Gestión de la

calidad
U1: Fundamentos de calidad, herramientas básicas de la
calidad y estadística aplicada al control y mejora continua

Ing. Carlos Manuel Flores Cifre

CIP 167865
[email protected]
Fabricando tornillos
Aprendizajes de hoy

• Capacidad del proceso

• Control estadístico de procesos

Logros de esta sesión

• Conocer los principales factores de la

variabilidad de procesos en la producción de

bienes y/o servicios.

• Simular cómo se generan los gráficos de

control estadístico en herramientas digitales

(Ej. SPSS).
La variabilidad de los procesos

Puede presentarse debido a diversas fuentes que intervienen en el

proceso:
La variabilidad de los procesos

Puede presentarse debido a dos tipos de

causas: Causas especiales
CE (asignables o especiales)

Causas comunes
(no asignables, naturales o aleatorias) • Surgen de fuentes externas que no son
CC inherentes al proceso

• Suelen detectarse con facilidad

utilizando métodos estadísticos
• Son factores están presentes como • Casi siempre su corrección resulta
parte natural de un proceso económica
• Son resultado de la acumulación y
combinación de diferentes causas que
son difíciles de identificar y eliminar. Por ejemplo:

• Mal funcionamiento de las máquinas

• Equipos de control defectuosos
• Materia prima de mala calidad
Por ejemplo: • Variaciones de energía eléctrica
• Materia prima
• Temperatura y humedad ambiental.
• Tiempo de respuesta de los computadores
• Procedimientos inapropiados
Capacidad del
proceso
 Capacidad del proceso

Rodamiento de bolas

La capacidad del proceso es la capacidad que tiene para generar un

producto que se sujete a las especificaciones.
Diámetro
Para evaluarla se necesitan los requerimientos del producto y la interno
información estadística sobre el rendimiento del proceso real.

Especificación del Variación natural Decisiones:

producto del proceso

LS: 1.510’’ 1.515’’ 1. Desarrollar un mejor proceso

invirtiendo en nueva tecnología.

LI: 1.498’’ 1.495’’ 2. Cambiar las especificaciones de

diseño.

Por lo tanto: 3. Medir cada pieza, reprocesando o

desechando las partes con no
• El proceso no es capaz de cumplir Donde:
• LS: Límite superior conformidades.
con las especificaciones • LI: Límite inferior
¿Por qué es importante?

Para determinar la línea

base de rendimiento de un
proceso

Para priorizar los proyectos

para el mejoramiento de la
calidad

Para proporcionar
evidencias estadísticas de
la calidad para los clientes.
Evaluación de la capacidad de un proceso

LA FÁBRICA DE PERNOS (1/5)

Una empresa que fabrica pernos posee una muestra de 120
mediciones de una dimensión crucial de pernos. Calcule la
media, mediana y desviación estándar.

'U-Bolt Data'
Media 10.71708333
11.00
Error típico 0.007927716
10.90 Mediana 10.7
Moda 10.65
10.80
Desviación estándar 0.086843778
U-Bolt Data

10.70 Varianza de la muestra 0.007541842

Curtosis -0.53752485
10.60 Coeficiente de asimetría -0.0420018
10.50 Rango 0.4
Mínimo 10.5
10.40 Máximo 10.9
Suma 1286.05
10.30
Cuenta 120
117
101
105
109
113
29

73
1
5
9
13
17
21
25

33
37
41
45
49
53
57
61
65
69

77
81
85
89
93
97
Evaluación de la capacidad de un proceso

LA FÁBRICA DE PERNOS (2/5)

Vemos que la media es de 10.7171, la mediana es de 10.7 y la
desviación estándar es de 0.0868. La distribución es simétrica
como indica el valor de asimetría que está próximo a cero.

Distribución normal
Evaluación de la capacidad de un proceso

LA FÁBRICA DE PERNOS (3/5)

Al mostrarse una distribución aproximadamente normal se
espera que casi todas las dimensiones en forma queden entre:
𝐿𝐼 = 𝜇 − 3𝜎 y 𝐿𝑆 = 𝜇 + 3𝜎

• Se espera que casi todas las dimensiones queden entre

10.4566 y 10.9766
• Esto significa que si las especificaciones están entre
10.55 y 10.90, entonces se producirían algunas unidades
defectuosas.
Evaluación de la capacidad de un proceso

LA FÁBRICA DE PERNOS (4/5)

𝐿𝐼 = 𝜇 − 3𝜎 y 𝐿𝑆 = 𝜇 + 3𝜎

𝐿𝐼 = 10.7171 − 3(0.0868) = 10.4566

𝐿𝑆 = 10.7171 + 3(0.0868) = 10.9766

𝟏𝟎. 𝟒𝟓𝟔𝟔 𝟏𝟎. 𝟗𝟕𝟔𝟔

• Se espera que casi todas las dimensiones queden entre 10.4566 y 10.9766
• Esto significa que si las especificaciones están entre 10.55 y 10.90, entonces
se producirían algunas unidades defectuosas.
Evaluación de la capacidad de un proceso

LA FÁBRICA DE PERNOS (5/5)

¿Cuál es la probabilidad de que una pieza no

cumpla con las especificaciones?

