Instituto Tecnolgico de

Toluca
Departamento de Ingeniera Industrial

Antologa
Control Estadstico de la Calidad

Chvez Ferrusca Heber Arturo.

Camargo Ortega Nydia Zirahuen
Cruz Rivera Natalia Esther

Ing. Lucio Len Varela Snchez

Metepec, Edo. de Mxico, Febrero 2007

ndice
INTRODUCCIN................................................................................................5
Captulo 1. Teora general de la calidad y herramientas bsicas
1.1. Evolucin de la calidad.................................................................................6
1.2. Conceptos e Importancia de la Calidad .......................................................9
1.2.1. Gurs de la calidad..............................................................................9
1.3. Costos de Calidad.........................................................................................27
1.4. Cadena Cliente- Proveedor .........................................................................28
1.5. Recoleccin de datos ...................................................................................30
1.6. Hojas de registro o inspeccin .....................................................................31
1.7. Diagrama de Pareto .....................................................................................34
1.8. Diagrama Causa- Efecto ..............................................................................38
1.9. Histograma ...................................................................................................40
1.10. Dispersin..................................................................................................43
1.11. Estratificacin.............................................................................................45
1.12. Habilidad y capacidad del proceso ...........................................................48
Captulo 2. Grficas de control
2.1. Conceptos y principios del CEP: ..................................................................57
2.1.1. Tamao y Frecuencia de Muestreo ....................................................57
2.1.2. Patrones de Comportamiento .............................................................58
2.1.3. Precontrol ...........................................................................................60
2.2. El plan de control (control plan) por grficos de variables ...........................62
2

2.2.1. Grafico

.......................................................................................63

2.2.2. Grfico

.......................................................................................65

2.2.3. Grfico de individuales .......................................................................67

2.2.4. Capacidad del proceso .......................................................................70
2.3. Grficos de atributos ....................................................................................75
2.3.1. Grfico p .............................................................................................75
2.3.2. Grfico np............................................................................................77
2.3.3. Grfico c..............................................................................................80
2.3.4. Grfico u..............................................................................................84
2.3.5. Capacidad del proceso........................................................................86
Captulo 3.

Plan de muestreo de aceptacin

3.1. Conceptos bsicos del muestreo..................................................................88

3.1.1. Nivel aceptable de calidad...................................................................90
3.1.2. Limite tolerado del porcentaje de defectuosos. ..................................91
3.1.3. Lmite de calidad promedio de salida .................................................91
3.1.4. Nmero esperado de piezas inspeccionadas. ...................................93
3.2. Planes de muestreo......................................................................................95
3.2.1. Plan de Muestreo de Aceptacin por Atributos...................................96
3.2.1.1. Plan de muestreo simple............................................................96
3.2.1.1.1. Curva OC............................................................................96
3.2.1.1.2. Inspeccin con rectificacin...............................................100
3.2.1.2. Plan de muestreo doble..............................................................102
3

3.2.1.2.1. Curva OC............................................................................103

3.2.1.2.2. ASN....................................................................................105
3.2.1.3. Plan de muestreo mltiple..........................................................106
3.3. Uso e Interpretacin del Military Standard 105 E en el muestreo: ..............107
3.3.1. Simple .................................................................................................108
3.3.2. Doble ...................................................................................................109
3.3.3. Mltiple ...............................................................................................110
3.4. Plan de Muestreo de Aceptacin por Variables: ..........................................110
3.4.1. Aceptacin de lotes con Nivel Aceptable de Calidad .........................111
3.4.2. Uso e Interpretacin del Militar Standard 414.....................................115
ANEXOS
Gua prctica para grficos de control de MINITAB......................................118
Gua prctica para grficos de control de Microsoft Excel............................130
Formulas estadsticas....................................................................................136
Formatos para trazado de grficos de control...............................................139
Tablas MIL STD 105 E...................................................................................142
Tabla de niveles de inspeccin............................................................142
Tabla para la inspeccin normal..........................................................143
Tabla para la inspeccin rigurosa........................................................144
Tabla para la inspeccin reducida.......................................................145
Tabla maestra para la inspeccin normal y rigurosa MIL STD 414...............146
FUENTES DE INFORMACIN......................................................................

INTRODUCCIN
El control estadstico de la calidad es una actividad de vital importancia para
cualquier organizacin, ya que permite visualizar la posicin respecto a la
planificacin inicial de las actividades y en funcin de sta tomar las decisiones
pertinentes a cada caso. Las actuales tendencias del mercado han generado la
necesidad de prestarle mayor atencin al cliente, de manera tal que el mismo se
transforma en la razn de ser de las organizaciones; es por ello que la bsqueda de
la satisfaccin de los clientes es el norte de toda empresa.
Con base a esta meta se han diseado una gran cantidad de herramientas que
permiten el control y anlisis de los procesos, con el fin de optimizarlos y asegurar la
satisfaccin del cliente mediante productos o servicios de calidad.
En la siguiente antologa que se presenta a continuacin se encuentran temas de
valioso valor para cumplir con los objetivos del control estadstico de la calidad.
En el primer captulo de sta antologa se tratan temas de conceptualizacin del
control estadstico de la calidad, sus precursores, su evolucin, su relevancia e
importancia dentro de una empresa, adems de la ilustracin de algunas
herramientas tradicionales o clsicas, tales como: hojas de registro, diagrama de
Pareto, diagrama causa-efecto e histograma.
Dentro del presente trabajo es importante sealar que se hizo uso de software
estadstico como MINITAB y Microsoft Excel para simplificar el trabajo tanto de
clculos matemticos como del trazado de grficos, los cuales se ven aplicados
especialmente en el capitulo dos grficas de control. En el capitulo mencionado se
tratan temas de conceptualizacin acerca del muestreo y posteriormente se
describen ejemplos de aplicacin de los grficos de control tanto de variables como
de atributos.
En el tercer captulo se aborda la conceptualizacin relacionada con los planes de
muestreo de aceptacin y subsiguientemente se desglosan los dos tipos de de plan
de muestreo de aceptacin, tanto por variables como por atributos haciendo uso de
herramientas como la Military Standard 105 en sus derivaciones simple, doble y
mltiple.
Finalmente la antologa se complementa con una serie de anexos que pueden ser de
gran utilidad al momento de realizar los ejercicios puntualizados.

Capitulo 1. Teora general de

calidad y herramientas bsicas
Objetivo general: Al trmino de esta unidad el alumno tendr la capacidad
de construir su propio concepto de calidad y la habilidad de recolectar, organizar,
presentar e interpretar datos.

1.1. Evolucin de la calidad

La calidad ha experimentado un profundo cambio hasta llegar a lo que hoy
conocemos por calidad total, como sinnimo de sistema de gestin empresarial para
conseguir la satisfaccin de los clientes, los empleados, los accionistas y de la
sociedad, en un sentido ms amplio.
En el contexto de las empresas industriales desde comienzos de siglo, tal vez antes,
se entenda la calidad como:
El grado en que un producto cumpla con las especificaciones tcnicas que se
haban establecido cuando fue diseado
Posteriormente fue evolucionando el concepto de calidad, que la norma UNE 66-001
define como:
La adecuacin al uso del producto o ms detalladamente, el conjunto de
propiedades y caractersticas de un producto o servicio que le confieren su aptitud
para satisfacer unas necesidades expresadas o implcitas.
Ms recientemente el concepto de calidad ha trascendido hacia todos los mbitos de
la empresa definindose como:
Todas satisface las necesidades y expectativas de sus clientes, sus empleados, las
entidades implicadas financieramente y toda la sociedad en general.
Podemos observar que est ltima definicin engloba conceptualmente a la segunda
y sta a su vez a la primera.
En paralelo con esta evolucin han ido tambin progresando los mecanismos
mediante los cuales las empresas han gestionado o administrado la calidad.
6

As, inicialmente se hablaba de control de calidad, departamento o funcin

responsable de la inspeccin y ensayo de los productos para verificar su conformidad
con las especificaciones. Estas inspecciones se realizaban en un principio
masivamente en el producto acabado y, ms tarde, se fueron aplicando durante el
proceso de fabricacin.
En los aos 50 y en consonancia con la segunda surgi el trmino Quality
Assurance que podemos traducirlo como garanta o aseguramiento de la calidad
que engloba al conjunto de actividades planificadas y sistemticas, necesario para
dar confianza de que un producto o servicio va a satisfacer los requerimiento
establecidos.
Posteriormente, y en relacin a la primera definicin, han surgido varios trminos que
podramos traducir, eliminando pequeos matices entre ellos y simplificando como
calidad Total.

Hoy en da las empresas y sus departamentos pueden estar en cualquiera de las

distintas etapas anteriores citadas.
Estas tres etapas han sido respuestas a la evolucin en los ltimos aos de los
sistemas de produccin.
7

Estos han evolucionado desde la produccin en masa hasta la produccin esbelta

(Lean manufacturing).

Etapas de la calidad en la revolucin industrial:

Sistema de inspeccin: cada operacin llega a ser inspeccionada, no era
efectivo, muy caro.
1. Metodologa de muestreo: (Dodge, military standar)
2. CEP : Control estadstico del proceso, 5 Ms (materiales, maquinaria,
medio ambiente, mano de obre, mtodo), se refiere al pronstico los
problemas de calidad, es un sistema de prevencin
Que hablen los hechos y no las emociones Walter A. Shewhart
3. Sistema de aseguramiento de la calidad. (lo administrativo, los
directivos) actualmente es la normalizacin (ISO 9001:2000)
4. TQM, Control total de la calidad, el triangulo de Taylor se invierte.

5. Calidad clnica (humana)

La calidad clnica, la calidad no est en el producto que hace el hombre si no est

en el hombre que hace el producto. Es lo que estamos buscando ahora, es ms
importante la calidad humana que un producto u ofrece el servicio.

1.2. Conceptos e importancia de

la calidad
La calidad de un producto o servicio es la percepcin que el cliente tiene del mismo.
Conjunto de propiedades inherentes a un objeto que permiten apreciarlo como igual,
mejor o peor que el resto de objetos de los de su especie.

Para un producto
Se considera a la calidad como una caracterstica medible. Las diferencias de calidad
significan diferencias en la cantidad de una caracterstica que posee el producto.
Esto concede una percepcin jerrquica de la calidad, ya que segn la cantidad del
atributo deseado que contenga el producto, podemos ordenar los productos de
mayor o menor calidad. Solo ser posible una clasificacin libre de ambigedades si
tenemos una clasificacin equivalente valida para todos los compradores, segn la
caracterstica en cuestin.

Importancia de la calidad
La calidad de los materiales que se obtienen para la produccin de bienes es de gran
importancia para la empresa ya que segn la calidad de sus materias primas dar
como resultado un producto final de calidad. (Mariana Cuesta G.)

Gurs de la Calidad
PHILIP B. CROSBY
Crosby desempe las funciones de vicepresidente corporativo de calidad en ITT y
es el fundador del colegio Crosby de Calidad, que ha impartido cursos seminarios
para ms de 15,000 directivos. Es tambin el autor de muchos libros, entre los que
se puede citar" La Calidad es gratis: El arte de asegurarse de la calidad ", que
constituye un texto de aceptacin universal. La idea esencial del movimiento de
9

calidad de Crosby es la prevencin. Sostiene que la calidad es gratis. Sus costos

solo estn relacionados con los diversos obstculos que impiden que los operarios la
tengan desde primera vez.
El principal objetivo de las empresas al implantar un sistema de calidad total debe
ser, de acuerdo con Crosby, cero defectos. Los niveles aceptables de calidad deben
prohibirse, pues comprometen el objetivo de cero defectos.
Existen dos grandes problemas causantes de la mala calidad en la industria: los que
se deben a la falta de conocimientos de los empleados y los que se originan en los
descuidos y las faltas de atencin. Los primeros pueden identificarse con gran
facilidad, medirse y resolverse, pero los segundos requieren de un esfuerzo gerencial
a largo plazo para modificar la cultura y las actitudes.
Para PhiIp Crosby, el proceso de mejoramiento de calidad debe partir de un
compromiso de la alta direccin, y de una filosofa en la que todos los miembros de la
organizacin comprenden sus propsitos. Lograr calidad slo es posible a travs de
un cambio de cultura de la empresa en donde se le concede al personal la
oportunidad de vivir con dignidad, brindndole un trabajo significativo y un ingreso
suficiente.
Crosby destaca que los crculos de calidad y las estadsticas, representan una
mnima parte de la tarea encaminada a lograr la calidad. Las fases del cambio para
lograr la calidad son: conviccin de la direccin, compromiso de la alta gerencia y de
todo el personal y conversin de la cultura organizacional. Por otra parte Crosby
seala que " la empresa que desee evitar conflictos, eliminar el incumplimiento de los
requisitos, ahorrar dinero, y mantener satisfechos a sus clientes debe vacunarse.
Esta vacuna comprende tres estrategias administrativas que son:
A) Determinacin
B) Educacin
C) Implantacin

Determinacin:
Surge cuando los miembros de un equipo de trabajo deciden que no estn
dispuestos a tolerar por ms tiempo una situacin inconveniente y reconocen que
sus propias acciones constituyen el nico instrumento que permitir cambiar las
caractersticas de la organizacin. Toman conciencia de los cuatro principios
absolutos, que son el fundamento conceptual del proceso de mejoramiento de la
calidad.
La calidad implica cumplir con los requerimientos:
10

Este principio nos dice que para mejorar la calidad todo personal debe estar
consciente de que deben hacer las cosas bien desde la primera vez, pero para que
esto se lleve a cabo, los directivos tienen que establecer claramente los requisitos
que deben de cumplir los empleados; suministrar los medios necesarios para que el
personal cumpla con los requisitos, y dedicar todo su tiempo a estudiar y ayudar al
personal.
La calidad proviene de la prevencin (las enfermedades se previenen con vacunas):
Este principio seala que es ms fcil y menos costoso prevenir las cosas que
corregirlas. La prevencin se basa en la comprensin del proceso, por lo tanto hay
que observar el proceso y determinarlas posibles causas de error.
El estndar de calidad es cero defectos:
Crosby cre el concepto de cero defectos, por que afirma que el personal debe saber
precisamente lo que se espera de ellos. Por lo que no deben establecerse niveles de
calidad o estndares de trabajo, sino ms bien un estado ideal del trabajo. Cero
defectos es hacer lo acordado en el momento acordado, es hacer bien las cosas
desde la primera vez, es tomar en serio los requisitos Los errores son ocasionados
por dos causas: la falta de conocimientos y la falta de atencin.
Siempre hay una forma mejor de hacer las cosas
La medicin de la calidad es el precio de la inconformidad:
Aqu se menciona una forma de evaluar la calidad dentro de la empresa, costeando
las actividades que se tengan que realizar por haber hecho las cosas mal
(incumplimiento de requisitos). Desde Correcciones hasta reprocesos, el pago de
garantas y reclamaciones e incluso la entrega de nuevos productos por defectuosos.
Medicin
Por variables

Por atributos (es la primera

impresin)

Educacin:
Una vez que en la empresa hay la determinacin de conseguir la calidad de sus
productos y terminar con sus problemas, se requiere de un programa de educacin
continuo para todo el personal. La educacin tiene que ser un proceso cotidiano para
que todos comprendan los cuatro principios absolutos, el proceso de mejoramiento
11

de calidad, y lo que implica propiciar la calidad total dentro de la organizacin. Los

cursos de capacitacin se impartirn a los siguientes niveles:
Ejecutivos
Gerentes
Personal
De esta manera similar a las afirmaciones de Deming y Juran, Crosby piensa que el
desempeo de las compaas es el reflejo de la actitud gerencial con respecto a la
calidad.
Para lograr grandes mejoras, la gerencia tiene que estar convencida de los
siguientes pasos:
Que tienen un problema de calidad y que esta debe usarse para operar con ventaja
Que tendrn que comprometerse a comprender y aplicar los cuatro principios
absolutos de la administracin de calidad
Que deben cambiar la manera de pensar y abandonar los criterios convencionales
que causan los problemas.
Crosby sostiene que se requiere un tiempo largo para pasar de la conviccin a la
conversin pero que, tan pronto como empieza el proceso de transferencia, se inician
las mejoras.
Implantacin:
La implantacin consiste en establecer el proceso de mejoramiento dentro de la
organizacin en forma metdica, para lo cual Crosby propone catorce puntos.

Programa de Crosby de catorce puntos para la mejora de la calidad

1. Compromiso gerencial
La alta direccin debe elaborar una poltica de calidad; el tema principal de discusin
en sus reuniones debe ser la calidad.
2. Equipo de mejoras de calidad
Para formar este equipo deben conjuntarse participantes de cada departamento.
Deber tener alguien que tenga fcil comunicacin con la alta gerencia para
establecer la estrategia general a seguir.
3. Medicin de la calidad
Todo personal debe pensar en su trabajo y cmo medirlo, pues as conocern como
y hacia donde va. A travs de la medicin, los requisitos de cada actividad o trabajo
se van consolidando o definiendo especficamente.
4. Costo de la evaluacin de la calidad
12

Se establece el costo de calidad para indicar de dnde se deben aplicar acciones

correctivas que sean rentables para la compaa.
5. Percepcin de calidad
Se debe concientizar al personal por medio de informacin, de lo que cuesta hacer
las cosas mal y los resultados que se obtienen con el mejoramiento de la calidad.
6. Acciones correctivas
Se refiere a establecer un sistema de correccin, el cual se basar en informacin
relevante del problema y anlisis detallado que muestren las causas que lo originan,
para eliminarlo.
7. Formacin de un comit adecuado para el programa cero defectos
Elaborar un plan y/o programa de desarrollo de una convivencia social de la
empresa, en el cual participaran oradores que representen a los clientes, los
sindicatos, las comunidades, los empleados y todos aquellos que estn interesados
en la calidad.
8. Entrenamiento de supervisores
Despus que los directivos han comprendido y se han comprometido con los cuatro
principios absolutos, se debe educar al personal para concientizarlo, para que sea
menos tolerante a los defectos y errores, lo que dar como resultado el mejoramiento
deseado.
9. Entrenamiento de supervisores
Debe implantarse un programa formal de orientacin para cero defectos, que debe
desarrollarse antes de poner en accin las medidas pertinentes.
10. Establecimiento de las metas
Las reuniones peridicas entre los supervisores y los empleados, ayudan a que el
personal piense en trminos de alcanzar las metas y desarrollar las tareas
especficas en equipo.
11. Eliminacin de las causas de errores
Se solicita al personal que seale los problemas existentes dentro de sus actividades
o relacin laboral, para de esta manera resolver las causas de error.
12. Reconocimientos
Se establecen programas de recompensas para premiar a los que cumplen sus
metas o desarrollan labores extraordinarias. No es necesario que las recompensas
sean econmicas; lo importante es el reconocimiento pblico.
13. Consejos de calidad
Consiste en reunir a todos los profesionales de la calidad, con el objetivo de que
exista retroalimentacin y comenten sus experiencias en la eliminacin de
13

problemas, para que se estimule entre ellos y los empleados la certeza de alcanzar
cero defectos.
14. Hacerlo nuevamente
En el momento en que se ha alcanzado cierta madurez en el proceso, el equipo de
mejoramiento de la calidad, debe transferir todas sus responsabilidades a uno nuevo
que revitalice el proceso e inicie innovaciones para obtener aun mayores mejoras.

WILLIAM EDWARD DEMING

Deming naci el 14 de octubre de 1900, y recibe su doctorado en fsico matemtico
por la Universidad de Wyoming en 1926, inicialmente su inters principal fue la
aplicacin de las tcnicas estadsticas ya que se form en el grupo de Walter
Shewart, quin desarrollo los mtodos del control estadstico de la calidad (SQC).
Fue Deming quien introdujo en Japn, despus de la Segunda Guerra Mundial, los
mtodos del control estadstico de la calidad y que fundamentan el enfoque del
control total de la calidad desarrollado por Kaoru lshikawa.
Conceptualiza y desarrolla el crculo
figura 1, mismo que considera los
siempre consider que el principal
para la calidad era la direccin
administrativas.

