Control de Calidad: Módulo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BSICAS TECNOLOGA E INGENIERA Programa de Ingeniera Industrial CONTROL DE CALIDAD
CONTROL DE CALIDAD
MDULO
REN ALEJANDRO ALVARADO RUEDA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD ESCUELA DE CIENCIAS BSICAS TECNOLOGA E INGENIERA PROGRAMA DE INGENIERA INDUSTRIAL BOGOT 2008
Sede Nacional Jos Celestino Mutis Calle 14 Sur No. 14-23, PBX: 3443700 Ext. 454 434. e-mail:eingenieria@unad.edu.co
Autor Ren Alejandro Alvarado Rueda Ingeniero Industrial. Especialista en Ingeniera de Produccin. Magster en Educacin. nfasis en Docencia Universitaria. Programa de Ingeniera Industrial. UNAD
COMIT DIRECTIVO
Jaime Alberto Leal Afanador Rector Gloria Herrera Snchez Vicerrector Acadmico Claudia Patricia Toro Vicerrector de Desarrollo Regional y proyeccin Comunitaria Maribel Crdoba Guerrero Secretaria General Gustavo Velsquez Quintana Decano Escuela Ciencias Bsicas Tecnologa e Ingeniera CURSO CONTROL DE CALIDAD Primera Edicin
@CopyRigth Universidad Nacional Abierta y a Distancia
ISBN 2008 Centro Nacional de Medios para el aprendizaje
CONTENIDO
INTRODUCCION UNIDAD 1. FUNDAMENTOS DEL CONTROL DE CALIDAD 1. CONCEPTUALIZACIN Y ANTECEDENTES 1.1. HISTORIA DE LA CALIDAD 1.1.1. Calidad en la poca artesanal 1.1.2. Calidad a partir de la poca industrial 1.1.3. La inspeccin de la calidad 1.1.4. El control estadstico de la calidad 1.1.5. El aseguramiento de la calidad 1.1.6. La gestin de la calidad 1.2. DEFINICIONES DE CALIDAD 1.2.1. Calidad como conformidad 1.2.2. Calidad como satisfaccin de las expectativas del cliente 1.2.3. Calidad como valor con relacin al precio 1.2.4. Calidad como excelencia 1.3. REAS RESPONSABLES DE LA CALIDAD 1.4. CONTROL TOTAL DE CALIDAD 2. CONTROL ESTADSTICO DE LA CALIDAD 2.1. DISTRIBUCIN DE FRECUENCIAS Y PARMETROS 2.1.1. La toma de datos 2.1.2. La ordenacin 2.1.3. Medidas de la tendencia central
11 12 13 13 13 14 14 16 18 21 22 22 23 24 24 28 30 34 34 34 34 34 3
2.1.4. Rango 2.1.5. Procedimiento para determinar la distribucin de frecuencias 2.2. CAPACIDAD DEL PROCESO 2.2.1. Capacidad del proceso 2.2.2. Habilidad del proceso 2.2.3. Habilidad del proceso con tolerancias unilaterales 2.2.4. Ventajas al calcular los ndices de capacidad y habilidad del proceso 2.3. GRFICOS DE CONTROL POR VARIABLES 2.3.1. Marco conceptual de grficos de control 2.3.2. Grficos de control x (x barra) 2.3.3. Grficos de control R 2.4. GRFICOS DE CONTROL POR ATRIBUTOS 2.4.1. Grficos de control p 2.4.2. Grficos de control p para muestras de tamao variable 2.4.3. Grficos de control c 3. MUESTREO DE ACEPTACIN LOTE A LOTE POR ATRIBUTOS 3.1. CONCEPTOS FUNDAMENTALES 3.2. ASPECTOS ESTADSTICOS 3.2.1. Curvas de caractersticas operativas (CO) 3.2.2. Determinacin de curvas CO 3.2.3. Riesgos para el productor y para el consumidor 3.3. DISEO DEL PLAN DE MUESTREO UNIDAD 2. DESARROLLO DEL CONTROL DE CALIDAD 4. TCNICAS CON DATOS NUMRICOS PARA MEJORAR LA CALIDAD
37 38 43 44 45 47
48 49 49 50 55 58 58 62 64 66 66 67 67 69 69 72 76 77 4
4.1. DIAGRAMA DE PARETO 4.2. HISTOGRAMA 4.2.1. Cmo hacer histogramas 4.2.2. Cmo interpretar histogramas 4.3. GRFICOS DE CONTROL 4.3.1. Uso de los grficos de control de medias y rangos 4.3.2. Elaboracin del grfico de control de medias y rangos 4.3.3. Estudio de los datos preparatorios o estudio inicial, comparados con el rango permisible especificado 4.3.4. Control de la lnea de produccin o de servicio 4.3.5. Ajuste de las lneas de control 5. TCNICAS CON DATOS NO NUMRICOS PARA MEJORAR LA CALIDAD 5.1. REGISTRO DE NO CONFORMIDADES 5.2. DIAGRAMA CAUSA EFECTO 5.2.1. Cmo hacer diagramas de causa efecto 5.2.2. Estructura del diagrama de causa efecto 5.2.3. Procedimiento para hacer un diagrama de causa efecto 5.2.4. Explicacin del procedimiento 5.3. DIAGRAMA DE GANTT 5.3.1. El diagrama de Gantt 5.3.2. Tcnicas de administracin de proyectos 5.3.3. Desarrollo de un modelo de planeacin por redes 6. COSTOS DE LA CALIDAD 6.1. CATEGORAS Y ELEMENTOS DEL COSTO DE LA CALIDAD
77 80 81 83 83 84 84
87 87 88
89 89 91 92 92 92 93 95 95 97 98 101 101 5
6.1.1. Categoras del costo de la calidad 6.1.2. Elementos del costo de la calidad 6.2. ANLISIS DE LOS COSTOS DE CALIDAD 6.2.1. Costos generados por productos defectuosos 6.2.2. Costos generados por inspecciones 6.2.3. Costo total de calidad 6.3. OPTIMIZACIN 6.3.1. Importancia de la curva de demanda y precio 6.3.2. Sensibilidad de la demanda a las variaciones de calidad 6.3.3. Curva de beneficios de calidad BIBLIOGRAFA
101 103 104 104 106 106 107 107 108 109 111
TABLA DE FIGURAS
Figura 1.1. Etapas de la calidad Figura 1.2. Esquema de los conceptos de calidad Figura 1.3. Esquema del concepto de productividad Figura 1.4. Diferentes aseveraciones sobre el concepto de productividad Figura 1.5. Relacin de eficacia, eficiencia y efectividad Figura 1.6. Diferencia entre meta de produccin, recursos programados, produccin lograda y recursos reales Figura 1.7. reas responsables de la calidad Figura 1.8. Proceso para lograr la calidad total Figura 2.1. Datos observados de un rango Figura 2.2. Distribucin de frecuencias Figura 2.3. Representacin grfica de la calidad del proceso Figura 2.4. Diferentes valores de Cpk comparados con las especificaciones Figura 2.5. Grfico de control x en la que se muestran los promedios de proceso y lmites de control Figura 2.6. Grfico R en la que se muestran promedios de procesos y lmites de control Figura 2.7. Grfico de control p para examinar datos histricos y establecer lmites de control Figura 3.1. Curva de caracterstica operativa (CO), con n=100 y c=2 Figura 3.2. Curva de caractersticas operativas (CO) con = 0.05 y = 0.10 15 25 26
27 27
28 30 33 38 43 44
46
54
57
62 68
70
Figura 3.3. Curva de caractersticas operativas (CO) con = 0.05 y = 0.10, LTPD = 0.08 y AQL = 0.02 Figura 3.4. Curva de caractersticas operativas (CO) planes que pasen por los puntos a y b Figura 4.1. Diagrama de barras por nmero de situaciones Figura 4.2. Diagrama de lneas por porcentaje acumulado Figura 4.3. Frecuencia por puntajes Figura 5.1. Diagrama de causa- efecto Figura 5.2. Diagrama de rbol Figura 5.3. Diagrama de Gantt Figura 5.4. Smbolos y convenciones Figura 5.5. Red del ejemplo Figura 6.1. Ciclo artesanal de la calidad Figura 6.2. Ciclo industrial de la calidad Figura 6.3. Costos de la calidad Figura 6.4. Zonas de los costos de calidad Figura 6.5. Curva de demanda y precio Figura 6.6. Curva de variaciones de la calidad Figura 6.7. Curva de beneficios de la calidad
72
73 79 80 83 93 95 96 100 100 102 102 106 107 108 109 110
LISTA DE TABLAS
Tabla 2.1. Datos de media aritmtica Tabla 2.2. Tabla de valores de K Tabla 2.3. Datos para distribucin de frecuencias Tabla 2.4. Fronteras de clase Tabla 2.5. Comportamiento de la lectura de datos Tabla 2.6. Fronteras de clase. Tabla 2.7. Marcas de clase Tabla 2.8.Frecuencia en cada uno de los intervalos de clase Tabla 2.9. Factores para convertir un rango en promedio, R, a lmites control variables Tabla 2.10. Mediciones tomadas en secuencia sobre los resultados de un proceso de produccin (tamao de muestra N=20, n =5), para x Tabla 2.11. Mediciones tomadas en secuencia sobre los resultados de un proceso de produccin (tamao de muestra N=20, n =5), para R. Tabla 2.12. Registro del nmero de partes defectuosas y fraccin calculada de defectos en nuestras muestras diarias de n = 200 Tabla 3.1. Extracto de una tabla de plan de muestreo convencional para ,=0.05 y = 0.010 Tabla 3.2. Clculo de valores de Pa x 100 a partir de la grfica de Thorndike (plan de muestreo: n= 100 y c =2) Tabla 3.3. Determinacin de planes de muestreo con AQL y LTDP especificadas ,=5 % y =10 % Tabla 4.1. Hoja de conteo de datos
36 39 39 40 41 42 42 43
52
53
56
60
71
74
75 78 9
Tabla 4.2. Hoja de datos del diagrama de Pareto Tabla 4.3. Puntuacin del servicio prestado a clientes (X, Y e Z) Tabla 4.4. Frecuencia por puntajes Tabla 4.5. Coeficientes o factores para grficos de control de medias y rangos Tabla 5.1. Reporte de rechazo Tabla 5.2. Lista de actividades
79 82 82
85 91 97
10
INTRODUCCIN
La presente obra es fruto del esfuerzo y dedicacin, escrita pensando en los estudiantes de educacin a distancia, con el nimo de brindarles un texto didctico y fcil de abordar, siguiendo el direccionamiento de la Coordinacin de Ingeniera Industrial de la UNAD. Esta obra est dividida en cinco captulos donde en primer lugar se aborda la temtica general de la conceptualizacin y antecedentes del tema de calidad, en segundo lugar los aspectos concernientes al control estadstico de la calidad, para posteriormente y en tercer lugar entrar al muestreo de aceptacin lote a lote por atributos, en cuarto lugar se describen las tcnicas para mejorar la calidad, para finalmente y en quinto lugar tratar el tema de los costos de la calidad, esperando as llenar las expectativas de los lectores vidos por el tema.
11
UNIDAD 1. FUNDAMENTOS DEL CONTROL DE CALIDAD

Introduccin: En esta unidad se concepta y se establecen los antecedentes del control de calidad. Inicialmente se parte por definir la calidad y sus antecedentes, luego se muestran las reas responsables de la calidad; posteriormente se dan a conocer los planteamientos del control total de calidad, as como la historia de la calidad. Objetivo general: Fundamentar a los estudiantes del control de calidad con respecto a la conceptualizacin y antecedentes, el control estadstico de la calidad y el muestreo de aceptacin lote a lote por atributos.
Objetivos especficos: Que el estudiante conozca acerca de los antecedentes, conceptos y desarrollo de la calidad a travs del tiempo. Conceptualizar y definir los elementos que le permitan al estudiante identificar la importancia de la calidad y su significado en el mbito empresarial. Desarrollar capacidades en el estudiante para el uso de las tcnicas del control de la calidad, aplicndolas a casos especficos presentados a nivel de empresa, con el fin de demostrar la importancia de la aplicacin de sus beneficios en el mejoramiento continuo de los procesos.
Competencias a desarrollar: El estudiante conoce y comprende los antecedentes, conceptos y desarrollo de la calidad. El estudiante describe, analiza y sustenta de manera suficiente, soluciones a situaciones problemticas especficas de organizaciones productivas a partir de la aplicacin de tcnicas de control de calidad.
12
1. CONTROL ESTADSTICO DE LA CALIDAD

Para la conceptualizacin y antecedentes de la calidad se parte de las definiciones ms comunes de calidad y se contina con determinar cules son las reas responsables de la misma, as como el control total de calidad y la historia de sta.
1.1. HISTORIA DE LA CALIDAD

Para mostrar un recorrido de la historia de la calidad se comienza con la calidad en la poca artesanal hasta llegar a la gestin de la calidad; en este sentido, se comparte con Gutirrez (1995)1, as:
1.1.1. Calidad en la poca artesanal

En la poca artesanal los trabajadores de manufactura de la poca preindustrial, como eran prcticamente labores de artesana, tenan mucho que ver con la obra de arte. El artesano pona todo su empeo en hacer lo mejor posible cada una de sus obras cuidando incluso que la presentacin del trabajo satisficiera los gustos estticos de la poca, dado que de la perfeccin de su obra dependa su prestigio artesanal. El juicio acerca de la calidad del producto tena entonces como base la relacin personal que se estableca entre el artesano y el usuario. Cuando alguien necesitaba de un producto, como podra ser una herramienta o un determinado vestido o traje, expona sus necesidades al fabricante, quien lo elaboraba de acuerdo con los requerimientos establecidos por el cliente. Como eran los trabajos hechos a la medida, el productor saba de inmediato si su trabajo haba dejado satisfecho al cliente o no.
1.1.2. Calidad a partir de la poca industrial
GUTIERREZ, Mario. Administrar para la calidad. Conceptos administrativos para el control total de calidad. 2ed. Mjico: Limusa, 1995. 297p.
13
La calidad a partir de la poca industrial tuvo lugar con el advenimiento de la era industrial, por suerte esta situacin cambi. El taller cedi su lugar a la fbrica de produccin masiva, bien fuera de artculos terminados o bien de piezas que iban a ser ensambladas en una etapa posterior de produccin y que, por consiguiente, eran reemplazadas. El cambi en el proceso de produccin trajo consigo cambios en la organizacin de la empresa. Como ya no era el caso de un operario que se dedicara a la elaboracin de un artculo, fue necesario introducir en las fbricas procedimientos especficos para atender la calidad de los productos fabricados en forma masiva. Dichos procedimientos han ido evolucionando, sobre todo, durante estos ltimos tiempos; lo cual ha sido a su vez ocasin para que se pusieran de relieve determinados matices involucrados en el concepto de calidad. En este proceso de evolucin se distinguen cuatro diferentes etapas: la primera considerada entre 1950 1960, conocida como la etapa en la que se cuida la calidad de los productos mediante un trabajo de inspeccin, la segunda entre 1960 1970, se distingue como la etapa en la que se tiene en la cuenta que la atencin a la calidad exige observacin del proceso a fin de mejorarlo, tercera entre 1970 1980, es una etapa en la que, adems del mejoramiento de proceso, se percibe el mejoramiento introducido; y finalmente entre 1980 2000, es la etapa en la que la administracin misma redefine su papel con el propsito de que la calidad del producto sea la estrategia a emplear para tener xito frente a los competidores. Vase Figura 1.1.
1.1.3. La inspeccin de la calidad

En la primera etapa de inspeccin, sta coincide con el periodo en el que comienza a tener mucha importancia la produccin de artculos en serie. Ante esta situacin era necesario ver si el artculo, al final de la lnea de produccin, resultaba apto o no, para el uso para el que estaba destinado; por eso, en las fbricas se vio la conveniencia de introducir un departamento especial a cuyo cargo estuviera la tarea de inspeccin. A este nuevo organismo se le denomino departamento de control de calidad.
14
Figura 1.1. Etapas de la calidad

1980 2000
GCT
Gestin de la calidad total
1970 1980 1960 1970 1950 1960
AC CC
I
Aseguramiento de la calidad
GCT AC I CC
Control de la calidad
Inspeccin de la calidad
Adaptado de: MORENO-LUZN, Mara. D.; PERIS, Fernando J. y GONZLEZ, Toms. Gestin de la calidad y diseo de organizaciones. Teora y estudio de casos. Madrid: Pearson Educacin, 2001. 432p.
Segn Frederick W. Taylor, el iniciador de la administracin cientfica, le corresponde a la administracin definir la tarea de los operarios y especificarles el procedimiento y la relacin que debe darse entre tiempos y movimientos. La tarea de control de calidad compete a los supervisores. Es sta una de sus ocho taras especficas. G.S.Radford, en su obra The Control of Quality in Manufacturing, afirma que la inspeccin tiene como propsito examinar de cerca y en forma crtica el trabajo para comprobar su calidad y detectar los errores; una vez que estos han sido identificados, personas especializadas en la materia deben ponerles remedio. Lo importante es que el producto cumpla con los estndares establecidos, porque el comprador juzga la calidad de los artculos tomado como base su uniformidad, que es resultado de que el fabricante se cia a dichas especificaciones. La inspeccin no slo debe llevarse a cabo en forma visual, sino adems con ayuda de instrumentos de medicin. Radford propone mtodos de muestreo con ayuda para llevar a cabo el control de calidad, mas no fundamenta sus mtodos en la estadstica; habla, adems de cmo debe organizarse el departamento de inspeccin. El libro toca otros aspectos relacionados con la calidad; es decir, la calidad se disea, como lo es la necesidad de que los diseadores se involucren desde el comienzo en las actividades de calidad, la necesidad de que exista coordinacin entre los diferentes departamentos y la relacin que debe existir entre el mejoramiento de la calidad y la baja de costos.
15
1.1.4. El control estadstico de la calidad

