuerdo a la informacin que se procesa normalmente en una industria, se puede decir que existen dos
modelos fundamentales de grficas de control:

1. Grficas para mediciones o por Variables, de las que destacan las siguientes:

Grfica X-R o de la media y el rango.

Grfica X-S o de la media y la desv. estndar para tamao de muestra constante.

Grfica X-Sv o de la media y la desv. estndar para tamao de muestra variable.

Grfica de puntos individuales con rango movible.
Grfica de sumas acumuladas y mscara V.


2. Grficas por Atributos, pasa o no pasa o partes buenas o malas, las principales son:

Grfica p o. de la fraccin defectuosa.

Grfica n-p o del nmero defectuoso.

Grfica c o del nmero de defectos.

Grfica u o del nmero de defectos por unidad.


SELECCIN DE CARACTERSTICA

En el manejo de Grficas por Variables, la caracterstica a seleccionar deber ser aquella que permita ser
expresada en nmeros, tal como una dimensin, peso, resistencia, etc.





14
En las Grficas por Atributos existen 2 casos, un candidato inmediato ser aquella caracterstica de calidad que
es objeto de rechazo o retrabajado continuo, lo que implica un aumento en los costos de produccin. Por lo tanto,
la base real de la seleccin de la caracterstica es buscar la posibilidad de reducir o impedir erogar dicho costo, a
travs del uso de la Grfica entre otras herramientas estadsticas; otro criterio para elegir la caracterstica, es
aquella cuya participacin sea crtica para el proceso y/o producto y por ende el poder controlarla redituar en
beneficio para la empresa.

GRFICAS DE CONTROL POR VARIABLES

Grficas X-R (de la media y el rango) y X-S (de la media y la desv. std.)


Grfica de Control X: Si los valores medibles de la caracterstica de un producto se distribuyen normalmente con
una media X y desviacin estndar CY , es posible encontrar la probabilidad de que dichos datos se ubiquen en un
intervalo fijo. Si esta caracterstica medible se indica por X, la probabilidad que X se encuentre dentro del (X-3a ,
X+3a ) es 0.9973 o 99.73%

Un promedio de solo 27 puntos de 1 0,000 caern fuera del intervalo anterior (6a ) siempre que la distribucin de la
variable sea normal con media X' y desviacin estndar a'. Si este es el caso, se cumple que la distribucin de
promedios de subgrupos o lotes de tamao n es tambin normal con media X' y desviacin estndar c5'.
El intervalo que se establece est determinado por los LIMITES DE CONTROL:
Lmite Superior de Control: LSC = X' + 3 ' / n
Lmite Inferior de Control: LIC = X' - 3 ' / n


En los prrafos anteriores se ha supuesto que la distribucin de la poblacin es normal. Si se considera que la
variable trazada en la Grfica de control representa promedios muestrales, el teorema del lmite central permite
que uno emplee las propiedades de la distribucin normal an si se desconoce la forma de la distribucin
fundamental.

Teorema del Lmite Central. Este teorema establece que la suma de un nmero grande de variables aleatorias
tendr una distribucin aproximadamente normal, independientemente de la distribucin individual de las variables
aleatorias.

Grfica de Control R y S: La distribucin de probabilidad de R (rango) y S (desv. estndar) se relaciona
aproximadamente con la distribucin Ji-Cuadrada. Se puede demostrar que la distribucin de probabilidad de cada
una est acotada por el valor esperado ms menos tres veces la desviacin estndar de la variable. Por
consiguiente para los propsitos de Grficas de
control, solo es necesario calcular tanto el valor esperado como la desviacin estndar de estas variables
aleatorias.








15
Ejemplo de una Grfica de Control X-R:



El clculo de ' (sigma, desv. estndar) no es una tarea sencilla, por lo que el desarrollo de la aplicacin de las
grficas de control se simplific, sobre todo para podero hacer sin calculadora o computadora, de tal modo que el
Dr. Walter Shewhart, en base a ms de 5,000 casos, encontr la forma de calcular, por medio de factores, una
estimacin de al a partir del Promedio de los Rangos de subgrupos pequeos o a partir del Promedio de las
Desviaciones Estndar, tambin de subgrupos.