Probabilidad de producir por debajo de la

especificación: 0.0272
Probabilidad de producir por encima de la
especificación: 0.0176

Probabilidad total: 0.0448 = 4.48%

𝟏𝟎. 𝟒𝟓𝟔𝟔 𝟏𝟎. 𝟗𝟕𝟔𝟔
Ejemplos de histogramas de variación de procesos y
especificaciones
Índice de capacidad del proceso

LES = limite de especificación superior

LEI = limite de especificación inferior
σ = desviación estándar del proceso

• Si Cp > 1, entonces el proceso es capaz de cumplir con las especificaciones porque su variación es mas
pequeña que el rango de especificaciones.

• Si Cp < 1, entonces el proceso no puede producir un artículo sin defectos al 100%.

Pero, Cp puede ser mayor que 1.0 Para incluir información sobre
aun cuando la variación del cómo centrar el
proceso este fuera en gran medida proceso se utilizan índices
del rango de especificaciones. unilaterales
Evaluación de la capacidad de un proceso

LA FÁBRICA DE PERNOS
Se calculan los índices de capacidad de proceso de los
datos del perno:

Por lo tanto, estos índices

muestran que el proceso no es
capaz de producir en función
de las especificaciones.
Los procesos de Honda

Link
El control
estadístico de
procesos
¿Qué es el control estadístico de procesos?

Es una metodología con la que es posible dar

seguimiento a un proceso a fin de identificar las
causas de su variación y señalar la necesidad de
emprender una acción correctiva.

Objetivos:

Cumplir los requisitos del cliente

Prevenir los defectos o errores

Reducir los costos

 Las gráficas de control

12.5 cm.
El CEP depende de las gráficas de control que son
herramientas que definen cualitativamente el rango 12.0 cm.
de variación aceptable que debe tener un proceso
con respecto a un valor promedio. 11.6 cm.

Se agregan dos líneas horizontales, llamadas límites de control: el límite de control superior
(LCS) y el límite de control inferior (LCI).

Si todos los puntos están dentro de los límites y no siguen un patrón específico,
se dice que el proceso está bajo control o bajo control estadístico.

Importante: Aunque las gráficas de control se desarrollaron y

utilizaron por primera vez en un contexto de manufactura, se
aplican con facilidad a las organizaciones de servicio.
Reglas para examinar un diagrama de control

Se puede decir que un proceso esta bajo control si:

No hay puntos fuera de los limites de control.

12.5 cm.

12.0 cm.
La cantidad de puntos por encima y por debajo de la
línea central es aproximadamente la misma. 11.6 cm.

Los puntos al parecer caen aleatoriamente por

encima y por debajo de la línea central.
• Límites de especificación: dependen del diseño o
del cliente.
La mayoría de los puntos, pero no todos, están cerca
de la línea central y sólo algunos están • Límites de control: los determina el proceso.
cerca de los límites de control.
 Diagramas de control

Ejemplos:
Cuando requerimos medir las
características del P/S que son
Diagramas de control
susceptibles de ser medidas
para datos • La longitud y diámetro de un pistón
(peso, longitud o tiempo).
Variables • Tiempo de reparto de un paquete.
Se expresan con medidas
estadísticas como promedios
desviaciones estándar

Cuando requerimos medir las

características del P/S y es
Diagramas de control
para datos de posible “contar rápidamente” para • N° de formularios con errores.
saber si la calidad es aceptable. • Proporción (%) de radios que no funcionen en
Atributos prueba final.
Se expresan en
proporciones y cuentas
 Diagramas de control

Diagramas de control Gráfica x y R

X: Da seguimiento al centrado del proceso.
para datos R: Mide la variación del proceso considerando su rango
Variables Gráfica x y s
s: Mide la variación del proceso considerando su desviación estándar

Controla la proporción de servicios o productos defectuosos generados

Cantidad de productos o Gráfica p
por el proceso.
servicios defectuosos o
no conformes
Controla el número de defectuosos por muestra; se aplica cuando el
(Unidades defectuosas) Gráfica np
tamaño de muestra es constante.
Diagramas de control
para datos de
Atributos Cantidad de defectos o Gráfica u
Controla el número de defectos cuando es posible que se presente más
de un defecto en una unidad.
no conformidades por
producto o servicio
Controla el número de defectos cuando es posible que se presente más
(Defectos por unidad) Gráfica c
de un defecto en una muestra.
Diagramas de control para datos variables

x da seguimiento al centrado del

Gráfica x y R proceso y R a la variación

Una fabrica de ventanas empezaron a

recibir quejas sobre problemas con el
acoplamiento en las instalaciones de sus
clientes. Se evalúa el proceso de corte.
La especificación nominal de corte es
de 25.5 pulgadas con una tolerancia de
0.030 pulgadas. Así la es LEI: 25.470
pulgadas y la LES es: 25.530 pulgadas.