En la segunda etapa del Los trabajos de investigacin llevados a cabo, en la dcada de los treinta, por Bell Telephone Laboratorios fueron el origen de los que actualmente se denomina control estadstico de la calidad (Statistical Quality Control SQC) A este grupo de investigadores pertenecieron entre otros, W. A Shewhart, Harold Dodge. Harry Romig y, ms tarde, G.D. Edwards y Joseph Juran, quienes con el tiempo iban a ser figuras prominentes del movimiento hacia la calidad. En 1931, W.A Shewhart- public su libro Economic Control of Quality of Manufactured product, que signific un avance definitivo en el movimiento hacia la calidad. El autor proporciona una definicin precisa del control a efectuarse en el proceso de manufactura, desarrolla tcnicas eficaces para monitorear y evaluar da a da la produccin y propone diversas formas para mejorar la calidad. Shewhart fue el primero en reconocer que en toda produccin industrial se da variacin en el proceso. Esta variacin debe ser estudiada con los principios de la probabilidad y de la estadstica. Observ que no pueden producirse dos partes con las mismas especificaciones, lo cual se debe, entre otras cosas a las diferencias que se dan en la materia prima, a las diferentes habilidades de los operadores y a las condiciones en que se encuentra el equipo. Ms an, se da variacin aun en las piezas producidas por un mismo operador y con la misma maquinaria. La administracin debe tomar en cuenta este hecho, relacionado ntimamente con el problema de la calidad. No se trata de suprimir la variacin,- esto resulta prcticamente imposible-, sino de ver qu rango de variacin es aceptable sin que se originen problemas. El anlisis expuesto tuvo su origen en el concepto de control estadstico de Shewhart. Se dice que un fenmeno se controla cuando, con base en experiencias anteriores, podemos predecir, al menos dentro de ciertos lmites, cmo esperamos que el fenmeno va a variar en el futuro. Esta prediccin significa que podemos establecer, en forma al menos aproximada, la probabilidad con la que el fenmeno observado se va a dar dentro de ciertos lmites Teniendo en cuenta los conceptos anteriores, shewhart desarrollo tcnicas y estadsticas sencillas para determinar dichos lmites y grficas de control en las que se pudieran presentar los resultados.
16
Mientras Shewhart prosegua su trabajo con respecto al control del proceso, otros investigadores de la misma compaa, principalmente Harold Dodge y Harry Roming, avanzaban en la forma de llevar a cabo la prctica del muestreo, que es el segundo elemento importante del control estadstico del proceso. Las tcnicas de muestreo parten del hecho de que en una produccin masiva es imposible inspeccionar todos los productos, para diferenciar los buenos de los malos. De ah la necesidad de verificar un cierto nmero de artculos entresacados de un mismo lote de produccin, para decidir sobre esta base si el lote entero es aceptable o no. Sin embargo, esta forma de proceder incluye riesgos: debido a los defectos de unas cuantas muestras se puede rechazar todo un lote de produccin de calidad aceptable, como tambin se puede pasar como bueno un lote que en realidad debera ser rechazado. Los investigadores, que consideraron este problema como riesgo del productor y del consumidor, desarrollaron tambin algunas tcnicas para solventarlo. La participacin de Estados Unidos en la Segunda Guerra Mundial y la necesidad de producir armamento en grandes cantidades fueron la ocasin para que se aplicaran con mayor amplitud los conceptos y las tcnicas de control estadstico de la calidad. En diciembre de 1940, el Departamento de Guerra de Estados Unidos form un comit para establecer estndares de calidad. Dicho departamento se enfrent con el problema de determinar los niveles aceptables de calidad de las armas e instrumentos estratgicos proporcionados por diferentes proveedores. Se presentaron dos alternativas: o se daba un entrenamiento masivo a los contratistas en el uso de las grficas del control del proceso, o bien, se desarrollaba un sistema de procedimientos de aceptacin mediante un sistema de muestreo a ser aplicado por inspectores del gobierno. Se opt por esta segunda forma de proceder; y en 1942 el Departamento de Guerra estableci la seccin de control de calidad, organismo en el que ocuparon puestos relevantes algunos especialistas en estadstica de la Compaa Bell Telephone Laboratorios. Este grupo desarroll pronto un conjunto de tablas de muestreo basadas en el concepto de niveles aceptables de calidad (Aceptable Quality Levels AQL). En ellas se determinaba el mximo por ciento de defectos que se poda tolerar para que la produccin de un proveedor pudiera ser considerada satisfactoria. La necesidad de elaborar programas de entrenamiento en asuntos referentes al control de calidad con la cooperacin de importantes universidades de Estados Unidos, fue la ocasin para que los conceptos y las tcnicas de control estadstico se introdujeran en el mbito universitario. Los estudiantes que haban tomado cursos comenzaron a integrar sociedades locales de control de calidad. Fue as como se origin la American Society for Quality Control (ASQC) y otras ms.
17
A finales de la dcada de los cuarenta, el control de la calidad era parte ya de la enseanza acadmica. Sin embargo, se le consideraba nicamente desde el punto de vista estadstico y se crea que el mbito de su aplicacin se reduca, en la prctica, al departamento de manufactura y produccin. Se inicia una nueva en el movimiento haca la calidad slo hasta el momento en que se perciben las implicaciones que el control estadstico de la calidad tiene para la administracin.
1.1.5. El aseguramiento de la calidad

Esta tercera etapa se caracteriza por dos hechos muy importantes: la toma de conciencia por parte de la administracin del papel que le corresponde en el aseguramiento de la calidad y la implantacin del nuevo concepto de control de calidad en Japn. Antes de la dcada de los cincuenta, la atencin se haba centrado en el control estadstico del proceso, ya que en esta forma era posible tomar medidas adecuadas para prevenir los defectos. Este trabajo se consideraba responsabilidad de los estadsticos. Sin embargo, era necesario que quedara asegurado el mejoramiento de la calidad logrado; lo cual significaba que haba que desarrollar profesionales dedicados al problema del aseguramiento de la calidad y que, ms an, haba que involucrar a todos en el logro de la calidad. Todo lo cual requera un compromiso mayor por parte de la administracin. Estara dispuesta la alta gerencia a un compromiso de este gnero? Lo anterior implica una partida presupuestal dedicada especficamente a atender programas de calidad. Estara la administracin dispuesta a hacer dicha erogacin? Ciertamente se era consciente de que el producto defectuoso incida en los costos de produccin, pero hasta que grado? La inversin hecha para asegurar la calidad quedara justificada por el ahorro que significaba evitar el producto defectuoso? Tales eran, en el fondo, los problemas que se planteaban al inicia de esta nueva poca del desarrollo del movimiento hacia la calidad. Cuatro son ahora los autores m importantes que figuran: W. Edwards Deming, Joseph Juran, Armand Feigenbaum y Philip B. Crosby. Deming pone de relieve la responsabilidad que la alta gerencia tiene en la produccin de artculos defectuosos. Juran investiga los costos de la calidad. Feigenbaum, por su parte, concibe el sistema administrativo como coordinador, en la compaa, del compromiso de todos en orden al logro de la calidad. Crosby es el promotor del movimiento denominado cero defectos.
18
W. Edwards Deming ocupa un lugar preponderante en el movimiento hacia la calidad debido, sobre todo, a su planteamiento visionario de la responsabilidad de la administracin y a la influencia que tuvo en el movimiento japons hacia la calidad. Su planteamiento es el siguiente: si se mejora la calidad, disminuyen los costos. La reduccin de costos juntamente con el mejoramiento de la calidad se traduce en mayor productividad. La empresa con mayor productividad es capaz de capturar un mercado cada vez mayor, lo cual le va a permitir permanecer en el mundo de los negocios conservando as las fuentes de trabajo para sus empleados. Hacer este cambio en el sistema es tarea de la alta gerencia. Dado que la alta gerencia es responsable del sistema y puesto que gran parte de los productos defectuosos se derivan del sistema mismo, la alta gerencia, y no los trabajadores, es la responsable en mayor medida (el 85%) de los productos defectuosos. Si la alta gerencia quiere cumplir con la responsabilidad que le compete en esta poca de gran competitividad, debe llevar a cabo determinadas acciones (los catorce puntos de Deming) que le van a permitir hacer el cambio del sistema. El planteamiento de Deming se publico en su obra Quality. Producivity, and Competittive Position, editada en 1982. Joseph Juran, en su libro Quality Control Handbook editado en 1951, trat el tema de los costos de la calidad y de los ahorros substanciales que los administradores podan lograr si atendan inteligentemente el problema. Estos ahorros los compara el autor con el oro de una mina que es necesario saber explotar. Algunos costos de produccin, son inevitables, pero otros se pueden suprimir. Son inevitables los relacionados con el control de la calidad. Los que se pueden suprimir son los que se relacionan con los productos defectuosos, como son el material de desecho, las horas invertidas en reparaciones, en retrabado y en atender reclamaciones, y las prdidas financieras que resultan de clientes insatisfechos. Si se suprimieran todos estos costos invirtiendo en el mejoramiento de la calidad, se lograran ahorros verdaderamente substanciales. Se estara explotando el oro contenido en la mina.Es responsabilidad de la alta gerencia decidir qu tanto quiere invertir en este mejoramiento. Los administradores, adems deben tener en cuenta que determinadas decisiones tienen consecuencias muy importantes. Por ejemplo, la inversin hecha en el diseo de la calidad de un nuevo producto va a repercutir grandemente en los costos de fabricacin del producto y en la aceptacin que el artculo va a tener entre los consumidores. En 1956, Armand Feigenbaum en su libro Total Quality Control, propone por primera vez el concepto control total de calidad. Su planteamiento es el siguiente: no es posible fabricar productos de alta calidad si el departamento de manufactura
19
trabaja aisladamente. Para que el control de calidad sea efectivo, ste debe iniciarse con el diseo mismo del producto y terminar slo cuando el artculo est en manos de un consumidor satisfecho. Por consiguiente, el principio fundamental del que hay que partir es el siguiente: la calidad es trabajo de todos y de cada uno de los que intervienen en cada etapa del proceso. Diferentes departamentos deben intervenir, en mayor o menor medida dependiendo de la actividad que les es propia tanto en el control del diseo de un nuevo producto, como en el control del diseo de un nuevo producto como en el control del material que entra y en el control del producto que sale a la venta. Si no intervienen grupos interdepartamentales en todas estas actividades, se corre el riesgo de cometer errores en el proceso, que tarde o temprano van a ser causa de problemas en la lnea de ensamble o, peor an, cuando el producto est ya en manos del consumidor. A fin de que el sistema funcione, es necesario que las compaas desarrollen matrices en las que expresen las responsabilidades que los diferentes departamentos tienen con respecto a determinadas actividades o funciones. De ah la necesidad de construir equipos interdepartamentales que tengan como funcin llevar a la mesa de discusin los puntos de vista de los diferentes departamentos y asegurar el que estos puntos de vista sean tomados en cuenta en la actividad propia de cada departamento. La alta gerencia es, en ltimo trmino, la responsable de la efectividad del sistema. Tanto Juran como Feigenbaum sealan la necesidad de contar con nuevos profesionales de la calidad que renan conocimientos estadsticos y habilidades administrativas; expertos en ingeniera de control de calidad, que sepan planear la calidad a alto nivel, coordinar las actividades de otros departamentos y empresas y de establecer estndares de calidad y proporcionar mediciones adecuadas; pero tambin ve cmo se comporta el producto en el mercado a fin de mejorar el diseo del producto y del proceso y competir mejor. Philip B. Crosby est ligado con la filosofa conocida como cero defectos, que se experiment en la Martn Company, fbrica de los misiles Pershing. El hecho de haber podido entregar en Cabo Caaveral uno de estos artefactos el 12 de diciembre de 1961 sin ningn defecto y el haber podido entregar otro en febrero de 1962 tambin sin ningn defecto, pero este ltimo ya como resultado de una peticin expresa de la administracin a los trabajadores en este sentido, hizo caer en la cuenta a los directivos de esta compaa que cuando la administracin pide perfeccin, sta se da. Si no se da la perfeccin en un trabajo, esto se debe a que la administracin o no la exige a los trabajadores no tienen la intencin de darla. Dicho razonamiento permiti ver la importancia que tiene motivar a los trabajadores y hacerlos conscientes de que pueden hacer su labor sin ningn defecto.
20
El programa se denomin cero defectos y se, distingui por el nfasis que puso en hacer conscientes de la importancia del programa a quienes iban a participar en l y en motivarlos. Martn Company, pues, articul una filosofa, segn la cual el nico Standard aceptable de calidad es cero defectos. Para lograr este propsito entren a sus trabajadores, hizo eventos especiales, estableci metas y llev a cabo autoevaluaciones. Philip B. Crosby, quien trabaj en la compaa Martn en la dcada de los sesenta, divulg esta filosofa en su libro Quality Is Free (12). A juicio de este autor es tcnicamente posible lograr una excelente calidad; la cual es lo ms reducible desde el punto de vista econmico.
1.1.6. La gestin de la calidad

En la cuarta etapa, relacionada con las dos ltimas dcadas, ha tenido lugar un cambio muy importante en la actitud de la alta gerencia con respecto a la calidad debido, sobre todo, al impacto que, por su calidad, precio y confiabilidad, han tenido los productos japoneses en el mercado internacional. Se trata de un cambio profundo en la forma como la administracin concibe el papel que la calidad desempea actualmente en el mundo de los negocios. Si en pocas anteriores se pensaba que la falta de calidad era perjudicial a la compaa, ahora se valora la calidad como la estrategia fundamental para alcanzar competitividad y, por consiguiente, como el valor ms importante que debe presidir las actividades de la alta gerencia. La calidad no pasa a ser estrategia competitiva slo porque se apliquen mtodos estadsticos para controlar el proceso; como tampoco lo es por el hecho de que todos se comprometan a elaborar productos sin ningn defecto, pues esto de nada servira si no hay mercado para ellos. La calidad pasa a ser estrategia de competitividad en el momento en el que la alta gerencia toma como punto de partida para su planeacin estratgica los requerimientos del consumidor y la calidad de los productos de los competidores. Se trata de planear toda la actividad de la empresa, en tal forma de entregar al consumidor artculos que respondan a sus requerimientos y que tengan una calidad superior a la que ofrecen los competidores. Esto, sin embargo, implica cambios profundos en la mentalidad de los administradores, en la cultura de las organizaciones y en las estructuras de las empresas. La experiencia que las empresas japonesas han tenido en la implantacin de un sistema administrativo enfocado al logro de la calidad ha contribuido en gran media a visualizar cules deben ser estos cambios y, por consiguiente, a comprender los pasos a dar para lograr que la calidad llegue a ser estrategia competitiva por excelencia, sintetizada en la gestin de la calidad.
21
1.2. DEFINICIONES DE CALIDAD

Debido a la importancia que el tema de calidad ha venido ganando en los ltimos tiempos, es necesario estar al tanto que cuando se habla de calidad se debe saber exactamente a qu se est refiriendo, ya que la diversidad de propuestas existentes en la literatura especializada puede crear cierta confusin en quienes se introducen en este tema, es de anotar que se comparten los planteamientos tanto de los clsicos de la calidad, como los de Moreno y otros (2001)2, as: La clsica adecuacin al uso de Juran (1974), la interesante propuesta de Garvin (1988) de calidad como simple y no analizable propiedad que aprendemos a reconocer slo a travs de la experiencia, la especfica conformidad con los requerimientos de Crosby (1979), o la de Pirsig (1974) que pone en cuestin la propia definicin de la calidad no es ni mente ni materia, sino una tercera entidad independiente de las dos, algo que se conoce, pero sobre lo que es difcil establecer un juicio objetivo (como para citar algunos ejemplos). Tambin, cuando se habla de calidad no se puede precisar el objeto al que se atribuye esa cualidad, que suele estar en el producto, el servicio, el proceso, o la propia empresa y sus sistemas de gestin, en especial el sistema de gestin de la calidad como complemento del control estadstico de la calidad. Garvin (1988) y Reeves y Vendar (1994), realizan una sntesis de las definiciones del concepto en las que pueden encuadrarse, entre otras, las propuestas por los autores ms conocidos como Deming. Juran, Feigenbaum o Crosby. A continuacin se dan a conocer algunas aproximaciones a stas.
1.2.1. Calidad como conformidad

La calidad como conformidad con unas especificaciones es una idea que surge en el mbito del taller y de la fbrica de manufacturas. A finales del pasado siglo y principios de ste, el objetivo de las empresas manufactureras era conseguir la produccin en masa de productos iguales y sin defectos. Se busca conseguir que todas las piezas del mismo tipo sean semejantes e intercambiables. Lo substancial est en obtener una produccin estndar que permita obtener piezas y productos parecidos. De esta forma la calidad equivale a la no variabilidad de procesos y productos. La calidad como conformidad coexiste en los postulados tayloristas y fordistas y su mayor logro es el control estadstico de procesos, que trata de eliminar el elevado coste de la inspeccin masiva (Shewhart 1931; Jurn 1951; Deming, 1989;
2 MORENO-LUZN, Mara. D.; PERIS, Fernando J. y GONZLEZ, Toms. Gestin de la calidad y diseo de organizaciones. Teora y estudio de casos. Madrid: Pearson Educacin, 2001. 432p.
22
Crosby, 1984; 19991). La calidad de los productos es medida a travs de indicadores cuantitativos, de los cuales permiten ver la conformidad de los productos con las especificaciones diseadas. Lo anterior se centra en un concepto til en mercados de productos industriales, fcil de implantar y administrar, y que puede ser medido y controlado con exactitud. La aplicacin de este concepto de calidad involucra incrementos de la eficiencia en aquellas partes de las organizaciones que afrontan menores grados de incertidumbre y en las que es ms fcil definir especificaciones tales como: produccin, facturacin, servicio, entre otros. De hecho, siempre que sea posible identificar correctamente las especificaciones exigidas por el cliente, y siempre que stas tengan un grado suficiente de estabilidad en el tiempo, hace posible la estandarizacin de procesos y productos. Sin embargo, la aplicacin de este concepto se vuelve ms problemtica cuando sus defensores (Juran, Deming y Crosby, para citar algunos), insisten en que las especificaciones deben ser definidas en funcin de los requerimientos del cliente. Los clientes en general, no conocen las especificaciones de calidad del producto, ni se preocupan por estos aspectos tan tcnicos y especficos del mismo, lo cual es especialmente cierto en los productos de gran consumo o de consumo de masas.
1.2.2. Calidad como satisfaccin de las expectativas del cliente

La calidad como satisfaccin de las expectativas del cliente parte de la evolucin de la gestin de calidad desde una perspectiva muy centrada en la produccin hasta perspectivas que integran la dimensin, se ha tenido como consecuencia el dar cada vez mayor importancia a la satisfaccin de las expectativas de los clientes como eje central y principio bsico de la calidad. En este sentido un producto o servicio ser de calidad cuando satisfaga o exceda las expectativas del cliente. Esta definicin del concepto de calidad hace necesario un conjunto de factores subjetivos de tal manera que puedan ser medidos. Los clientes ciertamente, no conocen las especificaciones que permitan juzgar la calidad de un modo objetivo; pero s tienen expectativas y estas son susceptibles de medicin, an cuando esta medicin pueda ser una cuestin difcil en muchos casos. Se trata de una definicin enfocada hacia el exterior de la organizacin y, por tanto, va a ser especialmente sensible a los cambios del mercado. Si una empresa descubre los factores que conforman las expectativas de sus diversos clientes y es capaz de monitorizarlos, puede afirmarse que habr adquirido las bases para una ventaja competitiva importante. Dicha organizacin estar en situacin de
23
elegir los atributos del producto o servicio sobre los que cimentar su estrategia producto-mercado.
1.2.3. Calidad como valor con relacin al precio

La calidad como valor con relacin al precio es un pensamiento aplicable, a productos y servicios. Los autores que utilizan esta definicin entienden que la nocin de valor debe ser incluida en la definicin de calidad. Plantean que tanto precio como calidad deben ser tenidas en cuenta en un mercado competitivo. Feigenbaum (1955) plantea que la calidad no tiene el sentido popular de lo mejor en un sentido absoluto. Representa lo mejor para cierto consumidor en funcin del uso actual del producto-servicio y de su mejor precio de venta. Coexiste, la calidad de un producto-servicio y de su mejor precio de venta. Es decir, la calidad de un producto no puede ser desligada de su coste y de su precio. Los modelos de comportamiento del consumidor, que explican cmo ste intenta maximizar sus utilidades, pueden ser utilizados de forma sencilla para analizar las relaciones precio-calidad. En consecuencia, un bien con diferentes calidades y diferentes precios puede ser tratado como un conjunto de diferentes bienes entre los cuales el consumidor asignar su renta segn su funcin de unidad. En el concepto de calidad como valor, est la concepcin econmica de que el precio es el primer determinante en la eleccin del consumidor. Por ende la calidad se entiende aqu como un concepto subordinado y relativo, lo que implica que se tratar de obtener la mejor calidad posible a un precio dado. Es la concepcin que subyace a la definicin muy extendida. El concepto de calidad incorpora aqu, adems, una serie de atributos como durabilidad, comodidad, etc.; que, junto al precio, permiten su concrecin en indicadores que ayudan al establecimiento de comparaciones efectivas entre productos, servicios y experiencias de consumo distintas.
1.2.4. Calidad como excelencia