Esta estimacin de ' est definida por las siguientes ecuaciones:

' = R / d2 (Cuando se trabaja con rangos)

' = S / c4 (Cuando se trabaja con desviaciones estndar)

Donde: R es el promedio de los rangos de los subgrupos, S es el promedio de las desviaciones de los subgrupos,
d2 y c4 son los factores de clculo desarrollados por el Dr. W. Shewhart. Todava hay un factor simplificado (A2
para rangos y Al para Desviaciones) que consiste, a simplificacin adicional que consiste en integrar la parte final
de las ecuaciones de los lmites de control: A2 = 3 R / d2 n o A1 = 3 S / c4 n.
Obteniendo as, factores A2 y A1 para cada valor de n, que es el tamao del subgrupo.

Las nuevas ecuaciones para calcular los Lmites de Control para X a partir de R promedio, quedan de la siguiente
manera:

LSC
X
= X
c
+ A2 x R LIC
X
= X
c
- A2 x R

y a partir de S promedio, se toma el factor Al en lugar del A2 y quedan:

LSC
X
= X
c
+ A1 x S LIC
X
= X
c
A1 x S

Los lmites de control para R y S se obtienen de modo similar, pero con factores Dn y Bn (en lugar de Al y A2),
quedando las frmulas de la siguiente manera:
LSC
R
= D4 x R LIC
R
= D3 x RI
LSCs = B4 x S LIC
S-
= B3 x S

16
Ejemplo (parcial) de las tablas de factores: (Al, B3, B4) y (A2, D3, D4):

Tamao del Factor A1 Factores para grfica S Factor A2 Factores para grfica R
Subgrupo: (n) (grfica X) B3 B4 (grfica X) D3 D4
2 3.76 0 3.27 1.88 0 3.27
3 2.39 0 2.57 1.02 0 2.57
4 1.88 0 2.27 0.73 0 2.28
5 1.60 0 2.09 0.58 0 2.11
6 1.41 0.03 1.97 0.48 0 2.00
7 1.28 0.12 1.88 0.42 0.08 1.92
8 1.17 0.19 1.81 0.37 0.14 1.86
Elaboracin de las Grficas X-R Y X-S
Pasos necesarios para obtener una Grfica X-R:

1. Calcular la media de cada lote o subgrupo X.
2. Calcular el rango de cada lote o subgrupo R.
3. Calcular la media promedio de los lotes o subgrupos involucrados (la media de medias, lnea
central).
4. Calcular el rango promedio de los lotes o subgrupos involucrados R.
5. Obtener el factor A2. (De valores en tablas)
6. Obtener el factor D4. (De valores en tablas)
7. Obtener el factor D3. (De valores en tablas)
8. Calcular el lmite superior de control para X.
9. Calcular el lmite inferior de control para X.
10. Calcular el lmite superior de control para R.
11. Calcular el lmite inferior de control para R.
12. Graficar las lneas centrales para X y para R, cuyos valores son la media de medias y el rango
promedio de los lotes, respectivamente.
13. Graficar los lmites superior e inferior para X y para R.
14. Graficar los datos de la media y rango de cada lote o subgrupo.
15. Interpretar la grfica resultante.

Pasos necesarios para obtener una Grfica X-S:

1. Calcular la media de cada lote o subgrupo X.
2. Calcular la desviacin estndar de cada lote o subgrupo S.
3. Calcular la media promedio de los lotes o subgrupos involucrados (la media de medias, lnea
central).
4. Calcular la desviacin estndar promedio de los lotes o subgrupos involucrados S.
5. Obtener el factor Al. (De valores en tablas)
6. Obtener el factor B3. (De valores en tablas)
7. Obtener el factor B4. (De valores en tablas)
8. Calcular el lmite superior de control para X.
9. Calcular el lmite inferior de control para X.
10. Calcular el lmite superior de control para S.
11. Calcular el lmite inferior de control para S.
12. Graficar las lneas centrales para X y para S, cuyos valores son la media de medias y la desviacin
estndar de los lotes, respectivamente.
13. Graficar los lmites superior e inferior para X y S

17
14. Graficar los datos de la media y desviacin de cada lote o subgrupo.
15. Interpretar la grfica resultante.

