CONTROL ESTADÍSTICO DE PROCESOS

APUNTES DE CLASE

Preparado por: José Cajas Cadena

1
CONTROL DE CALIDAD

Introducción

La calidad se ha convertido desde hace algunos años en una de las estrategias más
importantes, tanto para productores, como para consumidores; los primeros
(empresas), están conscientes que su aplicación es fundamental para ser competitivos
y mantenerse en el mercado, entregando bienes y/o servicios de calidad; los
segundos, por su parte, están preocupados permanentemente en satisfacer
plenamente sus necesidades que van creando día a día. Estos, en base a sus
exigencias son los que otorgan credibilidad a las empresas y les permiten ganarse
nichos de mercado.

Desde luego, para la producción de bienes y servicios de calidad, la ciencia a puesto

al servicio de las empresas y porque no decirlo de todos los individuos interesados en
la calidad, metodologías y herramientas consistentes y efectivas para el control de los
procesos en todas sus fases-pre producción-producción-post producción.-

Los controles estadísticos del proceso son herramientas que ayudan a la incorporación
de la calidad en todas las actividades relacionadas con la producción de bienes y
servicios, siendo estas herramientas un instrumento que nos lleva a conocer, controlar
y mejorar los procesos.

Dentro de las asignaturas programadas para la preparación y desempeño profesional

de los estudiantes de la carrera de Ingeniería en Estadística, se encuentra el Control
Estadístico de Procesos, que generará capacidades y destrezas para analizar y
determinar probables causas de problemas de calidad, mediante la aplicación de
herramientas estadísticas de calidad, que conduzcan a una acertada y oportuna toma
de decisiones con el propósito de lograr una mejora continua de los individuos, los
procesos y las instituciones.

“Medir es comprender, comprender es obtener conocimiento, tener conocimiento es

tener poder”.

Ante esto, y como parte del proceso de enseñanza aprendizaje, se han recopilado las
notas de clase que se han impartido durante ocho años consecutivos, para que el
estudiante tenga una guía básica para trabajo y discusión dentro del aula.

Este documento, de ninguna manera pretende remplazar a los tratados de Control

Estadístico de Procesos, simplemente es un compendio, de los conceptos, así como
de las herramientas estadísticas fundamentales para el control de calidad de bienes y
servicios. Su permanente actualización es tarea fundamental, tanto para el facilitador,
como para el estudiante.

2
Para la resolución de problemas relacionados con la calidad, los avances tecnológicos
ponen a disposición una gama de alternativas informáticas que han venido a
solucionar en gran parte el problema de la sistematización, cálculo estadístico y
oportunidad de los resultados. En este documento se tratan los datos mediante el
paquete estadístico Statgraphics.

Los apuntes de Control Estadístico de Procesos-CEP-, está dividido en cuatro

unidades temáticas; la primera unidad presenta la teoría general de la calidad y
herramientas básicas: conceptos básicos de calidad, su tránsito por el tiempo,
metodologías y herramientas más conocidas, el papel de la estadística y los
departamentos de calidad. Todo esto con el afán de dar una visión general sobre la
calidad que permita la discusión e investigación por parte de los estudiantes.

La segunda y tercera unidades abordan el tema de gráficas de Control por Variables y

atributos, poniendo énfasis en la auscultación de causas asignables, la capacidad del
proceso y la prueba de hipótesis, que permitan identificar y dar soluciones a los
problemas de la empresa para alcanzar la mejora continua de los procesos.

La cuarta unidad propuesta en el documento, consiste en facilitar al estudiante los

métodos para el diseño de planes de muestreo tanto de variables como de atributos,
mediante la aplicación de diagramas de flujo y tablas que le permita al estudiante
tomar decisiones coherentes respecto a la aceptación o rechazo de lotes.

El camino de la estrategia

Se recto de pensamiento

3
 El camino está en la destreza
Instrúyete en todas las artes
Conoce el camino de todas las profesiones
Distingue entre perder y ganar, en las cosas de este mundo
Desarrolla el criterio intuitivo y la comprensión hacia todas las cosas
Percibe lo que no puede ser visto
Presta atención aun a las cosas más insignificantes
No hagas nada que no tenga utilidad.

Miyamoto Musashi (1584-1645)

“El libro de los cinco anillos”

4
UNIDAD I Teoría general de la calidad y herramientas básicas

1.1 Definiciones

- Qué es calidad?

Hay muchas definiciones y apreciaciones sobre la calidad, estas dependen de

donde provengan, ya sea de los expertos, de la academia o de una persona que
no está familiarizada con la metodología de la calidad, pero que la percibe como
principio fundamental para satisfacción de sus necesidades. Toda percepción
sobre la calidad es válida, ya que se trata de un fenómeno multivariante, por lo
tanto, se trata de un conjunto de propiedades que puede poseer un bien o servicio
para ser juzgado y valorado.

“Concordancia con los requisitos y especificaciones” Crosby.

“Adecuación para el uso” Juran.
“Un grado previsible de uniformidad y confiabilidad a bajo costo y adecuado para
el mercado” Deming.

Se puede decir también que “la calidad es un estándar, es una meta que se
propone alcanzar, para satisfacer las necesidades de los clientes”.

- Qué es calidad total?

Para resumir las distintas definiciones, se podría decir que “la calidad total es una
filosofía de largo plazo, que en base a estándares de perfección desarrolla un
compromiso”, por lo tanto es una

“Filosofía de trabajo”

Calidad de diseño: que producto servicio producir y como hacerlo.

Calidad de conformancia: cumplimiento de normas y estándares.
Calidad de vida del trabajador: clima organizacional óptimo.

1.2 Principios de la calidad.

 Primero los ejecutores de los procesos productivos, estos deben ser atendidos
adecuadamente para que desarrollen sus capacidades en el trabajo, es decir,
deben tener:

- Sueldos dignos
- Incentivos
- Capitación permanente
- Equipos, herramientas, materiales, etc., apropiados
- Ambiente Ergonómico

5
 - Preocupación y mejora de la calidad de vida del trabajador y su
familia

 Constancia de propósito, una vez fijada la meta hay que alcanzarla.

 Éxito de los clientes, si nuestros clientes no están satisfechos, como productores
de bienes o servicios no hemos cumplido.
 Enfoque al proceso, cada día más calidad entre todos y todas las estaciones o
procesos.
 Decisiones basadas en datos (estadística), que se produce, que se quiere que se
produzca, como se quiere que produzca, cuales son las proyecciones.
 Eliminación del desperdicio, el bien o servicio defectuoso se considera desperdicio
y causa pérdida de tiempo, dinero, recursos, etc.
 Mejora continua, evaluación cualitativa y cuantitativa permanente a todo nivel.

1.3 Reglas de calidad

Con el propósito de mantener una ruta adecuada de calidad, se presentan a

continuación algunas reglas, que por un lado, facilitarán la comprensión del trabajo
planificado y coherente y por otro, la interrelación entre clientes internos y externos:

 Compromiso desde los dirigentes hasta los trabajadores

 Elaboración del plan estratégico y planes operativos
 Elaboración del plan de mejora continua (modelo de gestión)
 Diseño del sistema de medición
 Fortalecimiento de la sociedad con proveedores
 Conocimiento profundo de los clientes
 Relación duradera con los clientes
 Prevención y no corrección de errores

1.4 Sistemas de Planificación y acción

De la misma manera, el control estadístico de procesos debe ser planificado y

coherente para alcanzar los resultados esperados. Deming, kume y otros estudiosos
de la calidad proponen algunas herramientas para planificar el estudio de la calidad de
los procesos, basados desde luego, en la metodología de la investigación científica

 Círculo de control de Deming

- Planear  determinar metas y objetivos

 determinar métodos para alcanzar las metas

- Hacer  realizar el trabajo

 ejecutar

- Verificar  verificar los efectos de la realización del trabajo

6
 - Actuar  emprender la acción apropiada (toma de decisiones)

A P
Actuar Planificar

V H
Verificar Hacer

Gráfica No. 1 Círculo de control de Deming

 Ruta de la calidad (Kume)

- Problema  identificación y definición del problema. Debe ser:

- Actual
- De interés
- Fáctico (factible de realizarlo en cuanto a: recursos
humanos, materiales y económicos)

- Observación  investigación de las características específicas del

problema desde una amplia gama de puntos de vista.

- Análisis  búsqueda de las principales causas.

- Acción  realizar las acciones necesarias para eliminar las principales

causas.

- Verificación  confirmar la efectividad de la acción y aseguramiento de

que el problema ha sido prevenido desde su raíz.

- Estandarización  eliminar permanentemente la causa del problema.

- Conclusión  revisión del procedimiento seguido de la solución del

problema y planeación del trabajo futuro.

 Planificación coherente y participativa

- Círculos de calidad

7
 Los conflictos permanentes entre actores, el individualismo, la falta de
acuerdo y respeto, han conducido a que se diluya y se pierda el trabajo en
equipo, pero, gracias a la creación de nuevas metodologías grupales como
los círculos de calidad en los que se potencia la participación y
colaboración de los actores, se ha podido superar estos escollos.

Objetivos:

 Aumentar la capacidad de diálogo.

 Pasar del análisis crítico al ejercicio creativo.
 Fortalecer la comunicación.
 Sustituir la competencia por la colaboración.

Pasos para formar círculos de calidad:

a) Se forma grupos de mínimo 5 personas (máximo 8, recomendable)

b) Debe romperse el hielo mediante la presentación de cada uno de los
integrantes
c) Luego, se nombrará un coordinador y un relator
d) Las ideas serán expresadas mediante lluvia de ideas (mínimo dos
vueltas).
e) Se respetarán las ideas expresadas, no serán refutadas
f) Se puede pedir ampliación de las ideas para mayor comprensión
g) Se agrupan las ideas más comunes, hasta llegar a la idea principal.

- Herramienta de planificación 5 W +H

Es una herramienta sencilla y fácil de manejar, está al alcance de todos y

no necesita de conocimientos profundos de planificación.

 Objetivo: permite una planeación exitosa.

 Problema: falta de distracción, ejercicio y amistad entre los empleados y

docentes de....

 Idea central: Realizar una actividad que permita fortalecer la unión y

compañerismo de los empleados y docentes de …

What: Qué? el campeonato de fútbol (hacemos lluvia de ideas)

Why: Por qué? distracción, crear amistad, aniversario. ejercitarse

Who: Quién o quiénes?, Empleados y Docentes (lluvia de ideas)

Where: Dónde? Espacios deportivos de la Asociación (lluvia de ideas)

8
 When: Cuándo? en el Aniversario de la institución (lluvia de ideas)

How: Cómo? Convocando a la conformación de equipos - Pidiendo

premios (lluvia de ideas)

1.5 Estándares de perfección

 Tipos de estándares de perfección

I = Impecable P = Promedio D = Defectuoso

- Autoestima

En todo proceso productivo de bienes y servicios, los involucrados tienen que

ser de calidad, no basta con que los materiales, los equipos, las maquinarias,
las metodologías, etc., sean de calidad, por lo tanto, los individuos tienen que
mantener y evaluar permanentemente su autoestima, para alcanzar niveles
aceptables de rendimiento. Tengo mi propia escala de valores?

- Auto conocimiento: reconocimiento, quién soy?

Físico – mental – social – espiritual

- Auto concepto: que creo de mi

- Auto evaluación: qué tengo de bueno?, qué tengo de malo?
- Auto aceptación: admito lo que soy?, admito lo que siento?
- Auto respeto: satisfago mis necesidades?, satisfago mis valores?
- Auto preparación
- Auto innovación
- Auto transformación

9
1.6 Evolución de la calidad y papel de la estadística

 Evolución de la calidad

Para poder aplicar adecuadamente las técnicas estadísticas a la calidad debe

comprenderse previamente el papel de la calidad en el conjunto de la organización. El
sector de las telecomunicaciones fue gran impulsor tanto de la evolución del concepto
de calidad, como de su estrecha relación con la estadística.