La calidad como excelencia es el concepto ms genrico e integrador de las formas de entender la calidad. Se puede aplicar a productos, servicios, procesos, y a la empresa en su conjunto. De hecho el trmino excelencia es el ms comnmente utilizado en referencia a la calidad en contextos muy diversos. Es frecuente su uso para calificar a las personas, e indica en el mismo un comportamiento ejemplar, una alta calidad humana.
24
Como concepto de uso general y denotar aquello que es lo mejor posible, la calidad como excelencia es un objetivo que permite y exige incorporar el compromiso de todos los integrantes de la organizacin; y que, si es reconocida por el mercado, ser fuente de ventaja competitiva, va diferenciacin (Garvin, 1984). Este concepto se aplica a aquellos productos y servicios que renen los mximos estndares de calidad en sus diferentes caractersticas. El concepto de calidad implica aqu no admitir, en la realizacin de cualquier tarea, todo aquello que no sea lo mejor (Juran 1951), y supone la inversin de las mejores habilidades y materiales en la realizacin de una tarea, para alcanzar el mejor resultado posible. Concluyentemente, un producto o un servicio son de calidad excelente cuando se aplican, en su realizacin, los mejores componentes y la mejor gestin y realizacin de los procesos. En consecuencia de lo anterior se pueden esquematizar los anteriores conceptos, tal como puede verse en la Figura 1.2.
Figura 1.2. Esquema de los conceptos de calidad
Excelencia
Conformidad con las especificaciones del PRODUCTO (Eficiencia) Perspectiva interna Satisfacer expectativas del CLIENTE (Eficacia) Valor R Precio Perspectiva de mercado
Perspectiva global (Eficiencia * Eficacia) = Efectividad

Adaptado de: MORENO-LUZN, Mara. D.; PERIS, Fernando J. y GONZLEZ, Toms. Gestin de la calidad y diseo de organizaciones. Teora y estudio de casos. Madrid: Pearson Educacin, 2001. 432p.
Teniendo en cuenta como punto de referencia a la empresa, se puede agrupar las diferentes definiciones de calidad, as: La perspectiva interna hace nfasis en la eficiencia. Parte del supuesto de que la empresa est ofreciendo productos y servicios que interesan al mercado y, por tanto, lo importante es elaborar el producto o prestar el servicio con una atencin especial a los costes y a la productividad, respetando lo pactado con el cliente de forma tctica o explcita. Se asume aqu que si un output est elaborado eficientemente, y tiene un rendimiento igualmente eficiente, ser adquirido en el mercado.
25
La perspectiva externa, posterior en el tiempo, trata de cubrir las lagunas del enfoque anterior, asumiendo que en los mercados con un alto grado de rivalidad entre competidores, fuerte ritmo de cambio tecnolgico, y cambios en los gustos de los consumidores es necesario centrarse en el cliente, que es quien va a indicar qu productos y servicios necesita, con qu caractersticas y prestaciones, y a que precio. Esta perspectiva deja un segundo plano la eficiencia para poner el nfasis en la eficacia y en la satisfaccin de los deseos del cliente, dejando tambin en un lugar secundario la satisfaccin de otros grupos de influencia; es decir, los stakeholders.3 La perspectiva global abarca las dos anteriores: la empresa excelente es aquella que satisface las necesidades de todos los stakeholders relacionados con ella, y adems con criterios de eficiencia. En este caso se entiende el concepto de excelencia no como estado a alcanzar, sino como una filosofa de trabajo que da lugar a un proceso dinmico de mejora en el que el objetivo es alcanzar la eficiencia y la eficacia; y por consiguiente, la efectividad considerada como el producto de las dos. Dada la importancia que representan aqu los conceptos de eficiencia y eficacia, y por ende el de efectividad, as como el de productividad; stos se amplan a continuacin en la Figura 1.3, as:
Figura 1.3. Esquema del concepto de productividad
PRODUCTIVIDAD
Bienes Entrada, Inputs Insumos Servicios
Relacin
Proceso de Transformacin
Bienes Salida, Outputs Produccin Servicios
Mientras que en la Figura 1.3., se observa claramente el concepto de productividad visto como la relacin que existe entre el proceso de transformacin
Empleados, accionistas, proveedores, otras empresas y sociedad en general.
26
de bienes y servicios para la obtencin de otros bienes servicios, en la Figura 1.4., se dan a conocer diferentes aseveraciones del trmino de productividad. Figura 1.4. Diferentes aseveraciones sobre el concepto de productividad
La productividad es la Relacin entre las Salidas y Entradas. La productividad es la Relacin entre las Outputs e Inputs. La productividad es la Relacin entre la Produccin e Insumos. Para concluir, en la Figura 1.5., se resaltan los conceptos de eficacia, eficiencia y efectividad, donde como ya se mencion anteriormente esta ltima se considera como el producto de las dos; es decir, tanto de la eficiencia como de la eficacia.
Figura 1.5. Relacin de eficacia, eficiencia y efectividad
Eficacia
Produccin Lograda Meta de Produccin Recursos Programados Recursos Reales Eficacia * Eficiencia
Eficiencia
Efectividad
Se tiene en cuenta aqu que mientras que la meta de produccin y los recursos programadas pueden ser son obtenidos mediante estudios previos de tiempos y Sede Nacional Jos Celestino Mutis 27
Calle 14 Sur No. 14-23, PBX: 3443700 Ext. 454 434. e-mail:eingenieria@unad.edu.co
movimientos, la produccin logradas y los recursos reales pueden ser tomados de reportes de produccin y de minutas de produccin respectivamente, tal como puede verse en la Figura 1.6. Figura 1.6. Diferencia entre meta de produccin, recursos programados, produccin lograda y recursos reales
Meta de Produccin: Cantidad de unidades a producir (resultado del estudio de tiempos y movimientos). Recursos Programados: Tiempos programados (resultado del estudio de tiempos y movimientos) u otros recursos programados.
Produccin Lograda: Cantidad de unidades producidas (tomada de los reportes de produccin). Recursos Reales: Tiempos realmente consumidos (tomados de las minutas de produccin) u otros recursos programados.
1.3. REAS RESPONSABLES DE LA CALIDAD

Teniendo en cuenta que la calidad es algo con lo que la organizacin en su totalidad debe estar relacionada, la administracin de sta es objeto de estudios ms profundos. Este hecho incluye la mejora continua, la prevencin de defectos, los enfoques de calidad total y la calidad japonesa. Tal como qued establecido en la seccin anterior, el trmino calidad se utiliza en una amplia variedad de formas diferentes; no existe una definicin clara de sta, a menos que sea vista desde las dimensiones del concepto de calidad; es decir, desde el punto de vista del comprador, la calidad con frecuencia se asocia a su valor, utilidad o incluso al precio; desde el punto de vista del productor, la calidad se asocia con el diseo y la produccin de un producto para satisfacer la necesidad del cliente. As las cosas, los productores deben esforzarse continuamente para mejorar la calidad, esto es, realizar un mejor trabajo para satisfacer las necesidades del cliente y reducir la variabilidad en todos los procesos. La mejora continua es un proceso que nunca termina y se estima con conocimiento y resolucin de problemas. Conforme los productores cumplen mejor las expectativas de los clientes, y conforme se tiene disponible una mejor tecnologa, la calidad se puede mejorar continuamente.
28
De acuerdo con Juran y otros autores versados sobre el tema, como es el caso de Schroeder (1994)4, la calidad incluye las siguientes cinco caractersticas:
Tecnolgicas (por ejemplo, resistencia y dureza) Psicolgicas, (por ejemplo, sabor, belleza, posicin relativa) Orientadas en tiempo (por ejemplo, confiabilidad y servicio) Contractuales (por ejemplo, estipulacin de la garanta) ticas (por ejemplo, cortesa del personal de ventas, honestidad)
La calidad para un producto manufacturado se puede definir principalmente por las caractersticas tecnolgicas contractuales y orientadas en tiempo, mientras un producto de servicio puede incluir todas las caractersticas mencionadas anteriormente. En este sentido, las reas responsables de la calidad requieren una interaccin continua entre el consumidor, operaciones y otras reas de la organizacin. En la Figura 1.7., se muestra cmo estas interacciones tienen lugar en las reas responsables de la calidad. El cliente especifica las necesidades, por lo regular a travs de la funcin de la mercadotecnia. Estas necesidades son o estn expresadas directamente por el cliente, o descubiertas a travs de un proceso de investigacin de mercados. La ingeniera, a su vez, disea un producto para satisfacer esas necesidades o trabaja junto con el cliente en las modificaciones de diseo que se adaptarn de acuerdo con las capacidades de produccin.
SCHROEDER, Roger. Administracin de operaciones. Toma de decisiones en la funcin de operaciones. 3ed. Mjico: McGraw-Hill, 1994. 855p.
29
Figura 1.7. reas responsables de la calidad

CLIENTE Especifica las necesidades de calidad. Redefine las necesidades para fijar las capacidades de operaciones.
Necesidades
MERCADOTECNIA Interpreta las necesidades del cliente. Trabaja con el cliente en el diseo del producto para fijar las operaciones. Interpretacin de la necesidades INGENIERA Define el concepto de diseo. Prepara las especificaciones. Define caractersticas de calidad. Especificaciones CONTROL DE CALIDAD Planea y monitorea la calidad. OPERACIONES Fabrica el producto o servicio.
Adaptado de: SCHROEDER, Roger. Administracin de operaciones. Toma de decisiones en la funcin de operaciones. 3ed. Mjico: McGraw-Hill, 1994. 855p.
Una vez que se ha terminado el concepto de diseo y las especificaciones, queda establecida la calidad de diseo. La ingeniera debe entonces trabajar junto con operaciones para producir el producto especificado o, si se encuentran dificultades, modificar las especificaciones. Operaciones debe asegurarse continuamente de que el producto se est fabricando conforme a lo especificado, y esto se logra insistiendo en la calidad de conformidad con las especificaciones del producto o servicio. Esto generalmente se realiza mediante la capacitacin, supervisin, mantenimiento de maquinaria y equipo e inspeccin apropiadas. Adems, para cumplir con las especificaciones, operaciones debe esforzarse por reducir la variacin de sus procesos y productos en el tiempo. De esta forma se lleva a cabo la mejora continua.
1.4. CONTROL TOTAL DE CALIDAD

Para iniciar el proceso de control total de calidad en primer lugar, es de recalcar que las autoridades de los niveles superiores deben establecer una poltica de calidad; vale decir, la alta direccin. sta a su vez, debe derivarse de una estrategia corporativa. En segundo lugar, despus de considerar los factores estratgicos, la gerencia de alto nivel debe fijar una poltica de calidad. El comportamiento de calidad total significa entender quin, cules son los requerimientos y satisfacer esos requerimientos sin error, a tiempo y durante todo el tiempo.
30
Los enunciados de la poltica deben continuarse con objetivos de calidad establecidos sobre bases peridicas, generalmente anuales. Si la compaa tiene un sistema de Administracin Por Objetivos (MBO - Management By Objetives), los objetivos de calidad deben incorporarse en ste. Los objetivos de la calidad deben aparecer no nicamente en los enunciados de MBO del administrador de la calidad, sino en los enunciados de cada gerente relacionado con la calidad, por ejemplo, operaciones, mercadotecnia, ingeniera y servicio en campo, etc. Para mencionar algunos se citan los siguientes ejemplos de objetivos de la calidad:
Aumentar el nivel de calidad de salida a 99.999% (10 defectos en un milln de unidades) medido mediante procedimientos de muestreo. Asegurarse de que todos los gerentes reciban un curso de capacitacin de 5 das sobre aseguramiento de la calidad. Formar crculos de control de calidad de trabajadores y asesores para reunirse semanalmente, con objeto de identificar las causas de una baja de calidad y tomar la accin correctiva apropiada. Una vez que se han formulado los objetivos y se han asignado a gerentes especficos, estos ltimos proporcionarn los recursos a corto plazo para mejorar la calidad y llevar a cabo la poltica de calidad de la compaa.
Por otra parte, conjuntamente con la poltica y los objetivos, la estructura organizacional es uno de los asuntos que deben decidirse como parte de la administracin de la calidad. Si la calidad debe reportar a manufactura o no da lugar a grandes controversias. Aquellos que argumentan una funcin de calidad separada reportando al gerente, afirman que la calidad debe ser independiente para evitar el comprometerla con el esfuerzo para satisfacer los programas o reducir costos. Este punto de vista ha sido especialmente fuerte en compaas que trabajan para el gobierno. En algunos casos, el gobierno insiste en que la calidad debe ser organizada en forma separada para proteger los intereses del gobierno como cliente (en la actualidad en Colombia quien viene adelantando esta labor es Accin Social de la Presidencia de la Repblica). Reiterando, aquellos que argumentan que la calidad debe depender de manufactura puntualizan que sta no se puede inspeccionar en un producto o servicio y que la calidad requiere una coordinacin estrecha con la fuerza de trabajo, compras y todas las fases de la operacin. Sostienen que el gerente de manufactura es la persona indicada para coordinar el trabajo del departamento de calidad y todos los otros departamentos dentro de manufactura que afecta la calidad.
31
En aos recientes, en la medida que se ha desarrollado el concepto de calidad total, el arreglo organizacional en uso se ha hecho menos importante. Utilizando el concepto de calidad total, el departamento de calidad se percibe como el coordinador organizacional de todos los otros departamentos que afectan a la calidad: manufactura, compras, mercadotecnia e ingeniera. Bajo un programa de calidad total. Cada departamento debe identificar su papel exacto en cuanto a la calidad se refiere y debe establecer objetivos para mantener aceptable la calidad de diseo y comportamiento. El concepto de la calidad total requiere entonces, que el departamento de calidad y fbrica invierta ms tiempo en la planeacin y menos en la inspeccin y control. Un enfoque de calidad total subraya la prevencin de defectos y reconoce el papel de todas las reas de la organizacin para lograr los objetivos de la calidad. De hecho, la prevencin no es algo que pueda llevar a cabo cualquier departamento debido a que requiere la atencin sobre las relaciones del proveedor (compras), capacitacin (personal), diseo (ingeniera) necesidades del cliente (mercadotecnia) y fabricacin del producto (operaciones). Se requiere un enfoque de sistemas total que abarque la organizacin por completo. En este caso, el departamento de calidad no es responsable de todos. El departamento de calidad sirve en su papel de coordinador para asegurar que cada uno contribuya a los objetivos de calidad. En consecuencia, la falta de un concepto de calidad total se puede ver todos los das en la industria. Al descubrir un problema de calidad, el gerente general con frecuencia toma en sus manos el control de calidad para identificar el problema. En realidad, el control de calidad puede hacer poco, dado que el problema fue ocasionado en primer lugar por ingeniera, manufactura o mercadotecnia. Es un error llamar a la mayora de los problemas como problemas de calidad; deben llamarse por los nombres de los departamentos que los ocasionaron. Es de aclarar que cada una de estas reas responsables de la calidad fue explicada en la seccin anterior. Por lo tanto, no es simple reconocer la importancia del control de calidad total; sino que, se debe poner en ejecucin un programa positivo a travs de toda la organizacin. El programa debe especificar cmo sern organizados los esfuerzos de la calidad total, cmo pueden los individuos estar conscientes de su papel en la calidad y cmo se deben medir los resultados del enfoque de calidad total, razn por la que el enfoque de Deming es el ms empleado. Para ilustrar los conceptos anteriores, a continuacin se esquematiza la forma que tiene lugar la aplicacin de stos en la Figura 1.8. Es de resaltar que las tcnicas sugeridas como son el costo de la calidad, estudios de prdidas, medicin, diagrama de causa efecto, diagrama de Pareto; y los anlisis estadsticos como grficos de control, muestreo e inspeccin, se vern en ms adelante en los captulos sucedentes.
32
Figura 1.8. Proceso para lograr la calidad total

Estrategia y calidad Aclaracin del tema de calidad, un objetivo de las operaciones Factores que afectan la calidad: Administracin Empleados Instalaciones, procesos y equipos Materiales Vendedores Comprensin de las relaciones entre los factores que afectan la calidad y desempeo de la calidad: Percepciones del cliente Resultados que se esperan de la calidad Factores que afectan la calidad Acciones para mejorar y asegurar el apego a los objetivos: Enfoques iniciados por la administracin Comportamiento y calidad Resultados: Consistencia con la calidad de todos los productos y servicios en concordancia con la posicin estratgica deseada Anlisis: la base para el continuo mejoramiento, la gestin y el aseguramiento de la calidad y su control: Diagnstico orientado hacia la calidad total: Costo de la calidad, estudios de prdidas, medicin, diagrama de causa efecto, diagrama de Pareto. Anlisis estadstico: Grficos de control, muestreo e inspeccin
Adaptado de: ADAM, Everett y EBERT, Ronald. Administracin de la produccin y las operaciones. 4ed. Mjico: Prentice-Hall, 1991. 739p.
33
2. CONTROL ESTADSTICO DE LA CALIDAD

Para el estudio del control estadstico de la calidad es necesario conocer acerca del papel que juega la distribucin de frecuencias y parmetros en el mismo, la capacidad del proceso para medir la variacin de stos; y de hecho, los grficos de control por variables y atributos, entre otros de los muchos autores que han trabajado el tema, se acompaan los esbozados por Tabla (1998)5, as:
2.1. DISTRIBUCIN DE FRECUENCIAS Y PARMETROS

Para realizar la distribucin de frecuencias y parmetros, es necesario conocer algunos conceptos como la toma de datos, la ordenacin, las medidas de tendencia central, a saber: la media aritmtica, la mediana y la moda, as como el rango.
2.1.1. La toma de datos

La toma de datos es la obtencin de las lecturas de caractersticas variables que de alguna manera se obtienen para conocer el estado del proceso y que no han sido ordenadas numricamente.
2.1.2. La ordenacin
La ordenacin es una coleccin de datos numricos, anotados en forma creciente o decreciente en magnitud.
2.1.3. Medidas de la tendencia central

Se definen tres de ellas a continuacin como son: la media aritmtica, la mediana y la moda.
TABLA, Guillermo. Gua para implantar la norma ISO 9000 para empresas de todos tipos y tamaos. Mxico: McGraw-Hill, 1998. 387p.
34
Media aritmtica. La media aritmtica de un conjunto de datos es un valor tpico y representativo del mismo, que al tender a situarse en el centro de los valores obtenidos y ordenados, indica cul es la posicin del centro aritmtico de los datos proporcionados.
La media aritmtica se representa de la siguiente manera:
x=
x1+ x 2 + x3+ ... + x n n
Que tambin puede ser:
x=
Donde:
n xi i =1
x = Media aritmtica x1, x2, x3, ... , xn = Datos variables medidos n = Nmero de datos medidos
A manera de ejemplo:
40 + 42 + 25 + 23 + 27 + 23 6
=
180 6
= 30
Si las mismas lecturas se presentan ms de una vez, la representacin de la media aritmtica es:
f 1 x1+ f 2 x 2 + f 3 x3+ ... + f k x k x= f 1+ f 2 + f 3+ ... + f k

35
O de la misma manera:
x=
k f xi i i =1 k f i i =1
Donde:
x = Media aritmtica x1, x2, x3, ... , xk = Datos medidos f1, f2, f3, ... , fk = Frecuencia de los datos medidos k n = f i = Frecuencia total, es decir el nmero total de datos i =1
A manera de ejemplo vanse los datos de la Tabla 2.1.