Deming para la mejora (plan, do, check, action)

elementos bsicos del proceso administrativo,
responsable del funcionamiento del programa
de la organizacin, a travs de tcnicas

14

Figura 1.- Circulo de Deming, ciclo PDCA (plan do check action)

Planear: cmo
Ejecucin hacer: accin
Comprobar: ser esto lo mejor? Auto-cuestionarse
Principio de existencialismo: pienso luego existo destruir para construir
Este autor consider que la responsabilidad de la direccin se centraba en dos reas
principales:
a) Creacin de un clima laboral favorable para las mejoras de calidad.
Destaca la importancia de lo que l llama motivacin intrnseca (autoestima y
responsabilidad individual por el trabajo realizado) en lugar de una motivacin
extrnseca (aceptacin de recompensas materiales por el trabajo realizado).
b) nfasis en los trabajadores en lugar de estructuras rgidas.
Considera que la mayora de los errores que se presentan en las organizaciones son
causados o propiciados por la rigidez e imprecisin de la estructura organizacional
ms que por el personal mismo.
Su propuesta de catorce puntos son la base para la transformacin, la adopcin y la
actuacin de la administracin se aplican tanto en las pequeas como en las grandes
organizaciones ya sean de servicios o dedicadas a la fabricacin de bienes, estos se
conocen como la filosofa Deming para la calidad, y son:
Crear constancia de finalidad para el mejoramiento de productos y servicios:
a) Innovar, asignando recursos para planes a largo plazo.
b) Asignar recursos a investigacin y educacin.

15

c) Mejorar constantemente el diseo de productos y servicios, proporcionar empleo

por medio de la innovacin, el constante mejoramiento y el mantenimiento. De esta
manera, las utilidades se darn implcitamente.
Adoptar la nueva filosofa:
a) No aceptar fabricacin defectuosa ni servicio incompetente como situaciones
normales.
b) Trabajar conjuntamente con clientes y proveedores.
Terminar la dependencia en la inspeccin:
a) Determinar, a lo largo del proceso, los puntos crticos en lo que sea absolutamente
necesaria la inspeccin total.
b) Estimar, a modo de ejemplos, costos de fabricar producto defectuoso y de
proporcionar servicios incompetentes.
c) Reemplazar la inspeccin total por mejoramiento de los procesos.
Considerar Calidad, servicio y precio en productos que se compren y servicios que
se contraen:
a) Definir, de acuerdo con proveedores, medidas de calidad adecuadas y relaciones
calidad/precio.
b) Especificar procedimientos para valuar calidad de componentes ya integrados
dentro de un sistema funcional.
c) Definir relaciones tcnicas con proveedores en base de intercambio de
informacin estadstica.
d) Con evidencia estadstica formal, reducir el nmero de proveedores.
Mejorar constantemente los sistemas de produccin y de presentacin de servicio:
a) Establecer proyectos de reduccin de desperdicio y de aumento de calidad en
cada actividad: logstica, ingeniera, mtodos, mantenimiento, instrumentos y
mediciones, ventas, mtodos de distribucin, contabilidad, recursos humanos,
servicio a clientes.
b) Establecer proyectos para el estudio de los procesos que estn en estado de
control estadstico.
c) Procurar la participacin activa de los conocedores de los procesos de produccin
y de servicios.
Instituir mtodos modernos de adiestramiento en el trabajo:
a) Estandarizar procedimientos de operacin y definir lo que se entiende por calidad
para cada trabajo.
b) Utilizar mtodos estadsticos para conocer cuando se ha completado el
adiestramiento. (El trabajador ha alcanzado el estado de control estadstico)
16

c) Instruir a los subordinados en los mtodos estadsticos simples para que puedan
tomar decisiones operativas adecuadas.
Instituir liderazgo en la supervisin:
a) Definir y dar a conocer los objetivos de la supervisin y las responsabilidades
inherentes:
Mejorar la eficacia de operarios y mquinas;
Aumentar produccin en cantidad y calidad;
Reducir la carga del operario, buscando darle mayor inters, satisfaccin y orgullo
por su trabajo.
b) Motivar a los supervisores para que mantengan informada a la administracin de
las condiciones operativas y humanas que requieran ser corregidas y tomar las
acciones oportunas.
c) Utilizar los mtodos estadsticos para que los mismos operarios valen el alcance
y la efectividad de la supervisin.
Eliminar el miedo:
a) Disear y dar a conocer procedimientos para que los operarios puedan conocer
sin dificultad las respuestas a los problemas que les conciernen.
b) Crear un clima de compresin y libertad para que el personal pueda expresar sus
inquietudes.
c) Utilizar los mtodos estadsticos adecuados para deslindar causas de pobre
calidad (sistema u operario).
Romper las barreras entre reas funcionales:
a) Promover el conocimiento de los problemas de operacin por el personal de
investigacin, diseo, compras, ventas, recursos humanos, estableciendo relaciones
cliente/proveedor entre todos ellos.
b) Formar equipos multidisciplinarios para conocer y atacar problemas comunes,
como: diseo del producto, calidad, reduccin de costos, servicios a clientes.
Eliminar los slogans, las exhortaciones y las metas para la fuerza laboral:
a) Descartar cuotas, slogans, posters que intenten motivar a aumentar productividad,
reducir defectos, responsabilizarse por los resultados del propio trabajo.
b) Proporcionar en cambio, a los operarios un camino por el cual pueden ellos
contribuir a las mejoras.
Eliminar estndares de trabajo, trabajo a destajo y cuotas numricas:
a) El estndar de trabajo que no considera calidad aumentar cantidad a expensas de
la calidad.
17

b) El estndar de trabajo que toma en cuenta calidad puede ser injusto sino asigna
correcta e indiscutiblemente la responsabilidad por mala calidad.
c) Considerar la relacin entre estndares de trabajo y la satisfaccin de hacer bien
el trabajo.
Eliminar las barreras que estorban al operario:
a) Proporcionarle instrucciones claras y completas.
b) Valuar a los supervisores por su capacidad de supervisin/educacin, no por la
produccin bruta de sus departamentos.
c) Instruir y supervisar adecuadamente a los inspectores para que puedan valuar
correctamente la calidad.
d) Implantar un programa de mantenimiento del equipo que tome en cuenta la
calidad del producto que se fabrique y no solo las necesidades de cantidad.
Instituir un programa intenso de EDUCACIN y adiestramiento: (es el principal,
formacin integral del individuo, el aspecto (desarrollo) cultural es lo que hace la
calidad elevarse)
a) Prever el cambio en los requisitos de adiestramiento de los operarios: reduccin
del nmero de inspectores necesario.
b) Estudiar las nuevas tecnologas no solo de fabricacin sino de medicin, de
tcnicas estadsticas, de administracin y disear programas de adiestramiento.
c) Disear e implementar programas y mtodos de educacin y adiestramiento en
tcnicas estadsticas para todo el personal.
Tomar medidas para lograr la transformacin.
Comprometer a la direccin (y a todo el personal) a un esfuerzo permanente de
calidad y productividad.

KAORU ISHIKAWA
La calidad empieza y termina con la educacin
18

Obtiene su grado de qumica aplicada en la Universidad de Tokio en marzo de 1939,

ao en que se vincula a una empresa dedicada a la licuefaccin del carbn, que era
una de las prioridades nacionales por aquella poca, y adquiri experiencia en los
campos de diseo, construccin y operaciones de investigacin, entre mayo de 1939
y mayo de 1941, estuvo comisionado como oficial tcnico naval en el rea de la
plvora. Los ocho aos que paso en la industria y en la armada lo prepararon para
dedicarse al control de calidad.
En 1947, regresa a la Universidad de Tokio, cada vez que haca experimentos en su
laboratorio tena problemas con la dispersin de datos, por esta razn comenz a
estudiar mtodos estadsticos en 1948. En 1949 acudi a la Unin de Cientficos e
Ingenieros Japoneses (JUSE).
Los pasos que sigui y las razones que lo guiaron fueron las siguientes:
1.- Los ingenieros que juzgan con base en sus datos experimentales tienen que
conocer los mtodos estadsticos de memoria. Cre un curso titulado " Cmo utilizar
datos experimentales y lo hizo obligatorio para el primer semestre del ltimo ao en
la Facultad de Ingeniera de Tokio.
2.- El Japn no tiene abundancia de recursos naturales sino que debe importarlos,
junto con los alimentos, del exterior. Por lo tanto, es necesario ampliar las
exportaciones. La poca de los productos baratos y de mala calidad para la
exportacin se ha acabado. El Japn tiene que esforzarse por manufacturar
productos de alta calidad y bajo costo, Por esta razn, el control de calidad
estadstico y el control de calidad requieren un mximo de cuidado.
3.- Los ocho aos que paso en el mundo no acadmico, despus de graduarse, le
ensearon que la industria y la sociedad japonesas se comportaban de manera muy
irracional. Empez a creer que estudiando el control de calidad y aplicndolo
correctamente, se podra corregir este comportamiento irracional de la industria y la
sociedad. En otras palabras le pareci que la aplicacin del CC podra lograr la
revitalizacin de la industria y efectuar una revolucin conceptual en la gerencia.
Crculos de Calidad (CC)
A comienzos de los aos 50 los programas de capacitacin para supervisores se
llamaban ' Talleres de estudio de CC ". La junta editorial de la revista FQC prefiri
llamarlos actividades de "Crculos de CC. Esto fue en abril de 1962.
Desde entonces, estas actividades se han difundido muy rpidamente, no solo a las
industrias secundarias sino tambin a las terciarias.
El auge del CC se debe a los esfuerzos de muchas personas, entre ellas los
directores de dos revistas, los presidentes regionales de los Crculos de Calidad
(CCC), los secretarios ejecutivos y los secretarios regionales cuyo nmero pasa de
1,000 as como las personas encargadas de CC en la Unin de Cientficos e
Ingenieros Japoneses (JUSE).
19

lshikawa est considerando en el Japn como el principal precursor de la

Administracin de la Calidad Total. Se inspir en los trabajos de Deming y Juran y, en
menor grado de Feigenbaum. Es muy admirado por las siguientes contribuciones:
1. Crculos de Control de Calidad (CCC), fue el primero en introducir este concepto y
ponerlo en prctica con xito.
2. Fue el originador de los diagramas de espinas pescado, de causa-efecto o de
lshikawa, que se usan actualmente en todo el mundo en las mejoras continuas, para
representar los anlisis de los efectos y sus posibles causas.
Tcnicas Estadsticas de lshikawa para el CC
A. Tcnicas estadsticas elementales:
Anlisis de Pareto (lo poco vital contra lo mucho trivial)
Diagramas de causas y efectos (no es una tcnica estadstica)
Estratificacin
Lista de comprobacin (bitcora)
Histograma
Diagrama de dispersin
Controles y grficas de Shewart
B. Mtodo estadstico intermedio:
Anlisis terico y de muestreo
Diversos mtodos de estimacin estadstica y comprobacin de hiptesis
Mtodos basados en pruebas sensoras
Mtodos de diseo experimental
C. Mtodos estadsticos avanzados (con computadoras):
Diseo experimental avanzado
Anlisis multivariados
Mtodos de investigacin de operaciones
lshikawa ha hecho comentarios de que el enfoque de Feingenbaum del Control de
Calidad Total incluye muchas personas que no son especialistas y, por consiguiente,
tienen limitaciones en cuanto a su contribucin a la resolucin de problemas.
Sostiene que el control de calidad en toda la compaa, tiene que basarse en el uso
generalizado de tcnicas estadsticas. Clasifica las tcnicas en tres categoras,
lshikawa piensa que el 90-95% de los problemas pueden resolverse usando tcnicas
estadsticas elementales, que no requieren conocimientos especializados.
Nacimiento de los Crculos de Calidad
20

En la fabricacin de productos de alta calidad con garanta plena de calidad no hay

que olvidar el papel de los trabajadores. Los trabajadores son los que producen, y sin
ellos y sus supervisores no lo hacen bien, el CC no podr progresar.
En este sentido, la educacin de los trabajadores en materia de CC es sumamente
importante, si bien en los aos 50 esa educacin se consideraba prcticamente
imposible.
No era difcil educar a los ingenieros y empleados directivos mediante seminarios y
conferencias, pero resultaba imposible manejar al gran nmero de supervisores y
dirigentes de grupo. Adems stos estaban dispersos por todo el pas. No era fcil
empezar a educarlos.
Se resolvi el problema utilizando los medios de comunicacin masiva; en 1956 se
empez un curso de CC por correspondencia para supervisores, valindose de la
radiodifusora Japonesa de onda corta. En 1957 la radiodifusora Japonesa NHK
empez a difundir nuestros programas dentro de su programacin educativa. El
programa fue bien recibido por el pblico y se vendieron 110 000 ejemplares del
texto, mucho ms de lo previsto. Despus de este xito, en 1960 la JUSE public
una monografa titulada A text on Quality Control for the Foreman (A y B), que
surgen vendindose muy bien.
En aquella poca se hizo hincapi en lo siguiente:
1. El voluntarismo. Los crculos han de crearse voluntariamente, no por rdenes de
superiores. Comenzar las actividades de crculos con personas que deseen
participar.
Qu es el Crculo de Calidad (CC)
El CC es un grupo pequeo que desarrolla actividades de calidad voluntariamente
dentro de un mismo taller.
Este grupo lleva a cabo continuamente como parte de las actividades de control de
calidad en toda la empresa autodesarrollo y desarrollo mutuo, control y mejoramiento
dentro del taller utilizando tcnicas de control de calidad con participacin de todos
sus miembros.
Las ideas bsicas subyacentes en los crculos de control de calidad en toda empresa
son las siguientes:
1.- Contribuir al mejoramiento y desarrollo de la empresa.
2.- Respetar a la humanidad y crear un lugar de trabajo amable y difano donde
valga la pena estar.
3.- Ejercer las capacidades humanas plenamente, y con el tiempo aprovechar
capacidades infinitas.
Diagrama de causa-efecto

21

Este diagrama muestra una relacin entre las caractersticas y los factores causales,
por lo cual se ha denominado de causa-efecto. Es necesario entenderlo que es el
control de procesos, adueamos del proceso (que es un conjunto de factores
causales) e incorporar dentro del proceso maneras de hacer mejores productos, fijar
mejores metas y lograr efectos. Aunque los factores causales son muchos, los
verdaderamente importantes no lo son.

GENICHI TAGUCHI
Taguchi trabaj como director de la Academia Japonesa de Calidad entre 1978-1982.
Recibi los premios Deming de 1960 por sus contribuciones en el desarrollo de
tcnicas para la optimizacin industrial. Ha desarrollado mtodos para el control de
calidad en lnea, que constituyen la base de su enfoque al aseguramiento del control
de calidad total.
En 1989, Taguchi fue condecorado por el emperador de Japn con la orden MITI de
listn prpura, por su contribucin a los estndares industriales del Japn. Es ahora
consultor internacional en aseguramiento y control de calidad.
Los mtodos de Taguchi incorporan el uso de tcnicas estadsticas. Estas tcnicas
estn planeadas para que los diseadores e ingenieros optimicen las bases de
productos ms duraderos. Estos mtodos estadsticos constituyen una herramienta
de eliminacin de impedimentos y resolucin de problemas en las primeras etapas
del ciclo de desarrollo de un producto. Adems de las variables de control que se
manejan, los mtodos de Taguchi permiten que los ingenieros/diseadores
identifiquen las variables de ruido que, de no controlarse, pueden afectar la
fabricacin y el desempeo del producto.
Taguchi define la calidad de un producto cmo la prdida que dicho producto imparte
a la sociedad desde el momento que se despacha. La prdida puede incluir varias
cosas tales como quejas del cliente, costos adicionales de garantas, deterioro de la
reputacin de la compaa y prdida de penetracin en el mercado.
22

Imperativos de Calidad de Taguchi

1. Las prdidas de calidad resultan de las fallas del producto despus de su venta;
"la bondad " de un producto es ms una funcin de su diseo que del control en lnea
del proceso de manufactura, por estricto que este sea.
2. Los buenos productos emiten una "seal" fuerte, independientemente del "ruido"
externo y con un mnimo de ruido interno. Cualquier fortalecimiento de diseo, esto
es, cualquier aumento de mercado de la relacin seal-ruido de cualquiera de sus
componentes, originar simultneamente una mejora de la calidad total del producto.
3. Es necesario fijar objetivos de relaciones mximas seal-ruido y desarrollar un
sistema que permita analizar los cambios del desempeo total del sistema como
consecuencia de los efectos promedio de las partes componentes, es decir, cuando
las partes se someten a valores, presiones y condiciones experimentales variables.
En los productos nuevos, los efectos promedio pueden evaluarse con gran eficiencia
por medio de "redes ortogonales".
4. Para obtener buenos productos, deben fijarse valores deseados para los
componentes y despus reducir al mnimo el cuadrado de las desviaciones para los
componentes combinados, promediados con respecto a las diferentes condiciones
del cliente-usuario.
5. Antes de proceder a su manufactura, es necesario fijar las tolerancias del
producto. De esta manera la prdida total de calidad aumenta con el cuadrado de la
desviacin del valor deseado, esto es, obedece la ecuacin de segundo grado
L=D2C, donde la constante C est determinada por el costo de las medidas de
correccin aplicadas en la fabrica. Esta es la "funcin de prdida de calidad".
6. Poco es lo que se gana despachando un producto que apenas satisface los
estndares, cumpla con los objetivos y no se conforme con simplemente cumplir las
especificaciones.
7. Se debe trabajar sin descanso para lograr diseos que puedan producirse
consistentemente; se debe exigir consistencia a la fabrica. Las acumulaciones
catastrficas son ms probables cuando se presentan desviaciones dispersas de las
especificaciones, que cuando existen desviaciones consistentes en el campo.
Cuando la desviacin con respecto a los valores deseados es consistente, el ajuste
es ms factible.
8. Un esfuerzo concentrado para reducir las fallas en el campo, reducir de manera
simultnea las fallas en la fbrica. Debemos esforzarnos por disminuir las variaciones
en los componentes del producto y con ello se reducirn las variaciones de la
totalidad del sistema de produccin.

23

9. Las propuestas competitivas en equipos o en modificaciones del proceso, pueden

compararse sumando el costo de cada propuesta al promedio de prdida de calidad,
esto es, a las desviaciones que pueden surgir de las propuestas.
Seales y Ruidos
La seal es lo que un producto, una parte o un componente, debe producirle al
usuario.
Los ruidos se consideran como las "interferencias" que afectan a la seal. Los ruidos
provienen de dos tipos de factores que afectan a las caractersticas funcionales de
un producto, al impedirle su desempeo de acuerdo a los valores deseados.
(i) Variables ambientales de operacin (factores de ruido externo), por ejemplo,
temperatura, polvo y humedad
(u) Factores de ruido interno (dos tipos):
a) Deterioro, desgaste y fallas de proceso;
b) Imperfecciones en la funcin del proceso y variaciones debidas a desajustes.
Comentarios sobre Redes Ortogonales
Se trata de tcnicas que se usan para fijar los objetivos correctos de un diseo (por
medio de una optimizacin de las relaciones seal-ruido). Tambin se describen
como un mecanismo de destilacin, con el que se identifican y miden los efectos de
diversos factores.
Las redes ortogonales son tiles debido a que:
1. Definen los objetivos especficos al seleccionar una seal realista y proporcionar
una estimacin del ruido esperado.
2. Definen las opciones factibles, especialmente para los valores crticos de diseo
(por ejemplo las dimensiones).
3. Permiten que las compaas seleccionen la opcin de producto con una relacin
mxima seal-ruido, lo cual conducen a la colocacin de buenos productos en el
mercado.