La historia de la humanidad ha convivido siempre con el concepto de calidad, aunque

no con la idea del control sistemático de la misma y mucho menos en el uso de
técnicas estadísticas aplicadas a la calidad.

En la época pre-industrial la producción era artesanal, lo que hacía innecesario el

control de calidad como actividad diferenciada de la producción. Sólo cuando la
actividad industrial empieza a tener cierta magnitud es cuando empieza a surgir la
necesidad de definir y regular las actividades orientadas a garantizar la calidad. A
continuación se muestra una panorámica histórica de la calidad a partir del momento
en que se le considera una actividad más del proceso productivo.

 Primera etapa: inspección del producto acabado

Comienza a finales del siglo XIX y principios del XX, hasta antes de la II guerra
mundial.

- Conceptos de calidad e inspección de la calidad eran sinónimos.

- La preocupación era comprobar que lo que se producía cumplía con los
requerimientos especificados (calidad de conformidad).
- El departamento de calidad estaba constituido por inspectores.
Telecomunicaciones, automoción, fueron sectores pioneros en la aplicación de
la estadística en control.

Calidad en 1900-1930: Calidad es cumplir las especificaciones

 Segunda etapa: control de la producción intermedia

Los procesos industriales aumentaron en complejidad.

- Se hizo más necesaria la extensión de la inspección estadística a la etapa de

fabricación, y no sólo al final del proceso.
- Se hizo necesario minimizar la producción de unidades defectuosas y la
detección de desajustes de manera rápida y eficiente (minimiza costes).
- La inspección a lo largo del proceso productivo es lo que se conoce como
Control Estadístico de Procesos (o SPC). Se aplicó por primera vez los gráficos
de control.

10
 Definición de Calidad en 1930-1960: Calidad es control de la variabilidad
Tercera etapa: el diseño del producto

Por los años 60 empezó a extenderse una nueva corriente en la mejora de los
procesos industriales y la prestación de servicios.

- Empleó la estadística para a partir de la observación encontrar aquellos

factores que proporcionan mejoras en los productos, procesos o servicios.
- Empleo del diseño experimental como herramienta fundamental para el diseño
de productos (a mitad de los años setenta).
- Surge un nuevo concepto de calidad mas allá de cumplir con especificaciones
que signifique bajo costo. La calidad no es solo una característica que se
controla sino que se crea.

Definición de Calidad en 1960-1980: Calidad es mejora

 Cuarta etapa: calidad total

En los años ochenta el concepto de calidad experimenta una auténtica revolución

debido a la influencia japonesa. Esta nueva concepción de la calidad se denomina
calidad total

- El concepto de calidad se extiende no sólo al proceso productivo sino a toda la

estructura organizativa.
- Toda actividad que realiza la empresa debe regirse por criterios de calidad, no
únicamente el producto o servicio.
- Nace la idea de cliente interno y externo.
- La calidad se aplica en cada uno de los procesos productivos de bienes y
servicios, desde la planificación y diseño del producto o servicio, pasando por
la ejecución, hasta la satisfacción del cliente.

Calidad en 1980...: La Calidad es la satisfacción de mi cliente (externo o interno).

De aquí en adelante se han desarrollado una serie de metodologías y herramientas

estadísticas encaminadas a mejorar cada día la estructura organizacional con miras
a satisfacer las necesidades del cliente interno y externo. Nace el 6 sigma, Thinking
process, entre otros

1.7 Control estadístico de procesos

 ¿Qué es el Control Estadístico de Proceso? [CEP]

- Control.- Para lograr que el proceso se comporte como nosotros lo deseamos...

- Estadístico.- Se ayuda de datos y números y algoritmos estadísticos…

11
 - Proceso.- Estudia las características del proceso.

 Beneficios del CEP

- Incremento de ganancias debido a:

 reducción del desperdicio
 reducción del re trabajo
 incremento en la producción
- Mejora la moral de los empleados
- Mejora la confianza del cliente
- Mejora del conocimiento del proceso
- Mejora el control de documentos y rastreabilidad
- Un aspecto a considerar para alcanzar la certificación ISO 9000

 CEP es la respuesta

Si CEP es la respuesta, ¿Cuál es la pregunta?

- ¿Qué tan capaz es el proceso de cumplir las expectativas del cliente (interno
o externo)?
- ¿si el proveedor del producto cumple las expectativas?
- ¿Cómo es la distribución del producto final?
- ¿centrado, al margen o “disperso”, probablemente en un valor extremo?
- ¿Qué está causando la variabilidad?
- ¿Podemos reducir la variabilidad del proceso?
- A lo largo del tiempo, ¿Cómo podemos asegurar que la capacidad del
proceso no ha cambiado?
- ¿Cuándo deberíamos “ajustar” el proceso y cuándo deberíamos dejarlo solo?

 Definición del proceso

Proceso es el conjunto de elementos utilizados para la producción de bienes

(productos) o servicios que deben ser sometidos a estudio.

- Materias primas, materias elaboradas

- Máquinas, herramientas, útiles
- Métodos de producción
6 M’s
- Mano de obra, hombres
- Medio ambiente
- Medición

La condición necesaria es que todos estos elementos sean de calidad para

producir y controlar bienes y servicios.

 Control del proceso

12
 Un fenómeno está bajo control cuando en base a la experiencia del pasado de
dicho fenómeno, podemos predecir entre que límites se espera que varíe en el
futuro.

 Variabilidad de un proceso

la variabilidad de un proceso está dada por causas asignables (factores concretos

y controlables) y causas no asignables, comunes o naturales. La frontera entre
ambas no estará perfectamente definida.

Hay que tomar en cuenta los siguientes puntos:

 Imposible elaborar productos exactamente iguales.

 Aceptar la variabilidad del proceso
 Asumir que si la variabilidad está comprendida entre límites o valores fijos,
podemos considerar productos similares.

En el gráfico No. 2 se puede observar que cada punto individual toma medidas
diferentes para la variable diámetro X, por lo tanto no son iguales, pero, están bajo los
límites de control-líneas rojas-, ante esto se puede asumir que son productos
similares.

Gráfico X para Diámetro

7,34
UCL = 7,04
7,01
CTR = 5,89
6,68

6,35
LCL = 4,74
X

6,02

5,69

5,36

5,03

4,7
0 1 2 3 4 5 6 7 8 9 10
Observación

Gráfico No.2 variabilidad de un proceso bajo límites de control

 Causas de la variabilidad

No asignables, comunes o naturales Asignables

Actúan en determinado momento

Sus efectos individuales son pequeños produciendo gran variabilidad, sus
y difíciles de eliminar, producen efectos son predecibles y definidos.
variabilidad estable y predecible Los efectos son eliminados cuando se
elimina la causa
Proceso
 Imprecisión de herramientas Desajuste, desgaste excesivo de la
 Vibración máquinas máquina y herramientas

13
  Fluctuaciones hidráulicas,
eléctricas, etc.
Materiales

 Cambios de materia prima: Defecto de la materia prima, fura de

espesor, resistencia, etc. especificación

Ambiente

 Cambios en las condiciones

atmosféricas
 Limpieza
 Iluminación, etc.
Personas
 Cambios en el estado físico
 Experiencia Operarios no calificados, fallos
 Motivación, etc. humanos.

Causas aleatorias
Combinación aleatoria de
variabilidades de cada grupo nos da la
variabilidad del proceso.
Variabilidad = suma de las dos causas / asignables + no asignables

 Objetivo del estudio de un proceso

El objetivo del Control Estadístico de Procesos (CEP), consiste en observar

periódicamente el proceso y describir mediante gráficos cuándo en el proceso están
actuando causas asignables y eliminarlas.

De otro lado, consiste en separar las causas no asignables, logrando que la

variabilidad sea debida solo a causas aleatorias.

“El proceso está bajo control”

- Cuando en el proceso actúan solo causas no asignables, está bajo control

(QC).
- Cuando en el proceso actúan solo causas asignables, está fuera de control.

 Diferencias entre causas asignables y no asignables

NO ASIGNABLES ASIGNABLES

14
 - Muchas causas individuales - Una o pocas causas individuales
- Dan lugar a variaciones pequeñas - Dan lugar a variaciones
- Producen variabilidad K  considerables
predecible - Variabilidad no K  impredecible
- Difícil reducción de los efectos, no
es económica su eliminación - Sus efectos desaparecen al eliminar
- Cuando solo hay causas no la causa
asignables el funcionamiento del - El proceso no funciona de manera
proceso es óptimo óptima
- En estas circunstancias hay - No permiten hacer predicciones
elementos defectuosos  cambios - Por lo general su efecto está
básicos en el proceso localizado en una(s) máquina(s) u
- El proceso es estable pueden operario(s).
hacerse predicciones (muestreo).

1.8 Herramientas básicas para el control de calidad

Con el propósito de que los procesos evidencien mejora continua, se han

diseñado diferentes herramientas, que pueden ser utilizadas en conjunto o por
separado, de todas maneras, cada una tiene su propósito y de ninguna manera se
contraponen. A continuación se anotan las más importantes:

 Tormenta de ideas (lluvia de

 Técnicas grupales de trabajo
ideas)
 Diagrama de causa y efecto
 Equipos de proceso
(espina de pescado)
 Los 14 puntos de Deming
 Hojas de chequeo
(Administración Total de la Calidad)
 Diagrama de flujo  Análisis de Pareto
 Diagrama de dispersión  Histograma
 Diseño de experimentos  Capacidad del proceso
 Cartas de tendencias  CEP

Las herramientas básicas para el control de la calidad, permiten Identificar las

desviaciones o las causas de un problema dentro de un proceso, así como
caracterizar la distribución de los datos recolectados de un proceso.

Entre las herramientas más usuales para llevar procesos de mejora continua
tenemos a: Los 14 puntos de Deming (Administración Total de la Calidad,) las 7
herramientas de Ishikawa, seis sigma (6 ); etc.
σ

 Los 14 puntos de Deming

15
 El Dr. Edgard Deming, en su libro "Out of the Crisis", "Salir de la Crisis",

enuncia catorce puntos de mejoramiento gerencial. No resulta fácil lograr estos

cambios, especialmente en las culturas occidentales. Posiblemente esto está
impidiendo el logro de impresionantes éxitos como los que se dieron en Japón.

1. Crear un hábito de constancia en la mejoría de productos y servicios,

teniendo como objetivo en volverse más competitivos y permanecer en el
mercado para continuar dando trabajo a la gente.
2. Adoptar la nueva filosofía. Estamos en una nueva era económica, los
gerentes occidentales deben despertar al reto, deben aprender sus
responsabilidades y tomar el liderazgo hacia el cambio.
3. Dejen de depender en la inspección para alcanzar la calidad. Eliminen la
necesidad de inspeccionar a gran escala mediante integrar la calidad dentro
del producto desde un principio.
4. Terminen con la práctica de otorgar compras en base al precio. En su lugar,
minimicen el costo total. Concéntrense en un solo proveedor para cada
materia prima y generen una relación de larga duración basada en confianza
y fidelidad.
5. Mejoren constantemente y para siempre los procesos de planeación,
producción y servicio. Mejoren calidad y productividad y aun así, reduzcan
constantemente sus costos.
6. Instituyan el entrenamiento en el trabajo. Esto debe ser una parte del trabajo
diario de todos los obreros, empleados y gerentes.
7. Adopten e instituyan liderazgo. El objetivo de la supervisión debe ser el de
ayudar a la gente, las máquinas y los dispositivos a hacer un trabajo mejor.
La supervisión de niveles gerenciales y la de los trabajadores de producción
necesita una renovación total.
8. Eliminen el miedo de tal forma que la gente haga su mejor esfuerzo de
trabajar con efectividad porque ellos quieren que la empresa tenga éxito.
9. Rompan las barreras entre gente de los diversos departamentos o
categorías. La gente de investigación, administración, diseño, ventas y
producción deben trabajar como un equipo, y deben todos anticiparse a
posibles problemas de producción o de uso de los productos o servicios.
10. Eliminen "slogans" o frases hechas, exhortos y metas para los trabajadores
pidiéndoles cero defectos y nuevos niveles de productividad. Esos exhortos
solo crean relaciones adversas, ya que la mayoría de las causas de baja
calidad y productividad corresponden al sistema y por tanto están fuera del
control de los trabajadores.
11. Eliminen cuotas numéricas para los trabajadores o metas numéricas para la
gerencia:

a. Eliminen Standard de volumen de trabajo (cuotas) en el piso de

manufactura. Substitúyanlas con liderazgo.