Tabla 2.1. Datos de media aritmtica fk xk fkxk Item 1 5 34 170 2 4 21 84 3 20 14 280 4 31 52 1612 5 6 47 15 12 26 564 390
n=
122
k i =1
f k xk =
3100
Si las mismas lecturas se presentan ms de una vez, la representacin de la media aritmtica es:
x=
k f xi i i =1 k f i i =1 3100 122
x=
36
= 25.41
Mediana. La mediana es una coleccin de datos ordenados en magnitud, donde la mediana es el valor medio, si la cantidad de datos es non o la media aritmtica de dos valores medios si la cantidad de datos es par.
A manera de ejemplo, si la cantidad de datos es impar:
1, 3, 4, 5, 7, 9, 13, 14, 18, la mediana es el nmero 7.
A manera de ejemplo, si la cantidad de datos es par:
4, 5, 6, 10, 13, 16, 17,18, su mediana se calcula de la siguiente manera:

M = 1 (10 + 13) 2
= 11.5 Geomtricamente, la mediana es el valor xk que corresponde a la vertical que divide un histograma en dos partes de igual rea.
Moda. La moda de una serie de nmeros, es aquel valor que en los datos se presenta con la mayor frecuencia, es decir es el valor ms comn. La moda puede no existir y cuando existe, puede no ser nica.
A manera de ejemplo:
El conjunto de datos 3, 8, 10, 12, 12, 12, 12, 17, 19, 21, 23, tiene un valor de moda de 12. El conjunto de datos 3, 8, 10, 12, 17, 19, 21, 23 no tiene un valor de moda. El conjunto de datos 5, 8, 11, 11, 11, 15, 17, 19, 19, 19, tiene dos valores de moda que son 11 y 19, llamndose bimodal.
2.1.4. Rango
El rango se define como la diferencia que hay entre el valor mayor y el valor menor, obtenidos en un conjunto de datos. La media aritmtica o promedio se usa como medida de la tendencia central; sin embargo, es necesario establecer indicadores que muestren la variabilidad de los
37
datos. Tales indicadores se conocen como medidas de dispersin o de variacin y su medicin se realiza calculando el rango de los datos, as:
Rango = x
mayor
menor
=V
Vm
El rango es una medida de variacin que proporciona la amplitud dentro de la que se encuentran la totalidad de los datos. A manera de ejemplo obsrvese la Figura 2.1.
Figura 2.1. Datos observados dentro de un rango
2,5 2 1,5 y 1 0,5 0 0 5 10 15 20 25 30 Nmero observado
2.1.5. Procedimiento para determinar la distribucin de frecuencias

Para determinar la distribucin de frecuencias, se deben seguir los siguientes cinco pasos, as:
Paso 1. Se calcula el rango de los datos medidos.
Rango
Nmero que se repite
Rango = V
Vm
Paso 2. Se calcula la amplitud de clase, que es la cantidad propuesta de barras que tendr el histograma; as:
38
Amplitud de clase
A=
Donde:
R k
A = Amplitud de clase R = Rango de datos medidos k = Valor que depende del nmero de datos o de muestras n y de la cantidad de barras en el histograma que se pretende tener.
En funcin del valor de los nmeros decimales que d como resultado la relacin anterior; se debe elevar hacia el siguiente nmero que tenga la misma cantidad de decimales que los datos originales, por lo que se calcula A, tal como puede verse en la Tabla 2.2.
Tabla 2.2. Tabla de valores de k n k menor a 50 de 5 a 7 de 50 a 100 de 6 a 10 de 100 a 250 de 7 a 12 250 ms de 10 a 20
Adaptado de: TABLA, Guillermo. Gua para implantar la norma ISO 9000 para empresas de todos tipos y tamaos. Mxico: McGraw-Hill, 1998. 387p.
A manera de ejemplo, si se tiene un conjunto de 9 datos como el que se muestra en la Tabla 2.3., expresados en milsimas, para calcular la amplitud de los intervalos se procede de la siguiente manera:
Tabla 2.3. Datos para distribucin de frecuencias 7,421 5,348 5,324 9,023 4,528 8,597 8,642 7,568 6,541
Amplitud de clase:
A=
=
R k
(9.023 5.348)
5 39
= 0.735
Paso 3. Se obtienen las fronteras de clase: para hacerlo, se requiere de una frontera inicial, que se calcula de la siguiente manera:
Fronteras de clase
x =V
*
menor
(0.5) u
Donde:
x* = Es el valor de la frontera inferior para el histograma Vmenor = Es el valor menor de los datos medidos u = Valor de la unidad de lo que est midiendo
Posteriormente, a partir del valor de x* se le va sumando los valores de A (amplitud de clase) para definir los intervalos en los que se integran las frecuencias de cada uno de los valores de x para completar el histograma, como se ilustra en la Tabla 2.4.
Tabla 2.4. Fronteras de clase Intervalo ( i ) Frontera inferior ( i ) Frontera inferior ( i ) 1 2 3 N x * x +A * x + 2A * x + (n-1)A
*
x +A * x + 3A * x + 2A * x + (n)A
Adaptado de: TABLA, Guillermo. Gua para implantar la norma ISO 9000 para empresas de todos tipos y tamaos. Mxico: McGraw-Hill, 1998. 387p.
Paso 4. Se calcula la marca de clase, mediante el clculo del punto medio de cada intervalo, usando la siguiente frmula:
Marcas de clase
Frontera Inferior m + Frontera Superior m M= 2

i
Donde:
Mi = Marca de clase en cada intervalo m Frontera Inferior m = Frontera inferior del intervalo m
40
Frontera Superiorm = Frontera superior del intervalo m m = Intervalo del histograma; m = 1, 2, 3,, r
Paso 5. Se elabora la distribucin de frecuencia, anotando en la escala la frecuencia con la que en los datos iniciales se van presentando en cada intervalo. Se debe tener cuidado de asegurar que la frecuencia total no sea diferente a la suma de los datos.
A manera de ejemplo, se desea analizar el comportamiento del torque de los tornillos que sujetan la cubierta a la base de una pieza; se tienen 30 lecturas que se han tomado como muestra del lote de productos. Los datos se encuentran en la Tabla 2.5., se requiere conocer su histograma para revisar su comportamiento. A continuacin se muestra como desarrollarlo; as:
Tabla 2.5. Comportamiento de la lectura de datos 1806 2852 2257 2883 2349 2715 2950 2476 2841 3208 2552 3059 2924 1921 3185 2682 3747 2284 3588 2105 3747
2371 2904 3157 2840 2613
2328 3380 2743 2796 2449 1941
V =
M
V =
m
1806 389
Rango =
A=
Rango:
Rango = V
Vm
= 3747 1806 = 1941
Amplitud de clase: como n = 30, se selecciona k = 5:
A=
=
R k
1941 = 388.2 5
389
41
Fronteras de clase: en este caso, u = 1, que es la unidad mnima de medida, por lo que:
x =V
*
menor
(0.5) u
= 1806 (0.5)(1)
= 1805.5 En consecuencia tenemos que las fronteras de clase son las que aparecen en la Tabla 2.6., as:
Tabla 2.6. Fronteras de clase Intervalo ( i ) Frontera ( i ) Frontera ( i ) 1 2 3 4 5 6 x * x+A * x + 2A * x + 3A * x + 4A * x + 5A
*
1805,5 2194,5 2583,5 2972,5 3361,5 3750,5
Marcas de clase:
M=
i
Frontera Inferior m + Frontera Superior m 2
Para m1, se tiene que:
(1805.5 + 2194.5)
2
= 2000 En consecuencia tenemos que las marcas de clase son las que aparecen en la Tabla 2.7., as:
Tabla 2.7. Marcas de clase mi Mi 1 2000 2 2389 3 2778 4 3167 5 3556
42
Con estos valores de fronteras y marcas de clase, se procede a integrar los valores reales encontrados en la muestra para determinar la frecuencia en cada uno de los intervalos de clase que se calcularon anteriormente y que se muestran enseguida en la Tabla 2.8., as:
Tabla 2.8. Frecuencia en cada uno de los intervalos de clase Frontera Intervalo Marca de clase frecuencia mi F inf F sup Mi fi 1 1805,5 2194,5 2000 3 2 2194,5 2583,5 2389 8 3 2583,5 2972,5 2778 12 4 2972,5 3361,5 3167 4 5 3361,5 3750,5 3556 3
Finalmente, a continuacin se elabora la distribucin de frecuencias como se ve en la Figura 2.2.

Figura 2.2. Distribucin de frecuencias
14 12 10 8 6 4 2 0 2000 2389 2778 Marcas de clase 3167 3556
frecuencia
Serie1
2.2. CAPACIDAD DEL PROCESO

Las tcnicas estadsticas permiten evaluar la variacin que tienen los procesos medidos, para despus compararlos con las especificaciones o normas establecidas. La variacin se puede conocer con el anlisis estadstico de la capacidad y habilidad de los procesos cuando se cumplen con tales especificaciones. Los ndices que se pueden calcular para evaluar estas caractersticas son la capacidad y la habilidad de un proceso.
43
2.2.1. Capacidad del proceso

El parmetro conocido como Cp indica la capacidad que tiene un proceso para cumplir con las especificaciones o normas; este valor relaciona la dispersin real del proceso en estudio comparado con respecto a las especificaciones o normas. Para una mejor ilustracin vase la Figura 2.3.
Figura 2.3. Representacin grfica de la capacidad del proceso
x
LIE LSE
La frmula para su clculo es:
Cp =
Donde :
Variacin especificada o permitida Variacin real del proceso
LSE LIE 6s
Cp = Capacidad del proceso LSE = Lmite Superior de Especificacin LIE = Lmite Inferior de Especificacin s = Desviacin estndar muestral
44
2.2.2. Habilidad del proceso

Representa la variacin del proceso comparada con los lmites de especificacin en sus condiciones ms crticas. Esta descrita como la distancia existe entre el uso de promedio del proceso medido y los lmites. Para calcular la habilidad del proceso se requieren las siguientes frmulas:
= sup
LSE x s x LIE s
=
Z
Entonces:
inf
C
En donde:
pk
Z min 3
Zsup = Valor de la variacin estandarizada en trminos de las desviaciones estndar, en comparacin con el lmite superior de especificacin. Zinf = Valor de la variacin estandarizada en trminos de las desviaciones estndar, en comparacin con el lmite inferior de especificaciones. Zmin = Valor menor entre los resultados calculados de Z. x = Promedio calculo de la muestra. Cpk = Habilidad del proceso.
En primer lugar, se calculan los dos valores de Z, se elige el valor menor entre los dos (incluyendo los valores negativos, entre mayor sea el nmero negativo ste se toma como Z menor); posteriormente se divide entre la cantidad seleccionada de desviaciones estndar que se requiere analizar para encontrar el valor de Cpk. En segundo lugar, para tener la seguridad de que se tiene controlado el proceso, los valores de Cp y de Cpk deben ser mayores que 1.33, lo cual quiere decir que se tiene al menos una desviacin estndar entre el lmite de especificacin y la orilla de la curva del proceso real a la cantidad de desviaciones estndar calculadas. En tercer lugar, en este anlisis, si se tienen valores ms altos de la capacidad y habilidad del proceso, ste est ms controlado. Para entender el comportamiento
45
del proceso de transformacin, es necesario que se tengan las siguientes condiciones: a) El histograma debe tener un comportamiento normal, esto es que se tenga una tendencia central y una dispersin de los datos semejantes a cada lado de la tendencia central. b) El histograma debe ser unimodal. Enseguida se muestran las condiciones de los diferentes valores de la habilidad del proceso Cpk. Vase Figura 2.4.
Cpk = Cp > 1. En esta condicin, el valor del promedio del proceso est ubicado en el valor de la tolerancia especificada y la variacin es menor al total.
Figura 2.4. Diferentes valores de Cpk comparados con las especificaciones
C
pk
= min
LSE x 3s
x LIE 3s
Cpk > 1:
Proceso controlado dentro de los lmites de especificacin y con una variacin pequea con respecto a lo permitido; , Proceso controlado dentro de los lmites de especificacin, con una variacin mayor a la anterior; , Proceso controlado en donde la orilla de la variacin del proceso calculado a 3 (3s), coincide con el lmite inferior de especificacin.
Cpk = 1. Proceso controlado en donde la orilla de la variacin del proceso calculado a 3 (3s), coincide con el lmite superior de especificacin.
46
Cpk < 1:
Proceso fuera de control; parte de su variacin calculada a 3 (3s), est fuera de las especificaciones, en el lado del lmite superior de especificacin.
Cpk = 0. Proceso fuera de control; su promedio coincide con el lmite superior de especificacin. Cpk < 0 (Negativo):
Proceso fuera de control; su promedio est fuera del lmite superior de especificacin; , Proceso fuera de control; su promedio est fuera del lmite inferior de especificacin.
2.2.3. Habilidad del proceso con tolerancias unilaterales

En el caso de una tolerancia unilateral, el valor de Cp no tiene sentido puesto qu slo hay un lmite de especificacin, ya sea el superior, como lo es una especificacin de rugosidad mxima; as tambin, se puede tener un slo lmite de especificacin que es el mnimo que debe cumplir el elemento a medir, como ejemplos se pueden citar: un porcentaje mnimo de concentracin en una solucin, una tensin mnima a cumplir, etctera. Para su clculo, se tienen las siguientes condiciones: a) Cuando la especificacin establece un mximo:
LE x s x LE s
b) Cuando la especificacin establece un mnimo:
Z
Por lo que:
pk
Z 3
47
Donde:
Z = Distancia al lmite de especificacin LE = Lmite de Especificacin x = Valor promedio del proceso s = Desviacin estndar muestral Cpk = Habilidad del proceso.
Siempre que existan cambios en el proceso que se est midiendo, se pueden provocar tambin cambios de Cp y de Cpk, se puede provocar por cambios en de condiciones de medio ambiente, cambios en la metodologa, sustitucin de personal capacitado por no capacitado etc. Para controlar el proceso, es necesario que se analicen las causas que provocan la variacin y que por consecuencia, se realicen las acciones tanto correctivas como preventivas para su control estadstico. Un medio para lograr el control a travs del tiempo, es el control estadstico del proceso llevado mediante grficos de control tanto por variables, como por atributos, como se ver enseguida en las secciones 2.3., y 2.4.
2.2.4. Ventajas al calcular los ndices de capacidad y habilidad del proceso

Los estudios de capacidad y habilidad de los procesos permiten conocer su comportamiento tanto en las operaciones en particular, como en los procesos productivos completos. Lo anterior se puede llevar a cabo, calculando la dispersin del proceso y la comparacin de ste contra las especificaciones o normas, as las cosas tenemos que: a. Se puede diagnosticar si una operacin en particular o un proceso completo puede proporcionar resultados libres de defectos, esto es, totalmente dentro de especificaciones, en condiciones normales de operacin. b. Proporcionan una base para diagnosticar el comportamiento, ya sea normal o anormal, que est centrado o no, tambin variaciones excesivas con respecto a la especificacin; se pueden relacionar con causas especficas para atacarlas y cumplir con los requisitos para lograr una mejora continua. c. Pronostican el comportamiento de las operaciones y los procesos completos, que permiten establecer un sistema preventivo para asegurar la calidad de los resultados.
48
2.3. GRFICOS DE CONTROL POR VARIABLES

Para el estudio de los grficos de control por variables es de tener en cuenta que las variaciones que ocurren en un proceso de produccin caen en dos amplias categoras: variaciones aleatorias y variaciones con causas asignables. Las variaciones aleatorias pueden tener un complejo de causa real menor, ninguna de las cuales es responsable por la variacin total. Estas variaciones ocurren en forma aleatoria y es muy poco lo que se puede hacer al respecto dado el proceso en que ocurren. Por otra parte, las variaciones con causas asignables son relativamente grandes y pueden rastrearse hasta su origen. En este sentido, se tienen en cuenta los aspectos destacados por Buffa y Sarn (1992)6. En general, las causas asignables son resultado de:
Diferencias entre los trabajadores Diferencias entre las mquinas Diferencias entre materiales Diferencias debidas a la interaccin entre cualesquiera dos o tres de las causas anteriores.
Puede desarrollarse entonces, un conjunto parecido de causas asignables para cualquier proceso. Se tiene que cuando un proceso se encuentra en un estado de control estadstico las variaciones que ocurren en el nmero de defectos, la magnitud de una dimensin, la composicin qumica, el peso y otras parecidas que se deben solamente a una variacin aleatoria normal. Por lo tanto, con los grficos de control se establecen estndares de variacin normal esperada debido a causas aleatorias. De esta forma, cuando las variaciones debidas a una o ms causas asignables se trasladan, de inmediato indican que algn componente bsico ha cambiado. Entonces no es posible investigar para encontrar la causa asignable y corregirla. En consecuencia, estos mecanismos de control estadstico son los que se conocen como grficos de control.
2.3.1. Marco conceptual de grficos de control

Si se toma un conjunto de medidas en secuencia, los datos pueden acomodarse como una distribucin y calcular la medida y la desviacin estndar. Si se tiene entendido que los datos provienen de una distribucin normal de poblacin, pueden establecerse estimados precisos, respecto a la probabilidad de ocurrencia asociada con las medidas. Dada en unidades de desviacin estndar como sigue:
BUFFA, Elwood y SARIN, Rakesh. Administracin de la produccin y de las operaciones. Mjico: Limusa, 1992. 939p.
49
68.26 por ciento de los valores normalmente caen dentro de 1 95.45 por ciento de los valores normalmente caen dentro de 2 99.73 por ciento de los valores normalmente caen dentro de 3
Estos valores porcentuales representan el rea bajo la curva normal entre los lmites dados; por lo tanto, indican la probabilidad de ocurrencia para los valores que provienen de la distribucin normal que gener las mediciones. En este sentido la tolerancia (considerada como las desviaciones estndar que se estaran dispuestas a aceptar) natural se basarn en informacin de la muestra. Para tal efecto se utiliza la siguiente notacin:
= Medida de la poblacin (parmetro) x = Medida de una muestra obtenida de la poblacin (estadstica) = Desviacin estndar de la poblacin (parmetro) s = Desviacin estndar de una muestra obtenida de la poblacin (estadstica)
Dado que debe usarse informacin de la muestra para estimar las medias y las desviaciones estndar de la poblacin, la tolerancia natural de un proceso se estima sustituyendo x + 3s x en las estadsticas de la muestra. En los grficos de control generalmente se utilizan dos tipos bsicos con algunas variantes: grficos de control por variables y grficos de control por atributos. Los grficos de control por variables sern abordados a continuacin mientras que los grficos de control por atributos sern abordados en la siguiente seccin. Los grficos de control por variables son utilizados cuando el parmetro basado en el control es alguna medida de una variable, tal como la dimensin de una parte, el control para realizacin de un trabajo y otras. Los grficos de control por variables pueden basarse en mediciones individuales, valores de la media de muestras pequeas, valores de la variacin de mediciones de variabilidad.
2.3.2. Grficos de control x (x barra)