24

JOSEPH M. JURAN
Abogado de profesin orientado a la estadstica de costos de la "no calidad".
La filosofa de Juran, as como de los dems filsofos de la calidad est enfocado a
que las empresas consigan y mantengan por consiguiente, el liderazgo en la calidad,
definir los papeles de los altos directivos para conducir sus empresas hacia ese
objetivo y disponer los medios que han de utilizar los directivos para ese liderazgo.
Juran basa su teora acerca de la calidad a partir de las observaciones hechas a los
japoneses y sus estrategias utilizadas, las cuales incluan:
Ocupacin de la alta direccin
Formacin para todas las funciones y en todos los niveles
Mejora de la calidad a un ritmo continuo y revolucionario
Participacin de la mano de obra a travs de los crculos de control de calidad
Para Juran la calidad incluye ciertos elementos que conviene definir:
Producto: Salida de cualquier proceso el cual consiste en bienes y servicios, los
primeros son cosas fsicas y los servicios; trabajo realizado para otra persona.
Incluido el software que es el programa de instrucciones para ordenadores o
informacin general (planes, advertencias).
Cliente: Cualquier persona que recibe el producto o proceso o es afectado por l.
Los clientes externos son afectados por el producto pero no son miembros de la
empresa que los produce; los clientes internos son afectados por el producto y son
miembros de la empresa que los produce.
Satisfaccin del producto: es el resultado que se obtiene cuando las
caractersticas del producto responden a las necesidades del cliente, generalmente,
es sinnimo de satisfaccin del cliente.

25

Deficiencia del producto: es un fallo que tiene como consecuencia la insatisfaccin

con el producto; el mayor impacto lo ejercen sobre los costos, al rehacer el trabajo
previo y responder a las reclamaciones del cliente.

Aportaciones
La gestin de la calidad se hace por medio del uso de los procesos llamado Triloga
de Juran

Planificacin de la calidad.
Esta es la actividad de desarrollo de los productos y procesos requeridos para
satisfacer las necesidades de los clientes y que implica los siguientes pasos:
Determinar quienes son los clientes
Determinar las necesidades de los clientes
Desarrollar las caractersticas del producto que responden a las necesidades de los
clientes
Desarrollar los procesos que sean capaces de producir aquellas caractersticas del
producto
Transferir los planes resultantes a las fuerzas operativas
b) Control de calidad
Este proceso consta de los siguientes pasos:
Evaluar el comportamiento real de la calidad
Comparar el comportamiento real con los objetivos de calidad
Actuar sobre diferencias
c) Mejora de la calidad
Es el medio de elevar la calidad a niveles, sin precedentes, la metodologa consta de
los siguientes pasos Universales:
26

Establecer la infraestructura necesaria para conseguir una mejora de la calidad

anualmente
Identificar las necesidades concretas para mejorar los proyectos de mejora
Establecer un equipo de personas para cada proyecto con una responsabilidad clara
de llevar el proyecto a buen fin
Proporcionar los recursos, la motivacin y la formacin necesaria para que los
equipos diagnostiquen las causas, fomenten el establecimiento de un remedio y
establezcan los controles para mantenerlos beneficios
Por otro lado en cuanto las medidas de las deficiencias se expresan en funcin de:
Calidad
La evaluacin de las caractersticas del producto comienza preguntando a los
clientes cmo evalan ellos la calidad; y la tarea de los altos directivos, por otra
parte, ser garantizar que los manuales de la empresa y los materiales de
informacin incluyan definiciones claras de la palabra calidad y de la terminologa
subsidiaria.

Jams hablare ms de la gente, hablare lo mejor de la gente Benjamn Franklin

1.3. Costo de la calidad

Los problemas de calidad generalmente cobran gran importancia cuando se hacen
evidentes mediante los rechazos de los clientes, los desechos de productos que no
pueden ser reprocesados, o cuando un cliente nos abandona comunicndonos que
no volver a utilizar uno de nuestros servicios debido a que el que le brindamos
present deficiencias. Pero quizs ni siquiera entonces evaluemos el costo asociado
a estos problemas de calidad.
27

Casi todas las funciones de una empresa pueden contribuir a los costos de la
calidad. Para clasificarlos pensemos en los costos por fallas. Cualquiera puede ser
responsable de errores de emisin o comisin que provoquen que un trabajo deba
repetirse o rehacerse. La generacin de costos de calidad no est ni siquiera
totalmente determinada por la propia empresa: los proveedores, los subcontratistas,
agentes, comerciantes, clientes pueden influir en el volumen y el nivel de los costos
relacionados con la calidad.
Los costos de calidad, o los costos relacionados con la calidad son aquellos
relacionados con todas las actividades llevadas a cabo cuando los productos y/o
servicios no salieron bien desde la primera vez, son los costos por corregir errores,
desviaciones o anomalas, los retrabajos, reprocesos, desperdicios. Pero tambin
son los costos asociados con las actividades de inspeccin y prueba con aquellas
con las que nos cercioramos o verificamos que un producto o servicio cumpla sus
requisitos de calidad. Y por ltimo, todas las actividades que realicemos para
prevenir que un producto o servicio no cumpla con sus requisitos de calidad
acumulan costos de calidad. De ah, la siguiente clasificacin de los costos de
calidad.
Costos de cumplimiento
Costos de no cumplimiento
Internos: desperdicios, accidentes, ausentismo, prdida de imagen
Externos: garantas, devoluciones, prdida de clientes

1.4. Cadena Cliente Proveedor

La cadena cliente - proveedor es la interconexin de persona e instituciones que
trabajan para alcanzar un objetivo y poder brindar una buena atencin de calidad.
De la misma manera que otros dependen de nosotros para satisfacer sus
necesidades, nosotros dependemos de que otro nos provea cosas tales como
informacin, capacitacin, material y sistemas denominados proveedores internos.
Se define como la relacin entre los individuos o grupos de individuos que reciben o
se benefician con un proceso, clientes; y aquellos que originan resultados que
representan entradas o recursos a dichos procesos, proveedores. De esta forma se
definen los clientes / proveedores internos y externos del Sistema a la Sociedad. Es
la relacin cliente proveedor es que el cliente tenga la certeza de que el bien o
servicio que le sea entregado o brindado sea de excelente calidad.
Por ejemplo tenemos a Kaoru Ishikawa, para quien el objetivo fundamental de stas
relaciones es el de mejorar la garanta de calidad y eliminar las insatisfactorias
condiciones existentes entre el comprador y el proveedor, y para lograr este
propsito enuncia diez principios:
28

Comprador y proveedor son totalmente responsables por la aplicacin del Control de

Calidad.
Comprador y proveedor deben ser independientes y respetar esa independencia.
El comprador debe suministrar informacin clara y adecuada sobre lo que requiere.
El contrato entre las partes debe contemplar: Calidad, Cantidad, Precio, Condiciones
de entrega y Forma de pago.
El proveedor debe certificar y garantizar una Calidad satisfactoria, respaldada con
datos.
Las partes deben previamente acordar los mtodos de evaluacin y ensayo.
El contrato debe incluir sistemas y procedimientos para la solucin de discrepancias.
Las partes deben intercambiar la informacin necesaria para ejecutar un mejor
Control de Calidad.
Las partes deben controlar eficientemente las actividades comerciales tales como
pedidos, planeacin de la produccin y de los inventarios, trabajos de oficina, y
sistemas, de manera que sus relaciones se mantengan sobre una base amistosa y
satisfactoria.
Comprador y proveedor deben prestar siempre la debida atencin a los intereses del
consumidor
Distinguimos dos tipos de cadena :
La cadena cliente/ proveedor externa: es la formada por el conjunto ProveedorOrganizacin- Cliente. la organizacin es cliente o proveedor segn reciba o
suministre producto.
La cadena cliente/ proveedor interna: es la formada por las diferentes actividades de
la organizacin.
Cada actividad genera un resultado que es el comienzo de la siguiente, y as
sucesivamente. Las empresas ms avanzadas en estos modelos estn relacionadas
con la industria del automvil, pero ste es un modelo extensible a cualquier sector
de actividad: solamente se requiere asumir los principios que inspiran las nuevas
reglas del juego en las actuales relaciones cliente-proveedor
Se da un proceso proactivo cuando el cliente se convierte en proveedor y acepta el
producto porque esta bien elaborado.
El proceso es bidireccional cuando el cliente se da cuenta que el producto tiene fallas
y ayuda a mejorar tales errores de produccin.
COPROPIEDAD: cuando una persona o individuo se siente parte de algo (empresa,
escuela, etc.) por lo tanto cuida y busca su bienestar.
El proveedor debe ser proactivo y debe tener el sentido de copropiedad

29

1.5. Recoleccin de datos

La Coleccin de datos se da de manera aleatoria y tiene diferentes utilidades,
mediante esta se realizan diferentes investigaciones en diversos ramas de la ciencia,
en este caso, se aplica en el anlisis de productos elaborados con cierta calidad, de
esta manera se comprueba la habilidad de un proceso y algunas otras cuestiones
enfocadas con la adquisicin de un producto o servicio bien elaborado.
Para reunir este tipo de informacin es necesario que el objetivo sea claro y que se
obtengan datos que reflejen los hechos con claridad. Adems de estos requisitos, en
situaciones reales es importante que los datos se recojan en forma clara y fcil de
usar.

Procedimiento para graficar datos

En el eje horizontal se selecciona una divisin (en general de 1 a 2 cms.) para

representar los tipos de defectos a fallas anotndolas de izquierda a derecha de
mayor a menor y en trminos de ni.
En el eje vertical izquierdo seleccionar una divisin de nmeros enteros, adecuada al
ejemplo para representar el nmero ni, de ocurrencias de cada tipo de defecto. La
escala de este eje debe de estar hecha de manera que pueda incluir el nmero total
de defectos d.
En el eje vertical derecho se usar para representar el porcentaje relativo acumulado
Ri. Su escala se divide en cuatro partes iguales para ubicar el 0, 25, 50, 75, y 100%
y poder apreciar posteriormente el efecto de las acciones llevadas a cabo para la
realizacin de mejoras. Se constituyen las barras correspondientes a los distintos
factores o causas.
La altura de las barras se disea con la misma amplitud conectndose unas con
otras.
Finalmente se grafica la curva del porcentaje acumulado partiendo del cero y uniendo
los puntos que relacionan el extremo derecho de la barra del tipo de defecto i, con el
porcentaje relativo acumulado hasta el defecto i.

30

1.6. Hojas de registro o inspeccin

Sirven para conocer que tan frecuentemente ocurren ciertos eventos, con el fin de
detectar tendencias. Son utilizadas tambin para comprobar si se han recabado los
datos solicitados o si se han efectuado determinados trabajos. Para su elaboracin
se requiere:
Anotar el evento a observar, para que todos enfoquen lo mismo.
Decidir el periodo de tiempo en el cual se recabaran los datos (problema de Pareto).
Disear una forma clara y fcil de usar con suficiente espacio para registrar datos.
Obtener los datos de manera consistente y honesta.
Asegurarse de que las muestras u observaciones sean tomadas al azar.
La poblacin a ser muestreada debe de ser homognea, si no lo es, el primer paso
debe ser la estratificacin u agrupacin de muestras.
Una hoja de inspeccin es un formato preimpreso en el cual aparecen los tems que
se van a registrar, de tal manera que los datos pueden recogerse de fcil y
concisamente. Sus objetivos principales son dos:
Facilitar la recoleccin de los datos.
Organizar automticamente los datos de manera que puedan usarse con facilidad
ms adelante.
La recoleccin y el registro de los datos parecen fciles pero en realidad es difcil.
Generalmente, mientras ms personas procesen los datos, mayor es la probabilidad
de que se presenten errores de trascripcin. Por lo tanto, la hoja de inspeccin o
registro, en la cual los datos pueden registrarse por medio de cruces o de smbolos
sencillos y en la cual los datos se organizan automticamente sin necesidad de ms
copias a mano, se convierte en una herramienta poderosa para el registro de los
datos. A continuacin se presentan algunos ejemplos de hojas de inspeccin.

Ejemplo 2.1. Hoja de registro para la distribucin del

proceso de produccin.
Suponga que queremos saber las variaciones en las dimensiones de cierta clase de
partes cuya especificacin de maquinado es 8.3 0.008. Para estudiar la distribucin
de los valores caractersticos del proceso, se usan normalmente los histogramas.
Valores tales como la media y la varianza se calculan con base en el histograma y
tambin se examina de diversas maneras la forma de la distribucin.

Desv. Registros

Frecuencia
31

5
Especificaci
n

10

15

20

-10
-9
-8

-7
-6
-5
X
1
-4
X X
2
-3
X X X X
4
-2
X X X X X X
6
-1
X X X X X X X X X
9
8.300
0
X X X X X X X X X X X
11
1
X X X X X X X X
8
2
X X X X X X X
7
3
X X X
3
4
X X
2
5
X
1
6
X
1
7
Hoja de registro
Especificaci 8
n
Producto:
Fecha:
Etapa de9manufactura: Insp. Final
Seccin:
10
Tipo de defecto:
rayones, incompleto,
Nombre del inspector:
Total rajado, deformado
Nmero total inspeccionado: 1525
Nmero del lote:
Observaciones:
Nmero
de una
orden:
Cuando
se elabora se
un inspeccionaron
histograma, estodos
doble trabajo
recoger
gran cantidad de
losy tems.
datos
despus hacer una grfica que muestre la distribucin de frecuencias. Una
manera ms sencilla es clasificar los datos exactamente en el momento de
recogerlos. La figura 2.1 es un ejemplo de un formato que puede prepararse con
anterioridad. Se coloca una cruz en la casilla correspondiente cada vez que se
realiza una medicin, de manera que el histograma est listo cuando se acaben de
hacer las mediciones. Cuando se quiera estratificar y se use una sola hoja de
registro, es mejor usar diferentes colores o smbolos, de manera que la diferencia
puedaTipoRegistroSubtotalRayas
reconocerse ms tarde. Superficiales
Rajaduras
Ejemplo
2.2. Hoja de Registro de tems defectuosos
Incompleto
La figura
2.2 muestra una hoja de registro utilizada en la inspeccin final de cierto
producto de plstico moldeado. El inspector hace una marca en el registro cada vez
Deforme un defecto. Al finalizar el da de trabajo puede calcular de inmediato el
que encuentra
nmero total y el tipo de defectos que ocurrieron.
Otros IIII IIII IIII II
IIII IIII I
IIII IIII IIII IIII IIII I
III
IIII17

32

11
26
3
5Total62Total rechazadosIIII IIII IIII IIII IIII
IIII IIII IIII II
42

El simple conocimiento del nmero total de los defectos no lleva a acciones

correctivas, pero si se usa una hoja de registro como la de esta figura, podrn
obtenerse indicios muy importantes para el mejoramiento del proceso porque la
informacin muestra claramente cuales son los defectos ms frecuentes y cuales no.
Si se usa esta hoja de registro, lo mismo que ocurre con el ejemplo 2.1, ser
imposible estratificar los datos ms tarde, por ejemplo, segn se hayan recogido en
la maana o en la tarde. Por lo tanto, si se considera que la estratificacin es
necesaria, se debe incorporar en el diseo desde el comienzo.
Es necesario decidir con claridad de antemano como registrar los defectos cuando se
encuentren dos de un mismo producto, y dar instrucciones precisas y completas a las
personas que van hacer el registro. En el caso 2.2, 42 de las 1525 piezas estaban
33

defectuosas. Sin embargo, el nmero total de defectos fue 62 porque algunas veces
se encontraron dos o ms defectos en una misma pieza.
Ejemplo 2.3. Hoja de registro de localizacin de defectos
Los defectos externos, tales como los rayones y las manchas, se encuentran en toda
clase de productos y en muchas plantas se estn haciendo esfuerzos para reducir
este tipo de defecto. La hoja de registro de la localizacin de defectos tiene un papel
importante en la solucin de este tipo de problema. Generalmente, muchas hojas de
registro de este tipo tienen diagramas o ilustraciones ampliadas en las cuales se
hacen los registros, de manera que pueda observarse el sitio de la ocurrencia del
defecto.
La figura 2.3 muestra uno de estos ejemplos, utilizado por un fabricante de
maquinaria en la inspeccin de partes metlicas, para aceptarlas o rechazarlas
segn sus caractersticas de porosidad. En el pasado se le informaba al proveedor
nicamente sobre el rechazo o la aceptacin de cada lote y el nmero de defectos
por lote, perola calidad no mejoraba en absoluto.
Despus de haber utilizado hojas de registro como la de la figura, que sirvieron como
informes de inspeccin que indicaban donde seria ms probable que se presentar la
porosidad, la calidad mejor notablemente porque resultaba ms fcil encontrar las
causas de los defectos. Esta hoja de registro lleva fcilmente a la accin y es
indispensable para el diagnstico del proceso, porque frecuentemente es posible
encontrar las causas de los defectos examinando las lminas en las cuales se
presentan y observando cuidadosamente el proceso para determinar porque los
defectos se concentran en estos lugares.

1.7. Diagrama de Pareto

Una de las principales filosofas de Wilfredo Pareto, nacido en Francia a mediados
del siglo pasado, hijo de padres italianos y educado en Italia por lo que se le
considera italiano. El Famoso ecnomo austriaco Schumper lo ve como uno de los
10 mejores economistas de todos los tiempos. Tambin fue director d Las fabricas
del hierro en Italia y expres el principio social que observ en su tiempo y sigue
siendo vlido en la actualidad. Pareto vio que en la sociedad existen clases y que
dentro de cada clase hay slo una lite que toma las acciones y decisiones, por lo
que dijo:
Pocos deciden la suerte de muchos.
Pocos vitales muchos triviales
Este principio se aplica muy frecuentemente en la industria pero no es universal.
34

El Principio de Pareto es tambin conocido como La Regla de 80/20. Pareto

observ que la gente en su sociedad se divida naturalmente entre los "pocos de
mucho" y los "muchos de poco". Observaba que el 20% de la gente tena 80% de
poder poltico y la abundancia econmica, mientras que el otro 80%, "las masas"
comparta el 20% restante de la riqueza y tena poca influencia poltica. (Por
supuesto, estos porcentajes son aproximaciones, no cifras rgidas).
Descubierto el principio, se ha observado que se aplica a muchas cosas.
El Principio dice que el 20% de cualquier cosa producir el 80% de los efectos,
mientras que el 80% restante slo cuenta para el 20% de los efectos.

Ejemplo:
La siguiente tabla muestra los registros de los defectos observados en el ensamblaje
de los paneles o componentes de las puertas de automviles.
Los datos fueron recabados del 3 al 13 de febrero de 2007, inspeccionando N=4700
pzas.
En base a la informacin de la tabla construya el diagrama de Pareto de
defectos y el diagrama de Pareto de costos.

Tipo de defecto

Valores

Rajaduras
Carpeta de tela suelta
Vinil suelto
Vidrios desajustados
Manchas
Ralladuras
Vinil mal cortado
Nmero total de defectos
Nmero total de pzas. defectuosas

39
26
119
21
36
20
49
310
295

Costos de reparacin por

unidad
1100
2145
650
560
286
320
5000

Procedimiento para construir el diagrama de Pareto por

defectos
Se ordenan los tipos de defectos de acuerdo con la frecuencia de su
ocurrencia de mayor a menor registrndose.