16
 b. Eliminen el concepto obsoleto de "gerencia por objetivos". Eliminen la
gerencia por números o metas contables. Substitúyanlas con liderazgo.

12. Retiren las barreras que le roban a la gente el orgullo de su mano de obra y
sus logros personales-- eliminen los sistemas anuales de comparación o de
"méritos".

a. Retiren barreras que le quitan al trabajador el derecho de enorgullecerse

de lo que hace. La responsabilidad de los supervisores debe cambiar de
los meros números a la calidad como concepto.
b. Retiren barreras que le roban a la gente en la gerencia o ingeniería el
orgullo por sus logros personales. Esto significa la eliminación de
sistemas de rangos por mérito o de gerencia por objetivos.

13. Instituyan un programa vigoroso de educación y de auto mejoramiento para

cada quien. Permítanles participar en la elección de las áreas de desarrollo.
14. Pongan a cada quien en la empresa a trabajar en el logro de la
transformación. La transformación es el trabajo de todos.

 Las siete enfermedades mortales

1. Falta de constancia de propósito. Una compañía que carece de constancia

en la búsqueda de su propósito no cuenta con planes a largo plazo para
permanecer en el negocio.
2. Énfasis en la utilidad a corto plazo. Velar por aumentar los dividendos
trimestrales socava la calidad y la productividad.
3. Evaluación del desempeño, clasificación según el mérito o análisis anual
del desempeño. Los efectos de estas prácticas son devastadores se
destruye el trabajo en equipo, se fomenta la rivalidad.
4. La movilidad de la gerencia. Los gerentes que cambian de un puesto a otro
nunca entienden a las compañías para las cuales trabajan y nunca están
ahí el tiempo suficiente para llevar a cabo los cambios a largo plazo que
son necesarios para garantizar la calidad y la productividad.
5. Manejar una compañía basándose únicamente en cifras visibles. Las cifras
más importantes son desconocidas e imposible de conocer.
6. Costos médicos excesivos.
7. Costos excesivos de garantía fomentados por abogados que trabajan
sobre una base de honorarios en caso de imprevistos.

 Las siete herramientas de Ishikawa

1. Diagrama de Pareto

Pareto es un diagrama que se utiliza para determinar el impacto, influencia o

efecto que tiene determinados elementos sobre un aspecto.

17
 Consiste en un gráfico de barras similar al histograma que se conjuga con
una ojiva o curva de tipo creciente y que representa en forma decreciente el
grado de importancia o peso que tienen los diferentes factores que afectan a
un proceso, operación o resultado.

A continuación se presenta la estructura del Diagrama de Pareto:

a. Sobre el eje horizontal se muestran barras de la misma dimensión, en

cuya base debe llevar el nombre del efecto o problema. Estas barras
son de ordenadas de izquierda a derecha y de mayor a menor
frecuencia en cuanto a su aparición.
b. Sobre el eje vertical izquierdo se muestra la frecuencia de aparición de
efecto o problema.
c. Sobre el eje vertical derecho se gráfica el porcentaje relativo acumulado
(eje para traficar la ojiva o curva).

Algunos ejemplos son:

a. El 80% del valor de un inventario de artículos se debe al 20% de estos

artículos.
b. El 80% del total de tiempo de trabajo se consume con el 20% de las
actividades diarias.

Se presenta a continuación un ejemplo de la elaboración de un diagrama de

Pareto.

Tabla No.
DEFECTOS MAS FRECUENTES EN LA PRODUCCIÓN DE LÍNEA BLANCA
Cod frec
Tipo de defecto Detalle del problema %
. .
A Abolladuras Abolladuras exteriores, hundidos, raspados 13 32,5
Tornillos Tornillos mal colocados/ sesgados,
B 10 25,0
defectuosos abollados
C Pintura defectuosa Pintura exterior defectuosa/grumos o ralos 8 20,0
Uniones Uniones defectuosas, mal soldadas, mal
D 5 12,5
defectuosas limadas
E Cables sueltos Cables sueltos/mal colocados, no sujetados 3 7,5
puertas caídas/mal colocadas,
F Puertas caídas 1 2,5
desniveladas
 Total 40 100

18
 DEFECTOS EN PRODUCCION DE LINEA
BLANCA
100 100
90 90
80 80
70 70
60 60
50 50
40 40
30 30
20 20
10 10
0 0
A B C D E F
C A U S A S

 Diagrama de Causa-Efecto

También conocido como Esqueleto de pescado o Diagrama de Ishikawa. Es

una herramienta sistémica para la resolución de problemas que permiten
apreciar la relación existente entre una característica de calidad (efecto) y los
factores (causas) que la afectan, para así poder definir las causas principales
de un problema existente en un proceso. Las causas son determinadas
pensando en el efecto que tiene sobre el resultado, indicando por medio de
flechas la relación lógica entre la causa y el efecto.

La primera sección esta constituida por una flecha principal hacia la que
convergen otras flechas, consideradas como ramas del tronco principal (6M:
medidas, materiales, mano de obra, medio ambiente, método y maquinaria), y
sobre las que inciden nuevamente flechas más pequeñas, o subramas. En esta
primera sección quedan, pues, organizados los factores casuales.

La segunda sección está constituida por el nombre de la característica de

calidad (efecto). La flecha principal de la primera sección apunta precisamente
hacia este nombre, indicando con ello la relación casual que se da entre el
MEDIDAS MATERIALES MANO DE OBRA
conjunto de factores con respecto a la característica de calidad.
CAUSAS SECUNDARIAS

EFECTO

CAUSAS SECUNDARIAS

MEDIO AMBIENTE METODO MAQUINARIA

19

CAUSAS FORMULACIÓN DEL

PROBLEMA
El diagrama de causa-efecto es aplicable en cualquier proceso (administrativo,
productivo, etc.) en donde se requiera solucionar un problema o en donde se
desee implementar una mejora.

Pasos para su construcción:

a. Determinar el efecto a estudiar.

b. Reunir a las personas involucradas en el proceso donde se detectó el
problema y efectuar lluvia de ideas (se pregunta: porqué? o qué?)
c. Seleccionar las causas aportadas, eliminando repeticiones y errores
d. Dibujar el diagrama.

Ejemplo 1, se refiere al paro de un templador (efecto) en la máquina 71 y sus

posibles causas.

Ejemplo 2, se refiere a la variabilidad de la dimensión de una pieza

Mano de obra Maquinaria

Abrasión
fatiga
Salud Herramientas
concentración
Deformación
enfermedad Moral

Mantenimiento
habilidad

Variabilidad en la
dimensión de una pieza
Phi Posición
Forma Ajuste
Componente
Puesta a Angulo
Calidad punto
Almacenamiento Velocidad 20

Materiales Método
 Diagrama de causa y efecto para estudiar las causas de la variabilidad en la dimensión de una
pieza
 Diagrama de flujo

Un diagrama de flujo u organigrama es una

INICIO
representación gráfica de todas las fases que
forman el proceso, esta representación se realiza
mediante figuras geométricas conectadas por PROCESO I
flechas. Es básicamente una representación
cronológica de las etapas a seguir. Es útil en la
visualización global de tareas complejas y permite NO
DECISIÓN
ver las relaciones entre ellas, detectar
redundancias o simplificar procesos. Puede estar
SI
completado con puntos de bifurcación en función
de decisiones donde se indique cómo actuar en PROCESO II

función de la decisión adoptada.

Al igual que el diagrama causa-efecto no son

herramientas estadísticas pero son de utilidad PROCESO
MANUAL
probada en la resolución de problemas reales.
Pueden combinarse los gráficos de causa-efecto
con los diagramas de flujo.
FIN
Recomendaciones para construir Diagramas de
Flujo:

 Conviene realizar un Diagrama de Flujo que describa el proceso real y no lo

que está escrito sobre el mismo (lo que se supone debería ser el proceso).

 Si hay operaciones que no siempre se realizan como está en el diagrama,

anotar las excepciones en el diagrama.

 Probar el Diagrama de Flujo tratando de realizar el proceso como está

descrito en el mismo, para verificar que todas las operaciones son posibles
tal cual figura en el diagrama.

 Si se piensa en realizar cambios al proceso, entonces se debe hacer un

diagrama adicional con los cambios propuestos.

21
Ejemplo 1, Diagrama de flujo del encendido de un televisor

Encender TV

Está SI
Aparece NO
conectado el
imagen?
TV?

NO

SI Conectar TV

SI Esta buena la SI Aparece NO

Llamar al técnico
imagen? imagen?

Está buena la NO
Ajustar controles
imagen?

SI

Ver programa

Ejemplo 2, se refiere Al
INICIO
proceso de fabricación
de una resina
PESAR MP

AGREGAR A
REACTOR

REACCIÓN
QUÍMICA

SACAR
MUESTR
NO
A

MEDIR VISCOSIDAD SI ENFRIAR Y

VISCOSIDAD OK? DESCARGAR

22

FIN
 Histograma

El histograma ordena las muestras, tomadas de un conjunto, en tal forma que

se vea de inmediato con qué frecuencia ocurren determinadas características
que son objeto de observación.

El histograma en el CEP se utiliza para visualizar el comportamiento del

proceso con respecto a determinados límites y no involucra el tiempo.

El número de datos que se necesitan es relativamente grande. La cantidad de

datos depende de la situación particular, pero cantidades típicas son de 50, 100
ó más.

El histograma resulta incapaz de mostrar si el proceso exhibe inestabilidad

estadística.

Ejemplo:

 Estratificación

Es una clasificación por afinidad de los elementos de una población, para

analizarlos y poder determinar con más facilidad las causas del
comportamiento de alguna característica de calidad. A cada una de las partes

23
 de esta clasificación se le llama estrato, la estratificación se utiliza para
clasificar datos e identificar su estructura.

La estratificación generalmente se hace partiendo de la clasificación de los

factores que inciden en un proceso (5M: máquinas, métodos, materiales, medio
ambiente y mano de obra) y los estratos que se utilicen, dependerán de la
situación analizada.

Usos de la estratificación:

a.- Identificar las causas que tienen mayor influencia en la variación.

b.- Comprender de manera detallada la estructura de un grupo de datos, lo cual

permitirá identificar las causas del problema y llevar a cabo las acciones
correctivas convenientes.

c.- Examinar las diferencias entre los valores promedios y la variación entre
diferentes estratos, y tomar medidas contra la diferencia que pueda existir.

Ejemplo:

En información recogida sobre accidentes menores en una fábrica, puede

haberse registrado valores ascendentes o descendentes, pero dicho valor
representaría la suma total de todos los accidentes, por lo cual la información
sería incompleta. La estratificación que se podría tener sería:

Por tipo de accidente: cortes, quemaduras, etc.

Por zona afectada: ojos, manos, etc.
Por departamento: mantenimiento, despacho, empacado, etc.