Para construir grficos de control por variables x , existen varias cuestiones que deben resolverse como el tamao de la muestra, establecimientos de estndares para promedio del proceso y lmites de control, adems de los procedimientos prcticos para reducir los clculos requeridos.
Tamao de la muestra. Para establecer el tamao de la muestra se tiene en cuenta que los tamaos de las muestras son generalmente reducidos por razones tales como:
50
Primero, es ms barato recolectar, inspeccionar y procesar muestras pequeas. Segundo, las muestras de mayor tamao deben obtenerse durante perodos ms prolongados y pueden presentarse cambios durante dichos periodos, impidiendo que las reacciones sean oportunas; as las cosas, las condiciones fuera de control no se detectan tan rpidamente y pueden producirse desperdicios adicionales. Se tiene establecido que generalmente los tamaos de muestra ms comunes son de cuatro o cinco ejemplares. Este tamao anticipa los problemas indicados y es lo suficientemente grande como para que el teorema del lmite central garantice la normalidad en la distribucin del muestreo.
Definicin de estndares de promedios del proceso y lmites de control. Para poder definir los estndares se debe contestar la siguiente pregunta:
Cmo puede determinarse si el promedio del proceso, x , y los lmites de control son representativos del proceso cuando ste se encuentra en un estado de control estadstico? Si en el proceso cambian durante el perodo en el cual se est desarrollando la informacin para definir estndares, los estndares no tienen significado. Las condiciones no estndar pueden resultar en un cambio en el promedio, en la desviacin estndar, o en ambos. Para contar con una proteccin, se calcula una s individual para cada una de las pequeas muestras de un subgrupo preliminar y despus se promedian. Las medias de las muestras del subgrupo se trazan sobre una grfica de control basada en x + 3s x para determinar si han ocurrido cambios en el promedio del proceso en el periodo durante el cual se recopilaron los datos preliminares. Atendiendo a la sugerencia de los expertos, para lograr los objetivos, el tamao del subgrupo debe ser relativamente reducido, posiblemente de 20 a 25 y el periodo de tiempo durante el cual se recopilan los datos preliminares debe ser lo suficientemente largos como para poder reconocer cualesquiera cambios en el proceso que ocurran entre intervalos de muestreo.
Procedimientos prcticos para determinar los lmites de control de la grfica x . Los lmites de control requieren un estimulo de s x y aunque este clculo no es
costoso s requiere la incorporacin de todos los datos estadstica. Al poner ponen en prctica estos conceptos ms cortos para calcular los lmites de control, utilizando desviacin estndar como una medida de variabilidad.
en los que se basa la se desarrollan mtodos el rango en lugar de la La Tabla 2.9., es una
51
pequea porcin de una tabla de factores usados para convertir el rango promedio, R , a los lmites de control 3s x . El procedimiento es el siguiente. Se selecciona el factor adecuado de la Tabla 2.9., para grficas x y se calculan los lmites de control, as:
Lmite Superior de Control
LSC
Lmite Inferior de Control
x+ AR
2
LIC
xAR
2
A manera de ejemplo, si x = 4.00000, R = 0.01000 y n = 8, entonces el factor de la Tabla 2.9., es A2 = 0.37300 y los lmites de control son:
LSC = 4.00000 + (0.37300 X 0.01000) = 4.00000 + 0.00373 = 4.00073 LIC = 4.00000 (0.37300 X 0.01000) = 4.00000 0.00373 = 3.99627
De hecho, los clculos bsicos para determinar las lneas centrales y los lmites de control permanecen iguales sin importar la variable que se est midiendo.
Tabla 2.9. Factores para convertir un rango promedio, R Nmero de valores Carta de control en el subgrupo de medias A2 D3 n 2 1,880 0 3 1,023 0 4 0,729 0 5 0,577 0 6 0,483 0 7 0,419 0,076 8 0,373 0,136 9 0,337 0,184 10 0,308 0,223 , a lmites de control variables Carta de control de rangos D4 3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777
Adaptado de Buffa y Sarn. Fuente: Desarrollada a partir de una tabla de factores mucho ms grande de gran utilidad para la construccin de grficas de control, tabla B2 del manual A.S.T.M para control de calidad de materiales, P.115.
A continuacin se considera un proceso de evaluacin para el cual se desea establecer un grfico de control x . Con el fin de inicializar la grfica, se toman 20 muestras de n = 5 mediciones aleatorias conforme el proceso de evaluacin tiene lugar. Estas observaciones individuales se exponen en la Tabla 2.10.,
52
representando en cada lnea una muestra de n = 5. Obteniendo el promedio de cada muestra; x . La gran media se expresa en la parte inferior como x = 5.171.
Clculos para el grfico de control x . Primero se calcula la lnea central y los lmites de control preliminares para el grfico de control x de la siguiente forma:
Lmite Superior de Control:
LSC
x+ AR
2
= 5.171 + (0.577 x 7.1511) = 9.297
Tabla 2.10. Mediciones tomadas en secuencia sobre los resultados de un proceso de produccin (tamao de muestra N = 20, n = 5), para
Nmero de muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Observaciones individuales 1 1,198 2,224 3,195 4,183 6,194 7,212 8,179 9,216 1,221 2,226 3,181 4,176 5,217 6,203 7,243 8,255 9,210 1,178 1,163 2,218 2 3,175 4,209 5,172 6,191 8,142 9,238 1,186 2,212 3,172 4,184 5,210 6,179 7,199 8,192 9,184 1,217 2,226 3,188 6,223 7,192 3 5,201 6,184 7,204 8,168 1,208 2,219 3,206 4,201 5,201 6,187 7,219 8,206 9,225 1,203 2,187 3,200 4,187 6,157 8,171 6,198 4 7,209 8,225 9,213 1,194 3,226 4,198 5,170 6,196 7,205 8,182 9,206 1,182 2,205 3,207 4,220 5,231 6,187 8,184 7,208 8,199 5 9,204 1,209 2,208 3,202 5,188 6,230 7,212 8,224 9,204 1,229 2,184 3,244 4,208 5,208 6,214 7,214 8,190 1,162 9,202 1,199
Promedio de la muestra, x 5,197 4,410 5,398 4,588 4,792 5,819 4,991 6,010 5,201 4,402 5,400 4,597 5,611 4,803 5,810 5,023 6,000 3,974 6,393 5,001 5,171
x =
53
Lmite Inferior de Control:
LIC
xAR
2
= 5.171 (0.577 x 7.1511) = 1.045 Los limites de control y la lnea central preliminares para la gran media se muestran en la Figura 2.5., graficndose las medias de las 20 muestras del promedio de muestras x de la Tabla 2.10.
Cundo actuar. En el caso que existan muestran fuera de los lmites de control se plantea la pregunta:
Qu configuraciones de puntos en una grfica de control sugieren que debe adoptarse una accin? Se justifica una accin solamente cuando los puntos salen de los lmites?
Figura 2.5. Grfico de control x en la que se muestran los promedios de proceso y lmites de control
10,000 9,000 8,000 7,000 6,000 5,000 4,000 3,000 2,000 1,000 0,000 1 3 5 7 9 11 13 15 17 19 Nmero de muestra
LSC = 9 .297
Media de la muestra
Serie1 x = 5 .1 7 1
LIC = 1 .045
Los siguientes son algunos lineamientos convenientes sobre cundo anticipar los problemas mediante una accin de investigacin.
54
Un solo punto se sale de los lmites, ya sea superior o inferior. Dos puntos consecutivos estn cerca de un lmite de control superior o inferior. Una corrida de cinco puntos por arriba o por debajo del promedio del proceso. Una tendencia de cinco puntos hacia cualquiera de los lmites. Un cambio sbito de nivel. Un compromiso errtico.
2.3.3. Grficos de control R

Una vez calculados los lmites de control para los grficos de control x , las estadsticas usadas son las medias de la muestra reducida y estos son los datos que se trazan en la grfica. De la misma forma podra usarse una medida de variabilidad, como la desviacin estndar o el rango, como estadstica bsica. Para cada muestra se calcula una desviacin estndar (o rango) como muestra y estas observaciones se agrupan en una distribucin que se aproxima a la distribucin normal. Esta nueva distribucin de medidas de variabilidad tiene una media, una desviacin estndar y un rango que pueden ser usados para construir una de control. Esta grfica de control indica cuando la variabilidad del proceso es mayor o menor que el estndar. En el control de la calidad, la estadstica seleccionada es generalmente el rango, ms que la variacin estndar, debido a la facilidad con la que el rango puede ser calculado en un ambiente de procesamiento. Para cada muestra, la diferencia entre la mediacin ms alta y la ms baja se traza en el grfico de control R. La distribucin de rangos tiene un promedio, R , y una desviacin estndar sR. Los lmites de 3sR tienen el mismo significado general que para la grfica x .
Procedimientos prcticos para determinar los lmites de control de la grfica R. De la misma forma que para las grficas x , el clculo de los lmites de control para el grfico de control R ha sido simplificado mediante el uso de la estadstica R en lugar de la desviacin estndar. Usando los datos de la Tabla 2.9., para una muestra de tamao n, se seleccionan los factores D3 y D4 y se calculan los lmites de control 3sR como sigue:
LSC
DR
4
55
LIC
= D3 R
De igual modo como se expres anteriormente, a manera de ejemplo, si n = 6, R = 5.000, con base en el factor de la Tabla 2.9., D4 = 2.004 y D3 = 0, entonces los lmites de control para la grfica R son:
LSCR = 2.004 x 5.000 = 10.020 LICR = 0 x 3.000 = 0
Enseguida, se contina con los datos anteriores considerados en el proceso de evaluacin para establecer como un grfico de control R. De manera semejante, con el fin de inicializar la grfica, se retoman las 20 muestras de n = 5 mediciones aleatorias conforme el proceso de evaluacin tiene lugar. Estas observaciones individuales se exponen en la Tabla 2.11., de la misma manera representando en cada lnea una muestra de n = 5. Obteniendo el rango de la muestra R, el rango promedio se expresan en la parte inferior como R = 7.1511.
Tabla 2.11. Mediciones tomadas en secuencia sobre los resultados de un proceso de produccin (tamao de muestra N = 20, n = 5), para R Nmero de muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Observaciones individuales 1 1,198 2,224 3,195 4,183 6,194 7,212 8,179 9,216 1,221 2,226 3,181 4,176 5,217 6,203 7,243 8,255 9,210 1,178 1,163 2,218 2 3,175 4,209 5,172 6,191 8,142 9,238 1,186 2,212 3,172 4,184 5,210 6,179 7,199 8,192 9,184 1,217 2,226 3,188 6,223 7,192 3 5,201 6,184 7,204 8,168 1,208 2,219 3,206 4,201 5,201 6,187 7,219 8,206 9,225 1,203 2,187 3,200 4,187 6,157 8,171 6,198 4 7,209 8,225 9,213 1,194 3,226 4,198 5,170 6,196 7,205 8,182 9,206 1,182 2,205 3,207 4,220 5,231 6,187 8,184 7,208 8,199 5 9,204 1,209 2,208 3,202 5,188 6,230 7,212 8,224 9,204 1,229 2,184 3,244 4,208 5,208 6,214 7,214 8,190 1,162 9,202 1,199 Promedio de la muestra, x 5,197 4,410 5,398 4,588 4,792 5,819 4,991 6,010 5,201 4,402 5,400 4,597 5,611 4,803 5,810 5,023 6,000 3,974 6,393 5,001 5,171 Mximo Mnimo 9,204 8,225 9,213 8,168 8,142 9,238 8,179 9,216 9,204 8,182 9,206 8,206 9,225 8,192 9,184 8,255 9,210 8,184 9,202 8,199 1,198 1,209 2,208 1,194 1,208 2,219 1,186 2,212 1,221 1,229 2,184 1,182 2,205 1,203 2,187 1,217 2,226 1,162 1,163 1,199 Rango de la muestra R 8,0060 7,0160 7,0050 6,9740 6,9340 7,0190 6,9930 7,0040 7,9830 6,9530 7,0220 7,0240 7,0200 6,9890 6,9970 7,0380 6,9840 7,0220 8,0390 7,0000 7,1511
x =
56
Clculos para el grfico de control R. Los lmites de control preliminares para un grfico de control R, para n = 5, se calculan utilizando los factores D3 = 0 y D4 = 2.115, de la Tabla 2.9., como sigue:
LSC
DR
4
= 2.115 x 7.1511 = 15.1246
LIC
= D3 R
= 0 x 7.1511 =0
En la Figura 2.6., se muestra el grfico de control R con los lmites de control preliminares y los rangos de 20 muestras. Como se puede apreciar, en este caso el rango para la muestra 18 no cae fuera de los lmites de control en la grfica R.
Figura 2.6. Grfica R en la se muestran promedios de proceso y lmites de control
Rango de la muestra 15,0000 10,0000 Serie1 R=7 .1511 5,0000 0,0000 1 3 5 7 9 11 13 15 17 19 Nmero de muestra
LSC = 15.1246
LIC = 0
57
2.4. GRFICOS DE CONTROL POR ATRIBUTOS

Los grficos de control por atributos se emplean cuando el parmetro de control es la proporcin o fraccin de unidades defectuosas. Existen diversas partes de los grficos de control por atributos. Los grficos de control para el nmero de defectos por unidad se utilizan cuando un solo defecto no tiene demasiada importancia pero un gran nmero de defectos puede dar como resultado un producto defectuoso, como en el caso de nmero de rayones en una superficie pintada. De la misma manera; en este sentido, se tiene en cuenta los temas enfatizados por Buffa y Sarn (1992)7. En los grficos de control por atributos la poblacin se divide en las clasificaciones: partes defectuosas contra partes buenas, el nmero de facturas con errores contra el nmero de facturas sin errores en una operacin de oficina, el nmero presente contra el nmero ausente para el control del ausentismo, la proporcin del tiempo inactivo contra el tiempo activo en un estudio de muestreo de trabajo y as sucesivamente. En cualquier situacin para lo que se desee construir un grfico de control es necesario establecer esta distincin bueno malo.
2.4.1. Grficos de control p

Los grficos de control para la proporcin o fraccin de partes defectuosas que se presentan se denominan grficos de control p; estos grficos se elaboran con base en la distribucin binomial. Se recuerda que la siguiente frmula corresponde a la distribucin binomial:
Distribucin binomial
k xi = i =1 =
Nmero de partes defectuosas Nmero total observado
N
O lo que es lo mismo
p
7
k xi = i =1
k*n
BUFFA, Elwood y SARIN, Rakesh. Administracin de la produccin y de las operaciones. Mjico: Limusa, 1992. 939p.
58
Desviacin estndar muestral s p
sp =
Donde:
p (1 p ) n
n = Tamao de la muestra
Siguiendo la prctica ms empleada para grficos de control de calidad, los lmites de control se establecen en el promedio del proceso para partes defectuosas ms o menos tres desviaciones estndar; es decir, p 3s p .
LSC
p+3s
LIC
p3s
A manera de ejemplo a continuacin en la Tabla 2.12., se muestra un conjunto de datos para el nmero de defectos encontrados en muestras diarias de 200 unidades para 24 das consecutivos de produccin.
Clculos para el grfico de control p. Primero se quiere determinar si los datos exhiben control estadstico y segundo establecer un grfico de control para la proporcin o fraccin de partes defectuosas p. La fraccin de defectos diarios se calcula dividiendo cada cifra diaria entre el tamao de la muestra, n= 200.
59
Tabla 2.12. Registro del nmero de partes defectuosas y fraccin calculada de defectos en muestras diarias de n = 200 Da de produccin 1 2 3 4 5 6 7 8 9 10 11 12 Nmero de Nmero de Fraccin de Da de Fraccin de partes partes defectos (p ) produccin defectos (p ) defectuosas (x i ) defectuosas (x i ) 110 15 110 112 111 19 122 14 112 124 121 115 0,550 0,075 0,550 0,560 0,555 0,095 0,610 0,070 0,560 0,620 0,605 0,575 13 14 15 16 17 18 19 20 21 22 23 24 18 114 14 110 111 111 126 113 110 19 111 112
i
0,090 0,570 0,070 0,550 0,555 0,555 0,630 0,565 0,550 0,095 0,555 0,560
200
x
i =1
2154
En la Tabla 2.12., tambin se calculan cifras preliminares para p , s p , y LSC y LIC, as:
Distribucin binomial:
k xi = i =1
k*n
=
2154 24 * 200
= 0.449
Desviacin estndar muestral s p :
sp =
p (1 p ) n
60
0.449 * 0.551 200
= 0.035 El clculo con tres desviaciones estndar es:
3 s =3* s
p
= 3 x 0.035 = 0.105
LSC
p+3s
= 0.449 + 0.105 = 0.554
LIC
p3s
= 0.449 0.105 = 0.344 Estas cifras preliminares se emplean para determinar si el proceso que genera los datos est bajo control. En la Figura 2.7., se presenta la grfica restante de los defectos en la produccin diaria en relacin con los lmites de control preliminares. Se observa que catorce puntos caen fuera del lmite superior de control en los das: 4, 5, 7, 9, 10, 11, 12, 14, 17, 18, 19, 20, 23 y 24, respectivamente.
61
Figura 2.7. Grfico de control p para examinar datos histricos y establecer lmites de control
Fraccin defectuosa de la muestra 0,700 0,600 0,500 0,400 0,300 0,200 0,100 0,000 1 3 5 7 9 11 13 15 17 19 21 23 Das de produccin
LSC = 0 .554
Serie1 p=0 . 449
LIC = 0.344
2.4.2. Grficos de control p para muestras de tamao variable

En el ejemplo anterior el tamao de la muestra era constante. Sin embargo, con frecuencia de los tamaos de la muestra son variables, como suele ser el caso cuando se aplica una inspeccin del 100 por ciento y los volmenes resultantes varan da a da. Si los tamaos de la muestra varan slo ligeramente, los lmites de control pueden basarse en el tamao de la muestra promedio. Sin embargo, cuando los tamaos de la muestra varan sustancialmente, pueden calcularse nuevos lmites de control para cada muestra. Estos clculos de los lmites de control pueden simplificarse, as: Por ejemplo, si p = 0.449,
= p
p (1 p ) n
0.449 * 0.551 n
0,497 n
62
El clculo con tres desviaciones estndar es:
3 s =3* s
p
=3x
0.497 n
1.492 n
Para cada muestra, entonces, la raz cuadra del tamao de la muestra se divide entre 1.492 para obtener el valor de 3 que debe sumarse y restarse de p para obtener los lmites de control individuales. Efectivamente, una p diferente requiere una nueva determinacin de la constante. Otra forma de manejar este problema es construir un grfico de control p estabilizada convirtiendo las desviaciones del proceso a unidades de desviacin estndar.
Clculos para el grfico de control p para muestra de tamao variable. Se calcula una para cada muestra utilizando el mtodo rpido antes mencionando (el factor para el ejemplo sera simplemente de 1.492 / 3 = 0.497) y se divide entre la variacin de la muestra a partir de p , ( p p ) . Si la proporcin de defectos de la
muestra fuera p = 0.555, p = 0.449 como anteriormente y n = 200. Entonces:
sp =
=
p (1 p ) n
0.449 200
= 0,0318
63
Entonces las unidades de desviacin estndar son:
(p p ) sp
(0.555 0.449) 0.0318 0.106 0.0318
= 3.33 unidades En consecuencia, los lmites de control se trazan en trminos de unidades de desviacin estndar y esta muestra est 3.33 desviaciones estndar por encima de la media. En el caso que el resultado sea negativo se entiende que estara esas unidades por debajo de la media.
2.4.3. Grficos de control c