Grfica de Puntos Individuales con Rango Movible. (Xi-Rm)

La Grfica de control de puntos individuales y rango movible (Xi-Rm) es aplicable a tamao de lote constante
igual a uno, su origen es el resultado de una adaptacin de la Grfica X-R, para ayudar a evaluar las condiciones
de un proceso, producto, insumo, etc.., en aquellas empresas como la qumica, de pinturas, petroqumica y en
general aquellas industrias que por sus condiciones de operacin, slo pueden tomar una muestra de sus lotes de
produccin que ser


representativa para ser analizada a travs de control estadstico de procesos (normalmente quienes trabajan por
lotes o en batch).

Este tipo de grfico es meramente un auxiliar de los otros grficos ya existentes, pero debido a su diseo, resulta
sencillo observar el comportamiento de la variable o caracterstica a medir, limitado por lmites de control 3 sigma y
permitir con esto al usuario reaccionar ms rpida y gilmente a los cambios que con una Grfica X-R normal.

Elaboracin de la Grfica Xi-Rm. Es muy similar a la Grfica X-R, pero por la frecuencia con la que se presenta
en la industria, presentamos los pasos a seguir:

1 . Calcular la lnea central para X.
2. Calcular la lnea central para R.
3. Utilizar los factores equivalentes de A2 y D3 para grficas X-Rm.
4. Calcular el lmite superior de control para X.
5. Calcular el lmite inferior de control para X.
6. Calcular el lmite superior de control para R.
7. Calcular el lmite inferior de control para R.
8. Graficar las lneas centrales para X y para R.
9. Graficar los lmites superior e inferior para X y para R.
10. Graficar los datos.
11. Interpretar la grfica resultante.

Grfica X-Sv

Cuando recolectamos datos no lo hacemos con la finalidad de exponerlos como piezas de museo, sino en funcin
de un objetivo: Proporcionar una base para la accin. La grfica X-Sv posee objetivos similares a los grficos X-R
y X-S, la diferencia principal consiste en que mientras en los grficos anteriores. el tamao de muestra es
constante, en la grfica X-Sv el tamao es variable.



Uso de los grficos X-Sv.

En ocasiones los datos que se toman son de diferentes fuentes, conviene entonces someter estos valores a una
prueba de homogeneidad para constatar si las fuentes estn o no afectadas por causas distintas. Los grficos de
control X-Sv constituyen una prueba sencilla de ello.

Si los subgrupos son de diferente tamao, para calcular la media de las medias X, y la media de la desviacin
estndar S se deber utilizar el concepto de media ponderada.


18
Si se revisa la forma de calcular los Lmites de Control, se ver que el clculo depende de n, que es el tamao de
muestra, que al no ser constante obliga al clculo de los Lmites (LSC y LIC) para cada subgrupo o punto de la
grfica.

Debido al poco uso que tiene la Grfica X-Sv, no se detallarn los pasos a seguir, pero podemos mencionar que es
muy similar a la Grfica X-S.


Sabemos que una de las condiciones que se deben mantener para que la implantacin del C.E.P. sea exitosa, es
la de llevar a cabo el muestreo, la recoleccin de datos. la obtencin de grficas y su interpretacin de manera
inmediata.
Y si analizamos la complejidad y lo tedioso de la elaboracin de las grficas mencionadas, se desprende la
necesidad de hacerlo por computadora, ya que de lo contrario, difcilmente se podrn obtener el nmero de
grficas requeridas y sobre todo en el momento preciso.

En la obtencin de las grficas (X-R, X-S o Xi-Rm), si utilizamos el FutureSQC, los pasos a seguir son los
siguientes:
1. Oprimir, en el teclado de la computadora: Alt-G
2. Seleccionar con las flechas la grfica deseada (X-R, X-S, Xi-Rm)
3. Oprimir la tecla [ENTER]
Despus solo se interpreta la Grfica Resultante.
Esto puede llevarse un mximo de 10 segundos, pero si se opera el FutureSQC en su modo Grfico u On-Line, los
pasos a seguir para la elaboracin de una grfica X-R son los siguientes:
i NINGUNO !
Despus solo se interpreta la Grfica Resultante.
ya que usted captura el dato e inmediatamente el sistema elabora la grfica, adems de que tambin le presenta el
Histograma de Frecuencias correspondiente.