El consultor propuso inspeccionar cinco

paneles de ventanas consecutivos a la
mitad de cada turno durante 15 días
registrando las dimensiones de corte.
Diagramas de control para datos variables

Gráficas x y R • En el diagrama R se observa que la muestra 24 está

fuera de control. De igual manera en la 9, 21 y 24 del
diagrama X.
• Teniendo como límites de control LCIR:0 y LCSR: 0.0288;
y LCIX:25.491 y LCSX: 25.507
• Luego de observar a detalle se identifica que estas
muestras fueron de la misma operaria. Descubriendo que
fueron las únicas veces en que esta intervino debido a
que las operarias regulares estaban apoyado en otras
líneas de producción.
• Se atribuye el hecho a una causa especial: reemplazo de
trabajadoras por una sustituta.

¿Qué hacer?

• En este caso corresponde borrar de la data la intervención

de la operaria sustituta que corresponden a una causa
especial para continuar con el análisis.
Diagramas de control para datos variables

Gráficas x y R

• Al verificar ambos gráficos modificados se evidencia que

parecen estar bajo control.

• Asimismo, se verifica que los límites de control han

cambiado ligeramente, ahora los límites de control
• LCIR:0
• LCSR: 0.0262
• LCIX:25.494
• LCSX: 25.508
• Al realizarse los cálculos de la capacidad de proceso se
tiene lo siguiente:
Cp = 1.875, Cpk = 1.833

• Por lo que se concluye que los índices indican que

mientras el proceso permanece en control, su capacidad
es bastante buena.
Diagramas de control para datos variables

Gráficas x y R

• Se continua con el monitoreo del proceso recopilando

nuevos datos de producción durante los siguientes 10
turnos.
• En el diagrama R parece que la variación ha
aumentado ya que los nueve últimos puntos quedan por
encima de la media.
• En el diagrama X parece que el promedio sube y la
muestra 39 supera el límite de control superior.
• En las dos indicaciones sugieren alguna causa especial
y la gerencia debe detener el proceso e investigar cual
es.
Diagramas de control para datos variables

x da seguimiento al centrado del

Gráfica x y s proceso y s a la variación

Una mejor opción al diagrama R para dar seguimiento a la

variación es calcular y trazar la desviación estándar “s” de
cada muestra.

• Se calcula que la media promedio (general) es x = 0.164, y

la desviación estándar promedio es s = 1.467.
• Además se tienen los siguientes límites:
• LCIs = 0.417
• LCSs = 2.518
• LCIx = 1.59
• LCSx =1.267

• Los diagramas evidencian que el proceso no está bajo

control, y se justifica una investigación sobre las razones
de la variación en el diagrama x.
Diagramas de control para datos de atributos

Da seguimiento a la proporción, o fracción de

Gráfica p unidades defectuosas

Los operadores de máquinas de clasificación

automatizadas en una oficina postal deben leer el código
postal en una carta y canalizarla hacia la ruta de transporte
apropiada. En el periodo de un mes se eligieron 25 muestras
de 100 cartas y se corrigió el número de errores.
Cada muestra evidencia un porcentaje (fracción) de errores.

• Se verifica que los puntos 13 y 15 están fuera de los

límites de control.
Diagramas de control para datos de atributos

Da seguimiento a cantidad de unidades defectuosas

Gráfica np en cada muestra

Los operadores de máquinas de clasificación automatizadas en una oficina postal deben leer
el código postal en una carta y canalizarla hacia la ruta de transporte apropiada. En el periodo de
un mes se eligieron 25 muestras de 100 cartas y se corrigió el número de errores.
Cada muestra evidencia el número de errores en cada una.

• Se verifica que el proceso está bajo control.

Diagramas de control para datos de atributos

Da seguimiento a cantidad de disconformidades por

Gráfica c unidad. Oportunidades de disconformidades
constante en cada muestreo.

Se registra la cantidad de fallas de una máquina

durante un periodo de 25 días. La cantidad total de
fallas es 45. Entonces la cantidad de fallas promedio
por día son: 1..8. Se tienen como límites de control
LCIc: -2.22 o cero y LCSc: 5.82.

• Se evidencia que según el diagrama el proceso está

bajo control.

• Un diagrama así puede utilizarse para un control

continuo o con la finalidad vigilar la efectividad de un
proceso para mejorar la confiabilidad de una
máquina.
Diagramas de control para datos de atributos

Da seguimiento a cantidad de disconformidades por

Gráfica u unidad. Oportunidades de disconformidades no es
constante en cada muestreo.

Un distribuidor de catálogos transporta diversos

pedidos diariamente. Las etiquetas con las
especificaciones del embalaje con frecuencia contienen
errores como números inexactos, orden de compra
equivocado, cantidades erróneas o tamaños
incorrectos. Dado que el tamaño de muestra varía cada
día, en el ejemplo siguiente se representa un diagrama.
u.
• Se evidencia que según el diagrama el proceso
parece estar fueracontrol.
Taller 3
Gráficas de control en Desarrolle las gráficas de control respectivas
haciendo uso de los recursos colgados en
Blackboard
SPSS
¿Qué nos llevamos
de la clase?