Los grficos de control c llamados tambin grficos de control por defectos por unidad se utilizan cuando existen ocasiones en las que el parmetro a ser controlado no puede ser expresado como una proporcin simple, como fue el caso de los grficos de control p, vistos anteriormente. A manera de ejemplo se expone el tema de la digitacin del nmero de transacciones bancarias en una matriz de 10x10, en el que el nmero de defectos (digitaciones errneas) por cada 100 de stas, puede ser el parmetro a controlar. En dichos casos, un defecto puede ser menor en s mismo, pero un gran nmero de defectos por unidad en el grupo puede ser cuestionable. La distribucin de probabilidad de Poisson resulta generalmente aplicable.
Distribucin de Poisonn
LSC = c + 3 s
64
LIC = c 3 s
Clculos para el grfico de control c. El clculo de los lmites de control es simple. Por ejemplo, si el nmero medio de defectos por unidad fuera c = 16, se tiene que:
Distribucin de Poisonn:
= 16
=4
LSC = c + 3 s
= 28
= 16 + (3 x 4)
LIC = c 3 s
=4
= 16 (3 x 5)
65
3. MUESTREO DE ACEPTACIN LOTE A LOTE POR ATRIBUTOS

En esta seccin se abordar el tema de muestreo de aceptacin lote a lote por atributos comenzando con los conceptos fundamentales que estn involucrados en el tema y posteriormente se tocarn los aspectos estadsticos concernientes para culminar con el diseo del plan de muestreo. Continuando con la exposicin y dada la sencillez para dar a conocer el muestreo de aceptacin lote a lote por atributos, se retoman planteamientos esbozados por Buffa y Sarn (1992) 8.
3.1. CONCEPTOS FUNDAMENTALES

La inspeccin por muestreo de aceptacin es un procedimiento mediante el cual se decide sobre la aceptacin o rechazo de un lote de productos, materias primas, partes, materiales, componentes, subensambles, etc; segn el nmero de defectuosos ( o de defectos) encontrados en una muestra aleatoria ( o en ms de una muestra) extrada del lote que se somete a evaluacin. En primer lugar, tenemos que el lote es un conjunto de artculos o unidades producidos bajo condiciones esencialmente similares, a travs de un proceso de fabricacin, y que es sometido a inspeccin muestral para su aceptacin o rechazo. En segundo lugar, los defectuosos son aquellos artculos que no satisfacen uno o ms criterios de calidad, segn la definicin de defectuoso que previamente se haya establecido para el lote de artculos sobre el cual se quiere realizar el muestreo de aceptacin. En tercer lugar, la muestra aleatoria a tomar es un conjunto de artculos extrados del lote, de tal manera que se haya dado una oportunidad igual a todos los componentes del lote para formar parte de la misma. En cuarto lugar, la inspeccin es la verificacin de la aptitud de un producto para cumplir su funcin, o la apreciacin sobre el cumplimiento de las especificaciones de sus componentes. Se efecta a travs de mediciones, chequeos, pruebas, ensayos, apreciaciones o comparaciones. Busca detectar los defectos de cada artculo, o sea las discrepancias entre las caractersticas observadas en el producto y los estndares o criterios de calidad establecidos para cada una de
8 BUFFA, Elwood y SARIN, Rakesh. Administracin de la produccin y de las operaciones. Mjico: Limusa, 1992. 939p.
66
stas. Segn el nmero y la clase de defectos encontrados en cada artculo, se clasifican como defectuosos o como aceptables. La inspeccin puede hacerse sobre la totalidad de las caractersticas del producto, o sobre las caractersticas crticas solamente, o sobre algunas pocas caractersticas (una o ms) previamente determinadas. Si se realiza inspeccin por atributos, o sea apreciando las caractersticas del producto a travs de nuestros sentidos (vista, tacto, olfato, gusto, odo) o utilizando comparadores (como medidores de pasa no pasa), y como resultado de esta inspeccin clasificamos cada artculo como bueno o defectuoso, hablamos de la inspeccin de muestreo de aceptacin por atributos.
3.2. ASPECTOS ESTADSTICOS

Cuando ya se ha llevado a cabo la produccin, con frecuencia se desea conocer el nivel de calidad del lote. Cuando un proveedor enva un lote de partes, por ejemplo, Deben estas partes aceptarse como buenas o no? El muestreo de aceptacin es la tcnica estadstica de control de calidad para tomar este tipo de decisiones. A continuacin se expone el muestreo de aceptacin por atributos, haciendo alusin a las curvas de caractersticas operativas (CO).
3.2.1. Curvas de caractersticas operativas (CO)

Para especificar un plan de muestreo se establece el tamao de la muestra n, y el nmero de defectos permitidos en la muestra, c (nmero de aceptacin), antes de que sea rechazado todo el lote del cual se obtuvo la muestra. La curva CO para una combinacin particular de n y c muestra qu tan bien discrimina el plan entre lotes buenos y malos. La Figura 3.1., muestra una curva CO para un plan de muestreo con una muestra de tamao n = 100 y un nmero de aceptacin c = 2. En este plan, si c = 0 y se encuentran 1 2 partes defectuosas en una muestra de n = 100, el lote se considera aceptable. Si se encuentra ms de dos partes defectuosas el lote deber ser rechazado. Si la calidad real del lote es del 1% de partes defectuosas, el plan en la Figura 3.1., se aceptara el lote aproximadamente el 91.5% del tiempo y lo rechazara aproximadamente el 8.5% del tiempo. Se hace notar, que si la calidad real del lote fuera algo inferior al 1% de partes defectuosas posiblemente 5%, la probabilidad de aceptacin del lote disminuye drsticamente a cerca del 13%. Por lo tanto, si la calidad real del lote es buena, el plan provee una alta probabilidad de aceptacin, pero si la calidad real es mala, la probabilidad de aceptacin es baja. De esta forma, la curva CO muestra qu tan bien un plan
67
dado discrimina entre una calidad buena y una mala. Por ende, la capacidad de discriminacin de un plan de muestreo depende del tamao de la muestra.
Figura 3.1. Curva de caracterstica operativa (CO), con n = 100 y c = 2
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1 2 3 4 5 6
Probabilidad de aceptacin
n = 100 c=2
10 11 12
Porcentaje de defectuosos
La probabilidad de aceptacin es cero para todos los lotes con porcentajes de partes defectuosas a la derecha de la lnea. Desafortunadamente, el nico plan que lograra est discriminacin es aquel que requiere una inspeccin del 100%. Por lo tanto, la justificacin del muestreo para aceptacin resulta del balance entre los costos de inspeccin y los posibles costos de aceptar partes defectuosas. Por un lado, si se quiere justificar la inspeccin al 100% de una muestra, las prdidas probables debidas a la aceptacin de productos malos debern ser grandes en relacin a los costos de inspeccin, resultando posiblemente en la prdida de contratos y clientes. Es sobre esta base que se puede justificar el objetivo japons de cero defectos. Por otro lado, para justificar que no se realice una inspeccin, los costos de inspeccin debern ser bastante elevados en relacin a las prdidas probables debidas a la aceptacin de partes malas. La situacin ms usual se ubica entre estos extremos, en donde existe el riesgo de no aceptar lotes que son en realidad adecuados y el riesgo de aceptar lotes malos.
3.2.2. Determinacin de curvas CO

Las curvas CO pueden construirse a partir de los datos obtenidos de la distribucin normal o de Poisson. Si los lotes son grandes, posiblemente ms de 10 veces el tamao de la muestra, las probabilidades para la curva CO pueden
68
obtenerse de la distribucin binomial. Sin embargo, si las muestras son grandes las aproximaciones normal o de Poisson tambin son muy cercanas y son mucho ms convenientes de usar. Para tal efecto, existen las siguientes reglas empricas, as:
Si pn > 5, las probabilidades pueden ser determinadas a partir de la distribucin normal con una media p y una desviacin estndar de p(1 p) / n . Si pn 5, usar la distribucin de Poisson.
Generalmente el porcentaje de defectos del lote es reducido y los lotes son relativamente grandes por lo que se emplea la distribucin de Poisson para calcular los valores para obtener el porcentaje de probabilidad de aceptacin, Pa, para curvas CO. Para el clculo de otros lotes con diferentes valores de n y c, emplese la grfica Thorndike, que suministra curvas de acumulacin de distribuciones de Poisson de probabilidad, para distintos valores del nmero de aceptacin c; puesto que la grfica indica la probabilidad de ocurrencia de c o menos defectos en una muestra n seleccionada de un universo infinito en el cual el porcentaje de partes defectuosos es PD.
3.2.3. Riesgos para el productor y para el consumidor

La definicin de estos riesgos puede especificarse mediante su referencia a una curva CO tpica. En la Figura 3.2., se muestra las siguientes cuatro definiciones:
AQL = Nivel Aceptable de Calidad (Aceptable Quality Level). Los lotes de este nivel de calidad se consideran buenos y se desea tener una alta probabilidad para su aceptacin.
= Riesgo para el productor. La probabilidad de que lotes con un nivel de calidad AQL no sean aceptados. Generalmente = 5% en la prctica.
LTPD = Porcentaje de Defectos Tolerables para el Lote (Lot Tolerance Percent Defective). La lnea divisoria entre lotes buenos y lotes malos seleccionada. Los lotes de este nivel de calidad se consideran como pobres y se desea tener una baja probabilidad para su aceptacin.
= Riesgo para el consumidor. La probabilidad que se acepta el nivel de calidad LTPD. Generalmente = 10% en la prctica.
Cuando se establecen los niveles para cada uno de estos cuatro valores se estn determinando dos puntos crticos en la curva CO, los puntos y mostrados en la Figura 3.2.
69
Figura 3.2. Curva de caractersticas operativa (CO) con = 0.05 y = 0.10

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1 2
= .05 (Riesgo del productor)
n = 100 c=2
=.10
(Riesgo del consumidor)
10 11 12
AQL
LTPD
A manera de ilustracin se presenta el siguiente ejemplo. Una empresa que fabrica escneres para detectar trampas de velocidad. Los tableros de circuito impreso en los escneres son comprados a un proveedor externo. El proveedor produce las tarjetas con un AQL de dos por ciento de tems defectuosos y est dispuesto a asumir un riesgo de cinco por ciento () de rechazo en lotes de este nivel o meno tems defectuosos. La empresa considera que los lotes con ocho por ciento de tems defectuosos o ms (LTPD) son inaceptables y quiere asegurarse de que no aceptar esos lotes de baja calidad ms de diez por ciento del tiempo (). Se acaba de entregar un gran cargamento. Qu valores de n y c se deben seleccionar para determinar la calidad del lote? Para encontrar los valores de n y c, en primer lugar se tiene en cuenta que los parmetros del problema son:
AQL = 0.02
= 0.05
LTPD = 0.08 = 0.10
Con base en el extracto de una tabla de plan de muestreo para los valores generalmente empleados = 0.05 y = 0.10 (tal como qued establecido previamente), se emplea la Tabla 3.1., para determinar los valores de n y c.
70
Tabla 3.1. Extracto de una tabla de plan de muestreo convencional para = 0.05 y = 0.10 c LTPD / AQL n X AQL 0 44,890 0,052 1 10,946 0,355 2 6,509 0,818 3 4,89 1,366 4 4,057 1,970 5 3,549 2,613 6 3,206 3,286 7 2,957 3,981 8 2,768 4,695 9 2,618 5,426
Primero. Se divide LTPD en AQL lo cual da como resultado (0.08 / 0.02 = 4). Segundo. Se determina la relacin en la columna de tal forma que sea equivalente o ligeramente superior a sta cantidad, como es el caso de 4, siendo este valor de 4,057, que se asocia con c = 4. Tercero. Se determina el valor en la columna que est en la misma fila de de c = 4, y se divide esa cantidad por AQL para obtener n; es decir, (1,970 / 0.02 = 98,50). Cuarto. Se obtiene que el plan de muestreo es c = 4 y n = 99, tal como puede verse en la Figura 3.3. Figura 3.3. Curva de caractersticas operativa (CO) con = 0.05, = 0.10, LTPD = 0.08 y AQL = 0.02
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1 2
= 0.05 (Riesgo del productor)
n = 99 c=4
= 0.10
(Riesgo del consumidor)
10 11 12
AQL
LTPD
71
Enseguida se detalla el diseo del plan de muestreo de aceptacin por atributos, para el ejemplo en mencin.
3.3. DISEO DEL PLAN DE MUESTREO

Para especificar un plan que satisfaga los requerimientos para AQL, , LTPD y , debe encontrarse una combinacin de n y c con una curva CO que pase a travs de los puntos a y b, como se muestra en la Figura 3.4. La mecnica para encontrar planes especficos adecuados puede establecerse utilizando tablas, grficas o frmulas estndar que resulten en la especificacin de una combinacin de n y c que se aproxime lo suficiente a los requisitos establecidos para AQL, , LTPD y 9.
Figura 3.4. Curva de caractersticas operativa (CO) con planes que pasen por los puntos a y b
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1 2
a
10 11 12
AQL
LTPD
La especificacin completa de un plan de muestreo con base en una curva CO que pasa a travs de los puntos a y b que satisface los requisitos establecidos por AQL y , y LTPD y , detalla as un plan de muestreo definido por un tamao de muestra n y un nmero de aceptacin c. Teniendo presente que con base en la grfica de Thorndike de curvas de probabilidad de distribucin acumulada de la distribucin de Poisson, se puede generar el clculo de valores para disear planes de muestreo; tal como es el caso del plan de muestreo para n = 100 y c = 2, que se muestra a continuacin en la Tabla 3.2.
9
Para una mayor comprensin del tema se puede consultar las tablas de Dodge y Romig. Sede Nacional Jos Celestino Mutis Calle 14 Sur No. 14-23, PBX: 3443700 Ext. 454 434. e-mail:eingenieria@unad.edu.co
72
Para especificar un plan debe determinarse el tamao de la muestra n y el nmero de aceptacin c nicos que produzcan una curva CO que se aproxime a la especificada por los cuatro valores, AQL, , LTPD y . Esto puede lograrse consultando tablas o usando la grfica Thorndike.
Tabla 3.2. Clculo de los valores de Pa x 100 a partir de la grfica de Thorndike (plan de muestreo: n = 100 y c = 2). Porcentaje de probabilidad Porcentaje real de (PD x n)/100 de aceptacin a partir de la partes defectuosa, PD grfica de Thorndike 0 0,00 100,00 1 1,00 95,50 2 2,00 68,00 3 3,00 42,00 4 4,00 24,00 5 5,00 12,00 6 6,00 6,00 7 7,00 3,00 8 8,00 1,50
Adaptado de: BUFFA, Elwood y SARIN, Rakesh. Administracin de la produccin y de las operaciones. Mjico: Limusa, 1992. 939p.
A manera de ejemplo se ilustran los pasos a seguir para calcular los valores de n y c en el ejemplo precedente. Recurdese que los parmetros considerados son: AQL = 2%, = 5%, LTPD = 8% y = 10%.
Paso 1. Se tabula los valores de (PD x n) / 100 para:
Pa = (1 -) = 95% y Pa = = 10% para cada valor de c a partir de la grfica Thorndike. Por ejemplo, para Pa = 95% y c = 1, lea (PD x n) / 100 = 0.36 y para Pa = 10% y c = 1, lea (PD x n) / 100 = 3.90. Se hace lo mismo como en los diversos valores de c en las columnas correspondientes. Tal como aparece en la Tabla 3.2.
Paso 2. Se calcula la relacin de la columna de LTPD con la columna AQL para cada uno de los valores de c, como en la columna LTPD / AQL de la Tabla 3.2.
Para el plan deseado se busca en la columna LTPD / AQL la relacin 8/2 = 4, dado que para el plan deseado LTPD = 8% y AQL = 2%. Esta relacin de 4 cae entre 4.06 para c = 4 y 3.58 para c = 5.
Paso 3. Se hallan los tamaos de muestra como en la Tabla 3.3., decidiendo si se mantiene fija y se deja variar o viceversa.
73
Tabla 3.3. Determinacin de planes de muestreo con AQL y LTPD especificadas ( = 5%, = 10%) AQL LTPD Valor de (PD x n) / 100 con Valor de (PD x n) / 100 con P a = 95% a partir de la P a = 10% a partir de la Nmero de aceptacin grfica de Thorndike grfica de Thorndike LTPD / AQL 1 0,36 3,90 10,83 2 0,80 5,30 6,63 3 1,35 6,70 4,96 4 1,97 8,00 4,06 5 2,60 9,30 3,58 6 3,30 10,50 3,18 7 4,00 11,80 2,95 8 4,70 13,00 2,77
Si, por ejemplo, se establece c = 4 y se mantiene en 5%, entonces PD x n / 100 = AQL x n / 100 = 1.97 y puede resolverse para la muestra de tamao n:
1.97 *100 = 99 2
El plan de muestreo sera entonces n = 99 y c = 4.
Paso 4. Se revisa el valor resultante del riesgo flotante.
Usando la grfica Thorndike, para el plan 1, ingresar los valores de c = 4 y PD x LTPD X n / 100 = 8 x 99 / 100 = 7.92 y leer el valor real de = 10.5%.
Tambin se pueden calcular otros valores de y . An cuando la Tabla 3.3., se construy para los valores comunes de 5% y 10% de y , respectivamente. De la misma manera, puede construirse una tabla comparable a partir de la grfica de Thorndike para cualesquiera valores de y , por lo que los mtodos descritos son generales.
74
UNIDAD 2. DESARROLLO DEL CONTROL DE CALIDAD

Introduccin:
Esta unidad est dividida en tres captulos, en el primero se tratan las tcnicas con datos numricos para mejorar la calidad en la que se detallan diferentes diagramas e histograma empleados en el control estadstico de la calidad; seguidamente, se exponen tcnicas con datos numricos para mejorar la calidad; para concluir, se realiza una descripcin de los costos de calidad, haciendo nfasis en las categoras y los elementos del costo de la calidad; al igual que el anlisis y la optimizacin de los mismos.
Objetivo general:
Desarrollar habilidades en los estudiantes en el uso de tcnicas para mejorar la calidad y determinar los costos de la calidad.
Objetivos especficos:
Desarrollar capacidades en el estudiante para el uso de las tcnicas del control de la calidad, aplicndolas a casos especficos presentados a nivel de empresa, con el fin de demostrar la importancia de la aplicacin de sus beneficios en el mejoramiento continuo de los procesos. Que el estudiante conozca y aplique las tcnicas de control de calidad que se emplean en el anlisis y solucin de problemas en los procesos de mejora continua. Desarrollar capacidades en los estudiantes para el diseo de planes de muestreo por atributos y variables; adems de tcnicas de control estadstico de procesos.
Competencias a desarrollar:
El estudiante conoce y comprende el diseo de planes de muestreo por atributos y variables, adems de tcnicas de control estadstico de procesos, de manera que le permite entender su actuacin y relacin con su que hacer profesional. El estudiante describe, analiza y sustenta de manera suficiente, soluciones a situaciones problemticas especficas de organizaciones productivas, con base en el anlisis de los costos de la calidad.
75
4. TCNICAS CON DATOS MUMRICOS PARA MEJORAR LA CALIDAD

Las tcnicas con datos numricos para mejorar la calidad contemplan las herramientas estadsticas como son el diagrama de Pareto, los histogramas y los grficos de control.
4.1. DIAGRAMA DE PARETO