Interpretacin de las grficas de control

Este es posiblemente uno de los puntos ms importantes de la aplicacin del C.E.P., ya que es la herramienta con
la cual podemos Predecir el comportamiento de un proceso y por lo tanto anticiparnos a cualquier problema.

Interpretacn de variaciones de las Grfcas X.


a) Puntos Fuera de Control

Accidentes o Eventualidades
Anormalidad en la operacin general.


b) Ciclos Repetitivos

Cambios que provoca el medio ambiente.
Fatiga del trabajador.
Diferencias en el instrumento o en la prueba que se emplea.
Rotacin continua de mquinas u operadores.
Ensamble de piezas de otros procesos.


19
c) Tendencias

Deterioro gradual de equipos o producto.
Fatiga del trabajador.

d) Brincos en el proceso

Cambios en la proporcin de material que proviene de una fuente diferente.
Nuevo trabajador o mquina.
Modificacin en los mtodos de produccin o proceso
Cambio en los mtodos de inspeccin.

e) Gran proporcin de puntos cercanos a los lmites de control o a la lnea central

Sobre control.
Diferencias substanciases en la calidad del material
Diferencias en los mtodos de prueba y/o equipos.
Control de dos o ms procesos en la misma carta.

Interpretacin de variaciones de las Grfcas R y S

a) Puntos Fuera de Control

Accidentes o Eventualidades
Anormalidad en la operacin general.

b) Ciclos Repetitivos

Fatiga del trabajador.
Herramientas desgastadas.

c) Tendencias.

Perdida de la habilidad por parte del operador.
Fatiga del trabajador.
Cambio gradual de la calidad del producto.

d) Brincos en el proceso.

Cambio de materiales.
Cambio en los mtodos.
Cambio de trabajador.

e) Gran proporcin de puntos cercanos a los lmites de control.

Mezcla de materiales de distinta fuente.
Distintos trabajadores empleando una misma hoja de inspeccin o grfica.
Datos tomados bajo diferentes condiciones en la misma hoja de inspeccin o grfica.





20
Como se coment al inicio de este material, la ltima etapa del ciclo de aplicacin del C.E.P. consiste en la toma
de acciones correctivas, que si no se hace de manera adecuada y en el momento preciso, nada de lo que se
haya capturado, graficado y analizado servir de algo.

Esto significa, entre otras cosas, que las grficas no son nuestro objetivo o producto final, sino la base o materia
prima para el trabajo de mejoramiento continuo de la calidad de nuestros productos, procesos y servicios
GRFICAS DE ATRIBUTOS

Cualquier artculo se considera defectuoso si no cumple con las especificaciones de alguna de sus caractersticas.
Por otra parte, un defecto es cada caracterstica que no satisface las especificaciones. Entonces debemos de
entender como un artculo defectuoso aquel que contiene por lo menos un defecto, pero ese mismo artculo
defectuoso podr contener ms de un defecto.

Lo expuesto anteriormente, pretende dejar en claro la diferencia de lo que se considera como un artculo
defectuoso y un defecto, con el objeto de establecer el uso de una Grfica p o de la fraccin defectuosa y una
Grfica c o de nmero de defectos por artculo.

Las grficas de atributos, a diferencia de las de variables, no se componen de 2 partes, sino de una sola y los
lmites de control, que en esencia significan lo mismo, se calculan de manera diferente pero con el mismo
principio.


GRFICA p

Requisitos que cumplir para el uso de una Grfica p. Es importante sealar que el empleo de una Grfica p
presenta buenos resultados en estudios en planta, cuando se efectuar a travs de una inspeccin peridica de
piezas, partes, etc... ya sea por turno, diaria, semanal, etc.., donde el tamao del lote o muestra sea de cuando
menos 150 piezas.