 Hoja de verificación

En el control estadístico de la calidad se hace uso con mucha frecuencia de las

hojas de verificación, ya que es necesario comprobar constantemente si se han
recabado los datos solicitados o si se hace efectuando determinados trabajos.

24
 El esquema general de estas hojas es la siguiente: en la parte superior se
anotan los datos generales a los que se refiere las observaciones o
verificaciones a hacer en la parte inferior se transcribe el resultado de dichas
observaciones y verificaciones.

 Diagrama de dispersión

Los métodos gráficos tales como el histograma o las gráficas de control tienen
como base un conjunto de datos correspondientes a una sola variable, es decir,
son datos univariados. Un diagrama de dispersión se usa para estudiar la
posible relación entre una variable y otra (datos bivariados); también sirve para
probar posibles relaciones de causa-efecto; en este sentido no puede probar
que una variable causa a la otra, pero deja más claro cuándo una relación
existe y la fuerza de esta relación.

La relación entre dos tipos de datos puede ser:

Una característica de calidad y un factor que inciden sobre ella.

Dos características de calidad relacionadas, o bien dos factores relacionados

con una sola característica.

 Gráficos de control

La gráfica de control es un método gráfico que ayuda a evaluar si un proceso

está o no en un estado de control estadístico. Es decir, ver su comportamiento
dentro de límites de especificación. Es muy parecida a las gráficas de línea, la
diferencia esencial estriba en que las gráficas de control tienen los
denominados "límites de control", que determinan el rango de variabilidad
estadística aceptable para la variable que se esté monitoreando.

Si los puntos se mantienen dentro de los límites de control y presentan un

patrón aleatorio, entonces se dice que "el proceso está en control ", si por el
contrario, se encuentran puntos fuera de los límites de control, o el conjunto de
puntos muestra tendencias, periodicidad, o cosas anormales, entonces el

25
 proceso se diagnostica como inestable, o "fuera de control". Ante una situación
de esta naturaleza, debe procederse a investigar las causas que estén
provocando la inestabilidad, e implementar acciones preventivas para evitar
que vuelvan a presentarse.

Las ventajas de las gráficas de control son:

 Sirve para determinar el estado de control de un proceso.

 Diagnostica el comportamiento de un proceso en el tiempo.
 Indica si un proceso ha mejorado o empeorado.
 Sirve como una herramienta de detección de problemas.
 Permite identificar las dos fuentes de variación de un proceso: causas
comunes o también llamadas naturales son los factores que afectan en poco
la variabilidad del sistema. Su presencia es aleatoria, y no son de fácil
detección, generalmente están relacionadas con aspectos administrativos. Y
otras causas son llamadas especiales o asignadas estás son los factores
esporádicos que desestabilizan el sistema. Su identificación es inmediata y
fácil.

2.3 LAS SIETE HERRAMIENTAS ADMINISTRATIVAS

Las herramientas administrativas son usadas principalmente para organizar

información y para hacer planes o programas en las diferentes etapas del proceso
de toma de decisiones para solución de problemas.
Estas herramientas para control y mejora de calidad fueron inicialmente
seleccionadas y desarrolladas solo para gerentes y empleados de áreas
administrativas, posteriormente dada su importancia, se extendió a la alta
dirección para la planeación y administración estratégica, políticas de la empresa,
asuntos generales, ventas, contabilidad, costos, y actividades de equipos de
mejoramiento y círculos de calidad.

26
 Diagrama de afinidad

Se emplea para organizar grandes cantidades de información, agrupándolos

posteriormente por temas semejantes o afines.

 Diagrama de relaciones

Es un método de inducción lógica que permite aclarar las causas y sus

relaciones para identificar, confirmar y seleccionar las causas originales más
importantes que afectan un problema de análisis. Esta herramienta es
prácticamente la única para encontrar y confirmar causas de problemas,
cuando no podemos hacerlo mediante datos estadísticos.

 Diagrama matricial

Se emplea para revelar las correlaciones entre ideas, tareas, responsabilidades

y que aparecen en diversas formas matriciales. Este diagrama muestra la
relación entre los diferentes elementos de dos eventos o aspectos,
arreglándolos en forma de matriz.

 Diagrama de árbol

Es una técnica que se emplea para buscar la forma más apropiada y eficaz de
alcanzar un objetivo específico. Implica desarrollar un objetivo en serie de
medios primarios, secundarios, etc. y acciones específicas.

Diagrama de priorización

Es una tarea que prioriza tareas, actividades elementos, productos, problemas,

etc.; utilizando uno o más criterios.

 Gráfica de proceso de decisiones programadas

Es utilizada para predecir el futuro, enfatizando en situaciones no deseables

durante la realización de un evento para diseñarlo y dirigirlo hacia un resultado
deseable. Este método fue creado por el Dr. Jiro Kondo en 1968. Es
indispensable aplicarlo en todas las actividades de control y mejora de calidad,
especialmente en investigación y desarrollo.

 Diagrama de flechas

Es una técnica de administración de redes de uso generalizado para la

planeación e implantación de tareas complejas. Se muestra el tiempo para
implantar la tarea global y vigila los programas de tiempo y costo para cada
subterránea.

27
 Se emplea el diagrama de redes de actividades para desplegar soluciones
complejas con programas muy estrictos de tiempo. La ruta crítica determina el
tiempo mínimo que se requiere para llevar a cabo el proyecto de la manera que
se definió.

4. SEIS SIGMA

a. Porque seis sigma?

- Integra el factor humano y las herramientas de mejora(estadísticas)

- No es un método de tipo “HAZLO MEJOR”, es una metodología de
trabajo eficaz, probada y fundamentada para “HACERLO MEJOR”
- Muchas herramientas han surgido como consecuencia de la gestión de
calidad (diagrama de flujos, árbol de problemas, diagramas de afinidad, etc.).
- Establece una metodología sistemática y ordenada de mejora de la
calidad
- Se basa en el método científico usando el pensamiento estadístico
- Mejora los resultados de su aplicación
- Integra los principios de la calidad total

- Es un enfoque unificado de los modelos de gestión

28
b. Qué es seis sigma?

- Metodología que permite encontrara y eliminar las causas que producen

defectos.

Defecto = lo que no satisface al cliente

- Seis sigma se concentra en la reducción de la variación hasta alcanzar

una meta de 3,4 defectos por millón de observaciones (DPMO) que
corresponde a +/- 6 desviaciones estándar (sigmas) en una distribución normal.
6 σ = 3,4 DPMO

- Proceso

Proveedores A B C Clientes

- Eliminar defectos = reducir variabilidad

c. De dónde seis sigma?

Sigma σ = medida de la variabilidad (dispersión)

La variabilidad de un proceso es el principal enemigo de la calidad

d. Compromiso de la gerencia o grupo gerencial en el despliegue estratégico de seis

sigma

 Conviértase en un “lunático” de la calidad y del servicio al cliente.

 Cambie la mentalidad de arreglar productos a arreglar procesos hasta alcanzar
la perfección.
 Reduzca los defectos a 3.4 por millón de oportunidades.
 Lidere un enfoque disciplinado de mejoramiento utilizando la guía estándar del
DMAMC (Definir, Medir, Analizar, Mejorar y Controlar).
 Conviértase en un fanático del análisis de datos (herramientas estadísticas de
alto nivel).
 Haga énfasis en un lenguaje común de métricas, herramientas y metas.

29
e. DMAMC y el proyecto seis sigma

“Es de la mayor importancia en el arte de la detección el ser capaz de reconocer

dentro de un número de hechos, cuáles son incidentales y cuáles vitales. De otro
modo su energía y atención se disiparán en lugar de concentrarse.”
Sherlock Colmes

2.3 Fundamentos de la estadística en ensayos no destructivos (END)

La estadística es una herramienta importante que ayuda a evaluar las mediciones

realizadas en un proceso de control de calidad.

Hay que tomar en cuenta que durante los ensayos o test de calidad se cometen dos
tipos de errores:

1. Sistemáticos
- Al emplear cualquier procedimiento de inspección
- El instrumento tiene un cierto grado de imprecisión
- Cambios de temperatura durante las mediciones, etc.

2. Aleatorios
Se producen por causas como: Fallos humanos, técnicos, ambientales, etc.
Son difíciles de evaluar con exactitud, se emplean métodos estadísticos y
matemáticos. Cada error es un evento y posee una probabilidad de
ocurrencia

Proceso = errores sistemáticos + errores aleatorios

Usos de la estadística en END

- Control línea de producción de 1 artículo

- Programas de muestreo y criterios para su evaluación de acuerdo a producción y
explotación.
- Evaluación de exactitud y confiabilidad en la inspección con un método

a) El problema

Se desea controlar el espesor (grosor) de una cartulina Bristol de 120 gramos, si

cumple con los parámetros establecidos bajo normas INEN, para lo cual, se
realiza una medición con la ayuda de un tornillo micrométrico.

30
b) La inspección

Se pide a dos encargados A y B del departamento de control de calidad de la

empresa, para que realicen las mediciones.

c) Medición Información:

Encargado A 0.2 mm
A quien creemos o en quien
Encargado B 0.25 mm
confiamos?
d) Interpretación y análisis

El encargado A es más confiable porque es muy responsable y capacitado? o al

encargado B por haber obtenido la información con dos decimales?

En realidad, no se puede hacer la interpretación y análisis estadístico con un solo

dato, se necesita más información.

e) Nueva medición

Para realizar una buena interpretación de la medición se les pide a los encargados
tomar una muestra de n=10 cartulinas cada uno y volver a medir, obteniéndose la
siguiente información:

Tabla no. 1
MEDICIONES REALIZADAS POR LOS ENCARGADOS A Y B
Mediciones en mm
Encargado X̄ σ
1 2 3 4 5 6 7 8 9 10
A 0,1 0,3 0,2 0,2 0,4 0,2 0,3 0,2 0,3 0,2 0,24 0,080
B 0,25 0,23 0,24 0,23 0,24 0,23 0,25 0,24 0,25 0,24 0,24 0,008

f) Nueva interpretación y análisis

Las nuevas mediciones permiten realizar análisis estadístico, calculándose en

primera instancia el centro de gravedad (promedio), la desviación típica y otros
estadísticos interesantes.

Mediciones de A Mediciones de B
Descriptivos Estadístic Error Estadístic Error
o típ. o típ.
Media 0,240 0,027 0,240 0,003
Intervalo de LI 0,180 0,234
confianza para la L
media al 95% 0,300 0,246
S
Media recortada al 0,239 0,240

31
 5%
Mediana 0,200 0,240
Varianza 0,007 0,000
Desv. típ. 0,084 0,008
Mínimo 0,100 0,230
Máximo 0,400 0,250
Rango 0,300 0,020
Amplitud
0,100 0,020
intercuartil
Asimetría 0,389 0,687 0,000 0,687
Curtósis   0,370 1,334 -1,393 1,334

Observe que los dos encargados obtuvieron el mismo promedio, pero esto no
significa que los dos realizaron las mediciones con la misma precisión, por el
contrario, la variabilidad de las mediciones del encargado A es 10 veces más que
las del B. Por lo tanto, hay notables diferencias; las mediciones del encargado A
están más próximas al centro de gravedad que las del B que están más dispersas.

El histograma y el Box-Plot (diagrama de caja y bigote), que a continuación se

presentan, permiten observar claramente estas diferencias, es decir, la
concentración y dispersión en torno al centro de gravedad del sistema.

Mediciones del experto de calidad A

Mediciones del experto de calidad B

5
4

3
Frecuencia

3
Frecuencia

1
1

0 0
0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.23 0.235 0.24 0.245 0.25

A B

Comparación de las mediciones de los expertos A y B

0.40

0.35

0.30

0.25

0.20

0.15

0.10

A B

32
5. GRAFICAS DE CONTROL

 Son representaciones gráficas de estudio del control del proceso.