Para abordar el tema del diagrama de Pareto, as como el histograma y los grficos de control, se retoman los bosquejos hechos en la obra de Gonzlez (1998)10. En este sentido, se conoce que el diagrama de Pareto tiene su origen en el gestor del mismo que lleva su nombre; Vilfredo Pareto, quien fue un economista y socilogo. Nacido en Pars, Francia, descendiente de una desterrada familia italiana de marqueses, que ms tarde regresara a Italia en el ao de 1858, por lo que a Pareto se le considera italiano. Estudi en el Instituto Politcnico de Turn y se especializo en ferrocarriles y metalurgia. Sus hbitos de estudio y su aficin a la lectura le dieron la enorme erudicin que caracterizara su obra econmica. Versado en las cuestiones sociales y econmicas, fue nombrado profesor de Economa Poltica en la Universidad de Lausana (Suiza), ciudad donde se estableci. Entre sus obras figura su curso de economa poltica (1896-1897) y otros. La mayor aportacin de Pareto al campo de la economa fue la aplicacin de las frmulas matemticas a la teora econmica general. En sociologa fue el precursor en intentar reconstruir teoras nuevas sobre la ruinas del positivismo clsico. Pareto atrajo la atencin de Mussolini, el dictador italiano, quien lo nombr representante de Italia en la comisin de Hacienda de la Sociedad de las Naciones. En 1897, el economista italiano present una frmula que mostraba que la distribucin del ingreso es desigual, con base en el postulado de que en la sociedad se forman clases y dentro de ellas slo unos cuantos deciden lo que afectarn a la mayora. En suma, se trata del concepto: Pocos deciden la suerte
GONZALEZ, Carlos. ISO 9000 QS 9000 ISO 14000, Normas internacionales de administracin de calidad, sistemas de calidad y sistemas ambientales. Mjico: McGraw-Hill, 1998. 574p. 10
76
de muchos. Una teora similar fue expresada diagramticamente por el economista estadounidense M.C. Lorenz en 1907. Por otra parte, para el control de calidad, Juran aplic el mtodo del diagrama de Lorenz como una frmula para clasificar problemas de calidad como: Pocos vitales, muchos triviales, y lo llam anlisis de Pareto. Puntualiz que en muchos casos la mayora de los defectos y el costo de los mismos surgen de un nmero relativamente pequeo de causas. Luego Juran en su libro Anlisis y planeacin de la calidad define el principio de Pareto como Pocos vitales, muchos triviales A continuacin se resaltan los pasos que tienen lugar en la elaboracin del diagrama de Pareto; conformemente, a manera de ilustracin se da a conocer un ejemplo de un banco donde se tienen las siguientes situaciones, as:
Paso 1. Se decide cules problemas van a ser investigados (servicios, casos no resueltos, prdidas en trminos monetarios, accidentes ocurridos, retardos casos resueltos, etctera), y cmo colectar los datos (por tipo de servicio, por tipo de caso, lugar, regin, categora, proceso, computadora, terminal, empleado, u operario, mtodo, etctera). Paso 2. Se disea una hoja de conteo de datos para listar los tems, con espacio para registrar totales como se ve en la Tabla 4.1.
Tabla 4.1. Hoja de conteo de datos Nmero de Situaciones Conteo situaciones Mquinas ///////////////// 256,000 Moneda / / / / / / / / / 29,000 Medio ambiente / / / / / / / / / / 211,000 Mano de obra / / / / / / 26,000 Mediciones / / / / / 25,000 Mandos / / / / / / / / / / / / / / / / 216,000 Materiales / / / / 24,000 Mtodos / / / / / / / / / / / / / / / / / 217,000 Manejo / / / / / / / 27,000 TOTAL 1031,000
Paso 3. Se llena la hoja de conteo y se calculan los totales. Paso 4. Se elabora la hoja de datos para el diagrama de Pareto, con sus totales individuales, totales acumulados, porcentajes del total y los porcentajes acumulados (vase Tabla 4.2.).
77
Tabla 4.2. Hoja de datos del diagrama de Pareto Nmero de Total Porcentaje Porcentaje Situaciones Conteo situaciones acumulado del total acumulado Mquinas ///////////////// 256,000 256,000 24,83% 0,248 Metdos / / / / / / / / / / / / / / / / / 217,000 473,000 45,88% 0,707 Mandos / / / / / / / / / / / / / / / / 216,000 689,000 66,83% 1,375 Medio ambiente / / / / / / / / / / 211,000 900,000 87,29% 2,248 Moneda / / / / / / / / / 29,000 929,000 90,11% 3,149 Manejo / / / / / / / 27,000 956,000 92,73% 4,077 Mano de obra / / / / / / 26,000 982,000 95,25% 5,029 Mediciones / / / / / 25,000 1007,000 97,67% 6,006 Materiales / / / / 24,000 1031,000 100,00% 7,006
Paso 5. Se arreglan las situaciones en el orden descendente respecto a la cantidad y se llenan los datos en la hoja. Paso 6. Se dibujan los ejes verticales y uno horizontal, as:
a. Eje vertical izquierdo. Marqu este eje con una escala de 0 (cero) hasta el nmero total de defectos. b. Eje vertical derecho. Marque este eje con una escala de 0% al 100%. c. Eje horizontal. Divida este eje en un nmero de intervalos igual al nmero de situaciones clasificados; incluya la categora Otros. En su defecto, se pueden dibujar dos grficas por aparte donde en cada una de stas se den a conocer los diferentes parmetros (tal como es el caso aqu mostrado).
Paso 7. Se construye un diagrama de barras como el de la Figura 4.1.
Figura 4.1. Diagrama de barras por nmero de situaciones 300,000 250,000 200,000 150,000 100,000 50,000 0,000 Mano de Moneda Medio Materiales Mediciones Materiales Mquinas Mtodos Mandos
Nmero de situaciones
Serie1
Tipo de situacin
78
Paso 8. Se dibuja la curva acumulativa (curva de Pareto), como puede verse en la Figura 4.2. Se marcan los valores acumulados (acumulado total o porcentaje acumulado), arriba de la esquina superior derecha de los intervalos de cada artculo. Se conectan con una lnea continua.
a. Temas concernientes al diagrama: Ttulo, cantidades significativas, unidades, nombre del autor o autores, etc. b. Temas concernientes a los datos: Periodo, objeto y lugar de las investigaciones, nmero total de datos, etc.
Figura 4.2. Diagrama de barras por porcentaje acumulado Porcentaje acumulado 100,00% 80,00% 60,00% 40,00% 20,00% 0,00% Medio Mediciones Materiales Materiales Mquinas
Serie1
Tipo de situacin
4.2. HISTOGRAMA
El desarrollo del histograma se acredita al francs experto en estadstica A. M. Guerry. En 1983, Guerry introdujo una nueva clase de grfica de barras para describir su anlisis de datos criminalsticos. Aquellas grficas de barras eran nicas porque se haba dispuesto las barras para mostrar los nmeros de crmenes en Francia correspondientes a varias categoras de variables continuas, tales como la edad del criminal. En esencia, Guerry sostuvo que los datos obtenidos desde una muestra sirven como base para una decisin sobre la poblacin. Mientras ms grande es el tamao de la muestra, ms informacin se tiene acerca de la poblacin. Sin embargo, un incremento en el tamao de la muestra lo es tambin respecto a la cantidad de datos. Entonces, ser difcil conocer la poblacin desde esos datos, an cuando ellos son arreglados en tablas. En ese caso, es necesario conocer un mtodo que permita conocer la poblacin de un vistazo; un histograma responde a estas necesidades. Al organizar muchos datos en un histograma, podemos conocer la poblacin de una manera objetiva.
79
4.2.1. Cmo hacer histogramas

Paso 1. Se marca el eje horizontal con una escala. sta no deber basarse sobre el intervalo de clase sino con base en las unidades de medicin de los datos (10 gramos, corresponden a 10 mm, por ejemplo).
Esto es conveniente para hacer comparaciones con muchos histogramas los cuales describen factores similares y caractersticas, as como con especificaciones (normas). Deje un espacio casi igual al intervalo o clase sobre el eje horizontal, sobre cada lado de la primera y ltima clase. Se seala la frecuencia, frecuencia relativa, media, marcas de clase, lmites de clase. LIE (Lmite Inferior de Especificaciones), LSE (Lmite Superior de Especificaciones)
Paso 2. Se marca el eje vertical izquierdo con una escala de frecuencia. Si es necesario, dibuje un eje al lado derecho con marcas de una escala de la frecuencia relativa. NOTA: La altura de la clase con la mxima frecuencia deber ser de 0.5 a 2.0 veces la distancia entre los valores mximo y el mnimo sobre el eje horizontal. Paso 3. Se marca el eje horizontal con los valores de los lmites de clases. Paso 4. Se usan los intervalos de clase como lnea de base, dibuje un rectngulo cuya altura corresponda con la frecuencia en esa clase. Paso 5. Se dibuja una lnea sobre el histograma que representa la media, y tambin dibuje una lnea o dos que representen el lmite o lmites de especificaciones, en el caso de que las haya. Paso 6. En un rea en blanco de la hoja que contiene el histograma, anote la historia de los datos (el periodo durante el cual los datos fueron colectados, instrumento usado, nombre de quien inspeccion la muestra, etctera), el nmero de datos, la media y, si es posible, tambin se recomienda poner la desviacin estndar de los datos.
Enseguida se muestra un ejemplo que trata de la puntuacin del servicio prestado a clientes, cuyos datos aparecen en la Tabla 4.3.
80
Tabla 4.3. Puntuacin del servicio prestado a clientes (X, Y e Z) Puntos Cliente Puntos Cliente Puntos Cliente Puntos Cliente Puntos 9,850 Z 9,860 Y 9,640 Y 9,850 X 9,930 10,040 Z 9,810 Y 10,130 Y 10,150 X 10,040 9,960 Z 9,980 Z 9,870 Y 10,070 X 10,140 10,000 Z 9,910 Z 9,830 Y 9,870 X 9,950 9,980 Z 9,840 Z 9,960 Y 10,110 Y 9,820 10,030 Z 9,870 Z 9,880 Y 9,920 Y 9,950 10,010 X 9,980 Z 9,940 Y 10,120 Y 9,880 9,970 X 9,990 Z 10,030 Y 9,860 Y 10,080 9,960 X 9,970 Z 9,860 Z 9,860 Y 10,140 9,910 X 9,910 Z 9,930 Z 9,800 Y 9,680 10,120 X 10,010 Z 9,820 Z 9,970 Y 9,910 9,830 X 10,040 Z 9,930 Z 9,840 Y 9,890 10,170 X 9,960 X 9,970 Z 9,870 Y 10,080 9,860 X 10,020 X 10,040 Z 10,070 Y 9,810 10,140 X 9,980 X 10,130 Z 9,810 Z 9,840 10,070 X 10,080 X 10,010 Z 9,850 Z 9,850 9,880 Y 9,860 X 10,030 Z 9,940 Z 9,820 10,130 Y 9,800 X 9,960 Z 9,810 Z 9,950 9,840 Y 10,130 X 10,140 X 10,050 Z 9,880 10,190 Y 9,940 X 10,020 X 9,990 Z 9,870 9,900 Y 9,670 X 10,000 X 10,060 Z 9,920 9,880 Y 10,160 X 9,940 X 10,010 Z 9,810 9,910 Y 10,100 Y 10,120 X 9,960 Z 10,020 9,970 Y 9,850 Y 10,040 X 10,010 Z 9,830
Cliente X X X X X X X X X X Y Y Y Y Y Y Y Y Y Y Z Z Z Z
Para este ejemplo se tomaron 120 puntuaciones a 40 de cada uno de tres clientes diferentes. El puntaje esperado es de 10,000 puntos; donde se encontr que, el Lmite Superior de Especificaciones (LSE) es de 10,200 puntos, y el Lmite Inferior de Especificaciones (LIE), es de 9,800 puntos, que se pueden expresar as: 10,000 200 puntos). Vase la Tabla 4.4.
Puntaje Frecuencia 9,600 1 9,650 2 9,700 0 Tabla 4.4. Frecuencia por puntajes 9,750 9,800 9,850 9,900 9,950 10,000 10,050 10,100 10,150 10,200 0 17 22 15 20 18 8 13 4 0
Para tener una mejor comprensin de los datos, se elabora el histograma de la Figura 4.3. El histograma deja ver los puntajes con una amplia distribucin de varios picos, tambin llamada multimodal, con una mayor cantidad de poblacin entre el Lmite Inferior de Especificaciones (LIE) y el valor nominal o media de la especificacin.
81
Figura 4.3. Frecuencia por puntajes

25 Frecuancia 20 15 10 5 0
9, 60 0 9, 65 0 9, 70 0 9, 75 0 9, 80 0 9, 85 0 9, 90 0 9, 95 10 0 ,0 0 10 0 ,0 5 10 0 ,1 0 10 0 ,1 5 10 0 ,2 00
Serie1
Puntajes
4.2.2. Cmo interpretar histogramas

Los histogramas se interpretan mediante la identificacin y explicacin de los patrones de variacin. Como se sabe que los valores en cualquier serie de datos varan; esa variacin mostrar algn patrn. En ese sentido los objetivos de anlisis de un histograma son: 1. Identificar y clasificar el patrn de variacin 2. Desarrollar una explicacin relevante a aquel patrn Como puede verse en la Figura 4.3., el histograma tiene forma de campana y explica la forma en que la mayora de los datos tienden hacia la lnea central.
4.3. GRFICOS DE CONTROL

Para la exposicin de los grficos de control se abarca temas como son el uso y la elaboracin de los grficos de control de medias y rangos, el estudio de los datos preparatorios o estudio inicial, comparados con el rango permisible especificado, control de la lnea de produccin o de servicio y el ajuste de las lneas de control. Es de anotar que el tema es ampliamente tratado en las secciones 2.3., y 2.4., respectivamente; sin embargo, dentro del marco de las tcnicas para mejorar la calidad se exponen a manera de sntesis.
82
4.3.1. Uso de los grficos de control de medias y rangos

Se usa para controlar la calidad de una caracterstica y las condiciones de produccin de un conjunto de valores medidos, en un rango R con una media x , (x barra), x (x testada), media, promedio o valor tpico. El doctor Walter A. Shewhart se bas en el teorema del lmite central y en la distribucin normal que forman las medidas de tendencia central. Respecto al teorema del lmite central se puede explicar de la siguiente manera. Se toma una muestra de una poblacin como en el caso de los subgrupos de un grfico de control. Si calculamos la media de los valores del subgrupo y los graficamos, veremos que la distribucin de los valores individuales tiene mayor dispersin que la de los valores de las medias. Si el tamao del subgrupo crece, las medias de estos subgrupos, a su vez, tienden cada vez ms al centro. Cuando el tamao del subgrupo se acerca al de la poblacin, en ese momento, la medida de los subgrupos se confunde con la media de la poblacin (ejemplo de edades de los participantes partiendo de n=1, n=2, n=3, etctera). Al mismo tiempo se ve que las medias forman una curva normal o campana.
4.3.2. Elaboracin del grfico de control de medias y rangos

Para la elaboracin del grfico de control de medidas y rangos se comienza con el trazado del grfico de control con datos del estudio inicial, as:
Paso 1. Se clasifica en varios grupos los valores de la caracterstica del producto o servicio que se quiere controlar; tome de 2 a 5 muestras de cada subgrupo. El nmero de subgrupos debe ser de 20 a 25. Paso 2. Se calcula la media aritmtica de cada subgrupo con la frmula que aparece a continuacin. Por ejemplo, para el caso de 5 mediciones por subgrupo, se calculara de la siguiente forma:
Media =
x1+ x2 + x3+ x4 + x5 5
Paso 3. Se obtiene la diferencia entre el valor mximo y el valor mnimo en cada subgrupo. Calcule el rango con la frmula:
Rango = Valor mximo Valor mnimo

83
Paso 4. En una hoja para el trazado de la carta de control, se usa el eje horizontal para el nmero consecutivo de subgrupos y el eje vertical para la media y el rango a una escala apropiada. Haga varios ensayos para que todos los valores de las medidas y de los rangos quepan en la escala. Paso 5. Se coloca en la carta los valores de las medidas y rangos de cada subgrupo obtenidos y calculados en los pasos 2 y 3. Paso 6. Se calculan los valores para los lmites de control del grfico en cuanto a las medias con las siguientes frmulas y coeficientes con base en los valores de la Tabla 4.5.11
Tabla 4.5. Coeficientes o factores para grficos de control de medias y rangos Nmero de valores Carta de control Carta de control en el subgrupo de medias de rangos A D D4 n 2 3 2 1,880 0 3,267 3 1,023 0 2,575 4 0,729 0 2,282 5 0,577 0 2,115 6 0,483 0 2,004 7 0,419 0,076 1,924 8 0,373 0,136 1,864 9 0,337 0,184 1,816 10 0,308 0,223 1,777
Fuente: Tablas B2 y B3 de la ASTM (Manual on Quality Control of Materials)
a. Calcule la gran media o media de medias, sumando todas las medias de los subgrupos y dividir ese total entre el nmero de stas con:
Suma de las medias de subgrupos Media de medias = N

Donde N es el nmero de subgrupos. Tambin abreviada como:
k xi = i =1
11
Tablas B2 y B3 de la ASTM (Manual on Quality Control of Materials).
84
b. Calcule la media de rangos, sumando todos los rangos de los subgrupos y dividiendo el total entre el nmero de subgrupos con:
Media de rangos =
Suma de los rangos de subgrupos N

k Ri = i =1
Del mismo modo simplificada como:
k
c. Frmula para el clculo del Lmite Superior de Control para medias (LSC):
LSC = x + A R
x
2
d. Frmula para el clculo del Lmite Inferior de Control para medias (LIC):
LIC
xAR
2
Paso 7. Se sigue el mismo procedimiento anterior. Calcule los lmites de control para los rangos con las frmulas:
a. Clculo de Lmite Superior de Control para rangos ( LSC):
LSC
DR
4
b. Clculo del Lmite Inferior de Control para rangos (LIC):
LIC
= D3 R
Paso 8. Se obtienen el coeficiente A2, D3, y D4 de la Tabla 4.5., de acuerdo con el tamao de subgrupo que se haya elegido y utilcelos en los pasos 6 y 7. Paso 9. Se coloca en los grficos de control de medias y rangos, los valores obtenidos en los pasos 6 y 7 con los valores del paso 8. Se utilizan lneas discontinuas. Paso 10. Se examina si los puntos graficados y unidos estn dentro de los lmites que se marcan, tanto del lado superior como del inferior. Si hay algunos puntos
85
fuera, entonces hay una causa de error llamada asignable que no debe pasar inadvertida, es necesario revisarla. Si un punto est precisamente sobre la lnea de cualquier lmite de control, se supone que est fuera.
4.3.3. Estudio de los datos preparatorios o estudio inicial, comparados con el rango permisible especificado
Paso 1. Se examina si los puntos colocados en el grfico de control, segn los pasos anteriores, estn dentro del rango permisible especificado. Si todos los puntos estn en el rango permisible, los lmites de control no necesitan reconsiderarse. Paso 2. Si varios puntos de los datos preparatorios o estudio inicial estn fuera del rango permitido especificado, hay que examinar la causa probable de error y tomar acciones para prevenir el problema. Paso 3. Se excluyen los puntos fuera del rango admitido para los cuales se encuentra solucin y vuelve a calcular los lmites de control. Si no se puede encontrar la causa de error, o si se conoce pero no se puede hallar la solucin, vuelva a calcular los lmites de control incluyendo los puntos que no estn dentro del rango.
Si algunos puntos que solan estar dentro del rango se salen, djelos como estn y haga el clculo.
Paso 4. Se elabora un histograma con los valores que no fueron excluidos en los pasos 1 y 3, comprelos con el rango permitido especificado. Si todos los puntos estn dentro del rango, no es necesario tomar acciones correctivas. Si algunos puntos estn fuera del rango, se deben tomar acciones especiales de tal manera que la dispersin puede disminuirse.
Si la dispersin no puede ser disminuida por las acciones correctivas, tendr que cambiar el rango permitido o establecer un proceso de seleccin.
4.3.4. Control de la lnea de produccin o de servicio