Se aplica principalmente a inspeccin al 100% en lotes o muestras (lote por lote) pero del 100% de los lotes.

Objetivos de una Grfica p. Una Grfica de control para la fraccin defectuosa al aplicarse para la inspeccin de
cualquier artculo, puede tener los siguientes fines:

Encontrar la fraccin promedio de los artculos defectuosos, sometidos a inspeccin sobre un perodo
de tiempo.

Descubrir puntos fuera del lmite de control superior, con el objeto de identificar y corregir causas que
propician productos de mala calidad.

Detectar puntos fuera del lmite de control inferior, que indican principalmente mtodos de inspeccin
dbiles (mal estructurados) o procedimientos de calidad errticos.

Tener elementos de juicio para predecir el comportamiento que tendr la fraccin defectuosa de
cualquier lote sucesivo, con el objeto de tener mejores elementos para la toma de decisiones en la
aceptacin o rechazo de un producto.






21
Instrucciones para elaborar una Grfica p:

Calcular los primeros lmites de control para cada subgrupo o lote, y mostrar esta fluctuacin en la Grfica. Es
conveniente mostrar al personal de planta, la Grfica semana a semana y mes a mes, para que se vaya
involucrando tanto para descubrir las causas que originan defectuosos, como para su eliminacin.

Estimar a futuro un tamao promedio de lote, el cual deber ser revisado de tiempo en tiempo, con el objeto de
establecer de acuerdo a las condiciones de diseo, produccin, inspeccin, herramienta y maquinaria, entre otras,
una fraccin defectuosa ideal para determinado producto, la cual servir para comparar con el tamao real que se
tiene y tomar acciones correctivas para eliminar la desviacin.

1 . Obtener la fraccin defectuosa de cada lote o subgrupo p.
2. Obtener la fraccin promedia defectuosa p.
3. Obtener el lmite superior de control para p.
4. Obtener el lmite inferior de control para p.
5. Graficar los lmites superior e inferior para p.
6. Graficar los datos de la fraccin promedio defectuosa p.
7. Interpretar el grfico resultante.

GRFICA n-p

La Grfica n-p se emplea preferentemente cuando el tamao del lote o subgrupo es constante, dicho tamao
deber ser mayor o igual a 150 piezas.

Las ventajas de emplear una Grfica n-p respecto a una p cuando el tamao del lote es constante es que primero,
se reduce el clculo de los lmites de control lote por lote y segundo es ms fcil para el personal de planta,
elaborar e interpretar la Grfica n-p que la Grfica p.

Instrucciones para elaborar una Grfica n-p:

1 . Obtener el nmero de defectuosos para cada uno de los lotes de elementos constante.
2. Obtener el nmero total de defectuosos de todos los lotes.
3. Obtener la fraccin defectuosa promedio por lote p.
4. Obtener el nmero total de defectuosos promedio por lote np.
5. Obtener el tamao de lote promedio n.
6. Obtener el lmite superior de control para np.
7. Obtener el lmite inferior de control para np.
8. Graficar los datos del nmero defectuoso.
9. Interpretar el grfico resultante.


GRFICA c.

La Grfica c es un instrumento que se emplea en un principio para efectuar un anlisis y tomar decisiones para
reducir el costo de retrabajo incidente en la correccin de defectos, la Grfica permite informar al personal de
produccin, acerca del nivel de calidad actual en una forma simple y directa.


Objetivos de una Grfica c. En aquellas empresas donde se busca contar con un nmero mnimo de defectos por
unidad inspeccionada, el grfico c resulta de gran ayuda para mostrar el nivel de defectos con que cuenta un
producto durante un perodo determinado, y tomar medidas correctivas para lograr el objetivo impuesto.


22
Puede ser aplicado para estudios cortos donde se tenga especial inters en medir la variacin de calidad de un
producto en particular o una operacin de manufactura.

Finalmente, la Grfica c puede ser aplicada en procedimientos para aceptacin de muestras basados en defectos
por unidad.

Instrucciones para elaborar una Grfica c:

1. Obtener el nmero de defectos promedio por unidad.
2. Obtener el lmite superior de control para c.
3. Obtener el lmite inferior de control para c.
4. Graficar los datos de nmero de defectos.
5. Interpretar el grfico resultante.

