Control de Calidad Estadstico y Gestin de Calidad Revisin de Agosto de 2000 Profesor de Control de Calidad y Estadstica del Inacap A mis

alumnos El presente trabajo tiene como finalidad dar un amplio panorama de las tcnicas estadsticas aplicadas al Control de Calidad e informar adecuadamente de las tcnicas de Gestin aplicadas al Control de Calidad. Considero importante advertir a mis alumnos que ambas partes, las Tcnicas Estadsticas y la Gestin son complementarias y de ninguna manera son reemplazables una por la otra. No es posible edificar una buena Gestin de Calidad si no se han implementado primero las tcnicas de Control de Calidad Estadstico, como tampoco es posible lograr una buena Gestin de la Calidad solo con las Tcnicas Estadsticas. Ambas son vitales y necesarias, ambas son el objetivo primordial de todo Tcnico e Ingeniero de Calidad que se aprecie de profesional. Los conceptos y conocimientos que se resumen en este estudio son suficientes para que, llevadas a cabo, produzcan excelentes resultados en empresas de tipo industrial. Este trabajo es de apoyo a las clases de Control de Calidad que se realizan en distintas carreras de Inacap, como Analistas Qumicos, Ingenieros de Proyectos Industriales, etc. Por esta razn, algunos temas, solo son mencionados y necesariamente se desarrollan en clase. El autor Parte 1: Control de Calidad Estadstico 1 Los defectos 1.1 Introduccin. 1.2 Definicin de la calidad 1.3 El objetivo de los mtodos estadsticos de control en los procesos. 1.4 Qu causa los productos defectuosos? 1.5 Son todos los defectos iguales? Debemos tratar a todos los defectos por igual? 1.6 Clasificacin de los defectos, muestrario de defectos. 2 Distribuciones de frecuencia e histogramas

2.1 Poblacin y muestras 2.2 Cmo se distribuye los valores de las variables que medimos? Qu frecuencia tiene cada valor que la causa llamada "variacin" nos entrega? 2.3 Que tipos de variables conocemos? 2.4 Distribuciones de frecuencias. 2.5 Histogramas 3 Medidores de tendencia central y de dispersin 3.1 Media aritmtica 3.2 Desviacin tpica 3.3 Mtodo de clculo por compilacin 3.4 Ejercicios prcticos en clases 4 Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal 4.1 Comprensin del concepto de Distribucin Continua, Distribucin Normal 4.2 Propiedades de la Distribucin Normal 4.3 Ejercicios de comprensin sobre la Distribucin Normal 5 Los diagramas 5.1 El diagrama de Pareto 5.1.1 Qu son los diagramas de Pareto? 5.1.2 Como elaborar diagramas de Pareto 5.1.3 Ejercicios prcticos en clase 5.2 El diagrama Espina de Pescado o de Ishikawa o de Causa y Efecto 5.2.1 Que son los diagramas de Causa y Efecto? 5.2.2 Como elaborar diagramas de Causa y Efecto 6 Grficas de control 6.1 Qu son las grficas de control? 6.2 Tipos de grficas de control, X R , pn, y p Grfico X R 2

 Grfico np, Grfico p 7 Como elaborar una grfica de control _ 7.1 Grfica X R 7.2 Clculo de los lmites de control 7.2.1 Clculo de lmites sin valores especificados Clculo de los lmites con valores especificados Comparacin de los Lmites Con y Sin Especificaciones. Resultado de la Capacidad de Proceso. Formato Grfica Algunos casos de lecturas de grficas de control por variables. 7.3 Grfica np. 7.4 Clculo de los lmites de control por atributos. Formato de grfico de Control de Proceso por Atributos. Indice de la Capacidad de Proceso Los cuatro casos posibles de los lmites con y sin especificaciones. Normas Chilenas Norma Chilena 42 of 53 Resumen de Grficos de Control por variables, Control de Exactitud Resumen de Grficos de Control por variables, Control de Precisn. Factores para grficos de Control por variables. 8.2 Norma Chilena 43 of 61 8.3 Norma Chilena 44 of 78 8.3.1 Alcance 8.3.2 Nivel de calidad aceptable (AQL) 8.3.2.1 Uso 8.3.2.2 Definicin 8.3.3 Inspeccin normal, rigurosa y reducida 8.3.4 Plan de muestreo Nivel de inspeccin 3