Tipo de defecto

Valores

Costos reparacin por

unidad
35

Vinil suelto
Vinil mal cortado
Rajaduras
Manchas
Carpeta de tela suelta
Vidrios desajustados
Ralladuras
Nmero total de defectos

119
49
39
36
26
21
20
310

650
5000
1100
286
2145
560
320

Se obtiene el porcentaje relativo de defectos de tipo i con respecto al

nmero total de defectos observados.

ri

ni
100
d

Donde:
ri = porcentaje relativo de defectos
ni = numero de defectos
d = numero total de defectos
Se calcula el porcentaje relativo acumulado hasta el tipo de defecto i

Ri r1 r2 ... ri
Se hace un resumen de la informacin obtenida de los pasos 1, 2 y 3 en una tabla:

Tipo de defecto

Numero
defecto
Ni

Vinil suelto
Vinil mal cortado
Rajaduras
Manchas
Carpeta de tela suelta
Vidrios desajustados
Ralladuras
TOTALES

119
49
39
36
26
21
20
310

de

Porcentaje
Porcentaje
Porcentaje
absoluto de relativo
de relativo
defectos
defectos
acumulado
ai
ri
Ri
2.50
1.03
0.82
0.76
0.55
0.44
0.42
6.52

38.39
15.81
12.58
11.61
8.39
6.77
6.45
100

38.39
54.19
66.77
78.39
86.77
93.55
100.00

Construir el diagrama de Pareto de defectos

36

350
300

100

250

80

200

60

150

40

100

20

50

Tipo de defecto

Porcentaje

Nmero de defectos

Pareto de defectos de ensamblaje

to
el
su

do
ta

as
as
lta
os
as
ur
ur
ch
ad
ue
r
t
d
d
n
s
l
a
la
co
ja
us
a
ni
M
al
el
aj
al
Ra
t
R
Vi
s
lm
de
de
ni
s
i
a
V
et
rio
id
rp
a
V
C
Valores
119
49
39
36
26
21
20
Percent
38.4
15.8
12.6
11.6
8.4
6.8
6.5
Cum %
38.4
54.2
66.8
78.4
86.8
93.5 100.0

Tipo de defecto

10000

100

8000

80

6000

60

4000

40

2000

20

s
s
s
s
do
l ta
lto
ra
ra
do
ha
a
e
e
t
u
u
a
c
u
u
r
d
d
s
s
st
an
co
ja
il
ll a
la
ju
a
M
n
a
i
e
a
al
R
t
s
R
V
m
de
il
de
n
s
ta
io
Vi
pe
dr
i
r
V
Ca

Costos reparacin por unidad

Percent
Cum %

5000 2145 1100 650 560

49.7 21.3 10.9
6.5
5.6
49.7 71.0 82.0 88.4 94.0

Percent

Costos reparacin por unidad

Pareto de costos

320
286
3.2
2.8
97.2 100.0

37

1.8. Diagrama Causa Efecto

El grado de variabilidad de la variable es un aspecto que se debe controlar y tratar de
reducir al mnimo posible (perfectible), con le efecto de evitar el riesgo de producir
parte inadecuadas para sus uso, por el hecho de que sus dimensiones se alejan de
los lmites de tolerancia especificados por el cliente, la dispersin de los valores
observados de la variable estudiada en un proceso productivo se deben en su mayor
parte a:
Las materias primas. Las cuales difieren de su composicin aunque sean
ligeramente y aun cuando estn dentro de los lmites permitidos, se observan
diferencias en las medidas de las caractersticas que son relevantes en la calidad del
producto.
Ej. Alumnos que viene de CBtis y los que vienen de preparatoria, cumplen con los
requisitos pero difieren en algunas caractersticas.
La maquinaria o equipo. Aunque aparentemente las maquinas estn funcionando
del mismo modo, la dispersin puede surgir de diferencias en el ajuste o debido a
que unas maquinas operan en su forma optima, solo parte del tiempo.
Ej. Una seora en camioneta voyager se dirige a la marquesa de Atlacomulco, el
foco de calentamiento se prende y se tiene que orillar por lo que no llega a su
destino.
Los mtodos de trabajo. En apariencia se pueden estar siguiendo los mismos
procedimientos de trabajo, pero generalmente existen diferencias aunque stas sean
apenas notorias.
Ej. Forma de conducir de un automovilista
La mano de obra
Medio ambiente
Al conjuntar todos tus motivos de dispersin en procesos de produccin se puede
obtener como resultado un alto grado de variabilidad.
Las caractersticas de calidad corresponden a las variables de la longitud, dureza y
porcentaje de defectuosos; y los factores causales corresponden a la composicin
qumica de los materiales, la longitud del eje de la maquina y el entrenamiento de los
trabajadores. A manera de simplificacin identificaremos los factores causales como
causas y a las carteristas de calidad como efecto.
Unas de las tcnicas para el anlisis de problemas es el diagrama causa efecto, que
ayuda sacar a la luz las causas de la dispersin y tambin a organizar las relaciones
entre las causas. La espan dorsal es el camino que conduce a la cabeza del
pescado que es en donde se coloca el problema que se desea analizar; las espinas o
flechas que la rodean indican las causas y sub-causas que lo provocan.
El siguiente histograma resume los datos obtenidos l medir 100 carros el espacio
libre entre el cofre y el recuadro de la rejilla de ventilacin en un punto determinado
38

del lado derecho. Los lmites de especificaciones para sta variable (caractersticas
de calidad) estn dados por 4.6 mm. y 6.6 mm.

Como se pareca e n la figura 2.6 la dispersin de los valores de la variable analizada

provoca que un nmero significativo de casos estn fuera de los lmites de tolerancia
8rea sombreada); por lo que un grupo de personas procedi a analizar el proceso
de ensamble elaborando el diagrama de causa y efecto, para detectar los factores
que provocan dicha dispersin.
Como resultado del anlisis, se identificaron 3 grandes factores causales de
dispersin:
La inclinacin de la bisagra del cofre.
La falta de fijacin en el montaje.
La diferencia en el cuidado que pone en los trabajadores en la verificacin de las
operaciones.
La regla 85-15 de Deming, la cual sostiene el 85 por ciento de los problemas se
encuentran dentro del sistema, y la gerencia es responsable de ellos, mientras que
los trabajadores son responsables de apenas el 15%.

39

1.9. Histograma
Los siguientes datos representan el espesor medido en pulgadas de 50 lminas de
acero.
0.053
0.049
0.048
0.044
0.043
0.041
0.038
0.033
0.032
0.023

0.027
0.031
0.034
0.039
0.040
0.045
0.044
0.050
0.051
0.055

0.028
0.035
0.039
0.042
0.043
0.046
0.052
0.048
0.032
0.029

0.036
0.040
0.038
0.043
0.046
0.048
0.054
0.037
0.039
0.040

0.047
0.045
0.034
0.038
0.040
0.042
0.039
0.037
0.035
0.039

Realizar los clculos detallados para la elaboracin de la tabla de frecuencias

relativas y absolutas.
Obtencin del Rango
rango Dmayor Dmenor
0.055 0.023
0.032

Determinar nmero de intervalos

intervalos= n
50
7.07
7

Determinar tamao del intervalo

Tamao del intervalo =

rango + variacin
n
0.32 0.01

50
0.0046
0.005

40

Tabla de frecuencias
Tabla de frecuencias
Intervalos
0
1
2
3
4
5
6
7
8

Front. Inf.
0.0175
0.0225
0.0275
0.0325
0.0375
0.0425
0.0475
0.0525
0.0575

Front. Sup.
0.0225
0.0275
0.0325
0.0375
0.0425
0.0475
0.0525
0.0575
0.0625

Mi
0.020
0.025
0.030
0.035
0.040
0.045
0.050
0.055
0.060

Conteo
--||
|||||
||||| |||
||||| ||||| |||||
||||| |||||
||||| ||
|||
---

fi
0
2
5
8
15
10
7
3
0

fr
0.00
0.04
0.10
0.16
0.30
0.20
0.14
0.06
0.00

fa
0
2
7
15
30
40
47
50
50

Construir los histogramas y polgonos de frecuencias relativas y absolutas.

HISTOGRAMA DE FRECUENCIAS ABSOLUTAS
16

FRECUENCIA ABSOLUTA

14
12
10
8
6
4
2
0

0.023

0.028

0.033

0.038
0.043
INTERVALOS

0.048

0.053

0.058

41

fra
0.00
0.04
0.14
0.30
0.60
0.80
0.94
1.00
1.00

FRECUENCIA RELATIVA (PORCENTUAL)

HISTOGRAMA DE FRECUENCIAS RELATIVAS

30
25
20
15
10
5
0

0.023

0.028

0.033

0.038
0.043
INTERVALOS

0.048

0.053

0.058

FRECUENCIA RELATIVA (PORCENTUAL)

POLIGONO DE FRECUENCIAS RELATIVAS

30
25
20
15
10
5
0

0.020

0.025

0.030

0.035 0.040 0.045

INTERVALO

0.050

0.055

0.060

42

1.10. Dispersin
Un diagrama de dispersin es una grafica en la que cada punto trazado representa
un par de valores observados; cada punto codifica dos caractersticas mediante las
variables X y Y . El diagrama de dispersin es la grfica de puntos ( X I YI ) en donde
I es igual 1, 2, 3, , n. Los valores de cada punto son obtenidos por parejas, es
decir, cuando en la variable X se observ el valor X I en la variable y se registro la
medicin YI como se ilustra a continuacin.

x1

y1

x2

y2

x3

y3

x4

y4

xn

yn

En muchas aplicaciones de este tipo de anlisis estadstico, la variable que se

identifica con X cuyos valores e grafican en el eje horizontal, es la variable que
podemos controlar en mayor grado, el inters se fija en una variable aleatoria Y que
posiblemente est relacionada con la variable X , aunque algunas veces resulta
indiferente cual se registra como X y cual como Y.
En la siguiente hoja de registro s muestra la informacin obtenida de 22 operarios en
una fbrica dedicados a instalar un componente de cierto mecanismo. La variable X
representa el nmero de semanas, de experiencia del operario, y la variable Y el
43

tiempo en minutos que emplea el operario en instalar el componente (redondeado al

medio minuto ms cercano).

Hojas de registro

Operario

XI

YI

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

90
30
50
20
100
70
20
80
30
90
60
50
20
60
100
50
80
30
40
90
20
90

1.0
0.5
1.5
0.5
0.5
1.5
2.0
1.0
2.5
1.5
1.0
1.0
2.0
1.0
0.5
1.0
0.5
2.5
2.5
1.0
2.0
1.0

Elabora a tabla de correlacin y el diagrama de dispersin, as como definir las

tcnicas para analizar la relacin que existe entre las dos variables.

n xy x y
n x 2 x 2

x x y
n

rxy

i 1

i 1

xi x

i 1

2
n y 2 y

yi y

44

1.11. Estratificacin
Cuando los datos se clasifican en grupos con caractersticas semejantes se dice que
se han estratificado.
Por ejemplo si se tienen artculos defectuosos en un proceso de produccin, estos se
pueden clasificar segn:
La maquina en la que fueron producidos (automtica os semiautomtica,
modelo a o modelo b y otras caractersticas).
Operario (capacitado o no capacitado, segn s experiencia, turno, edad,
sexo y estatura.
Material (proveedor a, b, c y la comparacin de materiales.
Mediciones: calibrador, inspector y otros instrumentos de medicin
Mtodo de operacin (velocidad de la lnea y medio ambiente)

45

Ejemplo:
Los anteriores histogramas contienen informacin sobre las mediciones de ciertas
partes para automvil estratificadas de acuerdo con las experiencias de los
operarios.
Estos histogramas nos indican que los estratos operarios entre 2 y 5 aos de
antigedad y operarios entre 5 y 10 aos de antigedad en los que encontramos
mediciones que estn dentro de los lmites de especificacin sin tendencia a salirse.
En el estrato operario con ms de 10 aos de antigedad se observan mediciones
dentro de los lmites pero con una tendencia hacia fuera de especificacin.
El sector operario con menos de 2 aos de antigedad es en el cual se presentaron
mediciones fuera de especificacin.
Una vez realizada la estratificacin y si se determina que en alguno (os) de los
estratos se presentan caractersticas de calidad que deberan de estudiarse se
pueden emplear diagrama de Pareto, diagrama causa-efecto, histograma o alguna
otra tcnica estadstica para realizar el anlisis de la calidad.
Al finalizar el estudio se decidi realizar pocos cambios de jugadores en el equipo y
tomar medidas como las siguientes. Ms personal de medicina deportiva, campaa
de dietas, ms atencin a los auxiliares de bateao y actividades de integracin. El
haber identificado estas caractersticas facilito la bsqueda de soluciones.

46

47

1.12. Habilidad y capacidad del

proceso
La capacidad del proceso es la medida de la reproducibilidad intrnseca del producto
resultante de un proceso.
Dado que los trminos no cientficos son inadecuados para la comunicacin en el
mbito industrial, se define:
Proceso: Es una combinacin nica de maquinas herramientas, mtodos materiales
y hombres.
Capacidad: Esta palabra se usa en el sentido de posibilidad basada en realizaciones
contrastadas y lograr resultados mensurables.
Medida: Se refiere al hecho de que la capacidad del proceso sea cuantificada con
los datos que, a su vez, son el resultado de la medicin del trabajo realizado por el
proceso.
Reproductibilidad intrnseca: Se refiere ala uniformidad del producto resultante de
un proceso que esta en estado de control estadstico.Reproductibilidad instantnea
seria un sinnimo.
Producto: La medicin se hace sobre el producto dado que la variacin del producto
es el resultado final.

Tipos de procesos
El concepto de capacidad del proceso puede ser comprendido mejor con la
exposicin de algunos de los conceptos mas frecuentes. La figura siguiente presenta
el caso ideal de un proceso en estado de control estadstico, pero esta no ser
siempre la condicin que se presente cotidianamente.

48

Algunos tipos de procesos ms comunes:

Cambio repentino debido al ajuste de la herramienta, cambio en las caractersticas
de la materia prima.
Interrupcin, durante la cual la mquina se enfra y luego gradualmente se calienta
de nuevo hasta que se restablece la dimensin original.
Puesta en marcha de una mquina el lunes en la maana con el correspondiente
ajuste del equipo.
Ajustes frecuentes o correccin.
Cambos en la dispersin y en la cota debido a cambios en las condiciones de
operacin o cambios en la materia prima.

a.

b.

c.

d.

e.

49

Calculo de la capacidad del proceso

Capacidad del proceso = 6
Donde 6 = Desviacin estndar de proceso bajo control estadstico, es decir sin
cambios ni desviaciones repentinas.
La mayor parte de los procesos industriales, especialmente en las industrias de
procesos qumicos, funcionan bajo estado e control estadstico. Para estos procesos,
la capacidad del proceso calculada de 6 puede ser comparada diferente a las
especificaciones y se puede hacer juicio sobre su adecuacin. Sin embargo la
mayora de los procesos industriales muestran desviaciones y cambios repentinos.
Estas desviaciones de lo ideal son un hecho real y deben tenerse en cuenta en el
momento de calcularse los ndices de capacidad del proceso.

Medicin de la capacidad del proceso

Un cierto nmero de procesos han sido desarrollados para medir la capacidad del
proceso. Uno de estos el mtodo de grafico de control es rigurosamente correcto, el
resto son aproximaciones.

Mtodo del grafico de control

Se seleccionan 10 grupos de 5 piezas cada uno (para mnimo 50 datos). Por medio
de un grafico de control X R se comprueba si existe falta de control estadstico, si
no existe, la capacidad del proceso se calcula en 6, que incluye el 99.75% de los
datos. Los 6 son calculados por la formula:

Donde
= Recorrido o intervalo medio de los 10 subgrupos.
d2 = Constante parar convertir los recorridos en desviaciones estndar, para el
tamao particular de subgrupos, 5 en este caso.
Si el proceso evidencia falta de control, el analista puede:
Descartar los datos, tratar de eliminar la causa que provoca la condicin de fuera de
control y repetir el estudio de capacidad del proceso.
Aceptar el clculo como una buena aproximacin de la capacidad del proceso.

Mtodo de distribucin de frecuencias

50

Se toma generalmente una muestra de 50 piezas consecutivas, durante cuyo tiempo

no se hacen ajustes a las maquinas o herramientas. Se miden todas las piezas, se
anotan los datos en forma de distribucin de frecuencias y se calcula la desviacin
estndar. Entonces la capacidad del proceso se considera igual a 6.
Este mtodo es aproximado dado que la distribucin de frecuencias puede fallar y no
descubrir desviaciones o cambios del proceso. En este caso se deber recurrir a las
cartas de control, para mayor seguridad en cuanto a la forma en que se presentan
los datos.

Capacidad del proceso vs. Especificacin del producto

La principal razn para cuantificar la capacidad de un proceso es la de calcular la

habilidad del proceso para mantener dentro de las especificaciones del producto.
Para procesos que estn bajo control estadstico, una comparacin de la variacin
de6 con los lmites de especificaciones permite un fcil clculo del porcentaje de
defectuosos mediante la tolerancia estadstica convencional.
El ndice de capacidad del proceso es la formula utilizada para calcular la habilidad
del proceso de cumplir con las especificaciones y se expresa de la siguiente
manera:
LSE LIE
ICP
6
Donde:

ICP: ndice de Capacidad del Proceso

LSE: Limite superior Especificado
LIE: Limite inferior Especificado
: Desviacin estndar de los datos individuales

R
d2

Donde:
= Promedio de los rangos de la carta de control.
d2 = Constante de calculo.
El ICP puede asumir varios valores, que los analistas clasifican entre valor 1 y valor 4
segn sea la habilidad del proceso para cumplir con las especificaciones:

ICP
ICP>1.33

Clase de
Decisin
proceso
Ms que adecuado, incluso puede exigirse ms en
1
trminos de su capacidad.
51

1<ICP<1.33

0.67<ICP<1
ICP<0.67

3
4

Adecuado para lo que fue diseado. Requiere

control estrecho si se acerca al valor de 1
No es adecuado para cumplir con el diseo inicial.
No es adecuado para cumplir con el diseo inicial.

Anlisis de la capacidad del proceso

Se utiliza con dos objetivos principales, implicando ambos las especificaciones del
producto:
Como ayuda a la prediccin. Es este proceso capaz de cumplir permanentemente
con las especificaciones del producto?
Como ayuda al anlisis. Por qu este proceso no cumple con las especificaciones
establecidas?
El termino Anlisis de la capacidad del proceso se refiere a la actividad de estudiar
el proceso en un esfuerzo por responder ambas preguntas.
Relacin entre los parmetros de la variable y los lmites de especificacin.
Incluyendo los valores de Cpk que pueden asumir segn su comportamiento frente a
las especificaciones:
El proceso no esta en capacidad de cumplir con las especificaciones.
Proceso cuyo centro esta desplazado y el proceso esta en peligro de generar
producto fuera de la especificacin, sin embargo la amplitud del proceso indica que
este puede cumplir la tolerancia demarcada por las especificaciones.
En este caso ya se han presentado productos fuera de las especificaciones,
generando no conformidades del proceso
Cuando el problema esta en centrar correctamente el proceso con respecto a las
especificaciones, la administracin debe investigar la causas de la mala direccin
tcnica del proceso.

a.

Especificacio
nes
Frecuencias

Promedio Aceptable
Desviacin estndar
aceptable. Cpk > 1

Medidas

Frecuencias
Medidas

Frecuencias

Promedio aun aceptable

Desviacin estndar
aceptable. Cpk = 1

Especificacio
nes

b.

Especificacio
nes

52

Promedio muy alto

Desviacin estndar
potencialmente aceptable
Cpk = Cpu < 1

c.

Medidas
Promedio aceptable
Desviacin estndar
muy grande
Cpu y Cp1 < 1

d.