GRFICA u.

La Grfica u (de defectos por unidad con tamao de muestra variable) es de gran ayuda para aquellas empresas
cuyo personal operativo, requieran saber la cantidad de defectos por unidad inspeccionada o fabricada en el
momento de elaborar o inspeccionar un lote de productos cualquiera, que se originan en una mquina, lnea de
produccin, proceso, etc.

El tamao del lote o muestra dadas las condiciones de operacin en la planta, pueden tener un valor variable o
diferente de uno a otro. Es conveniente que se realicen las Grficas u por turno, mquina, lnea de produccin,
etc... para despus efectuar un anlisis basado en la comparacin de la misma Grfica elaborada por mquinas o
lneas de produccin similares o idnticas.

Instrucciones para elaborar una Grfica u:

1. Obtener el nmero de defectos promedio por unidad de cada lote o subgrupo u.
2. Obtener el nmero de defectos promedio general por unidad de todos los lotes o subgrupos
inspeccionados
3. Obtener el lmite superior de control para u.
4. Obtener el lmite inferior de control para u.
5. Graficar el nmero de defectos para cada lote o subgrupo.
6. Interpretar el grfico resultante.

En cualquier proceso de manufactura, es importante estimar el valor de una variable Y mediante un valor dado de
una variable X. Esto se puede conseguir al estimar el valor de Y de la curva de mnimos cuadrados que ajusta a los
datos muestrales. La curva resultante se llama curva de regresin de Y sobre X, puesto que Y se estima a partir
de X.


23
Si todos los puntos en un diagrama de dispersin parecen encontrarse cerca de una recta como en las figuras A y
B, la correlacin se dice que es lineal. En tales casos, para propsitos de regresin o estimacin es adecuada una
ecuacin lineal, por lo que se buscar linearizar la ecuacin que relaciona las 2 variables sujetas a este tratamiento
grfico.

En el caso C, no existe correlacin alguna y por lo tanto no podemos predecir o controlar el valor de Y con respecto
a X.

Adicionalmente, se calcular y reportar un coeficiente de correlacin lineal, que entre ms se acerque a 1.0,
mayor ser la linearidad que existe entre los valores de las 2 variables, por lo tanto, mayor es la dependencia que
existe entre ambas y mayor la posibilidad de controlar una (casi siempre de PRODUCTO) en base a la otra (casi
siempre de PROCESO).

En la realidad es muy difcil tomar decisiones utilizando regresiones No lineales, por lo que en la prctica, es ms
frecuente ver esta herramienta aplicada solamente para regresiones lineales, aunque con una computadora
podemos linearizar cualquier relacin graficando por ejemplo el logaritmos de la Temperatura contra el inverso del
dimetro interno , o el inverso del cuadrado de la Presin contra la raz cuadrada de la velocidad.

Normalmente esto es trabajo de un especialista en Estadstica y se realiza en una oficina y no en el piso, adems
de que se hace varios das despus, lo cul como hemos comentado ya no es conveniente. Con el FutureSQC es
tan fcil realizar un Diagrama de Dispersin, que lo puede hacer cualquier persona y en menos de 1 minuto.

Adems, como el FutureSQC tiene la posibilidad de realizar clculos a partir de cualquier variable o grupo de
variables, se puede obtener directamente una correlacin, por ejemplo de Logaritmo de una Variable contra el
cuadrado de otra. El mecanismo para la elaboracin de un Diagrama de Dispersin en el FutureSQC es el
siguiente:


1. Dar clic con el botn derecho del Mouse o seleccionar la opcin grficas.
2. Seleccionar con las flechas o el puntero el Diagrama de Dispersin.
3. Dar clic con el botn izquierdo para graficar
4. Seleccionar la variable con la que se quiere correlacionar.
5. Analizar el Diagrama y decidir si hay correlacin.




Sistemas de Calidad Estadstica y Procesos, S.A. de C..V.
Documento: Curso CEP-Introduccin
2000- 2011 Todos los Derechos Reservados ltima Revisin: Oct/2011