 Estas gráficas acompañadas de criterios estadísticos nos permitirán a través
del tiempo distinguir cuando actúan sobre el proceso, causas asignables o no
asignables.

5.1 Límites de control

El campo de variabilidad del proceso debido a causas aleatorias se acota mediante

límites de control.

LSC = Límite superior de control

LC = Línea central
LIC = Límite inferior de control

LSC

LC

LIC

“Mientras los puntos representativos del proceso se mantengan dentro

de los límites, el proceso está bajo control”

“Admitimos la variabilidad del proceso siempre que ésta se encuentre

dentro de los límites”

Si no ocurre esto  variabilidad supera las causas

aleatorias  puntos fuera de límites  actúan causas
asignables  es necesario investigar

33
5.2 Dispersión y tendencia central del proceso

 Aceptamos que el proceso puede producir unidades distintas, que pueden ser
consideradas iguales siempre que se encuentren dentro de los límites.
 Los elementos del proceso seguirá una distribución de frecuencias, suponemos
que es normal.
 Por consiguiente los elementos producidos
¿
por el proceso bajo control estarán
agrupados alrededor de y el 99.7% de X ellos se encontrarán entre los límites.
¿
LSC = X +3σ ¿
LIC = X +3σ

La variabilidad del proceso es combinación de las variaciones en la

tendencia central y variaciones en la dispersión del proceso.

5.3 Tipos de gráficos:

- Por variables: medida numérica

- Por atributos: pasa no pasa / no se expresa numéricamente

5.4 Base de cálculo para los límites:

Normal utilizar 3σ  riesgo muy pequeño (0.3%) de considerar existencia de

causas asignables cuando no existen, por lo tanto, el riesgo de no considerarlas
cuando realmente existan es mayor.

5.5 GRAFICAS DE CONTROL (VARIABILIDAD)

Los gráficos de control son dibujos que permiten determinar si el modelo de

probabilidad (variabilidad) es estable o sufre modificaciones a través del tiempo.

La teoría del control estadístico de procesos, presenta algunos tipos de gráficos de

acuerdo a patrones distintos de variabilidad, pero todos tienen características comunes
y se interpretan de la misma manera mediante una prueba de hipótesis estadística.

El modelo general se basa en la propuesta teórica de Walter Shewart, quien desarrolló

los principios fundamentales de los diagramas de Shewart, generando un modelo
general para los diagramas de control de la siguiente manera:

Sea X las observaciones muestrales de la medida de una característica de calidad de

interés. Sea
μ
X la media de X, y
σX su desviación típica, entonces las líneas del
diagrama de control serán:

34
 LSC=μ X + Kσ X
Líneacentral=μ X
LIC=μ X −Kσ X

Donde K es la distancia tipificada entre los límites de control y la línea central,

expresada en desviaciones típicas.

COMO SELECCIONAR UN GRÁFICO DE CONTROL

SI Es variable NO
continua?

No. total de
NO más de 1
SI NO SI
observación elementos
subgrupo? subgrupo?

Grafica X valores Grafica

individuales X  R/ X S Tamaños Tamaños
NO SI NO SI
iguales? iguales?

Grafica Grafica
Grafica
u c
np

Grafica
p

GRAFICAS DE CONTROL POR VARIABLES CONTINUAS (cuantitativas)

- Cuando las características son medibles

- Aparato de control permite establecer el valor
- Supone una distribución normal N~ (0, ) σ
- Consiste en obtener información acerca del producto para estimar parámetros.
¿
X , R,σ
- Una vez conocidos los parámetros y puesto que es N, podemos calcular entre
que valores oscilará la producción.
- Permite comparar lo fabricado en ciertos intervalos con los valores citados.
- El mayor aprovechamiento de la información se logra mediante la utilización
conjunta de dos gráficos.

A. GRAFICO DE CONTROL PARA UNIDADES INDIVIDUALES

- Se utiliza en muestreo por ensayo destructivo con alto costo.

35
- Ensayo no destructivo con alto costo
- Lotes de producción reducido

Limitaciones

- Falta de información sobre la variabilidad del proceso en un momento

determinado.
- Detrimento de la eficacia del control

Como construir un gráfico para unidades individuales

Sea x la característica de la calidad que se quiere medir, donde X≈ N ( μ , σ )

Denotaremos por X=x1, x2, ... xn a las n observaciones

a. Observar que ∀ i=1,2 ,...,n, X i ≈N ( μ , σ )

b. Mediante el modelo de Shewart se tiene:

LSC=μ+3σ
Líneacentral=μ
LIC=μ−3 σ
c. Si  es desconocida, podemos estimar mediante las n observaciones obtenidas,
siempre y cuando se cumpla que n>25 y que el proceso esta bajo control.
n
1
μ^ = X̄= ∑ X i
n i=1

Donde μ^ es estimador insesgado de  ya que:

n
1
E( X̄ )= ∑ E ( X i )=μ
n i=1

d. Si  es desconocida, se puede estimar a partir del rango móvil MRi , igualmente

debe cumplirse que n>25 y que el proceso esta bajo control.

∀ i=2 ,...,n , sea MRi =Max {X i , X i−1 }−Min{X i , X i−1 } , entonces se cumple
que:

μ MRi=d 2 (1). σ , dónde d2(1) es un valor tabulado

36
Además, MRi / d2(1) es un estimador insesgado de  como sigue:

MR i E [ MR i ] d 2 (1). σ
E
[ ]
d 2 (1)
=
d 2 (1 )
=
d 2 (1 )
=σ

Por lo tanto, el estimador de  es el promedio de los MRi / d2(1)

n
1 MR i M̄ R̄
σ^ = ∑ = ( σ^ esestimador insesgado de σ )
n−1 i =2 d 2 ( 1 ) d 2 (1)

Diagrama [ X̄ ]

MR
LSC= X̄ +3
d2
LC= X̄
MR
LIC= X̄ +3
d2

Junto a los gráficos de X̄ , también podemos obtener el gráfico de control para

rangos móviles, el que ayuda a controlar la variabilidad de las observaciones de la
característica medida a controlar.

Se tiene que X es la característica de calidad que interesa medir, donde

X≈ N ( μ , σ ) y que se denota por X1, X2, …, Xn a las observaciones.

∀ i=2, . .. , k , sea MRi =Max { X i , X i−1 }−Min { X i , X i−1 }

, se cumple que
μ MRi=D 2 σ y

σ MRi =D4 σ y D3 σ

Se cumple que:
MRi ⃗
n → ∞ N [ D 2 σ ,( D 3 , D 4 )σ ]

Diagrama de [R]

LSC=M R̄⋅D 4
LC=MR
LIC=MR⋅D3

Ejemplo:

37
La viscosidad de un producto químico es una característica de calidad importante para
el departamento de control de calidad. El producto se elabora por lotes, y debido a que
la producción de cada lote tarda varias horas, la tasa de producción es demasiado
lenta para permitir tamaños muestrales mayores de uno. La viscosidad de los 15 lotes
aparece en la trabal siguiente:

Observa Viscosidad[X MR(2)

]
1 33,75
2 33,05 0,7
3 34,0 0,95
4 33,81 0,19
5 33,46 0,35
6 34,02 0,56
7 33,68 0,34
8 33,27 0,41
9 33,49 0,22
10 33,2 0,29
11 33,62 0,42
12 33,0 0,62
13 33,54 0,54
14 33,12 0,42
15 33,84 0,72

X y MR(2) - Estudio Inicial para viscosidad

Número de observaciones = 15

Gráfico X ; k=2 y d2=1.128

MR
UCL: +3,0LSC=
sigmaX̄ +3
= 34,8018
d2
Línea central = 33,5233
LCL: -3,0LC= X̄ = 32,2448
sigma
MR
LIC= X̄ +3
d2

Gráfico X para viscosidad

35
UCL = 34,80
34,5 CTR = 33,52
34 LCL = 32,24
33,5
X

33
32,5
32
0 3 6 9 12 15
Observación

38
0 fuera de límites

Gráfico MR(2) ; k=2 y D3=0 y D4=3,267

LSC=M R̄⋅D 4 UCL: +3,0 sigma = 1,57127

Línea central = 0,480714
LC=MR LCL: -3,0 sigma = 0,0
LIC=MR⋅D3

Gráfico MR(2) para viscosidad

1,6
UCL = 1,57
CTR = 0,48
1,2
LCL = 0,00
MR(2)

0,8

0,4

0
0 3 6 9 12 15
Observación
0 fuera de límites

Estimaciones

Media del Proceso = 33,5233

Sigma del Proceso = 0,426165
MR (2) Medio = 0,480714

Interpretación: Este procedimiento crea un gráfico de individuales para viscosidad.

Está diseñado para permitirle determinar si los datos proceden de un proceso que está
en un estado de control estadístico. Los gráficos de control se construyen bajo la
asunción de que los datos proceden de una distribución normal con una media igual a
33,5233 y una desviación típica igual a 0,426165.

Estos parámetros se estimaron a partir de los datos. De los 15 puntos no excluidos

mostrados en los gráficos, 0 están fuera de los límites de control en el primer gráfico
mientras que 0 están fuera de los límites en el segundo gráfico. Puesto que la
probabilidad de ver 0 o más puntos fuera de los límites sólo por casualidad es 1,0 si
los datos proceden de la distribución asumida, no se puede rechazar la hipótesis de
que el proceso está en un estado de control estadístico para un nivel de confianza del
90% o superior.

B. GRÁFICOS DE CONTROL CON MUESTRAS DE TAMAÑO PEQUEÑO

39
Como se planteó anteriormente, los gráficos por variables nos permiten controlar una
característica medible de un producto (bien o servicio) que se quiere estudiar, tomando
muestras de tamaño pequeño.

 Gráfica de control [ X̄ −R ] o [ X-barra y R]

Las gráficas de control X̄ (X-barra) contienen las medias muestrales de las

características que se va a estudiar y posibilitan la detección de posibles
variaciones en torno al valor medio de la característica durante el proceso.

El gráfico R se utiliza para medir la variación del proceso y detectar posibles

causas especiales. Se emplea este gráfico para muestras de tamaño no mayor a
10; en muestras mayores se utiliza el gráfico S.

Construcción del gráfico

Sea X la característica de calidad que se está midiendo, donde X≈ N ( μ , σ ) .

Se toman k muestras, cada una de tamaño n. Denotaremos por i1 i2X , X ,..., X in

a las n observaciones de la muestra i-ésima, donde i=1,2,…,k, entonces:

- Por el teorema de distribución de muestra, sabemos que:

σ
σ x̄ =
μ x̄=μ y √n
σ
- Por el teorema central del límite,
X̄ ⃗
n →∞ N μ ,
( √n )
- Mediante el modelo de Shewart se tiene:

σ
LSC=μ +3
√n
Línea central=μ
σ
LIC=μ−3
√n

- Si μ es desconocida, se puede estimar a partir de las k muestras obtenidas,

k>25, tomadas cuando el proceso se considera bajo control.

k n
1 1
μ= ¯
X̄ = ∑ X̄ i X̄ i = ∑X
k i=1 donde n j=1 ij

40
 además, μ es estimador insesgado de μ , 
k
¯ ] = 1 ∑ E [ X̄ ] =μ μ
E [ X̄ i x̄
k i=1

- Si σ es desconocida, se puede estimar a partir de los rangos de la muestra

obtenida del proceso considerando que está bajo control.

∀ i=1,2,...,k , sea
Ri= Max { X ij / 1≤ j≤n }−min { X ij /1≤ j≤n }
se

cumple que
μ Ri =d 2 (n )⋅σ , donde d2(n) es un valor tabulado que va a
depender de n.