 Tipos de planes de muestreo 9 Bibliografa del Control de Calidad Estadstico Parte 2: Gestin del Control de Calidad 10 Control Total de Calidad (CTC) 10.1 Evolucin Histrica del concepto 10.2 Conceptos del CTC 10.2.1 CTC Segn Armand V.Feigenbaum 10.2.2 CTC Segn Kaoru Ishikawa CTC Segn J. M. Juran Ruta para implementar un programa de Control de Calidad Total. 10.3.1 Etapas de un programa de calidad total. 10.3.2 Etapa previa. 10.3.3 Etapas de un programa de Calidad Total en marcha. 10.3.4 Elementos esenciales en una empresa que hace Control Total de Calidad 11 Costos de calidad 11.1 Costos de Prevencin 11.2 Costos de Evaluacin 11.3 Costos de Fallas 12 Mtodos de aseguramiento a Nivel Nacional e Internacional. 12.1 Sistema Nacional de Acreditacin 12.2 Internacionales. Familia ISO 9000 13 Concepto de las auditorias en el contexto de las normas ISO 9000 13.1 La auditoria y su significado. 13.2 Tipos de auditoria. 13.3 Elementos de una auditoria. 14 Bibliografa de la Gestin del Control de Calidad 4

Parte 1: Elementos del Control de Calidad Estadstico 1 Los defectos 1.1 Introduccin. Actualmente, todas las empresas modernas saben que lograr un buen nivel de calidad es fundamental para el xito de su gestin. La obtencin de este objetivo, no solo es importante desde el punto de vista de la competencia, sino tambin para la satisfaccin de las necesidades humanas. Estas necesidades humanas evolucionan constantemente, hay cada da mayor demanda de mejor precisin, ms exactitud, intercambiabilidad, confort, etc. y lo que hoy acepta el consumidor, maana puede rechazarlo, pues esta demanda de la cual estamos hablando, se perfecciona cada da, y toda empresa que no se adapte a este movimiento continuo corre el riesgo de quedar desplazada a corto plazo. Para marchar al comps de este ritmo se hacen necesarios mejores instrumentos, maquinarias, mtodos, etc., y lo que es ms importante, un mejor aprovechamiento de los mismos, es decir, obtener mejor calidad con la misma cantidad de dinero. Para lograr este objetivo debemos recurrir al control estadstico de calidad, como una de las armas ms poderosas para la realizacin de todas estas ideas. El objetivo de este curso es dar una buena informacin de la herramientas existentes para el control estadstico de la calidad, pero debemos dejar bien claro que los objetivos de calidad no se logran esgrimiendo solamente estas herramientas estadsticas. Hoy en da, el concepto de Control Total de Calidad, ensea claramente que todos los estamentos de la empresa estn involucrados en la obtencin de la mejor calidad del producto, y que ste objetivo no es, de ninguna manera, responsabilidad exclusiva de los departamentos tcnicos especializados en el control estadstico de la calidad, sino de todos los integrantes de la empresa, desde el ms humilde empleado, al ms importante de los gerentes. 1.2 Definicin de la calidad Definiremos dos aspectos de la calidad, la Calidad del Diseo y la Calidad del Producto. Entendemos por Calidad del Diseo al grado de concordancia entre el diseo y el fin para el cual fue creado, y por Calidad del Producto, al grado de conformidad entre el producto y su diseo. Los conceptos y mtodos que veremos son aplicables al control de calidad del producto, y son, en general, mtodos universales, es decir que valen para cualquier producto, ya sean cremas dentales, bebidas gaseosas, tractores, medicamentos o ampolletas. Un buen nivel de calidad implica un diseo correcto y un producto de acuerdo con su diseo. 1.3 El objetivo de los mtodos estadsticos de control en los procesos . Podramos preguntarnos, qu es un producto defectuoso? o ms concretamente, qu es un defecto? Juran explica lo que es un defecto haciendo un juego de palabras: " Un defecto es un defecto cuando todos estamos de acuerdo que es un defecto" Definicin tradicional: 5