Especificacio
nes

Frecuencias

Medidas

e.
Frecuencias

Promedio muy alto

Desviacin estndar muy
grande
Cpk = Cpu < 1

Especificacio
nes

Medidas

Cpk
Otra medida para la cuantificacin del ndice de capacidad de proceso es el Cpk, que
esta definido come el menor valor encontrado entre el Cpu y el Cpl, que se define
como:

Cpu

LSE X
3

Cpl

X LIE
3

Donde:
Cpu: Capacidad de proceso teniendo en cuenta nicamente la
especificacin superior del proceso.
LIE: Limite de especificacin inferior de la variable
LSE: Limite de especificacin superior de la variable
X :

Valor promedio encontrado de los datos

: Desviacin estndar del proceso

Cpu y Cpl solo evalan la mitad de la distribucin de los datos teniendo en cuenta
solo 3. Es til cuando la especificacin de la variable, solo se expresa como un
53

mximo o como un mnimo, para indicar al analista en que sector de la especificacin

(superior o inferior) se presenta mas riesgo de incumplimiento de los valores
establecidos.
Los valores de Cpk, son ampliamente utilizados como indicadores de la calidad de un
proceso o producto. El valor de Cpk = 1.33 se ha establecido como un parmetro
deseado porque la obtencin de este valor en un proceso o producto significa que
por cada 10000 mediciones 3 de ellas existe la probabilidad estadstica que se
encuentre fuera de los limites d especificacin.

54

Esquema general para implementacin de un programa de control estadstico o para

el mejoramiento de los procesos con base en esta herramienta

Inicio
Definir variables
de proceso a
medir
Definir plan de
mediciones
Realizar
las
mediciones
de
acuerdo
al
plan
establecido
Evaluar
el
comportamiento
con
grficos de control
No
Proceso
en control
estadsticoSi
?
Evaluar la capacidad
del proceso

Decisin
gerencial
No

Identificar
causas
asignables
de
variacin

Eliminar
causas
asignables
de
variacin

ICP>1
?
Si
ICP>1.33
?
Si
Decisin
gerencial

No

Verificar
centrado
del proceso

Programas
de
mejoramien
to
del
proceso

Ms que un proceso operativo, la implementacin de un programa de esta naturaleza

es un proceso administrativo.
Los dos primeros pasos deben ser definidos con el concurso de la persona o cargo
que demarque los objetivos de calidad de la compaa. Bsicamente se refiere al
que medir y seguramente va ligado al porque medir.
55

El tercer paso, permite conocer en detalle el proceso y seguramente lo habilitara para

la toma de mejores decisiones en el futuro. En este paso se debe implementar todo
lo desarrollado en la seccin de grficos de control por variable y grficos de control
por atributos.
Siguiendo el esquema una vez obtenidos los grficos de control debe evaluarse si el
proceso esta o no en control estadstico, revisar tendencias, limites, etc., en sntesis
verificar que el proceso esta estable y predecible. Si se descubre que el proceso
presenta causas asignables de variacin estas deben ser eliminadas y
posteriormente repetirse el estudio, hasta encontrar el proceso en estado de control
estadstico.
El que el proceso se encuentre bajo control estadstico no significa que cumpla con
las especificaciones para cual fue diseado. (Se verifica a travs del clculo del
ndice de capacidad del proceso.)
Si el proceso estando en estado de control estadstico presenta un Cpk inferior a 1,
significa que la decisin debe ser tomada al nivel de la alta gerencia porque las
causas de este comportamiento pueden estar en algunas de estas alternativas:
Especificaciones mal establecidas.
El procedimiento de operacin no es adecuado para obtencin de los requerimientos
exigidos.
La tecnologa utilizada no es adecuada para el efecto esperado.
Son decisiones que involucran reorientacin de procesos, inversiones econmicas
fuertes o el acuerdo con los clientes de modificacin de las especificaciones.
Si la capacidad del proceso se presenta ente los valores 1 y 1.33, significa que la
dispersin del proceso puede ser igual a la dispersin esperada (especificacin),
pero pude haber puntos por fuera de los lmites de control. Si este es el caso, se
debe verificar el sentamiento del proceso, recalcular los limites de control, continuar
el control a travs de los grficos y proponer mejoras en el proceso para lograr
mejores metas de calidad y aumento de la productividad.
Si por fortuna nuestro proceso posee un Cpk igual o mayor de 1.33, debemos tomar
otro tipo de decisiones a nivel gerencial, por ejemplo: aumentar la tasa de
produccin, vender un plus de calidad, vender la optimizacin de un mtodo de
instalacin o de operacin, trasladar la operacin de manufactura a otras maquinas y
permitir que la primera se dedique a procesos mas delicados o especializados, etc.

56

Captulo 2. Grficas de control

Objetivo general: Al trmino de sta unidad el alumno tendr la capacidad y
la habilidad de establecer un sistema de control estadstico de cualquier proceso de
produccin para determinar los niveles de calidad con un mnimo de 3 sigma.

2.1. Conceptos y principios del

CEP
La herramienta para conocer como varia el proceso es el control estadstico del
proceso, si funcin no es la inspeccin ni separar los productos buenos de los malos
si no controlar y mejorar el proceso.
El control estadstico del proceso utiliza las grficas de c control para analizar un
proceso de tal modo que puedan tomarse acciones apropiadas para lograr y
mantener un proceso bajo control y para mejorar la habilidad del proceso.
El control estadstico implica la eliminacin de las causa especiales de excesiva
variacin de un proceso y prevenir su repeticin; una vez logrado esto podemos
considerar las variacin debida a las causas comunes.
La habilidad del proceso est determinada por la variacin total debida solo a causas
comunes, es la mnima variacin que puede ser alcanzada una vez que las casusas
especiales han sido eliminadas (CPE).

2.1.1 Tamao y frecuencia de

muestreo
La eleccin de la muestra est basada en hiptesis racionales formando subgrupos
de acuerdo con el volumen de produccin, tiempo y orden. El doctor Walter Shewhart
sugiri cuatro como el tamao ideal del subgrupo; cinco parece ser un tamao
ms comn, este criterio toma como base el que la distribucin se acerque a la
normal an cuando el universo no represente una curva normal.
Para un estudio inicial de un proceso las muestras (subgrupos) deben estar formadas
de 2 a 10 piezas producidas consecutivamente, de esta manera las piezas de cada
subgrupo estarn producidas bajo condicione similares.
57

Durante un estudio inicial los subgrupos pueden tomarse consecutivamente o a

intervalos cortos para detectar si el proceso puede cambiar o mostrar inconsistencia
en breves periodos de tiempo, Ford recomienda que el intervalo sea de a 2 horas
ya que mas frecuentemente puede representar ms tiempo invertido y si es menos
frecuente pueden perderse eventos importantes que sean pocos usuales.

2.1.2
Patrones
comportamiento

de

Una regla prctica para decidir que un proceso est bajo control es que no exista
ms de un punto fuera de los lmites considerando 35 muestras o ms de 2
considerando 100 muestras.
Tambin podemos decir que un proceso est dentro de control siempre que todos los
puntos se encuentren dentro de los lmites de control y que stos puntos no
muestren ninguna tendencia. Podemos considerar varios tipos de tendencia:
1. CORRIDA

Longitud de corrida: numero consecutivo de puntos arriba o debajo de la lnea

central. Ms de 7 puntos es proceso anormal
2. TENDENCIAS
Seis puntos consecutivos ascendientes o siete puntos consecutivos descendientes

58

Puntos ascendientes o descendientes dan tendencia que puede ser normal o no,
pero si es continua, los puntos fuera de lmites darn corrida.
3. ADHESIN DE LOS PUNTOS LMITE DE CONTROL

Si dos puntos consecutivos caen dentro del tercio cercano a los lmites es proceso
anormal
4. ADHESIN A LA LNEA CENTRAL

Si los puntos se concentran en el centro es proceso anormal

5. PERIODICIDAD
59

De periodicidad si los puntos se mueven hacia arriba y abajo intervalos iguales.

60

2.1.3. Precontrol
El precontrol es una tcnica que se usa para detectar corrimientos o alteraciones en
el proceso que pueden resultar en la produccin de unidades disconformes. La
tcnica difiere del control estadstico de procesos en que las cartas de control
convencionales se disean para detectar corrimientos en los parmetros del proceso
que son estadsticamente significativos, y el precontrol no requiere la construccin de
grficas ni la realizacin de clculos. El precontrol usa la distribucin normal para
determinar los corrimientos en la media o en la desviacin estndar del proceso que
podran resultar en la produccin incrementada de unidades disconformes. Slo se
necesitan tres unidades para proporcionar informacin de control.
Para ilustrar el proceso, suponer que la caracterstica de la calidad tiene una
distribucin normal y que los lmites de tolerancia natural ( 3 ) coinciden
exactamente con los lmites de la especificacin. Adems, el promedio del proceso
est a la mitad de las especificaciones, de tal modo que el proceso est
produciendo una porcin cada fuera del 0.27%. Se construyen dos lmites de
precontrol (llamados las lneas PC superior e inferior), cada uno de los cuales se
localiza a una cuarta parte de la distancia del lmite modificado, como en la figura 932. Puesto que la distribucin de la caracterstica de la calidad es normal, cerca del
86% de la salida del proceso se localizar dentro de las lneas PC, y cerca del 7% se
localizar en cada una de las regiones entre la lnea PC y el lmite de la
especificacin. Esto significa que slo uno de 14 artculos se localizar fuera de una
lnea PC si la media y la desviacin estndar del proceso estn en los valores
objetivo.
Si la probabilidad de que una unidad est fuera de una lnea PC es de un catorceavo,
la probabilidad de que dos unidades consecutivas estn fuera de una lnea PC es
1
1 1
1


200 .
14 14

196

Es decir, si el proceso est operando correctamente, la probabilidad

de encontrar dos unidades consecutivas fuera de una lnea PC dada es de slo

1
200

aproximadamente. Cuando se encuentran dos unidades consecutivas as, es posible

que el proceso se haya corrido a un estado fuera de control. De manera similar, es
improbable encontrar la primera unidad despus de una lnea PC y la siguiente
despus de la otra lnea PC. En este caso, se sospecha que la variabilidad del
proceso se ha incrementado.

61

Figura 9-32 Localizacin de las lneas de precontrol.

Se presenta a continuacin un conjunto de reglas que describen la operacin del
precontrol. En estas reglas se supone que es aceptable entre 1 % Y 3% de la
produccin disconforme y que el ndice de capacidad del proceso es de al menos
1.15.
1. Iniciar el proceso. Si el primer artculo est fuera de las especificaciones,
reinicializarlo y empezar de nuevo.
2. Si un artculo est dentro de las especificaciones pero fuera de una lnea PC,
verificar el siguiente artculo.
3. Si el segundo artculo est fuera de la misma lnea PC, reinicializar el proceso.
4. Si el segundo artculo est dentro de la lnea PC, continuar. El proceso slo se
reinicializa cuando dos artculos consecutivos estn fuera de una lnea PC dada.
5. Si un artculo est fuera de una lnea PC y el siguiente artculo est fuera de la otra
lnea PC, la variabilidad del proceso est fuera de control.
6. Cuando cinco unidades consecutivas estn dentro de las lneas PC, cambiar al
calibre de la frecuencia. (le cerramos un poco)
7. Cuando se est en el calibre de la frecuencia, no ajustar el proceso hasta que un
artculo exceda una lnea PC. Examinar entonces el artculo siguiente consecutivo, y
proceder como en el paso 4.
8. Cuando se reinicialice el proceso, es necesario que cinco muestras consecutivas
estn dentro de las lneas PC antes de reanudar el calibre de la frecuencia.
9. Si el operado hace ms de 25 muestreos del proceso sin tener que reinicializar el
proceso, reducir el calibre de la frecuencia para que se fabriquen ms unidades entre
las muestras, Si es necesario hacer un receso antes de tomar 25 muestras,
62

incrementar el calibre de la frecuencia. Un promedio de 25 muestras para una

reinicializacin indica que la frecuencia del muestreo es satisfactoria.
El precontrol guarda una estrecha relacin con una tcnica llamada calibre de lmites
angostos (o calibre de lmites estrechos), en la que los procedimientos de inspeccin
se determinan usando lmites ms estrictos localizados para cumplir con los riesgos
establecidos de aceptar productos disconformes. La medicin de lmites angostos se
discute en trminos ms generales en Ott.
Aun cuando el precontrol tiene la ventaja de la sencillez, su uso no deber ser
indiscriminado, El procedimiento presenta serias desventajas. Primera, debido a que
por lo general no se construye una carta de control, no pueden usarse todos los
aspectos de la identificacin de patrones asociados con las cartas de control. Por
tanto, se pierde la informacin de diagnstico acerca del proceso contenida en el
patrn de puntos de la carta de control, junto con el aspecto de bitcora de la carta.
Segunda, los tamaos de las muestras pequeos reducen en gran medida la
habilidad del procedimiento para detectar incluso los corrimientos de moderados a
grandes. Tercera, el precontrol no ofrece informacin que sea til para poner el
proceso bajo control o que sera til para reducir la variabilidad (que es la meta del
control estadstico de procesos). Por ltimo, es en extremo importante el supuesto de
un proceso bajo control y de una capacidad del proceso adecuada. El precontrol slo
deber considerarse en procesos de manufactura donde el ndice de capacidad del
proceso sea mucho mayor que uno (quiz de al menos dos o tres), y donde se haya
conseguido un escenario de casi cero defectos.
Ledolter y Swersey sealan asimismo en un extenso anlisis de precontrol que es
muy posible que su uso lleve a una templanza innecesaria con el proceso; esto en
realidad puede aumentar la variabilidad. Este autor piensa que el precontrol es un
pobre sustituto de las cartas de control estndares y que nunca debera
recomendarse en la prctica.

2.2. El plan de control (control

plan) por grficos de variables
Las grficas de control ms utilizadas son las siguientes:
Rangos y promedios.
Desviacin estndar y promedios.
Lecturas individuales.

63

2.2. Grficos

X R

Graficas de control para mediciones X R es el grfico de mayor sensibilidad para

descubrir e identificar causas, se lee primero el grfico de R en el cual es posible
reconocer directamente muchas causas. Con la ayuda de ste se lee el grfico X
lo cual permite encontrar otras causas.
Objetivos:
Obtener informacin para establecer o cambiar especificaciones, obtener informacin
para ser utilizada en el establecimiento o cambio de los procedimientos de
produccin, para establecer o modificar los procedimientos de auditora; proporcionar
un criterio para la toma de decisiones reales durante la produccin de cuando
investigar causas e variacin, tomar accin para corregirlas y cuando dejar solo el
proceso.
Ejemplo:
Se fabrica un pequeo aparato radiotransmisor capaz de generar una seal
aritmtica. El tiempo de duracin de esa seal es una de las caractersticas de
calidad especificadas a intervalos regulares se probo esta caracterstica de 5 en 5
aparatos, hasta completar 100 de los producidos en un da.
390, 393, 395, 405, 420, 376, 381, 381, 392, 405, 400, 391, 396, 403, 415,
391, 385, 400, 415, 417, 418, 421, 432, 305, 391, 396, 382, 370, 375, 403,
493, 400, 395, 397, 404, 392, 408, 415, 417, 421, 382, 389, 392, 394, 408,
407, 381, 383, 389, 392, 385, 403, 415, 417, 421, 392, 397, 391, 381, 385,
384, 392, 397, 400, 403, 417, 414, 431, 412, 415, 397, 399, 371, 401, 372,
494, 384, 385, 397, 404, 423, 413, 431, 392, 391, 393, 397, 398, 405, 407.

381,
404,
407,
387,
403,

390,
408,
405,
397,
493,

Elabore una hoja de registro para los datos anteriores.

Anote los datos ya agrupados en muestras.
Obtenga X R para cada muestra
Grafique los valore obtenidos de X por medio de puntos y los de R por
medio de cruces
Determine qu acciones a tomar.

64

Xbar-R Chart of C1
450

Sample Mean

440
430

UCL=425.36

420
410

_
_
X=400.87

400
390
380

LCL=376.38

370

Sample Range

10 11
Sample

12

13

14

15

16

18

19

20

120
110
100
90
80
70
60
50
40
30
20
10

17

UCL=89.8

_
R=42.5

LCL=0
1

10 11
Sample

12

13

14

15

16

17

18

19

20

Grafico X-R obtenido mediante MINITAB

65

Grafico de control X-R obtenido mediante MICROSOFT EXCEL

2.2.2. Grficos x-S

Los objetivos del grfico x-S sus son similares a los grficos x-R y la principal
diferencia consiste en que mientras el grfico x-R las muestras son de tamao
constante en las de x-S son variables.
Objetivos
Se obtiene informacin para establecer o modificar especificaciones o cambiar
procedimientos de produccin y de auditorias.
Usos
En ocasiones los datos que se toman son de diferentes fuentes conviene entonces
someter a estos valore a una prueba e homogeneidad para constatar si las fuentes
estn afectadas por causas distintas. Este tipo de grfico se utiliza cuando los
subgrupos son considerablemente grandes y son de diferentes tamaos.
Ejemplo
En una fbrica, se requiere comparar la resistencia y uniformidad de la varilla
fabricada por nueve mquinas aparentemente idnticas, se hacen pruebas y los
resultados se muestran en la tabla siguiente:
Mquina
A
B
C
D
E
F

No. De pruebas Resistencia media Desviacin

(n)
(x )
estndar
128
743
63
127
695
47
126
711
67
114
668
51
126
736
80
126
791
50
66

G
H
I

126
111
119

686
801
604

50
92
64

Determinar:
n

n x
x
nk

i i

n S
i 1
n

nk

2
i

n
i 1

A1

3
n

3
n
2n
k
3
D3 1
2n
LSC x x A1S
k 1

D4 1

LICx x A1S
LSCS D3 S
LICx D4 S

67

Grafico X-S obtenido mediante Microsoft Excel

Acciones:
Verificar la calidad del producto de cada una de las nueve mquinas y comparar
contra especificaciones del producto.
Buscar las causas por las cueles los punto estn fuera de control a travs de un
grupo multidisciplinario utilizando el diagrama de causa y efecto.

2.2.3. Grfico de
lecturas
o
individuales

control de
mediciones

Cuando las grficas por x-R y x-S son mal comprendidos es conveniente trazar las
grficas de mediciones individuales, para calcular el lmite superior de control se les
suman 3 desviaciones estndar a la media de las mediciones individuales, y el lmite
inferior de control es el resultado de la diferencia x-3S.
sta grfica es mejor que no llevar estadsticas; sus inconvenientes se reducen a
que son pocos sensibles a los cambios y no nos proporcionan un cuadro completo de
las variaciones en el proceso ni es posible determinar la tendencia central de los
elementos que se analizan.
Al llevar ste tipo de grfico es importante tomar en cuenta que el rango que se
utiliza es movible, que resulta de la diferencia entre 2 datos consecutivos (n=2). No
podemos obtener conclusiones consistentes si se emplean menos de 100 datos y
como en los grficos anteriores sus anlisis constan de la obtencin de datos,
clculos de lmites de control e interpretacin.
68

Ejemplo
Un artculo electrnico al someterse a una prueba de alto voltaje produce un ruido
durante varios segundos que sirve para determinar la duracin de vida del artculo si
se le da el uso para el que fue fabricado. Como el costo de produccin de cada
artculo es alto y al someterlo a prueba no existe forma de reprocesarlo, se ha optado
por probar solo 2 de los producidos durante una jornada de trabajo. Las 20 primeras
lecturas en milsimas de segundo se expresan a continuacin.
N. de lecturas Lecturas
(ms.)
X1
1234
X2
1200
X3
1192
X4
1215
X5
1198
X6
1203
X7
1240
X8
1180
X9
1196
X10
1193
X11
1245
X12
1253
X13
1197
X14
1210
X15
1225
X16
1235
X17
1190
X18
1185
X19
1134
X20
1201

34
8
23
17
5
37
60
16
3
52
8
56
13
15
10
45
5
51
67

x
11

n
n 1

R xn xn 1

R
i 1

n 1

69

E2 2.66
3
2n
3
D3 1
2n
LSC x x E2 R
D4 1

LICx x E2 R
LSCR D4 R
LICR D3 R
GRAFICO DE INDIVIDUALES
1300
I ndividual Value

UCL=1279.8
1250
_
X=1206.3

1200

1150
LCL=1132.8
2

10
12
Observation

14

16

18

20

UCL=90.3
Moving Range

80
60
40

__
MR=27.6

20
0

LCL=0
2

10
12
Observation

14

16

18

20

Grafico de control de lecturas de individuales obtenido mediante MINITAB

70

Grafico de control de lecturas de individuales obtenido mediante Microsoft Excel

2.2.5. Capacidad y habilidad del

proceso
Se dice que un proceso es hbil, cando se elabora productos con caractersticas de
calidad consistentemente dentro de especificaciones. En ocasiones se usa capaz
como sinnimo de hbil. Qu queremos decir con consistencia? Existen diferentes
niveles de habilidad que se manejan en la prctica estos niveles son en general:}
Nivel
habilidad
3
4

de Porcentaje
de
productos
especificaciones
0.027 o 2700 partes por milln
64 partes en cada milln

fuera

de

71

5
6

6 partes en cada 10 millones

Menos de una parte en 10 millones

Consistencia: significa perfectible de lo perfectible (90, 60, 90)

Existen diferentes maneras de obtener y calcular la habilidad de un proceso a partir
de una grfica de control para variables con 2 lmites de especificacin, se
determina la habilidad potencial y habilidad real, y con un lmite de especificacin se
determina la habilidad real. Para atributos se utilizan las grficas para porcentajes de
defectuosos y para defectos por unidad se determinan nicamente la habilidad real.