Ri
Cabe anotar que d 2 ( n) es un estimador insesgado de σ por:
Ri E [ Ri ] d2 ( n)⋅σ
E
[ ]
d 2( n )
=
d 2 (n )
=
d 2( n )
=σ

Por lo tanto es factible utilizar como estimador de σ al promedio de los

Ri
d 2 ( n)

k
1 Ri R̄
σ= ∑ =
entonces,
k i=1 d 2 (n ) d 2 (n ) ( σ es estimador insesgado de
σ )

Diagrama [ X̄ ] fase de implantación

1. Se establece la característica a medir, se elige el tamaño de muestra y los

subgrupos que se van a trabajar. los datos que se midieron se anotan en la
hoja de control o directame4nte a la hoja electrónica.

2. En la misma hoja se anota la suma de los valores, el máximo y el mínimo.

3. Calcular el rango, R = Max – Min

n
∑ xi
X̄ = i =1
4. Calcular el promedio del subgrupo n

41
5. Al cabo de un intervalo de tiempo, se toma otra muestra n elementos,
repitiéndose los pasos anteriores 2-4. Esta operación se repite hasta completar
el número de toma de muestras no siendo inferior a 25 y que nos garantice
cierta regularidad estadística.

X̄ 1 +.. .+ X̄ k k
¯=
X̄ = X̄ =∑ X̄ i
6. Y la media general de todos los subgrupos k i =1

7. Cálculo de R̄

R1 +. . .+ R k k
R̄= =∑ R i
k i=1

8. Calcular los límites de control

R̄
σ=
Tomando en cuenta que
d2 (n ) y aplicando los límites de control de
Shewart, se obtiene:

3 R̄
LSC=¯x̄ + ⋅
√n d 2 (n )
LC=¯x̄
3 R̄ 3
LIC=¯x̄ − ⋅ A 2=
√ n d 2 (n ) luego, d 2 (n )√ n

A2 es una cantidad constante que depende del tamaño de la muestra

Luego los límites de control para el gráfico serán:

LSC=x+ A 2 R
LC=¯x̄
LIC=x− A2 R
Diagrama [ R ]

Sea X la característica de calidad que se está midiendo, donde X≈ N ( μ , σ ) .

Denotaremos por i1 X , X ,..., X in

i2 a las n observaciones de la muestra i-ésima,
donde i=1,2,…,k, entonces:

-
∀ i=1,2,...,k , sea
Ri= Max { X ij / 1≤ j≤n }−min { X ij /1≤ j≤n }
se cumple

que
μ Ri =d 2 (n )⋅σ y σ Ri =d 3 (n)⋅σ , donde d2(n,) d3(n) son valores
tabulado que va a depender de n.

42
- Se cumple que,
Ri ⃗
n →∞ N [ d 2 ( n ). σ , d 3 ( n) . σ ]

- Mediante el modelo de Shewart se tiene:

LSC=d 2 (n).σ +3 d3 (n).σ

Línea central=d 2( n).σ
LIC=d 2 ( n).σ−3d 3 (n).σ

- Si σ es desconocida, se puede estimar a partir de los Ri rangos como se

demostró en el gráfico X-barra.

R̄
σ=
d2 (n ) ( σ es estimador insesgado de σ )

R̄ R̄
LSC=d 2 (n ) +3 d 3 (n )
d 2 (n ) d 2 (n ) 3 d 3 (n)
D 4 =1+
R̄ si d 2 (n)
Línea central=d 2 ( n)
d 2 (n ) 3 d (n)
D 3 =1− 3
R̄ R̄ d 2 (n)
LIC=d 2 ( n) −3 d3 (n )
d 2 (n ) d 2 (n)
entonces:

LSC=D 4 R
LC=R̄
LIC=D3 R

 Gráfica de control [ X̄ −S ] o [ X-barra y S] o [ X̄ −σ ]

Como se dijo anteriormente, cuando se controla la calidad de una característica

cuantitativa, mediante el valor medio y su variabilidad. La variabilidad se estudia
mediante el gráfico R como ya se vio, o mediante el gráfico S, que es un diagrama
de control para las desviaciones estándar de las muestras. Este gráfico nos
permite analizar la variabilidad del proceso y detectar posibles causas asignables.

Se recomienda utilizar el gráfico S para muestras de tamaño superior a 10, caso

contrario se utilizará el gráfico R

43
Sea X la característica de calidad que se está midiendo, donde X≈ N ( μ , σ ) .

Se toman k muestras, cada una de tamaño n. Denotaremos por i1 i2 X , X ,..., X in

a las n observaciones de la muestra i-ésima, donde i=1,2,…,k, entonces:

- Por el teorema de distribución de muestra, sabemos que:

σ
σ x̄ =
μ x̄=μ y √n
σ
- Por el teorema central del límite,
X̄ ⃗
n →∞ N μ ,
( √n )
- Mediante el modelo de Shewart se tiene:

σ
LSC=μ +3
√n
Línea central=μ
σ
LIC=μ−3
√n
- Si μ es desconocida, se puede estimar a partir de las k muestras obtenidas,
k>25, tomadas cuando el proceso se considera bajo control.

k n
1 1
μ= ¯
X̄ = ∑ X̄ i X̄ i = ∑X
k i=1 donde n j=1 ij

además, μ es estimador insesgado de μ , 

k
¯ ] = 1 ∑ E [ X̄ ] =μ μ
E [ X̄ i x̄
k i=1

- Si σ es desconocida, se puede estimar a partir de las desviaciones estándar

Si de la muestra obtenida del proceso considerando que está bajo control.

-
∀ i=1,2 ,...,k , sea
S i=
√ 1
∑
n−1 j=1
( X ij− X̄ i )2
se cumple que
μSi =c 4 (n )⋅σ , donde c4(n) es un valor tabulado que va a depender de n.

Si
- Cabe anotar que c4 ( n ) es un estimador insesgado de σ y que:

44
 Si E [Si] c 4( n ) σ
E
[ ]
c 4 ( n)
=
c4 ( n )
=
c4 ( n )
=σ

Si
Se puede tomar como estimador de σ el promedio de c4 ( n ) :

k
1 Si S̄
σ= ∑ =
k i=1 c 4 (n) c 4 (n ) ( σ es estimador insesgado de σ )

Límites de control del gráfico [ X̄ −S ]

3 S̄
LSC=¯x̄ + ⋅
√n c 4 (n )
Línea central=¯x̄
3 S̄
LIC=¯x̄ − ⋅ A 1 = 3
√ n c 4 (n) c 4( n) √ n
luego,

A1 es una cantidad constante que depende del tamaño de la muestra

Luego los límites de control para el gráfico serán:

LSC=x+ A 1 S
LC=x
LIC=x− A1 S

Construcción del gráfico [S]

2
-
∀ i=1,2 ,...,k ,se cumple que Si 4 μ =c (n )σ
y √
σ Si =σ 1−[ c 4 (n ) ] ,
donde c4(n) es un valor tabulado que depende de n.

2
- Se cumple que: [
n →∞ N c 4 (n )σ ,σ √ 1−(c 4 ( n) )
Si⃗ ]
- Por el modelo de Shewart se tiene:

LSC=c 4 (n)σ +3 σ √1−(c 4 (n))2

LC=c 4 (n)σ
LIC=c 4 (n )σ−3 σ √ 1−(c 4 ( n))2

45
 S̄ S̄
LSC=c 4 (n) +3 √ 1−(c 4 (n))2 3
c 4 (n ) c 4 (n) B 4 =1+
c 4 (n )
S̄
LC=c 4 (n) 3
c 4 (n ) B 3=1−
c 4 (n )
S̄ S̄
LIC=c 4 (n ) −3 √ 1−(c 4 (n ))2
c 4 (n ) c 4 (n )

entonces:

LSC=B 4 S̄
LC=S̄
LIC=B3 S̄

INTERPRETACIÓN DE LAS GRAFICAS DE CONTROL

Se dice que un proceso está fuera de control si:

46
47
Ejemplo gráfico X-barra:

En una planta de montaje de coches. A la hora de montar los motores, partes de la

cadena de montaje se mueven verticalmente arriba y abajo a cierta distancia del
nivel horizontal de referencia. A fin de asegurar la calidad de la producción,
realizamos cinco mediciones cada día laborable desde el 28 de septiembre hasta
el 15 de octubre, y diez mediciones diarias desde el 18 hasta el 25 de octubre. Los
datos están contenidos en el archivo

48
Test Results for Xbar Chart
TEST 6. 4 out of 5 points more than 1 sigma from center line (on one side of CL).
Test Failed at points: 5

Observe que el subgrupo 5 no ha superado el Test 6 ya que es el cuarto punto

situado en la zona B (entre 1 y 2 desviaciones estándar de la línea central), lo cual
sugiere la existencia de causas especiales en el proceso.

Test Results for R Chart

TEST 6. 4 out of 5 points more than 1 sigma from center line
(on one side of CL).
Test Failed at points: 5

Se observa en el gráfico anterior que los puntos se encuentran aleatoriamente

distribuidos en la zona comprendida por los límites de control, lo que significa
que el proceso es estable. Resulta también importante comparar los puntos del
gráfico R con los del gráfico X-barra para ver si siguen las mismas tendencias.

49
ANÁLISIS DE LA CAPACIDAD DE UN PROCESO, MEDIANTE GRÁFICAS DE
CONTROL

El análisis de capacidad de un proceso permite:

a. Determinar la variabilidad de un proceso

b. Reducir en lo posible la variabilidad del proceso
c. Analizar hasta que punto resultan conformes los artículos producidos

Se usa el análisis de capacidad con el modelo normal cuando los datos provengan de
una distribución aproximadamente normal.

El análisis de capacidad se basa en índices que son estimaciones numéricas de la

capacidad del proceso, es decir, nos dan una idea de cuán capaz es el proceso (a qué
nivel cumple con las especificaciones). Estos estadísticos son muy útiles ya que,
aparte de ser sencillos de calcular, no tienen unidades de medida, por lo que permiten
comparar distintos procesos. Básicamente, son el cociente entre la amplitud tolerable
del proceso (la distancia entre los límites de tolerancia o límites de especificación), y la
amplitud real o natural del proceso (recordemos que, habitualmente, la distancia entre
los límites de control es de 6 sigma). Algunos de estos estadísticos se definen a partir
de la media del proceso o del objetivo.

Variación natural de un proceso

Dado un proceso bajo control, las causas comunes o asignables generan variabilidad

en la característica de calidad, llamada variabilidad natural [ VN ] .

VN=6 σ
Límites de tolerancia

Se definen los límites de tolerancia natural, como los valores prefijados por la

variabilidad natural del proceso [ LTN ] .

LSTN=μ+3 σ LITN=μ−3 σ

Si los límites se distribuyen normalmente, entonces la probabilidad será igual a:

P ( LITN < X <LSTN )=0 ,9973

Limites de especificación

Son valores determinados previamente por la administración, los ingenieros, el cliente,

etc., que identifican como productos defectuosos a valores por encima o debajo de los
límites de especificación.

50
Se puede decir también que los límites de especificación son estándares aprobados y
aceptados en el medio, y que deben ser fijados teniendo en cuenta aspectos
funcionales, comerciales, de seguridad, etc., pero nunca en la variabilidad del proceso.

CAPACIDAD DEL PROCESO

Es la aptitud o capacidad del proceso para producir bienes o servicios dentro de los
límites de especificación de calidad o estándares de calidad.

Los índices de especificación utilizados para el estudio del proceso son:

1. Capacidad potencial de un proceso [ Cp ]

Es el radio entre la amplitud permitida (distancia entre los límites de

especificación) y la amplitud natural.

El proceso está centrado en los límites de especificación.

LSE−LIE
Cp=
6σ
Si se desconoce el parámetro de la variabilidad σ , entonces se estimará

R̄ s̄
mediante d 2 , si n<10 ó c 4 , si n>10 , de la siguiente manera:

LSE−LIE LSE−LIE
Cp= Cp=
6 R̄ 6 s̄
d2 ó
c4

2. Índice superior de capacidad de un proceso [ Cps ]

El proceso solo tiene un límite de especificación superior.