Un defecto es el incumplimiento de una caracterstica de calidad respecto de un lmite especificado. Pero, los lmites especificados, los determinamos nosotros, previo acuerdo con las partes interesadas o involucradas en el proceso, luego, por carcter transitivo, vale la frase del insigne maestro del control de calidad, Dr. J. M. Juran. Otra ilustre definicin de lo que es un defecto, es la afirmacin de Kahoru Ishikawa, quien dice que un defecto es lo que causa insatisfaccin al cliente. 1.4 Qu causa los productos defectuosos? La respuesta universal a esta pregunta es: la variacin La variacin en los materiales, en las condiciones de la mquina, en los mtodos de trabajo y en las inspecciones. Estas variaciones son las causas de los productos defectuosos. Si no existiera ninguna de esas variaciones, todos los productos seran idnticos y no habra variaciones en la calidad, y no existira la ocurrencia de productos defectuosos y no defectuosos. 1.5 Son todos los defectos iguales? Debemos tratar a todos los defectos por igual? El sentido comn nos dice que no a las dos preguntas. No es lo mismo un defecto considerado leve como ser una imperfeccin superficial en la etiqueta de un producto, que una medida fuera de especificaciones en un repuesto para motor de automviles que lo haga absolutamente inservible. Y consecuentemente, no ser el mismo criterio para tolerar la presencia de ambos defectos, y eso dar paso a distintos planes de calidad segn el tipo de defecto. 1.6 Clasificacin de los defectos, muestrario de defectos. Existen distintas maneras de clasificarlos. aqu utilizaremos el siguiente: Defectos crticos: son aquellos que violan leyes, agreden al consumidor o hacen inservible al producto. Defectos mayores: producen una disminucin en el correcto funcionamiento o utilizacin del producto y es notado por el consumidor. Defectos menores: producen una disminucin leve en el correcto funcionamiento o utilizacin del producto, probablemente no lo note el consumidor. pero si lo nota, el personal calificado de produccin y de control de calidad, Cada tipo de defecto ser objeto de un estudio acabado por las partes interesadas y deber finalizar en un muestrario de defectos, debidamente clasificado por tipo de defecto y firmado por las partes involucradas. En todos los casos posibles deber construirse el muestrario con defectos situados justo en los lmites de aceptacin o rechazo. Unidad 2, Distribuciones de frecuencia e Histogramas 2.1 Poblacin y muestras Una poblacin es el total de las unidades que se consideran.

En esta poblacin queremos investigar una caracterstica para conocer su situacin relativa con los valores del diseo. Una muestra es una cantidad estadsticamente calculada de unidades de dicha poblacin, cada unidad deber ser extrada al azar. La medicin y clculo de una determinada caracterstica nos dar una estimacin del verdadero valor en la poblacin. 2.2 Cmo se distribuyen los valores de las variables que medimos? Qu frecuencia tiene cada valor que la causa llamada "variacin" nos entrega? Tenemos claro que las variaciones nos producen distintas medidas de una variable, la pregunta es como se distribuyen. En general siguen un comportamiento llamado gaussiano o normal De que se trata lo veremos ms adelante pero por ahora nos alcanza con comprender que dicho comportamiento significa que los valores ms cercanos al valor central, son los que ms frecuentemente se repiten, y a medida que nos alejamos del valor central, la frecuencia baja dramticamente. La grfica de este comportamiento tiene una forma de campana. 2.3 Que tipos de variables conocemos? Existen dos tipos de variables a considerar, Variables Continuas y Variables Discretas. Las variables continuas son aquellas que se miden... y las variables discretas se cuentan. Las primeras dan origen al control por variables y las segundas al control por atributos. Las caractersticas de calidad que llamaremos variables son todas aquellas que podemos representar por una cifra. Por ejemplo, la medida de un perno, la resistencia de resistores de alambre, el contenido de cenizas en carbn, etc., etc. Los atributos son aquellas caractersticas de calidad no mensurables, cuya dimensin en general no se puede representar con una cifra. Como por ejemplo podemos tomar las imperfecciones visuales de las superficies de los productos, tales como manchas, diferencias de tono, aspectos de una soldadura, etc., etc. Por fin, debemos tener en cuenta, que tanto los procesos como los lotes terminados pueden ser inspeccionados por atributos o por variables. 2.4 Distribuciones de frecuencias. Estudiemos el caso de control por variables, es decir estamos midiendo con un instrumento cuya resolucin nos permite medir las variaciones que produce nuestro proceso. Una vez que el inspector recibe la muestra tomada estadsticamente de la poblacin a valorar, procede a las correspondientes mediciones de cada una de las muestras. Tngase presente que lo ms probable es que en cada unidad se hagan varias mediciones por variables y por atributos.