72

Marco de referencia para determinar los diferentes niveles de

habilidad
Si requerimos que el valor de CP sea
Nivel de Si CP se calcula como (LSC-LIE)/
mayor a 1, usaremos la formula
habilidad 6 ' el valor requerido es:
siguiente:
LSE LIE
3
1.00
6 '
LSE LIE
4
1.33
8 '
LSE LIE
5
1.66
10 '
LSE LIE
6
2.00
12 '
LIE: lmite inferior de especificacin

Ejercicio 1.

El dimetro de ciertos cojinetes es una caracterstica de calidad que se ha mantenido

bajo control estadstico, se han estado tomando muestras de tamao n=5 cada una y
de las ltimas 20 muestras tenemos la informacin siguiente:

x
R

205.1260 cm.

0.3000

Limites de especificacin son: 10.25 0.03 cm.

Es el proceso hbil para 3
Es el proceso hbil para 4
Cuanto se debe de reducir la variabilidad del proceso para que sea hbil
para ms menos 5
a)

x
R

205.1260 cm.
10.2560
20

0.3000
0.015
20
73

d 2 constante 2.326
R 0.015

6.44103 0.006448
d 2 2.326

'

Especificacin: 10.25 0.03 cm.

LSE - LIE 10.28 -10.22

1.5625
6 '
6(0.0064)

Cp

Como Cp = 1.5625 > 1 ; el proceso es potencialmente hbil

205.1260 cm.
10.2560
20

x
R

0.3000
0.015
20

'

R 0.015

6.44103 0.006448
d 2 2.326

Cp

LSE - LIE 10.28 -10.22

1.1718
8 '
8(0.0064)

El proceso no es hbil para 4 porque Cp = 1.1718 < 1.33

Cp

LSE - LIE 10.28 -10.22

0.9375
10 '
10(0.0064)

Como Cp = .9375 < 1.66 ; el proceso no es potencialmente hbil para 5

Con 6 :
10
LSE LIE
1.66
6
6 '
1.66

.06
6 '

74

LSE LIE 10.28 10.22

0.06

0.006
6 1.666
6 1.66
10
1
6
6

'

Con 10 :
LSE LIE 10.28 10.22

0.0036
10 1.66
10 1.66

'

Ejercicio 2.
La salida de alto voltaje en la fuente de potencia de una mquina tiene
especificaciones de 350 5 volts. Se ha llevado una grfica de control, tomando
muestras de tamao 4 cada una y el proceso est en control estadstico, la grfica
muestra lo siguiente
x 349.308
R 2.512
Especificacin: 350 5 volts.
Es el procesos realmente hbil para 3 ?
Es el procesos realmente hbil para 4 ?
Cul es la mxima desviacin respecto al centro de las especificaciones que
pueden tener el proceso para ser realmente hbil para 4 ?

Cp

LSE LIE
6

R
d2

2.512
1.22
2.059

Cp

355 345
6 1.22

si

d 2 cte 2.059

1.366

75

Cpk Cp 1 k

m
2 m
2 3.49.808 350

LSE LIE
355 345
LSE LIE

LSE LIE 355 345

350
2
2

Cpk Cp 1 k 1.366 1 .0384 1.3155

Como Cpk 1.3155 1

Cp

el proceso no es realmente hbil con 3

LSE LIE 355 345

8

8(1.22)

1.0245

Cpk Cp 1 k 1.024 1 0.0384 0.9846

Como Cpk 0.98 1.33 el proceso no es realmente hbil con 4

Cpk Cp 1 k
1.33
1 0.2988
1.024

2 m
2 350
0.29
LSE LIE
355 345

0.29 10 350

2
350 1.45

351.45
76

2.3. Grficos
atributos

de

control

por

Debido a la gran cantidad de medidas que se pueden considerar en el proceso de

un producto no es posible hacer un grfico para cada una de las caractersticas que
se desean. Sin embargo se pueden emplear grficos de control por atributos porque
son: aplicables a cualquier proceso, rpidos y simples de obtener, fciles de
interpretar y contribuyen a dar prioridad a reas con problemas.
Los grficos por atributos se clasifican en 2 grandes grupos normalmente, se pueden
visualizar de la siguiente manera:
Positivos
Pasa
Conforme
Presente
Si
Seleccionado

Negativo
No pasa
No conforme
Ausente
No
Rechazado

Cualquier proceso de manufactura o ensamblaje puede guardarse mediante cartas

por atributos. Las observaciones por atributos constan de:
Un criterio
Una prueba
Una decisin

2.3.1. Grficos de control para

porcentaje
de
unidades
defectuosas (p)
La fraccin de unidades defectuosas (p) se define como numero de artculos
defectuosos (x) encontrados en una inspeccin, entre el total de los artculos
examinados (n). La fraccin defectuosa es expresada casi siempre como una
fraccin decimal. Para el clculo real de los lmites de control es necesario usar la
fraccin o porcentaje defectuoso.
Las muestras que se utilizan para elaborar este grfico de control pueden ser
variables. Las muestras de tamao grande permiten evaluaciones ms estables y
son ms sensibles pequeos cambios.
77

Ejemplo
Durante 4 meses de inspeccin dara al 100% de una sola caracterstica crtica de
una parte de un aparato elctrico e llevaron porcentajes para la fraccin defectuosa
diaria, al final de cada mes se calculo el promedio de la fraccin defectuosas y se
establecieron los limites de control para aplicaciones futuras.

Fecha

Numero
de
inspeccio
nados (n)

fraccin de
Numero de
unidades
defectuosos
nxp
defectuosa
(x)
s p= x/n

LSC

LIC

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
TOTALES

3350
3354
1509
2086
1572
2190
2678
3382
3252
2993
2679
4642
915
3694
3052
1830
2441
2992
3043
3477
3380
4053
1624
1573
3043
3478
1620
1961
3782
2995
82640

31
113
28
1
22
20
35
17
68
3
35
339
9
14
8
9
3
3
70
27
17
44
12
22
35
27
6
3
6
6

0.0183
0.0183
0.0211
0.0198
0.0209
0.0196
0.0189
0.0182
0.0183
0.0186
0.0189
0.0174
0.0235
0.0180
0.0185
0.0203
0.0192
0.0186
0.0185
0.0182
0.0182
0.0177
0.0208
0.0209
0.0185
0.0182
0.0208
0.0200
0.0179
0.0186

0.0067
0.0067
0.0039
0.0052
0.0041
0.0054
0.0061
0.0068
0.0067
0.0064
0.0061
0.0076
0.0015
0.0070
0.0065
0.0047
0.0058
0.0064
0.0065
0.0068
0.0068
0.0073
0.0042
0.0041
0.0065
0.0068
0.0042
0.0050
0.0071
0.0064

0.0093
0.0337
0.0186
0.0005
0.0140
0.0091
0.0131
0.0050
0.0209
0.0010
0.0131
0.0730
0.0098
0.0038
0.0026
0.0049
0.0012
0.0010
0.0230
0.0078
0.0050
0.0109
0.0074
0.0140
0.0115
0.0078
0.0037
0.0015
0.0016
0.0020

31
113
28
1
22
20
35
17
68
3
35
339
9
14
8
9
3
3
70
27
17
44
12
22
35
27
6
3
6
6
1033

n1 p1 n2 p2 ... n30 p30 1033

0.0125
n1 n2 ... n30
82640
78

No. inspeccionados 82640

2754.6667
No. muestras
30

p 1 p
p 1 p
LIC p p 3
ni
ni
Los lmites de control que vamos obteniendo se anotan en la hoja de registro
colocando la media ( p ) en ella de tal modo que nuestra hoja quedara:
LSC p p 3

P Chart of numero de defectuosos (x)

0.08
0.07

Proportion

0.06
0.05
0.04
0.03
0.02

UCL=0.01859
_
P=0.0125

0.01

LCL=0.00641

0.00
3

12

15
18
Sample

21

24

27

30

Grafico de control P obtenido mediante MINITAB

2.3.2. Grficos de control para

nmero de unidades defectuosas
(np)
El grfico ms parecido al p es el np; mientras que en aquel graficamos porcentajes,
aqu graficaremos unidades defectuosas y el tamao de la muestra ser constante.
Objetivos
79

Investigar la media de artculos defectuosos, retroalimentar mediante el

descubrimiento de puntos fuera de control e identificar y corregir causas de los
artculos defectuosos
Ejemplo:
En el departamento de producto terminado de una fbrica de lavadoras se
inspecciona el funcionamiento de las mismas y se clasifican en aceptada o
rechazadas para ello se ha dispuesto la verificacin al 100% de los lotes de 50
lavadoras cada una. La hoja de registro informa cuantas lavadoras se rechazan de
cada uno de los 30 lotes que se inspeccionaron.
np
p

np

n
np

LSC np 3 np (1 p)
LSC np 3 np (1 p )
Lote
no.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

No. Defectuosos
(np)
4
2
6
2
6
3
0
1
7
3
2
1
2
2
4

p
testada
0.1333
0.0667
0.2000
0.0667
0.2000
0.1000
0.0000
0.0333
0.2333
0.1000
0.0667
0.0333
0.0667
0.0667
0.1333

Lote
no.
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

No. Defectuosos
(np)
2
2
1
5
3
2
4
7
5
3
2
3
4
5
0

p
testada
0.0667
0.0667
0.0333
0.1667
0.1000
0.0667
0.1333
0.2333
0.1667
0.1000
0.0667
0.1000
0.1333
0.1667
0.0000

80

NP Chart of No. Defectuosos (np)

9
UCL=8.102

Sample Count

7
6
5
4

__
NP=3.1

3
2
1
0

LCL=0
3

12

15
18
Sample

21

24

27

30

Grafico de control NP obtenido mediante MINITAB

Grafico de control NP obtenido mediante Microsoft Excel

81

2.3.3. Grficos de control para el

nmero de efectos por unidad
inspeccionada (c)
El grfico de control por defectos c es empleado en un campo ms restringido de la
industria, sin embargo hay procesos en donde es el tipo de grfico que se debe
emplear. La decisin de emplearlo se fundamenta en su utilidad (defectos
clasificados segn su importancia), y en ocasiones es la mejor tcnica estadstica en
el problema que se presenta.
Un articulo defectuoso es el que en cierta forma deja de conformarse con una o
varias especificaciones dadas (p, np) cada defectuoso contiene uno o ms defectos
el grfico c se ha utilizado en situacin como contabilizar defectos los cuales deben
de ser eliminados en una inspeccin del 100%. En ste caso la ventaja esencial es
disminuir los costos de reproceso.
Algunas reas representativas en las que conviene aplicar
siguientes:

la grfica c son las

Cuando es el nmero de pernos defectuosos en un fuselaje de aeroplano.

Cuando es el nmero de roturas o puntos dbiles en el aislamiento, en una
longitud dada de un alambre aislado sujeto a una prueba de voltaje
especificado.
Cuando es el nmero de defectos observado en una superficie determinada
que ha sido tratada (niquelada, barnizada, galvanizada o pintada).
Cuando es el nmero de burbujas que se observan en una unidad de material
(botella, cristal para pisos, cristal)

Ejemplo
Los 50 datos recopilados que se presentan a continuacin nos proporciona el
nmero de errores de alineacin en la inspeccin final de un modelo de aeroplano

82

c1 c 2 ... c50
50
LSCc c 3 c

LICc c 3 c

No. de
aeroplano

No. De
defectos

No. de
aeroplano

No. De defectos

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

7
6
6
7
4
7
8
12
9
9
8
5
5
9
8
15
6
4
13
7
8
15
6
6
10

26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

7
13
4
5
9
3
4
6
7
14
10
11
11
11
8
10
8
7
16
13
12
9
11
11
8

Para elaborar este grafico de control, se realizaron dos graficas de control, para lo
cual se dividi la muestra de 50 aeroplanos, en dos de la siguiente manera:
Para el grafico C1:
No. de
aeroplano

No. De defectos

1
2
3
4
5
6
7
8

7
6
6
7
4
7
8
12

83

9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

9
9
8
5
5
9
8
15
6
4
13
7
8
15
6
6
10

Grafico C1 obtenido mediante Microsoft Excel

84

EMBED

MtbGraph.Document

C Chart of No. De defectos

18
UCL=16.49

16

Sample Count

14
12
10

_
C=8

8
6
4
2
0

LCL=0
2

10

12 14
Sample

16

18

20

22

24

Grafico C1 obtenido mediante MINITAB

Para el grafico C2:
No. de aeroplano
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

No. De defectos
7
13
4
5
9
3
4
6
7
14
10
11
11
11
8
10
8
7
16
13
12
9

85

48
49
50

11
11
8

Grafico C2 obtenido mediante Microsoft Excel

C Chart of No. De defectos_ 1

20
UCL=18.18

Sample Count

15

_
C=9.12

10

LCL=0.06

0
2

10

12 14
Sample

16

18

20

22

24

Grafico C1 obtenido mediante MINITAB

2.34 Grfico u
86

La grafica u mide la cantidad de defectos por unidad inspeccionada en una muestra

de n unidades. Los objetivos son similares a los del grfico y se emplea en
situaciones semejantes, cuando la muestra incluye ms de una unidad o el tamao
vara de muestra a muestra. Los limites para este tipo de grfica son variables como
los del a grfica p, es decir, determinar los lmites para cada muestra y la lnea
central (promedia de u).

Ejemplo
Despus de una inspeccin durante 20 das consecutivos de las abrazaderas
metlicas listas para envi en el departamento de calidad certificada de la plata de
productos metlicos, se estim la media del proceso considerando los defectos que
se registraron
u u ... u20
u 1 2
20
u
LSCU u 3
n
LICU u 3

u
n

Tamao de la muestra (n)

NO.

No. De defectos

8.00
8.00
9.00
11.00
7.00
8.00
7.00
9.00
8.00
7.00
7.00
6.00
8.00
4.00
8.00
9.00
6.00
7.00
6.00
8.00

7.00
17.00
14.00
17.00
21.00
16.00
14.00
23.00
13.00
15.00
12.00
14.00
24.00
12.00
11.00
13.00
18.00
11.00
12.00
11.00

0.88
2.13
1.56
1.55
3.00
2.00
2.00
2.56
1.63
2.14
1.71
2.33
3.00
3.00
1.38
1.44
3.00
1.57
2.00
1.38

87

U Chart of defectos
4

Sample Count Per Unit

UCL=3.514
3
_
U=2.01

1
LCL=0.506
0
2

10
12
Sample

14

16

18

20

Tests performed with unequal sample sizes

Grafico U obtenido mediante MINITAB

2.3.5. Capacidad del proceso

Los datos siguientes son el nmero de unidades defectuosas que fueron encontradas
en las ltimas 15 muestras de un proceso que se encuentra en control estadstico,
mediante una grfica NP
El tamao de la muestra es la constante y de tamao 250
Muestra i
Unidades
defectuosas

10 11 12 13 14 15

a) Es el procesos realmente hbil para 3 ?

b) Cunto debe valer la lnea central de la grfica NP hbil para 3 ?

88

np

43
2.86667
13
1 np
1 2.86667

100
98.85
250
n

Ch 100

Dado que Ch 99.73% el proceso no es hbil para 3

3 99.73

1 np

99.73 100

99.73
1 250 0.675
10

np

Esto es en promedio menos de una unidad defectuosa en una muestra de 250

Ejemplo 2
Los datos que siguen, muestran el nmero de unidades defectuosas en varias
muestras de un componente electrnico. El tamao de las muestras vara y el
proceso ha estado en control estadstico, usando una grfica P los datos de las 10
muestras ltimas muestras son:
Muestra i
tamao
Unidades
defectuosas

1
2
3
4
5
6
7
8
9
10
580 610 590 575 630 620 570 625 605 595
4

a) Es el procesos realmente hbil para 3 ?

89

58
0.009666667
6000

Ch 100 1 P 99.033333
99.033333 99.73
El proceso no es hbil para 3

Ejemplo 3.
Un proceso a estado en control estadstico mediante una grfica C , se registra el
nmero de defectos menores que muestran hojas de lmina para un estampado
metlico.
El nmero de defectos para las ltimas 15 hojas inspeccionadas
Muestra i
1
Unidades
1
defectuosas

2
2

3
0

4
0

5
3

6
1

7
2

8
1

9
0

10 11 12 13 14 15
0 1 2 2 0 0

Se considera que no se puede usar satisfactoriamente que tenga ms de 3 defectos

a) Es el procesos realmente hbil para 3 ?
b) Para que LSE es el proceso hbil para 3 ?

0.9810
0.019

LSE 3

90

15
1
15

1 0.9810 0.019
Por lo que el 1.9% esta fuera de especificacin por lo tanto tenemos ms de 0.135%
fuera de especificacin y el proceso no es hbil
Para que el proceso se ha hbil para 3 , es necesario que exceda el lmite superior
de especificacin sea menor a 0.135% o lo que es equivalente que el % del producto
aceptable sea mayor a 0.99865 de manera que manteniendo la misma medida del
proceso, C 1 , el menor valor de x queda un valor mayor a 0.99865 en la tabla x 5
(0.9994) Por lo que el proceso se ha hbil para 3 necesitamos que LSE sea igual
a 5 sea 5 defectos por lmina

Capitulo 3. Plan de muestreo de

aceptacin
Objetivo. Al termino de esta unidad el alumno tendr la capacidad de establease un
sistema de calidad por muestreo aplicando los principios de la Military Standar 105 E
y 414.
La inspeccin (auditoria) de materias primas, productos semiterminados o productos
terminados es parte importante del aseguramiento o de la gestin de calidad.
Cuando el propsito de la inspeccin es la aceptacin o rechazo de un producto, con
base en la conformidad respecto a un estndar, el tipo de procedimiento de
inspeccin se llama normalmente: muestreo para aceptacin.
El muestreo para aceptacin es un campo importante del control estadstico de la
calidad. Hay 3 aspectos importantes en el muestreo:
El propsito de muestreo para aceptacin es juzgar los lotes, no estimar su calidad.
Los planes de muestreo para aceptacin no proporcionan alguna forma directa de
control de calidad. El muestreo de aceptacin simplemente admite o descarta lotes.
El uso ms eficiente del muestreo para aceptacin no es inyectar calidad al producto
mediante la inspeccin, sino ms bien como una herramienta de verificacin con
objeto de asegurar que la produccin o salida de un proceso est conforme con los
requisitos.
91

Cuando se compara el muestreo para aceptacin con una inspeccin al 100%, tiene
las ventajas siguientes:

Por lo general es menos costoso, pues requiere menos inspeccin

Hay menor manejo del producto y, por tanto, se reducen los daos
Puede aplicarse en el caso de pruebas destructivas.
Hay menos personal implicado en las actividades de inspeccin
A menudo reduce notablemente la cantidad de errores de inspeccin.
El rechazo de lotes completos, en vez de la simple devolucin de artculos
defectuosos, constituye una motivacin ms fuerte para que el proveedor
mejore la calidad.