LSE−μ
Cps=
3σ
Igualmente, si se desconocen los parámetros μ y σ , entonces se

R̄ s̄
estimarán mediante: X y d 2 , si n<10 ó c 4 , si n>10 , de la
siguiente manera:

51
 LSE− X̄¯ LSE− X̄¯
Cps= Cps=
3 R̄ 3 s̄
d2 ó
c4

3. Índice inferior de capacidad de un proceso [ Cpi ]

El proceso tiene un solo límite de especificación inferior.

μ−LIE
Cp=
3σ
De la misma manera, si se desconocen los parámetros se estimarán de la
siguiente manera:

X̄¯ −LIE X̄¯ −LIE

Cp= Cp=
3 R̄ 3 s̄
d2 ó
c4

4. Capacidad real de un proceso [ Cpk ]

Es el cociente entre la amplitud permitida y la amplitud natural, teniendo en

cuenta la media del proceso respecto al punto medio de ambos límites de
especificación.

El proceso no está centrado en los límites de especificación pero está

contenido en ellos.

LSE−μ μ−LIE
Cpk=min { 3σ
;
3σ }
Cpk=min {Cps ;Cpi }

Si se han estimado los parámetros, la capacidad real del proceso será igual a:

LSE− X̄¯ ¯X̄ −LIE

Cpk=min
{ 3 R̄
d2
;
3 R̄
d2 }
ó

52
 LSE− X̄¯ ¯X̄ −LIE
Cpk=min
{ 3 s̄
c4
;
3 s̄
c4 }
El proceso debe estar bajo control para obtener
estimaciones fiables de su capacidad

LIE Objetivo LSE

X  LIE LSE  X

LIC LSC
3 3

X
Cpi Cps

En el gráfico se puede apreciar como se puede presentar la capacidad de un

proceso si sale fuera de los límites de especificación, y hasta que punto un
proceso tiene buena capacidad, además de la variabilidad que existe entre el
objetivo del proceso y el proceso en si.

Algunas consideraciones sobre la capacidad de un proceso:

- Si un proceso está centrado con Cp<1 (variabilidad excesiva), la

variación del proceso excede la especificación, entonces se generará una
gran cantidad de artículos defectuosos.

53
 Cp<1
Proceso no capaz

- Si un proceso con cp=1 , satisface la especificación. Se obtendrá un

mínimo de defectos (0,3%) y aumentará si el proceso no está centrado.

LITN LSTN
LIE LSE

Cp=1

3 3

- Si un proceso está centrado con cp>1 (escasa variabilidad), la variación

del proceso es inferior a la especificación, se obtendrán defectos si no está
centrado.

LIE LITN LSTN LSE

Cp>1
Proceso
realmente capaz


3 3

- Si un proceso está descentrado con cp>1 (escasa variabilidad, proceso

potencialmente capaz), Cps≠Cpi , es conveniente calcular Cpk para
determinar la verdadera capacidad del proceso.

54
 Cp>1;Cpk<1
Proceso realmente
no capaz

Índices de capacidad real:

Cpk min = 1,33

Cpk deseable = 2
Cpk Ideal = 5

En determinadas características de calidad, solo existe un límite de

especificación; para estos casos se utiliza Cpi ó Cps, según sea el caso que se
esté tratando.

Reglas

Si Cp<1⇒ proceso no capaz

Si Cp>1 ,33 ⇒ proceso capaz
Si 1≤Cp≤1 , 33 ⇒ proceso capaz pero requiere de seguimiento estricto

5. Índice de capacidad recíproco [ Cr ]

Es el inverso de Cp, de la siguiente manera:

Si Cr> 1⇒ Proceso no capaz

1
Si Cr<0. 75 ⇒Cr=Proceso capaz
Cp
Si 0 .75≤Cr≤1⇒ proceso capaz, pero precisa
control estricto

6. Índice [K]

Es una medida de descentralización del proceso

¯ −μ
X̄
K= 1
2
( LES−LEI )

55
 Si K >0 ⇒ proceso tiene sesgo hacia valores superiores de especificación
( As >0 ).
Si K >0 ⇒ proceso tiene sesgo hacia valores inferiores de especificación (
As <0 ).

Para poder interpretar correctamente los índices de capacidad obtenidos necesitamos

verificar primero que nuestros datos provienen de una distribución aproximadamente
normal, lo cual parece cumplirse a raíz del histograma anterior.
Podemos ver, sin embargo, que la media del proceso es algo inferior al objetivo, y que
la cola izquierda de la distribución cae fuera del límite de especificación inferior (LSL
en el gráfico). Esto significa que veremos ocasionalmente algunas partes que no
cumplen la especificación inferior de 598 mm.

El índice Cpk nos sirve para determinar si el proceso generará unidades que verifiquen
las especificaciones. En este caso, el Cpk para el suministrador 1 es de sólo 0,90. Ello
significa que nuestro suministrador debe mejorar su proceso vía una reducción de la
variación y un mejor ajustado al objetivo.

De forma similar, el valor de PPM < LSL (i.e., el número esperado de partes por millón
cuya longitud será inferior al LEI) es de 3621,06.

56
57
VARIABLES ALEATORIAS DISCRETAS

Dado un espacio de probabilidad una

(Ω,variable
Α , Ρ ) aleatoria discreta X definida sobre
Ω
Tiene un dominio de definición o soporte un conjunto numerable D x= {x 1 , x 2 , .. . }
finito o infinito d ⊂Ζ⊂R
x

- Sea X una variable aleatoria discreta

P: R → [ 0,1 ]

Χ → Ρ ( x ) =Ρ [ Χ =x ]

a. P ( x )≥0 ∅ Χ∈ Dx (f.d.p) de X

b. P ( x )≥0 ∅ Χ ∈ R−D x

c. ∑ P( x)=1
x ∈Dx
- Sea X una variable aleatoria discreta

F( x )=P [ X ≤x ] = ∑ P( y ) (fda)
y / y≤ x

X ∈ D x yP( x ) es la función de densidad de X

Modelos:

1. Distribución discreta: X variable aleatoria con Dx = {1,2,...n}

Sigue una distribución uniforme discreta SSi

1
{
P(x)=¿ ,Si,X∈ {1,2,...,n }; ¿ ¿¿¿
n
X u {1,2,...,n} Tirar un dado x = # puntos
⇒

2. D. Bernoulli: (éxito-fracaso) – X variable aleatoria con Dx = {0,1} sigue una

distribución de parámetro P con P (0,1) SSi ∈

“Modelo asociado a una

prueba de éxito o fracaso” P(x)=¿ { px(1−p)1−x ,Six∈(0,1) ¿ ¿¿¿
⇒ X≈B(1 ,/ p1-p=q
)

58
1. Distribución binomial: el modelo asociado a n pruebas de éxito o fracaso con
probabilidad de éxito constante.

X una variable aleatoria con Dx = {0,1,...n} sigue una D.B. de parámetros

n y p con n ∈ N, P ∈ (0,1) SSi

n x n−x
P(x)=¿
{( )
x
p ( 1−p ) ,Six∈ { 0,1,....,n } ¿ ¿¿¿

X≈B (n ; p )

 Lanzamiento de un dado n veces

2. Distribución de Poisson: Es adecuado para muchos fenómenos aleatorios

independientes que cuentan éxitos por unidad de tiempo (variable contadora o
proceso contable.

X variable aleatoria con D x=N ∪{ 0 }= { 0,1,2, .. . sigue

.. } D.P. de parámetro X
con λ > 0 Ssi

( λ ) x e−x , Si X
P [ x=x ] =¿ { x
¿ ¿¿¿ ‫چ‬ { 0,1,2,.... }

x≈ p ( λ )

 # llamados a una central telefónica

59
GRAFICAS DE CONTROL POR ATRIBUTOS

En el acápite anterior se presentó el estudio y construcción de gráficos de control para

variables cuantitativas, las mismas que dependen del resultado de una medición:
longitud, peso, tiempo, resistencia, etc., relacionada con la calidad de un bien o
servicio.

En ocasiones, la evaluación de la calidad de un bien o producto se la controla no en

base a la medida o magnitud de una característica, sino mediante la apreciación del
producto si es adecuado o no, o, en general, si posee o no cierto atributo.

Se acostumbra a clasificar como conforme o disconforme (defectuoso o no; se acepta

o se rechaza, pasa o no pasa y mediante señales como: encendido o apagado,
verdadero o falso, etc.)

Este tipo de medición, a través de presencia o ausencia de atributos, tiene algunas

ventajas sobre el control por variables que se trató anteriormente.

• Su aplicación es sencilla y rápida (es más rápido comprobar si una pieza pasa por
cierto calibre que medir su peso exacto).

• Permite resumir las características de varias variables. Un artículo o servicio puede

ser defectuoso o no dependiendo de un conjunto de variables y no de una sola. No
se controla una característica medible sino la ausencia o presencia de un atributo
(rechazo/no rechazo).

• Al usar la información de si el artículo es o no defectuoso, contiene simultáneamente

la información de la capacidad del proceso (variabilidad intrínseca al proceso
productivo) y las tolerancias.

Sin embargo, tiene el inconveniente de que es menos preciso, ya que deja de lado
mucha información. No es lo mismo saber que el artículo es defectuoso que saber que
su longitud es dos milímetros mayor que su límite de tolerancia.

Se presentan varios gráficos de control por atributos, los que permiten analizar la
evolución de la información recolectada durante el proceso. Unos analizan la evolución
de la proporción de artículos defectuosos en muestras sucesivas de tamaño n (cada
elemento observado es/no es defectuoso, o tiene/no tiene cierto atributo, pasa o no
pasa; ejemplo, facturas bien elaboradas o mal elaboradas, una llamada es o no es
fallida), mientras que otros analizan la evolución del número de defectos que aparecen
en cada unidad de medida (cada unidad de medida puede tener más de un defecto o
más de un atributo; ejemplo, un electrodoméstico puede tener más de un defecto:
pintura removida, tornillos mal colocados, color no uniforme, abolladuras, etc.).

60
Defecto: característica del producto que no cumple con los requisitos de la
especificación definida.

Unidad defectuosa: unidad de producto que presenta uno o más defectos

Si el proceso está bajo control estadístico y X es una variable aleatoria que indica si
un artículo producido es o no defectuoso

{
X=¿ 1 →si el artículo es defectuoso D ¿ ¿¿¿
Además, si el proceso de producción está bajo control estadístico (no actúan causas
asignables), entonces sigue una distribución de probabilidades de Bernoulli.

X; Bernoulli (P)

P = proporción de artículos Defectuosos

1 – p = capacidad del proceso

De otro lado, si en el proceso de producción intervienen Causas Asignables, la

proporción de Defectos aumenta.

El objetivo de las gráficas de control por atributos es detectar rápidamente la

presencia de Causas Asignables, para esto, se toman muestras en períodos
regulares de tiempo y luego se representan en diagramas o gráficas de control.

SI Es variable NO
continua?

No. total de
NO más de 1
SI NO SI
observación elementos
subgrupo? subgrupo?

Grafica X valores Grafica

individuales X R/ X S Tamaños Tamaños
NO SI NO SI
iguales? iguales?

Grafica Grafica
Grafica
u c
np

Grafica
p

GRAFICO [p]

61
También conocido como gráfico para control de proporciones (fracción defectuosa). En
este gráfico se muestra la evolución de la proporción de individuos que tienen cierto
atributo. Por ejemplo, la proporción de artículos defectuosos, la proporción de
llamadas telefónicas que quedaron bloqueadas, la proporción de clientes que
presentan un reclamo, etc. Llamaremos p a esta proporción.