Como resultado de esta accin tendremos una tabla de valores desordenados e incomprensibles. Lo primero que deberemos hacer es clasificarlas de menor a mayor, luego agruparlas en clases siguiendo algn criterio que nos permita acumular los datos dentro de clases, esto es dentro de valores que contengan varios de estos datos. Supongamos que tenemos la siguiente tabla de valores experimentales: 38 32 49 44 47 52 68 73 54 46 47 50 61 42 45 40 26 63 65 46 35 35 45 76 28 50 25 40 48 38 19 64 53 35 56 36 44 57 58 42

Total, n: 40 datos Valor mnimo: 19, valor mximo: 76 Rango, 7619= 57 Nmero de clases: (clculo emprico) : Raz de 40 y se redondea: 6 Ancho de clase : 9 57 dividido 6 y se lleva al numero impar ms cercano: 9 El motivo por el cual conviene usar el ancho de clase como nmero impar es para que la marca de clase sea un nmero entero igual que los datos que se estn estudiando. Si se utilizara un nmero par, el ancho de clase resulta con un decimal que habra que conservar hasta el final del clculo y esto es fuente de errores. Con estos datos procedemos a construir nuestro diagrama de frecuencias, el cual una vez finalizado tiene el siguiente diagrama: LI 18 27 36 45 54 63 72 LS 26 35 44 53 62 71 80 Marca de Clase (mediana) (x) 22 ( 18 + 26 ) / 2 31 40 49 58 67 76

Una vez obtenido este cuadro procedemos al recuento y anotamos la frecuencia: LI 18 27 36 LS 26 35 44 X 22 31 40 recuento /// //// //// //// frecuencia 3 5 9

45 54 63 72

53 62 71 80 total

49 58 67 76

//// //// // //// //// // 40

12 5 4 2 40

Este cuadro es el diagrama de frecuencias obtenido de los 40 datos obtenidos como variables y agrupados convenientemente en clases, este recuento ya nos est informando de que es lo que pasa con esta variable. 2.5 Histograma: El cuadro anterior puede llevarse a un grfico como sigue, dando lugar al Histograma:

Medidores de tendencia central y de dispersin Son varios los medidores de la tendencia central y de la dispersin de una serie de datos experimentales, de ellos estudiaremos los dos ms frecuentes y tiles en Control de Calidad, estos son : la Media Aritmtica , medidor de la tendencia central, y la Desviacin Tpica, medidor de la dispersin de los datos alrededor de la Media Aritmtica. El desarrollo de las frmulas es materia que se entrega durante el desarrollo de las clases. 3.1 Media aritmtica Mide la tendencia central. Se define como Media Aritmtica al valor central producto del siguiente clculo:

de donde deriva:

Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse: a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap. b) en el libro de Estadstica de Murray Spieguel. 3.2 Desviacin tpica Mide la dispersin de los valores con respecto al valor central. Se define como desviacin tpica al valor que surge del siguiente clculo:

pues f = n Esta frmula puede derivarse mediante sencillos clculos a esta otra:

Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse: a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap. b) en el libro de Estadstica de Murray Spieguel. 3.3 Mtodo de clculo por compilacin: X 22 31 f 3 5 U 3 2 fu 9 10 fu2 27 20 10

40 49 58 67 76

9 12 5 4 2

1 0 1 2 3

9 0 5 8 6 "fu = 9

9 0 5 16 16 "fu2 = 95

donde: c = 9 y A = 49 Media aritmtica: 46,98 Desviacin tpica: 13.72 Este clculo tiene un error como consecuencia de suponer a todos los datos dentro de cada clase como iguales. Nota: Los decimales de las respuestas obtenidas, debern guardar relacin con los decimales que tengan los datos, sin embargo, cuando use las calculadoras deber conservar en cada clculo, todos los decimales que genera la calculadora, para luego aproximar la respuesta a la cantidad de decimales igual a los que tengan los datos, nunca menos. En particular en estos clculos es costumbre usar uno o dos decimales ms que los datos. Tampoco es correcto usar muchos decimales pues no tienen significado alguno. Ejercicios prcticos en clases: Mediante la extraccin de datos de una urna normal se construye la correspondiente distribucin de frecuencias, el histograma, se calcula la Media Aritmtica y la Desviacin Tpica. Se usarn dos mtodos de clculo, uno por medio de la calculadora y otro por medio de las frmulas vistas en clases. Nota: se exigir un correcto manejo algebraico de nmeros escritos de forma exponencial. 4 Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal 4.1 Comprensin del concepto de distribucin continua, Distribucin Normal Un histograma se construye a partir de un cierto nmero de datos. Pero que le pasara al histograma si continuamos aumentando el nmero de datos? Si el intervalo de clase se reduce poco a poco a medida que aumenta el nmero de datos, se obtiene una distribucin de frecuencias continua, como lmite de una distribucin de frecuencia relativa. En realidad es una expresin de la poblacin misma, puesto que se obtiene de un nmero infinito de datos. Existen muchas clases de distribucin, y una de las ms frecuentes es la Distribucin Normal. En muchos casos, cuando la variacin de una caracterstica de calidad es causada por la suma de un gran nmero de errores infinitesimales independientes debidos a diferentes factores, la distribucin de la caracterstica de calidad se aproxima a una distribucin normal. La forma de la Distribucin Normal puede describirse como la de una campana. La siguiente figura muestra la forma de esta distribucin:

11

4.2 Propiedades de la Distribucin Normal La curva caracterstica queda determinada totalmente por dos parmetros:

Si bien en este curso no tenemos espacio para desarrollar el concepto de probabilidades, ser necesario definir los siguientes puntos: Un suceso es ms o menos probable segn la frecuencia con que ocurre. a mayor frecuencia de ocurrencia pasada ser mayor la probabilidad de ocurrencia futura. Los histogramas y los grficos de frecuencia, tambin pueden interpretarse como grficos de probabilidades de ocurrencia. En particular, la Campana de Gauss, o Curva Normal, es una funcin de probabilidades, y la superficie que se encierra debajo de la curva, y limitada por dos valores de x es directamente una medida de la probabilidad de ocurrencia de un suceso determinado. Aceptando estos conceptos veremos como se puede hacer los clculos partiendo de la Curva Normal. En primer trmino, la Curva Normal hay que transformarla en lo que se llama forma cannica, esto significa que el cero de las X ir al medio del grfico. Para lograrlo se usa una variable llamada z y es:

Esta transformacin hace que siempre el valor de la desviacin tpica, en una curva cannica, sea igual a uno, y el valor de z no es ms que un dato medido en relacin a su propia desviacin. Esto hace que la curva tenga caractersticas muy particulares que veremos luego de los siguientes comentarios. Esta variable depende de datos conocidos, es decir la media de la muestra y su desviacin, por lo tanto para determinados valores de x, se hace el clculo y las tablas dan la respuesta en trminos de probabilidad de ocurrencia. Este punto es muy importante pues de aqu parte todos los criterios de control del control de la calidad. De todo esto se desprende lo siguiente:

12

La superficie, y por lo tanto la probabilidad de ocurrencia del suceso, vale: 68.27 % para una desviacin tpica a ambos lados del cero 95.45 % para dos desviaciones tpicas a ambos lados del cero 99.73 % para tres desviaciones tpicas a ambos lados del cero Esto se aprecia en los siguientes grficos:

13

4.3 Ejercicios de comprensin sobre la Distribucin Normal. Los siguientes ejercicios, tienen como objetivo aprender el uso de las tablas de Gauss. Ejercicio n 1 Hallar el rea bajo la CURVA NORMAL en cada uno de los 7 casos siguientes: a) Entre z = 0 y z = 1.20

De tablas leemos que para z = 1,2 es 0,3849, por lo tanto: Pr {0 " z " 1,2} = 0,3849 Esto significa que el rea bajo la curva normal para z entre 0 y 1,2 es del 38.49% b) Entre z = 0.68 y z = 0

14

En tablas se lee para z = 0.68 es 0.2518 por lo tanto, Pr {0,68 " z " 0} =0.2518 Esto significa que el rea bajo la curva, para z= 0,68 y z=0 es el 25.18% c) Entre z = 0.46 y z 2.21

En tablas se lee que, para z = 0.46 es 0.1772 por lo tanto, Pr {0,46 " z " 0} =0.1772 Ntese que en la lectura se prescindi del signo menos. Por otra parte, para z = 2.21 se lee 0.4864. lo cual significa : Pr {0 " z " 2.21} =0.4864 Para encontrar el rea total debemos sumar ambos resultados: 0.1772+0.4864 = 0.6636 Esto significa que el rea bajo la curva, para z= 0.46 y z=2.21 es del 66.36% d) Entre z = 0.81 y z = 1.94

15

Para z = 0.81 es 0.2910 por lo tanto, Pr {0.81 " z " 0} =0.2910 Para z = 1.94 es 0.4738 esto es : Pr {0 " z " 1.94} =0.4738 Para encontrar el rea entre los dos puntos elegidos, debemos restar ambos resultados: 0.4738 0.2910 = 0.1828 Esto significa que el rea bajo la curva, para z= 0.81 y z=1.94 es del 18.28% e) A la izquierda de z = 0.6, esto significa, entre z = " y z = 0.6 Tener presente que desde z = " y z = 0 la superficie bajo el rea es 0.5000 (50%)

16