Desventajas:
Existe el riesgo de aceptar lotes, y rechazar lotes buenos.
Se genera normalmente menos informacin sobre el producto o el proceso de
fabricacin del mismo.
El muestreo para aceptacin necesita planeacin y documentacin del
procedimiento, mientras que una inspeccin al 100% no lo requiere.

92

3.1.
Conceptos
bsicos
de
muestreo
3.1.1. Nivel aceptable de calidad
El proveedor suele estar interesado en saber cul es el nivel de calidad del lote o
proceso que produce una alta probabilidad de aceptacin.
Por ejemplo:
El proveedor podra estar interesado en el punto de aceptacin con una probabilidad
del 0.95. Esto indicara el nivel de la proporcin cada fuera del proceso que podra
experimentarse y seguir teniendo una oportunidad del 95% de los lotes sera
aceptados.
Recprocamente, al consumidor podra interesarle el otro extremo de la curva OC
(curva caracterstica de operacin). Es decir que el nivel de calidad del lote proceso
produce una probabilidad de aceptacin bajo.

Es comn que el consumidor establezca un plan de muestreo par aun

abastecimiento continuo de componentes o materias primas con referencia a un
nivel de calidad aceptable NCA o AQL.
93

NCA representa el nivel de calidad ms pobre del proceso del proveedor que el
consumidor considerara aceptable como promedio del proceso. La curva OC del
NCA es simplemente un estndar contra el cual juzgar los lotes. Se espera que el
proceso del proveedor operara con un nivel de proporcin cada que sea
considerablemente mejor que el NCA. El consumidor tambin estar interesado en el
otro extremo de la curva OC, es decir, en la proteccin que se obtiene para los lotes
individuales de calidad pobre. En una situacin as, el consumidor puede establecer
una tolerancia del porcentaje defectuoso de un lote TPDL O LTPD. La TPDL es el
nivel de calidad ms pobre que el consumidor est dispuesto a aceptar en un lote
individual, que es un nivel de calidad del lote especificado por el consumidor. Es
posible disear planes de muestreo de aceptacin especficas
Algunos nombres alternativos de TPDL son: nivel de calidad rechazable (NCR o
RQL) y nivel de calidad limite (NCL o LQL).

3.1.2
Limite
tolerado
porcentaje de defectuosos.

del

El LTPD es el nivel de calidad ms pobre que el consumidor est dispuesto a aceptar

en un lote individual. Obsrvese que la tolerancia del porcentaje defectuoso en un
lote no es una caracterstica del plan de muestreo, sino un nivel de la calidad del lote
especificado por el consumidor. Nombres alternativos de la LTPD son nivel de
calidad rechazable (RQL, por sus siglas en ingls) y nivel de calidad limite (LQL, por
sus siglas en ingls). Es posible disear planes de muestreo de aceptacin que den
probabilidades de aceptacin especficas en el punto LTPD.
Es posible disear un programa de inspeccin con rectificacin que proporcione nivel
especificado de proteccin en el punto LTPD y que minimice la inspeccin promedio
total para un promedio del proceso p especificado.

3.1.3 Lmite de calidad promedio

de salida
La calidad de salida promedio se usa para la evaluacin de un programa de
muestreo con rectificacin. La calidad de salida promedio es la calidad en el lote que
resulta de la aplicacin de la inspeccin con rectificacin. El lmite de calidad de
salida promedio o AOQ por sus siglas en ingles, es el valor promedio de a calidad del
lote que se obtendra en una secuencia larga de lotes en un proceso con fraccin
defectuosa p. es necesario desarrollar una formula para la calidad de Salida
94

promedio. Suponer que el tamao del lotes es N y que todas las unidades
defectuosas se remplazan con unidades satisfactorias. Entonces en lotes de tamao
N, se obtiene:
n con artculos en la muestra que, despus de la inspeccin, no contiene unidades
defectuosas, debido a que todas las unidades defectuosas descubiertas se
reemplazan.
N n artculos que, si el lote es rechazado, tampoco contienen unidades
defectuosas.
N artculos que, si el lote es aceptado contienen p(N n) unidades defectuosas.
Por lo tanto, los lotes en la etapa de salida de la inspeccin tienen un nmero
P p N n
esperado de unidades defectuosas igual a a
, que puede expresarse como
una fraccin defectuosa promedio llamada la calidad de salida promedio o
AOQ

Pa p N n
N

Para ilustrar el uso de la ecuacin, suponer que N = 10 000, n = 89 y c = 2, y que los

lotes de entrada son de calidad p = 0.01. Entonces, para p =0.01 se tiene Pa 0.9397 ,
y la AOQ es
P p N n
AOQ a
N
(0.9397)(0.01)(10000 89)

10000
0.0093
Es decir, la calidad de salida promedio es de 0.93% de artculos defectuosos.
Obsrvese que cuando el tamao de lote N se hace grande en comparacin con el
tamao de la muestra n, la ecuacin puede escribirse como
AOQ ; Pa p
La calidad de salida promedio variar cuando la fraccin defectuosa de los lotes de
entrada vare. A la curva que grafica la calidad de salida promedio contra la calidad
del lote de entrada se le llama curva AOQ. En la figura. Se muestra la curva AOQ
para el plena de muestreo n = 89, c = 2. Por el examen de esta curva se observa que
cuando la calidad de entrada es muy buena la calidad salida promedio tambin es
muy buena.

95

La ordenada mxima en la curva AOQ representa la peor calidad promedio posible

que resultara del programa de inspeccin con rectificacin, y a este punto se le
llama el lmite de la calidad de salida promedio (AOQL, por sus siglas en ingls). Al
examinar la siguiente grafica se observa que el AOQL es aproximadamente 0.0155.
Es decir, sin importar lo mala que sea la fraccin defectuosa en los lotes de entrada,
los lotes de salida nunca tendrn un nivel de calidad peor en promedio que 1.55% de
artculos defectuosos. Permtanos enfatizar que este AOQL es un nivel de calidad
promedio, a travs de un flujo grande de lotes. No ofrece seguridad alguna de que un
lote aislado no tendr una calidad peor que 1.55% de artculos defectuosos.

3.1.4 Nmero esperado de piezas

inspeccionadas.
Una medida importante relacionada con la inspeccin con rectificacin es la cantidad
total de inspeccin requerida por el programa de muestreo. Si los lotes no contienen
artculos defectuosos, ninguno de los lotes ser rechazado y la cantidad de
inspeccin por lote ser el tamao de la muestra n. Si todos los artculos son
defectuosos, cada lote se someter a una inspeccin del 100%, Y la cantidad de
inspeccin por lote ser el tamao del lote N. Si la calidad del lote es 0 < p < 1, la
cantidad de inspeccin promedio por lote variar entre el tamao de la muestra n y el
tamao del lote N. Si el lote es de calidad p y la probabilidad de aceptacin del lote
96

es Pa entonces la inspeccin promedio total (ATI, por sus siglas en ingls) por lote
ser
ATI n 1 Pa N n
Para ilustrar el uso de la ecuacin, considrese que N = 10 000, n = 89, c = 2 Y P =
0.01. Entonces, puesto que Pa = 0.9397, se tiene:
ATI n (1 Pa )( N n)
89 (1 0.9397)(10 000 89)
687
Recurdese que este es un nmero promedio de unidades inspeccionadas en
muchos lotes que tienen una fraccin defectuosa p = 0.01.
Es posible trazar una curva de la inspeccin promedio total como una funcin de la
calidad del lote. En la siguiente figura se muestran las curvas de inspeccin promedio
total del plan de muestreo n = 89, c = 2, para tamaos del lote de 1 000, 5 000 Y 10
000.

97

3.2. Planes de muestreo

Tipos de planes de muestreo
Una clasificacin principal es:
por atributos
por variables.
Variables: Son caractersticas de la calidad que se miden en una escala numrica.
Atributos: Son caracterstica de la calidad que se expresan en una base "pasa, no
pasa".
Son cuatro:

Un plan de muestreo nico o simple

Un plan de muestreo doble
Un plan de muestreo mltiple
Un plan de muestreo secuencial

Un plan de muestreo nico es un procedimiento para dictaminar lotes en el que se

selecciona al azar una muestra de n unidades del lote, y el destino del lote se
determina con base en la informacin contenida en esa muestra.

Formacin de lotes
La manera en que se forme el lote puede influir en la efectividad del plan de
muestreo de aceptacin.
Los lotes debern ser homogneos. Las unidades del lote debern producirse por las
mismas mquinas, los mismos operadores y con materias primas comunes,
aproximadamente en el mismo tiempo. Los lotes no homogneos tambin hacen ms
difcil emprender una accin correctiva para
eliminar la fuente de los productos
defectuosos.
Son preferibles los lotes grandes a los pequeos.
Los lotes debern ajustarse a los sistemas de manejo de materiales usados en las
instalaciones del proveedor y del consumidor.

98

3.2.1. Plan de Muestreo

Aceptacin por Atributos.

de

3.2.1 Plan de muestreo simple

Definicin
Suponer que se ha sometido a inspeccin un lote de tamao N. Un plan de muestreo
nico est definido por el tamao de la muestra n y el nmero de aceptacin c.
Si el tamao del lote es N = 10 000, entonces el plan de muestreo
n=89
c=2
d= nmero de artculos disconformes o defectuosos observados
Significa que se inspecciona una muestra aleatoria de n = 89 unidades del lote de
tamao 10 000 y que el nmero de artculos disconformes o defectuosos observados
es d.
Puede inspeccionarse uno o varios atributos en la misma muestra; en general, se
dice que una unidad que es disconforme respecto de las especificaciones, en uno o
ms atributos, es una unidad defectuosa. A este procedimiento se le llama un plan de
muestreo nico porque el lote se dictamina con base en la informacin contenida en
una sola muestra de tamao n.

LA CURVA OC
Es una medida importante del desempeo de un plan de muestreo nico es la curva
de operacin caracterstica (OC). En esta curva se grfica la probabilidad de aceptar
el lote contra la fraccin defectuosa del lote.

99

0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

Fraccin defectuosa del lote, p
Figura 14-2 Curva OC del plan de muestreo nico n = 89, c = 2.
La probabilidad de observar exactamente d artculos defectuosos es:

P d artculos defectuosos f d

n!
nd
pd 1 p
d ! n d !

La probabilidad de aceptacin es simplemente la probabilidad de que d sea menor o

igual que c, o

n!
nd
pd 1 p
d 0 d ! n d !

Pa P d c

Por ejemplo, si la fraccin defectuosa del lote es p = 0.01, n = 89 y c = 2, entonces

100

89!
d
89 d
0.01 0.99
d 0 d ! 89 d !

Pa P d 2

87
89!
89!
89!
0
89
1
88
2
0.01 0.99
0.01 0.99
0.01 0.99
0!89!
1! 89 1 !
2! 89 2 !

87
89!
89!
89!
0
89
1
88
2
0.01 0.99
0.01 0.99
0.01 0.99
0!89!
1!88!
2!87!
87
89!
89 x88!
89 x88 x87!
0
89
1
88
2

0.01
0.99

0.01
0.9
9

0.01
0.99

0!89!
1!88!
2!87!
0.4088 0.3262 0.1633 0.9397

Se saca esta tabla uno a uno con respecto a p

Tabla Probabilidades de aceptacin del plan de
muestreo nico n =89,
c=2
Fraccin
defectuosa, p

Probabilidad de aceptacin,
Pa

0.005
0.0 10
0.020
0.030
0.040
0.050
0.060
0.070

0.9897
0.9397
0.7366
0.4985
0.3042
0.1721
0.0919
0.0468

0.080

0.0230

0.090

0.0109

Con ella se grafica y se pueden sacra las probabilidades

101

Figura 14-2

0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08

Fraccin defectuosa del lote, p
Curva OC del plan de muestreo nico n = 89, c = 2.

Diseo de un plan de una sola muestra con una curva OC

especificada
Suponer que quiere construirse un plan de muestrestral que sea 1 la probabilidad
de aceptacin para los lotes con fraccin defectuosa p1 , y que sea p la probabilidad
de aceptacin para los lotes con fraccin defectuosa p2 Suponiendo que es
adecuado el muestreo binomial (con curvas OC tipo B), se observa que el tamao de
la muestra n y el nmero de aceptacin c son la solucin de
c

n!
nd
p1d 1 p1
d 0 d ! n d !

1
c

n!
nd
p2 d 1 p2
d 0 d ! n d !

Aun cuando podran utilizarse dos puntos cualesquiera en la curva OC para definir el
plan de muestreo, en muchas industrias se acostumbra usar los puntos AQL y LTPD
para este fin. Cuando los niveles de calidad del lote especificados son pl = AQL y p2
= LTPD, suele hacerse referencia a los puntos correspondientes en la curva OC
como el punto de riesgo del productor y el punto de riesgo del consumidor,
respectivamente. Por tanto, a se llamara el riesgo del productor y P se llamara el
riesgo del consumidor
Se saca con el nomograma uniendo de p1 a 1 y de p2 a
102

Inspeccin con rectificacin

Lotes
aceptados
Es sencillo desarrollar una frmula para la calidad de salida promedio (AOQ).
Entonces en lotes de tamao N, se tiene:
n artculos en la muestra que, despus de la inspeccin, no contienen unidades
defectuosas, debido a que todas las unidades defectuosas descubiertas se
reemplazan.
N- n artculos que, si el lote es rechazado, tampoco contienen unidades defectuosas.
N - n artculos que, si el lote es aceptado, contienen p(N - n) unidades defectuosas.
103

Por tanto, los lotes en la etapa de salida de la inspeccin tienen un nmero esperado
de unidades defectuosas igual a Pa p(N n), que puede expresarse como una
fraccin defectuosa promedio, llamada la calidad de salida promedio o

AOQ

Pa p N n
N

Para ilustrar el uso de la ecuacin 14-4, suponer que N = IQ 000, n = 89 y c = 2, y

que los lotes de entrada son de calidad p = 0.01. Entonces, para p = 0.01 se tiene Pa
= 0.9397, y la AOQ es

Pa p N n
N
0.9397 0.01 10000 89

AOQ

10000

0.0093

Es decir, la calidad de salida promedio es de 0.93% de artculos defectuosos.

Obsrvese que cuando el tamao del lote N se hace grande en comparacin con el
tamao de la muestra n, la ecuacin anterior puede escribirse como

AOQ ; Pa p
La calidad de salida promedio variar cuando la fraccin defectuosa de los lotes de
entrada vare. A la curva que grfica la calidad de salida promedio contra la calidad
del lote de entrada se le llama curva AOQ. En la figura se muestra la curva AOQ para
el plan de muestreo n = 89, c = 2. Por el examen de esta curva se observa que
cuando la calidad de entrada es muy buena, la calidad de

0.01 0.02 0.03 0.04 0.05 0.06 0.07

Calidad del lote de entrada (fraccin defectuosa), p
104

3.2.1.2. Plan de muestreo doble

Es un procedimiento en el que, bajo determinadas circunstancias, se necesita una
segunda muestra antes de poder dictaminar el lote.
Parmetros:
n1= Tamao de la muestra en la primera muestra
c1= Nmero de aceptacin de la primera muestra
n2= tamao de la muestra en la segunda muestra
c2= Nmero de aceptacin para ambas muestras
Inspeccionar una muestra aleatoria del lote de
n1= 50 d1= nmero observado de artculos
defectuosos

Acept
ar
el lote

d 1 c1 = 1

d 1 > c2 = 3
1 < d1 3

Recha
zar
el lote

Inspeccionar una muestra aleatoria del lote de

n2= 100 d2= nmero observado de artculos
defectuosos

Acept
ar
el lote

d 1 + d 2 c2 = 3

d 1 + d 2 > c2 = 3

Acept
ar
el lote

Ventaja:
Dar una segunda oportunidad a un lote. Esto puede tener cierto atractivo para el
proveedor.
Desventajas:
El muestreo doble puede requerir ms inspeccin total de la que se necesitara en un
plan de muestreo nico que ofrezca la misma proteccin.

105

Presenta una mayor complejidad administrativa, lo cual puede aumentar la

oportunidad para la ocurrencia de errores de inspeccin

CURVA OC
Curva OC para el plan:
n1 =50
c1 =1
n2 =100
c2 = 3
I
II
Pa y Pa denotan la probabilidad de aceptacin en la primera y en la segunda
muestra respectivamente
Entonces:
I
II
Pa = Pa + Pa
Curvas OC primaria y complementaria para el plan
n1= 50, c1= 1, n2= 100 y c2= 3

106

1.

Pa
I

50!
d ! 50 d ! p 1 p

d 1 0

d1

50 d1

0.27943

50!
50!
(0.05) 0 (1 0.05)50 0
1 (0.95)50 0.07694
0!(50 0)!
1!50!
50!
49!50

(0.05)1 (1 0.05)501
(0.05)1 (0.95) 49 0.20249
1!(50 1)!
1!49!

2.
d1 3
d2 0

P d1 3, d 2 0 P d1 3 P d 2 0
50!
(0.05)3 (1 0.05)503
3!(50 3)!
47!(48)(49)(50)

(0.05)3 (0.95) 47 0.220

3!(47!)