Los principios estadísticos que sirven de base al diagrama de control P se basan en la

distribución Binomial: supóngase que el proceso de producción funciona de manera
estable, de tal forma que la probabilidad de que cualquier artículo no esté conforme
con las especificaciones es p, y que los artículos producidos sucesivamente son
independientes; entonces, si seleccionamos k muestras aleatorias de n artículos del
producto cada una, y representando por Xi al número de artículos defectuosos en la

muestra iésima, tendremos que,

62
Pasos:

 Se toman K muestras c/u de tamaño i

n
 Se calcula la fracción de individuos con el atributo en la muestra P:

4 ; ¿ artículos. defectuosos . en. el . grupo

P i= =
ni ¿ artículos .en . el . grupo

u= P^ ;σ 2 P^ (1−P)/n

 Se grafican los valores de Pi en el tiempo

 Se estima el parámetro poblacional

−
P=
∑ ni pi = total . de . artículos . defectuosos
∑ ni total . de . artículos . muestreados
 Se obtienen y grafican los límites de control y la línea central

− −

LSC=P + 3
−
P (1−P )
−

n √
LC=P
− −
−
LIC=P−3
√ P (1−P)
n 63
Ejemplo

Dentro de un proceso de moldeo de PVC las piezas elaboradas pueden presentar o no

defectos superficiales, cada día se toma 100 piezas al azar de la línea de producción y
se cuenta el número de pieza defectuosas como se puede observar en la tabla.

También se dispone de un registro de eventos en línea, que puede resumirse como:

Día Evento

5 Reemplaza de la mezcladora
10 Nuevo empleado asume la operación del proceso
18 Se comenzó a utilizar resina (materia prima) de otro proveedor
22 Sustitución del sistema de enfriamiento, lo que permitió un incremento
en la temperatura de inyección de PVC

Graficar e interpretar

Dí
D Día D
a
1 9 16 9
2 16 17 5
3 5 18 6
4 6 19 9
5 7 20 11
6 9 21 3
7 3 22 1
8 9 23 3
9 10 24 0
10 4 25 4
11 7 26 6
12 10 27 1
13 6 28 6
14 6 29 5
15 7 30 4

GRAFICO P DEL MOLDEO DE PVC PARA 30 DÍAS DE INSPECCIÓN

* Dividido para 100 −

P=0 .0606667
σ =0 ,0238718

64
CONSIDERACIONES:

- Si bien el punto 2 aparece fuera de los límites, no existe en el registro ningún

evento que el proceso se encontrará fuera de control.

- Al llegar al punto 29 se presenta una racha de 9 puntos bajo la línea central (P =

0.00195 en un proceso bajo control) esto se puede relacionar con el cambio en el
sistema de enfriamiento (día 22).

- El 30 es similar

- Conclusión: La temperatura de inyección influye/la frecuencia en que aparecen los

defectos superficiales. El cambio del sistema de enfriamiento permitió elevar la
temperatura, lo cual redujo el # de D.

- Para avalar la observación se puede realizar una prueba de igualdad de

proporciones. (ojo) cuando el tamaño n del subgrupo es diferente entonces
promediamos.

GRAFICO np (NUMERO DE DEFECTUOSOS)

- Es una alternativa práctica cuando todas las muestras tienen el mismo tamaño n.
- Utiliza directamente la cifra de unidades defectuosas.

Sea n^ p el número de defectuosos en la muestra

; bernoulli (n,p) --> binomial / cuando el proceso está bajo control

n^ p
n^ p; N ≈(np, √np(1− p) cuando el proceso está bajo control y n es grande
Entonces la probabilidad

( √
− − −
) ( √ − −
)
P n p −3 n p (1− p ) ≤^n p≤ np+3 n p (1− p =0.997si .el. proceso.esta .bajo.control
6σ

65
GRAFICO DE CONTROL POR ATRIBUTOS (np)

Otra forma de estimar

√
− −
LSC=n p +3 n p (1− p )
−

−
−
p=
∑ ND p
LC=n pp− 3 √ n p (1− p )
−− − −
LIC=n n.k

“Para una − pequeña, la fórmula para los límites de control se simplifica en

p
−
n p ±3 √ np

Capacidad del proceso: Es un procedimiento iterativo que se utiliza para garantizar

(al menos de forma aproximada) que las muestras empleadas para hacer la
estimación de parámetros que corresponden al proceso en estado de control

Pasos:

1. Se toman K muestras (al menos 25) de tamaño n (n>5 0)

2. Se estiman los parámetros
−
p , LSC , LIC , LC
3. Se construye el gráfico de control
4. Representar en el gráfico el ND en cada muestra

Si algún punto se encuentra fuera de los límites de control, eliminar la muestra

del conjunto. En este caso volver al paso 2 para recalcular las estimaciones de
los parámetros con el conjunto modificado de muestras. Si todos los puntos
están dentro del gráfico de control ir al paso siguiente.

5. Al encontrarse todas las muestras dentro del gráfico suponemos que todas han
sido tomadas cuando el proceso estaba bajo control. De esta forma estimamos
−
la capacidad del proceso como 1− p
−
Si es conocido aplicamos los límites directamente
p
Ejemplo:

El resultado final de las pruebas y de la inspección realizada durante un período de 5

meses para ciertos imanes permanentes usados en relés (interruptores) eléctricos. Se
probaron muestras de tamaño 700 y se descubrieron 1030 unidades defectuosas (ver
tabla) calcular la carta de control (np), la capacidad del proceso. (fracción defectuosa
conocida 0,0729)

66
 IMANES IMANES
SUBGRUPO CANTIDAD IMANES
REVISADOS REVISADOS
SEMANA No. DEFECTUOSOS
IGUAL DESIGUALES

1 700 724 48
2 700 763 83
3 700 748 70
4 700 748 85
5 700 724 45
6 700 727 56
7 700 726 48
8 700 719 67
9 700 759 37
10 700 745 52
11 700 736 47
12 700 739 50
13 700 723 47
14 700 748 57
15 700 770 51
16 700 756 71
17 700 719 53
18 700 757 34
19 700 760 29

Total 13.300 14.091 1.030

X 54,2/54

Calcular con fracción defectuosa desconocida

“Tamaño desigual”

Datos

Igual: n=700

−
1030 1030
P= =0 . 077= =0 .077
13 . 300 700 x 19

−
n . p =700 .0 , 077=54 , 00

67
 {LSC=54+3√54=76.04¿ {LC=54¿¿¿
Gráfico np

np Chart for Defec

89
UCL = 75,4263
79 Centerline = 54,2105
69 LCL = 32,9947
59
np

49
39
29
0 4 8 12 16 20
Subgroup

Desigual:

−
14091
n= =741 . 6
19 −

−
n p =54 . 2
1030
p= =0 , 073
14091

{LSC=54,2+3√54,2¿{LC=54,2¿ ¿
GRÁFICOS DE CONTROL POR No. DE DEFECTOS [ C]

Muchas veces el interés del control de calidad no reside en el número de artículos

defectuosos sino en el número de defectos en un artículo o unidad de medida 0, en
general el número de sucesos o atributos observados por unidad de medida.

Ejemplo: En una película fotográfica interesa controlar el número de defectos x cm2.

68
 En una central telefónica interesa controlar el número de llamadas x/h.o
min.

Sea ⊆ el número de defectos x unidad de medida  suponemos que

C; Pcuando el proceso está bajo control/”sigue una distribución binomial”.

C ; N ( ⊆; √⊆ )
Luego:

( √
− − −
√)
−
P C −3 C ≤C≤C +3 C = 0.997 Si.el . proceso.está.bajo .control
−
Gráfico C
(C desconocida)
Se toman k muestras (suponemos que son tomadas cuando el proceso está bajo
control).
−
(C )
1. Estimamos utilizando las k muestras

− d1 +d 2 +. .. .+d k
∑ di
C= = i=1
k k

2. Obtenemos los gráficos de control

LSC=C +3 C
−
−
√ −

LC=C
−
LIC=C −3 C √ −

- Estudio inicial (capacidad del proceso)

−
Igual que np.  capacidad del proceso C

Ejemplo:

El director de un banco está interesado en analizar el número de clientes atendidos en

una hora. Para estimar la capacidad del proceso observa los clientes atendidos en 26

69
horas (seleccionados en forma aleatoria) los datos son presentados en la siguiente
tabla

−
Observación No. Observación No.
C =19. 85
LSC=33. 22 Clientes clientes
LIC=648 1 21 14 19
___________ 2 24 15 10
3 16 16 17
−
C =19. 67 4 12 17 13
LSC=32. 97 5 15 18 22
LIC=6 .37 6 5 19 18
___________ 7 28 20 39
− 8 20 21 30
C =19. 67 9 31 22 24
capacidad 10 25 23 16
11 20 24 19
12 24 25 17
13 16 26 15

Carta de control [U ]

El caso anterior [ C ] es utilizado cuando se estudia el número de sucesos por unidad

de inspección. Sin embargo no hay razón par restringir el tamaño muestral a una
unidad de inspección. En realidad preferiríamos muchas veces utilizar varias unidades
de inspección en la muestra.

Si llamamos Ci al número de defectos (u ocurrencias de ciertos sucesos) en la

−
i
muestra − esima y ni al tamaño de dicha muestra. (# de metros de cable, # de
unidades de tiempo, # de cm2 de superficie analizada, etc.) El # de defectos por unidad
de medida será:

Ci ¿ de . defectos . en . Ni .unidades
U i= =
Ni ¿ de .unidades . de .la .muestra
Suponemos que cuando el proceso está bajo control.

− Cuando el proceso está bajo control

Ci ; P(ni∗u ) Distribución de Poisson

70
Si ni es suficientemente grande

( √)−
ui ; N ( u ,
u
ni
Luego:

( √ √)
−
− −
u u
P u −3 ≤u i≤u+3 =0 .997 si. el . proceso . está . bajo.control
ni ni
−
Cuando u sea desconocido se puede estimar a partir de los datos de k muestras.

−
u=
∑ CI
∑ ni

−
LC=u −

LSC=u+3
LIC=u−3
√√ u
−
ni
u
n

Ejemplo:

La siguiente tabla contiene los números de defectos observados en 30 lotes de

diferente tamaño. Los defectos están distribuidos de cualquier manera dentro del lote
medido.

I Unid. Def. I Unid. Def. I Unid. Def.

1 19 5 11 18 3 21 9 2
2 15 8 12 8 5 22 8 2
3 22 16 13 9 4 23 3 1
4 10 3 14 31 11 24 16 16
5 4 1 15 5 2 25 12 5
6 22 6 16 15 11 26 8 3
7 19 12 17 8 4 27 16 9
8 14 5 18 6 2 28 16 5
9 9 4 19 13 3 29 7 4

71
 10 6 0 20 10 1 30 15 5

Se trata de seguir el número de defectos por unidad en lotes de tamaño distinto, la

grafica de control adecuada es u
−

Ejemplo:

En una fábrica de acabado de tejidos, se inspecciona telas teñidas para detectar los
defectos en 50m2, los datos para diez rollos de tela se presentan en la siguiente tabla:

No. de No. Variables No. de

rollo inspeccionadas defectos −
u=
∑ c i =153
1 10 14
2 8 12
∑ ni 107 , 5
3 13 20
4 10 11 LSC=2,51
5 9,5 7 LC=1, 42
6 10 10 LIC=0,33
7 12 21
8 10,5 16
9 12 19
10 12,5 23

72
 −
(√ )
−
⇒P ; N= P ,
( )
P 1−P
n
−

Bibliografía:

Kume H, Herramientas estadísticas básicas para el mejoramiento de la calidad

Ishikawa, K., Qué es el control total de la calidad

Mendenhall, Scheaffer, Estadística matemática con aplicaciones

Ya Lun Choe, Análisis estadístico

Montgomery D., Control estadístico de la calidad

73