P d1 3

100!
(0.05) 0 (0.95)100 0.0059
0!(100 0)!
P d1 3, d 2 0 P d1 3 P d 2 0
P d 2 0

(0.220)(0.0059)
0.001

Pa Pa I Pa II 0.279 0.010 0.289

Pa II P d1 2, d 2 1 P d1 3, d 2 0
0.009 0.001
0.010
107

ASN
Curva del nmero promedio de las muestras. En el muestro doble el tamao de la
muestra seleccionada depende de si la 2da muestra es necesaria o no

Tamao promedio de la muestra

El tamao de la primera muestra multiplicado por la probabilidad de que solo habr
una sola muestra, ms el tamao de las muestras combinadas multiplicado por la
probabilidad de que se necesitara otra muestra
ASN = n1 P1 + (n1 + n2) (1 P1)
= n1 + n2 ( 1- P1 )
P1 = Probabilidad de tomar una decisin acerca del destino del lote en la primera
muestra, es decir:
P1 = P {el lote se acepte en la primera muestra} + P {el lote se rechace en la primera
muestra}
Frmula de la curva ASN para un muestreo doble con la 2da muestra cercenada:

ASN n1

P n , j n P n ,c
c2

j c1 1

2 L

c2 j 1
PM n2 1, c2 j 2
p

Comparacin de las curvas del nmero promedio de las muestras para la inspeccin
completa y cercenada del plan de muestreo doble y del nmero promedio de las
muestras que se usara en el muestreo nico con n = 89, c =3
n1= 60
c1= 2
n2= 120
c2=3

108

Planes de muestreo doble con:

p1 ,1
p2 ,
Donde:

p1 ,1
p2 ,
Son los dos puntos de inters de la curva OC
Inspeccin con rectificacin
Calidad de salida promedio AOQ es la calidad del lote que resulta de la aplicacin
de la inspeccin con rectificacin. Es el valor promedio de la calidad del lote que se
obtendra en una secuencia larga de lotes de un proceso de fraccin defectuosa p
Cuando se lleva a cabo la inspeccin con rectificacin con un muestreo doble, la
curva AOQ est dada por:

AOQ

PaI N n1 PaII N n1 n2 p
N

Si todos los artculos defectuosos se han reemplazado por artculos satisfactorios, la

curva de inspeccin promedio est dada por:

ATI n1PaI n1 n2 PaII N 1 Pa

3.2.1.3.
mltiple

Planes

de

muestreo

Un plan de muestreo mltiple es una extensin del muestreo doble por cuanto
pueden requerirse ms de dos muestras para dictaminar un lote. Se presenta a
continuacin un ejemplo de un plan de muestreo mltiple con cinco etapas.
109

Tamao de la muestra acumulado Nmero de aceptacin Nmero de rechazo

20
0
3
40
1
4
60
3
5
80
5
7
100
8
9
Este plan operar como sigue: si, al trmino de cualquier etapa del muestreo, el
nmero de artculos defectuosos es menor o igual que el nmero de aceptacin, el
lote se acepta. Si, durante cualquiera de las etapas, el nmero de artculos
defectuosos es igualo excede el nmero de rechazo, el lote se rechaza; en caso
contrario, se toma la siguiente muestra. El procedimiento de muestreo mltiple
contina hasta que se toma la quinta muestra, momento en el que debe tomarse una
decisin en cuanto al destino del lote. Suele hacerse una inspeccin del 100% de la
primera muestra, aun cuando las muestras subsecuentes por lo general se someten
al cercenado.
La construccin de curvas OC para un muestreo mltiple es una extensin directa del
enfoque usado en el muestreo doble. De manera similar, tambin es posible calcular
la curva del nmero promedio de las muestras de los planes de muestreo mltiple.
Tambin puede disearse un plan de muestreo mltiple para valores especificados
de p1 , 1 - , p2 y .Para una extensa discusin de estas tcnicas, ver Duncan (2).
La ventaja principal de los planes de muestreo mltiple es que las muestras
requeridas en cada etapa por lo general son menores que las de un muestreo nico
o doble; por tanto, se relaciona cierta eficiencia econmica con el uso del
procedimiento. Sin embargo, la administracin del muestreo mltiple es mucho ms
compleja.

3.3. Uso e interpretacin del

Military Standard 105 E en el
muestreo
Definicin:

110

Conjunto de tablas que determina el plan de muestreo segn diferentes

caractersticas de los lotes.

Tipos de plan de inspeccin:

1. Normal: calidad esperada del proveedor es similar al AQL
2. Reducido: calidad esperada sea muy alta al AQL. El tamao muestral es inferior
al plan normal.
3. Riguroso: Elevado tamao muestral cuando se espera una calidad inferior al AQL.

Cambio de inspeccin

3.3.1. Muestreo simple aplicando

el Military Standard 105E:
111

PROCEDIMIENTO para realizar el muestreo:

1. Decidir el AQL.
2. Determinar el nivel de inspeccin en funcin de su coste (nivel I, II, III, o
niveles especiales).
3. Con el tamao del lote y el nivel de inspeccin anterior ir a la tabla de cdigos
y encontrar el cdigo de inspeccin.
4. Determinar el plan de inspeccin (normal, riguroso y reducido).
5. Con el cdigo de inspeccin y el plan de inspeccin, acudir a la tabla
correspondiente y encontrar el plan de muestreo.
6. Tomar la muestra y ejecutar la inspeccin. Con el resultado evaluar un posible
cambio de plan.

EJEMPLO:
Un producto se recibe en lotes de 2000 unidades. El AQL es 0.65%. Se desea
disear un plan de muestreo de nivel II para inspeccin normal, reducida y rigurosa.
Solucin:
Paso 1.
El valor se obtiene del problema: El AQL es 0.65%.
Paso 2.
El valor se obtiene del problema: Se desea disear un plan de muestreo de nivel II
Paso3.
Buscar valor en la tabla de cdigos (ver anexo)
Paso 4.
Determinar el plan de inspeccin (normal, riguroso y reducido). El ejemplo dice que
realicemos los 3.
Paso 5
Con el cdigo de inspeccin y el plan de inspeccin, acudir a la tabla correspondiente
y encontrar el plan de muestreo. (ver tablas de muestreo normal, riguroso y reducido
anexadas)
Paso 6
Tomar la muestra y ejecutar la inspeccin. Con el resultado evaluar un posible
cambio de plan. (Aceptamos o rechazamos con valores exactos de tabla)

112

3.3.2. Muestreo doble aplicando

el Military Standard 105E
Mismo procedimiento que en simple pero en lugar de tomar 1 muestra se toman 2
muestras
En la segunda muestra se aproxima el siguiente nivel de AQL
Se suman valores de muestras (50+50=100)
Se busca el valor en la tabla aproximado de n=100
Se regresa al AQL original y se acepta o rechaza segn el valor de c se
pasa al muestreo MULTIPLE
50+50+50=150

3.3.3.
Muestreo
aplicando el Military
105E

mltiple
Standard

En caso de 3 muestras:
50+50+50=150
Lo mismo que el doble pero con mas muestras hasta encontrara el valor exacto de c
en la tabal o decidir si aproximamos.

3.4. Muestreo de aceptacin por

variables.
Se llama muestreo de aceptacin por variables porque la caracterstica de la calidad
es una variable, dentro de este muestreo se trabajar con un Lmite Inferior de
Especificacin (LSL), un Lmite Superior de Especificacin (USL), o ambos, que
definen los valores aceptables de u parmetro.
113

114

3.4.1. Aceptacin de lotes con

Nivel Aceptable de Calidad
PARMETROS
x = caracterstica de calidad
p = fraccin defectuosa del lote
= media
= desviacin estndar
K = distancia crtica
M = valor mximo especificado

PROCEDIMIENTO 1: METODO K.
Se toma una muestra aleatoria de n artculos del lote y se calcula el estadstico
z LSL

x LSL

Esta ecuacin expresa la distancia entre el promedio muestral x y el lmite inferior de

especificacin en unidades de desviacin estndar.
Relacin de la fraccin defectuosa p del lote o proceso con la media y la desviacin
estndar de una distribucin normal.

PROCEDIMIENTO 2: MTODO M
Se usa ZLSL para estimar la fraccin defectuosa del lote o proceso como el rea bajo
la curva normal estndar. Sea p la estimacin de p obtenida de este modo. Si la
estimacin p excede un valor mximo especificado M, el lote se rechaza; en caso
contrario se acepta.
115

Cuando hay un solo Lmite de Especificacin, puede usarse cualquiera de los dos
procedimientos. En el caso de un Lmite Superior de la Especificacin, se calculara
ZUSL

USL x

Diseo de un plan de muestreo por variables con una

curva OC especificada
El mtodo k, tiene una curva OC especificada, sean p1 ,1 , p2 ,
de inters en la curva OC.

los dos puntos

El nomograma permite encontrar el tamao de la muestra n y el valor crtico k para

satisfacer el conjunto de condiciones dadas tanto para el caso de conocida como la
de desconocida.

EJEMPLO
Se requiere que la densidad de una pieza de plstico usada en un telfono celular
sea de al menos 0.70g/cm3. Las piezas se suministran en grandes lotes y va usarse
un plan de muestreo por variables para dictaminar los lotes. Quiere tenerse p 1= 0.02,
p2=0.1, =0.10 y =0.05 . No se conoce la variabilidad del proceso de manufactura
pero se estimar con la desviacin estndar muestral.
Encontrar un plan de muestreo por variables apropiado, utilizando el procedimiento 1.
Suponer que se tom una muestra del tamao apropiado, y x=0.73, S=1.05x10-2.
El lote ser aceptado o rechazado?

Utilizando nomograma

116

LSL= 0.70
p1=0.02
p2=0.10
=0.10
=0.05
b) Dado que n=35 y k=1.7 se calcula el valor de la abscisa de la siguiente manera

117

1
x

k n
1.7 35
1
(n 1)
34 0.35

2
2

Grafica para determinar fraccin defectuosa.

Esto indica que M = 0.040 suponer ahora que se toma una muestra de n=35, y se
observa x=0.73 y S=0.0105. El valor de ZLSL es

z LSL

x LSL 0.73 0.70

2.85
S
0.0105

Conclusin
P<M
118

0.0005<.04
SE ACEPTA EL LOTE

VENTAJAS:
Permite obtener las misma curvas de operacin caracterstica con un muestra
menor.
Brinda la misma proteccin requiriendo menos muestreos.
Los datos de mediciones proporcionan ms informacin acerca del proceso
de manufactura o del lote.
Cuando los niveles de calidad aceptables son muy pequeos los tamaos de
la muestra para el plan de muestreo para atributos son muy grandes.
DESVENTAJAS:
Es necesario conocer la distribucin de la caracterstica de la calidad.
Se debe emplear un plan de muestreo separado para cada caracterstica de la
calidad que se esta inspeccionando.
Es posible que el uso de un plan de muestreo por variables lleve a rechazar
un lote aun cuando la muestra real inspeccionada no contenga artculos
defectuosos.

Precauciones en el uso del muestreo por variables.

Se debe conocer la distribucin de la caracterstica de la calidad.
se requiere de haya algn mtodo para convertir la media y la desviacin estndar
mustrales en un fraccin defectuosa del lote o proceso.
Es posible usar planes cuando el parmetro de inters no tenga una distribucin
normal. siempre que se conozca la forma de la distribucin o que exista un mtodo
para determinar la fraccin defectuosa a partir del promedio muestral y la desviacin
estndar muestral.

3.4.2. Uso e Interpretacin del

Military Standard 414 (MIL STD
414)
119

Es un plan de muestreo de aceptacin lote por lote por variables.

El centro de atencin es el nivel de calidad aceptable AQL que vara entre 0.04 y
15%
Tiene cinco niveles generales de inspeccin.
ORGANIZACIN DEL ESTNDAR MIL STD 414

Variabilidad
desconocida-mtodo
de
la
desviacin
estndar

Variabilidad
desconocida-mtodo
del rango

Lmites
de
especificacin
unilaterales

Procedimiento
1 (mtodo k)

la

Variabilidad conocida

Lmites
de
especificacin
bilaterales

Procedimiento
2 (mtodo M)

la

Procedimiento
2 (mtodo M)

EJEMPLO
Un embotellador de refrescos compra envases de vidrio no retornables de un
proveedor. El embotellador ha establecido una especificacin inferior de 225psi para
la resistencia al estallamiento de los envases. El embotellador quiere usar el
muestreo por variables para dictaminar los lotes y ha decidido que el AQL sea 1%.
Encontrar un conjunto apropiado de planes de muestreo normal y riguroso del
estndar. Suponer que un lote se somete a inspeccin, y los resultados muestrales
producen
x 255
S 10
Determinar el destino del lote utilizando el procedimiento 1. El tamao de lote es
N=100000 con un nivel 4.
120

z LSL

x LSL 255 225

3
S
10

Si buscamos en las tablas de MIL STD 414 (ver anexo) encontramos que k normal es
igual a 2 y k rigurosa es igual a 2.14 como ambas son menores que ZLSL se acepta
el lote.

121

ANEXOS
Gua prctica para grficos de
control de MINITAB
1. Grafico X-R
a. Insertar los datos del problema en la columna C1:

b. Una vez insertados los datos, seleccionar en el men STAT. Dentro de este
men, seleccionar Control Charts, y despus Variables Charts for subgrups, y
en este dar click en Xbar-R

122

c. Se desplega la siguiente ventana:

d. Seleccionar la columna, y el tamao del subgrupo, y se presiona el boton:

Xbar-R Options, que desplega otra ventana:

e. Selecciona la pestaa de Estimate, y en la seccin Method for a stimating

standar deviation, seleccionar el mtodo Rbar, y dar click en OK

123

f. Dar click en el boton OK, de la ventana principal, y se despliega la grafica

terminada:

2. Grafico de individuales
a. Insertar los datos del problema en la columna C1:

b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Variables Charts for Individuals y en este
dar click en I MR:
124

c. Se despliega la siguiente ventana, en ella seleccionar la columna C1 que

contiene los datos:

d. Dar click en OK, para que se despliegue la grafica terminada:

125

3. Grafico p
a. Insertar los datos (n) del problema en la columna C1 y los datos defectuosos
(x) en la columna C2:

b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en P:

126

c. Se despliega la siguiente ventana, en ella seleccionar la columna C1 en el

cuadro Variable, y en subgrup sizes seleccionar la columna C2, dar click en el
boton P Chart Options, y colocar la proporcin estimada (de 0.0125 segn con
el problema visto en clase) y dar click en OK:

d. Dar click en OK de la ventana principal, para que se despliegue la grafica

terminada:

127

4. Grafico np
a. Insertar los datos del problema en la columna C1:

b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en
NP:

128

c. Se despliega la siguiente ventana, en ella seleccionar la columna C1 que

contiene los datos, y se escribe en subgrup size la cantidad 30 que es numero
de datos que contiene la columna:

d. Dar click en OK, para que se despliegue la grafica terminada:

129

5. Grafico c
a. Insertar los datos del problema en la columna C2 (25 datos) y C5 (los 25 datos
restantes)

b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en
C:

130

c. Se despliega la siguiente ventana, en ella seleccionar la columna C2 que

contiene los primeros 25 datos:

d. Dar click en OK, para que se despliegue la grafica terminada:

e. Repetir el proceso con la columna C5.

6. Grafico u
a. Insertar los datos del problema en la columna C1 (TAMAO DE LA
MUESTRA):

131

b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en
U:

c. Se despliega la siguiente ventana, en ella seleccionar la columna C1 que

contiene los datos, y se escribe en subgrup seleccionar la columna C2, dar
click en U Chart Options para introducir la media, en el cuadro median y dar
click en OK

132

d. Dar click en OK del men principal, para que se despliegue la grafica

terminada:

133

Grficos de control en Excel

1. tabular los datos, y obtener el valor de x , LSC x , LIC x , R , LSCR , LIC R .

2. una vez que obtienes los datos repites el valor de x , LSC x , LIC x , en otra
columna, segn el numero de datos que tienes, (en el caso de la grafica x-r,
son 20 promedios de x):

3. seleccionas las tres columnas con tus datos completas:

134

4. haces click en el men insertar, seleccionas grafico:

5. das click sobre el icono grafico y se despliega el asistente para la elaboracin

de grficos, seleccionas el tipo de grafico de lneas, y das click en siguiente:

6. se despliega la el siguiente cuadro:

135

7. seleccionas la pestaa serie, y seleccionas agregar:

8. en el cuadro valores das click sobre el botn que se encuentra junto al numero
{1}, y se despliega la siguiente ventana, donde seleccionas el valor de la
columna con tus x o medias:

136

9. das click de nuevo sobre el botn, para volver a la pantalla principal, y le das
nombre a la serie en el cuadro nombre. Una vez escrito el nombre das click en
siguiente:

10. en la ventana que se despliega, editas el titulo y de la presentacin del grafico,

por ejemplo:

137

11. das click en siguiente, y abre una ltima ventana, donde te pregunta donde
deseas insertar la grafica. (Puedes escoger cualquier opcin segn el formato
que desees dar):

12. das click en finalizar, y ya obtienes un grafico x:

13. este grafico lo puedes editar segn tus gustos. Por ejemplo:

138

14. el grafico de R, se elabora con el mismo procedimiento, considerando los

datos de R.

139

Formulas estadsticas
MEDIDAS DE TENDENCIA CENTRAL
Para datos NO agrupados
n

Media aritmtica:

Mediana

i 1

n 1

impar
x% 2
n n
promedio y
1 par
2 2

Moda x : Amodal y multimodal

MEDIDAS DE DISPERSIN
Rango: D M - D m
n

Desviacin Media:

DM

x x
i 1

i 1

Varianza:

x x

n
n

Desviacin estndar

xi x

i 1

DATOS AGRUPADOS
Tabla de frecuencias
Rango+Variacin
Nmero de intervalo
lim. sup. - lim. inf. + variacin
(cuando hay limite de clase)
Tamao de intervalo=

140

Rango+Variacin
o n
Tamao de intervalo
Marca de clase ( M i ) : Punto medio del intervalo
# de intervalos =

MEDIDAS DE TENDENCIA CENTRAL

Para datos agrupados
k

Media aritmtica:

fM
i 1

k: Nmero de intervalos
fi: frecuencia de i-nsimo intervalo
Mi: Marca de clase del intervalo

1
Moda: x L
c
1 2
L= lmite real inferior del intervalo que contiene la moda.
1 =Diferencia entre la frecuencia del intervalo que contiene la moda y la
frecuencia del intervalo anterior.
2 = Diferencia entre la frecuencia del intervalo que contiene la moda y la
frecuencia del intervalo siguiente.
c= tamao del intervalo que contiene la moda
NOTA: se considera el intervalo se mayor frecuencia para saber en que
intervalo se encuentra la moda.

n

2 Fa
Mediana x% L
c
fx

Fa= frecuencia acumulada del intervalo anterior al que contiene la moda
fx= frecuencia del intervalo que contiene a la mediana
c= tamao del intervalo que contiene a la moda

141

MEDIDAS DE DISPERSIN
n

Desviacin Media:

DM

Varianza:

f M
i 1

f
i 1

Mi x
n

n
n

Desviacin estndar

f M
i 1

142

Formatos grficos de control

143

144

145

Tablas MIL STD 105 E

Tabla de niveles de inspeccin
Tamao del
lote o carga

Niveles de inspeccin
especiales

Niveles de
inspeccin generales
NIVEL NIVEL
NIVEL I
II
III

S-1

S-2

S-3

S-4

2a8

9 a 15

16 a 25

26 a 50

51 a 90

91 a 150

151 a 280

281 a 500

501 a 1200

1201 a 3200

3201 a 10000

10001 a 35000

35001 a 150000

150001 a
500000
500001 en
adelante

146

Tabla maestra para la inspeccin

normal

147

Tabla para la inspeccin rigurosa

148

Tabla para la inspeccin reducida

149

Tabla maestra para la inspeccin

normal y rigurosa MIL STD 414

150

Fuentes de informacin
1. Programa Ford ITESM, Modelo 3 del Centro de Calidad, Control estadstico
del proceso para proveedores y la industria nacional.
2. Douglas C. Montgomery, Control estadstico de la calidad
3. Gutirrez / de Lavara (2004), Control estadstico de la calidad y 6 sima.
4. D.S. & R. Consultores Asociados, S.C., Control estadstico del proceso, Gua
del participante.
5. Meet MINITAB Versin 14 para Windows. Septiembre 2003, Manual de
usuario.
6. LEYVLA CONSULTORES S.C. del Manual de Referencia de control estadstico
de LOS procesoS (SPC-1):1992
7. http://www.aiteco.com/hhvv.htm
8. http://www.geocities.com/Eureka/Office/4595/muestreo.html
9. http://www.infocomarsa.net/mipsis%20inspection/mipsisinspection.html
10.http://metodosestadisticos.unizar.es/menu_e/contenidos/mapa/mapa.htm
11.http://www.xlstat.com/products-xlstat-spce.htm
12.http://www.hkbu.edu.hk/~samho/tqm/tqmex/gurus.htm
13.http://www.gestiopolis.com/recursos/documentos/fulldocs/ger1/teocalidad.h
tm
14. http://www.sqconline.com/mil-std
15.105.htmlhttp://www.itl.nist.gov/div898/handbook/pmc/section2/pmc231.ht
m
16.http://www.variation.com/spa/index.html
17.http://estio.ujaen.es/Asignaturas/Eps/
18.http://www.samplingplans.com/modern3.htm#EVALUATE
19.http://www.geocities.com/researchtriangle/facility/1075/default.htm
20.http://www.qualitydigest.com/oct97/html/excel.html

151