Cuando el grfico de control se ha comparado con las especificaciones, se usa para controlar la lnea de produccin o de servicio de acuerdo con los siguientes pasos.
Paso 1. Se coloca en la hoja del grfico de control las lneas para los lmites de control establecidos en los pasos anteriores.
86
Paso 2. Se toman muestras de la lnea de produccin o de servicio. Calcule la media y el rango para cada subgrupo y localcelas en los grficos de control de medias y rangos. Paso 3. Si los puntos estn dentro del rango especificado y no hay un patrn especial en la distribucin, entonces se puede concluir que el estado de la lnea de produccin o de servicio es estable. Si alguno de ellos est fuera del rango y se observa un patrn especial, el diagnstico ser que hay causas de error que no pueden ser pasadas por alto. Paso 4. Se encuentran las causas de error y tome las acciones correctivas.
En el caso de que haya un punto por encima de la lnea de control superior en el grfico de control de rangos, debe considerarse que la dispersin es grande. Si ste es el caso para el grfico de control de medias, significa que la media ha cambiado o la dispersin ha llegado a ser muy grande. El tomar acciones correctivas significa no slo que ha de resolver el problema presente, sino tomar medidas preventivas para que no se repita en el futuro.
4.3.5. Ajuste de las lneas de control

Una vez que la lnea de produccin o de servicio se ha corregido y mejorado por el uso del grfico de control, las lneas de control existentes pueden resultar demasiado elsticas para un mejoramiento futuro de la calidad de los productos y servicios. Si la lnea de produccin o servicio ha alcanzado este estado, se consideran los datos recientes como datos preparatorios y se procede a ajustar las lneas de control, siguiendo los pasos antes enumerados.
87
5. TCNICAS CON DATOS NO MUMRICOS PARA MEJORAR LA CALIDAD

Las tcnicas con datos no numricos para mejorar la calidad incluyen el registro de no conformidades, seguida del diagrama de causa efecto; y por ltimo, el diagrama de Gantt.
5.1. REGISTRO DE NO CONFORMIDADES

El registro de no conformidades est directamente relacionado con los planteamientos hechos en la norma ISO 9000:2000 del ICONTEC (2002)12, as: En primer lugar, para el control del producto no conforme la organizacin debe asegurarse de que el producto que no sea conforme con los requisitos, se identifique y se controle para prevenir su uso o entrega no intencional. En este sentido, los controles, las responsabilidades y autoridades relacionadas con el tratamiento del producto no conforme deben estar definidos en un procedimiento documentado; asimismo, la organizacin debe tratar los productos no conformes mediante una o ms de las siguientes maneras: a) Tomando acciones para eliminar la no conformidad detectada. b) Autorizando su uso, liberacin o aceptacin bajo concesin por una autoridad pertinente y, cuando sea aplicable, por el cliente. c) Tomando acciones para impedir su uso o aplicacin originalmente prevista. En consecuencia, se deben mantener registros de la naturaleza de las no conformidades y de cualquier accin tomada posteriormente, incluyendo las concesiones que se hayan obtenido. Se tiene entonces que cuando se corrige un producto no conforme, debe someterse a una nueva verificacin para demostrar su conformidad con los requisitos; tambin, cuando se detecta un producto no conforme despus de la
INSTITUTO COLOMBIANO DE NORMAS TCNICAS. ISO 9000. Gua para las pequeas empresas. 5ed. Bogot: ICONTEC, 2002. 172p.
12
88
entrega o cuando ha comenzado su uso, la organizacin debe tomar las acciones apropiadas respecto a los efectos y defectos potenciales de la no conformidad. En segundo lugar, para la correccin de problemas del producto y/o servicio no conforme, existen algunas opciones sobre lo que se podra hacer, as. a) Reprocesar el elemento no conforme. b) Desechar el elemento no conforme y reemplazarlo con uno nuevo. c) Reajustar de acuerdo con una especificacin diferente que si cumpla con los requisitos. d) Proveer el elemento no conforme bajo concesin del cliente. Dada la situacin anterior, el representante de la direccin de la empresa o alguna otra persona, con la autoridad necesaria, debe decidir cul de estas opciones ser aplicable a cada caso de producto y/o servicio no conforme. Es posible que algunos clientes exijan notificacin de cualquier producto y/o servicio no conforme y aprobar los pasos que deberan seguirse; si este es el caso, ser necesario notificarle al cliente luego de la deteccin del producto y/o servicio no conforme. Probablemente se desee incluir los pasos que se proponen seguir junto con la notificacin; por lo tanto, se debern mantener registros de cualquier decisin tomada, la aprobacin del cliente, cualquier procedimiento de reparacin o reproceso y los resultados de la inspeccin y ensayo de dichos procedimientos. En tercer lugar, el control de los registros implica que deben establecerse y mantenerse para proporcionar evidencia de la conformidad con los requisitos, stos deben permanecer legibles, fcilmente identificables y recuperables; amn de que debe establecerse un procedimiento documentado para definir los controles necesarios para la identificacin, el almacenamiento, la proteccin, el tiempo de retencin y la disposicin de los mismos. Finalmente, se parte del hecho que todas las empresas cuenten con registros, los cuales pueden brindarle la informacin necesaria, tales como: archivos de diseo, clculos; rdenes de compra del cliente, revisiones de contratos; notas de reuniones, (por ejemplo, de revisin por la direccin); reporte de auditoria interna; registros de no-conformidad (reportes de fallas del servicio, reclamos sobre garanta, quejas del cliente); registros de acciones correctivas; registros de proveedores (por ejemplo, evaluacin de proveedores y su historia de desempeo); registros de control de procesos; reportes de inspeccin y ensayo; registros de formacin; y registros de bienes recibidos y entregados, entre otros. Los registros, ndices y archivos pueden mantenerse en cualquier forma adecuada en copia impresa o electrnica, as como el almacenamiento apropiado para el medio y que se reduzca al mnimo el riesgo de deterioro, dao o prdida.
89
Del mismo modo, tambin es conveniente identificar y anotar los nombes de las personas que tienen acceso a los registros y decidir sobre su disponibilidad. A manera de ejemplo a continuacin se da a conocer un formato que podra coadyuvar para tal fin, como puede verse en la Tabla 5.1.
Tabla 5.1. Reporte de rechazo REPORTE DE RECHAZO NMERO CANTIDAD DE DE CDIGO PIEZAS No. DE FACTURA DEL PROVEEDOR FECHA No. DE REGISTRO
DEPARTAMENTOS AFECTADOS NOMBRE DEL DEPARTAMENTO/PROVEEDOR RESPONSABLE MOTIVO DE RECHAZO:
No. DE DEPARTAMENTOS AFECTADOS CLAVE DEL DEPARTAMENTO/PROVEEDOR FECHA DE RECEPCIN
No. REPORTE DE INSPECCIN
OBSERVACIONES: FIRMAS DE LOS RESPONSABLES
INSPECTOR MERCADEO
CALIDAD
PRODUCCIN
COMPRAS
PROVEEDOR
Adaptado de: TABLA, Guillermo. Gua para implantar la norma ISO 9000 para empresas de todos tipos y tamaos. Mxico: McGrawHill, 1998. 387p.
5.2. DIAGRAMA CAUSA EFECTO

Para comenzar se recuerda la frase La calidad empieza con educacin y termina con educacin, palabras atribuidas a Kaoru Ishikawa al resumir un principio filosfico de la calidad. Un diagrama de causa efecto indica en forma grfica, qu conjunto de factores causales intervienen en una determinada caracterstica, de calidad, la cual podra influir en un efecto correspondiente al identificar todas las variables o causas que intervienen e interactan en el proceso. Teniendo en cuenta que para mejorar un proceso se debe continuamente obtener ms informacin acerca del mismo y sus resultados. Una nica y valiosa herramienta para logar esta meta es el diagrama de causa efecto, desarrollado en 1943 por Ishikawa en la Universidad de Tokio. l la us para explicar a un
90
grupo de ingenieros de la compaa Kawasaki Steel Works cmo varios efectos podan ser arreglados y relacionados. Con el transcurrir del tiempo este diagrama ha sido normalizado en Japn. Su uso se ha difundido ampliamente en todo el pas. Ha sido incluido en la terminologa de calidad de JIS (Normas Industriales Japonesas) donde se define as: Diagrama de causa efecto: Diagrama que muestra la relacin entre una caracterstica de calidad y los factores. En la actualidad, el diagrama se usa, no slo para tratar las caractersticas de calidad de productos y servicios, sino en otros campos, y ha encontrado aplicacin mundial.
5.2.1. Cmo hacer diagramas de causa efecto

Hacer un diagrama de causa efecto til requiere conocimiento y prctica. Puede decirse seguramente que quien tiene xito en resolver problemas en control de calidad es aquel que ha tenido xito en la elaboracin y utilizacin del diagrama de causa efecto.
5.2.2. Estructura del diagrama de causa efecto

Tambin llamado diagrama de esqueleto de pescado diagrama de espina de pescado, ya que se parece exactamente a un esqueleto de pescado. Aqu se tratar como diagrama C (Causa) y E (Efecto).
5.2.3. Procedimiento para hacer un diagrama de causa efecto

Los siguientes son los pasos para elaborar un diagrama de causa efecto, tal como puede verse en la Figura 5.1.
Paso 1. Se determina la caracterstica de calidad. Paso 2. Se selecciona una caracterstica de calidad. Al centro de una hoja de papel, dibuje el tronco o columna vertebral del diagrama. Se escribe la caracterstica de calidad del lado derecho y encirrela dentro de un rectngulo. A continuacin, se escribe las causas primarias que afectan a la caracterstica de calidad como ramas, tambin encerradas en rectngulos. Paso 3. Se escriben las causas (secundarias) que afectan a las ramas (primarias) como ramas medianas, y las causas (terciarias) que afectan a las ramas medianas como ramitas. Todas son causas probables.
91
Paso 4. Se asigna una importancia a cada factor. Se marcan los factores de importancia particular que parezcan tener un efecto significativo sobre la caracterstica de calidad. Paso 5. Se registra cualquier informacin necesaria como: fecha, participantes, departamento, producto, propsito y nombre o nombres de quien o quienes elabor o elaboraron el diagrama. Figura 5.1. Diagrama de causa efecto
CAUSAS
Costos operativos
PRECIO
PRODUCTO
Nitidez Grosor Variedad de tamaos Color
Fotocopia
Papel
Actividades que no agregan valor
Espera en la cola
Satisfaccin de clientes del centro de fotocopiado
Servicio de entrega
Rapidez del servicio
Amabilidad del personal
EFECTO
Personal
Flexibilidad
SERVICIO
5.2.4. Explicacin del procedimiento

Puede encontrar a menudo dificultad para proceder cuando practica esta perspectiva. El mejor mtodo en tal caso es considerar la variacin. Por ejemplo, considere la variacin en la caracterstica de calidad al conceptualizar las ramas. Si los datos muestran que hay tal variacin, considere el porqu existe. Una variacin en el efecto puede ser causada por variacin en los factores. Esta clase de conceptualizacin es extremadamente efectiva. Cuando se hace un diagrama C y E relacionado con cierto defecto, por ejemplo, se puede describir que hay una variacin en el nmero de defectos que ocurren en diferentes das de una semana. Si encuentra que el defecto ocurri con ms frecuencia en lunes que en cualquier otro da, puede pensar de la siguiente forma: Por qu ocurri el defecto? Por qu ocurri el defecto con ms frecuencia en
92
lunes que en cualquier otro da? Esto lo guiar a buscar factores que hagan una situacin diferente, finalmente lo conduce a descubrir la causa del defecto. Al adoptar este mtodo de pensamiento en cada etapa de examen de la relacin entre la caracterstica y las ramas, las ramas medianas y las ramitas es posible construir un diagrama C y E til sobre una base lgica. Una vez completado el diagrama, el prximo paso a asignar una importancia a cada factor. No todos los factores en el diagrama estn necesaria y cercanamente relacionados con la caracterstica. Marque aquellos que parezcan tener un defecto en particular significativo sobre las caractersticas. Finalmente, se incluye cualquier informacin necesaria en el diagrama, tal como ttulo, nombre del producto o del servicio, proceso o grupo, lista de participantes, fecha, etctera. An cuando de acuerdo a los planteamientos precedentes del procedimiento hasta aqu consignado incluye los elementos necesarios para la construccin de un diagrama de causa efecto, es importante tener en cuenta que en la medida ste se combine con otro tipo de diagrama, los resultados pueden llegar a ser ms satisfactorios. Por ejemplo, para llegar al diagrama presentado en la Figura 5.2., es importante haberla complementado con otro(s) diagrama(s) como podran ser el diagrama de rbol, el diagrama de afinidad o la tormenta de ideas, etc. Para el caso que nos ocupa, a manera de ilustracin se muestra el diagrama de rbol en la Figura 5.2., el cual permite visualizar el conjunto de posibilidades con las que podr alcanzarse una meta predeterminada; adems de poder ser vista como el efecto de la organizacin sistemtica en cuanto a las metas y los medios correspondientes para lograrlas, sirviendo para presentar, en forma organizada, el conjunto de medidas con las que es posible alcanzar el propsito deseado.
93
Responsabilidad secundaria Responsabilidad primaria SIMBOLOGA Mantener informado
Figura 5.2. Diagrama de rbol

VARIABLES PRINCIPALES VARIABLES SECUNDARIAS
VARIABLES AUXILIARES
Departamento
Proveedura Atencin cliente Mantenimiento
Satisfaccin del cliente del centro de fotocopiado
Papel de alta calidad
Papel grueso Papel blanco Fotocopia ntida Variedad de tamaos Precio bajo Espera corta Servicio rpido Personal amable Servicio flexible
Excelente producto
Fotocopia de alta calidad
Buen precio
Precio favorable Rpido servicio de entrega
Excelente servicio
Excelente atencin personal
5.3. DIAGRAMA DE GANTT

En esta seccin para tratar el tema del diagrama de Gantt, en primer lugar se aborda el tema como tal y en segundo lugar el papel que juega dentro de las tcnicas de administracin de proyectos y la relacin que existe entre los mtodos CPM (Mtodo de la Ruta Crtica) y PERT (Tcnica de Evaluacin y Revisin de Programa).
5.3.1. El diagrama de Gantt

Como lo sostiene Niebel (2004)13, el diagrama de Gantt es quiz la primera tcnica de planeacin y control de proyectos que surgi durante la dcada de 1940 en respuesta a la necesidad de administrar mejor los complejos proyectos y sistemas de defensa. Un diagrama de Gantt muestra sencillamente el tiempo de terminacin planeado para las distintas actividades del proyecto como barras graficadas contra el tiempo en un eje horizontal tal como se muestra en la Figura 5.3.
NIEBEL, Benjamn y FREIVALDS, Andris. Ingeniera Industrial. Mtodos, Estndares y Diseo del Trabajo. 11ed. Bogot: Alfaomega, 2004. 745p. + CD. http://www.ie.psu.edu/courses/ie327/inde.htm
13
94
Figura 5.3. D iagram a de G antt
Sm bolo A B C D E F G H I J K L M N O D escripcin de la actividad D iseo m ecnico (1) D iseo m ecnico (2) D iseo elctrico (2) D iseo elctrico (1) Fabricacin m ecnica (1) Fabricacin m ecnica (2) Fabricacin elctrica (1) Fabricacin elctrica (2) Subensam ble m ecnico (1) Subensam ble m ecnico (2) Instalacin elctrica (1) Instalacin elctrica (2) Instalacin de tubera (1) Instalacin de tubera (2) Inicio, prueba y fabricacin 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
A daptadode: FO G A RTY ,D onald, BLA CK STO N E, John yH O FFM A N, Thom as. Adm inistracin de la produccin e inventarios. 2ed. M xico: CECSA , 1994. 994p.
Los tiempos de terminacin reales se muestran con sombreado en las barras. Si se traza una lnea vertical en un da dado, se puede determinar con facilidad qu componentes del proyecto van adelantados o atrasados respecto a la programacin. Un diagrama de Gantt exige que el planificador del proyecto desarrolle un plan anticipado y proporcione una revisin rpida de avance del proyecto en cualquier momento. El diagrama de Gantt tambin se puede usar para mostrar la secuencia de actividades. Como ejemplo, en la Tabla 5.2., se muestran las actividades que tienen lugar en la Figura 5.3., as:
95
Tabla 5.2. Lista de actividades
Actividades precedentes Ninguna A A B, C B, C D D E, F, G E, F H H, I M J, K L N Actividades concurrentes Ninguna C B, E E C, D, F, G E, G E, F, I I H, G, J K, I J Ninguna Ninguna Ninguna Ninguna Actividades siguientes B, C E, D D F, G H, I H, I H J, K K M M N L O Ninguna Requerimientos semanas 2 3 1 5 2 6 3 2 3 4 5 1 1 3 1
Smbolo A B C D E F G H I J K L M N O
Descripcin de la actividad Diseo mecnico (1) Diseo mecnico (2) Diseo elctrico (2) Diseo elctrico (1) Fabricacin mecnica (1) Fabricacin mecnica (2) Fabricacin elctrica (1) Fabricacin elctrica (2) Subensamble mecnico (1) Subensamble mecnico (2) Instalacin elctrica (1) Instalacin elctrica (2) Instalacin de tubera (1) Instalacin de tubera (2) Inicio, prueba y fabricacin
Adaptado de: FOGARTY, Donald, BLACKSTONE, John y HOFFMAN, Thomas. Administracin de la produccin e inventarios. 2ed. Mxico: CECSA, 1994. 994p.
5.3.2. Tcnicas de administracin de proyectos

Por otro lado, segn lo plantea Fogarty (1994)14, ciertas caractersticas distinguen a aquellos proyectos como los ms adecuados para la aplicacin de tcnicas de administracin de proyectos; estas caractersticas incluyen:
Los proyectos tienen un inicio y un final definidos. La construccin de una nueva planta, la construccin y entretenimiento de personal adicional, el diseo y la fabricacin de herramientas para un nuevo proyecto y la instalacin de un nuevo sistema son ejemplos de proyectos que poseen esta caracterstica.
En consecuencia, la instalacin de una nueva lnea de ensamble y la produccin del primer lote aceptable constituyen un proyecto, la operacin de dicha lnea durante el mes o ao prximo se considera una actividad repetitiva, no un proyecto.
Las actividades de un proyecto son individuales, aisladas en el tiempo y espacio. La fabricacin de un vaso de alta presin se puede y controlar con tcnicas de administracin de proyectos; la planeacin y el control de fabricacin y armado de diez de estos vasos, es la misma instalacin y dentro del mismo
FOGARTY, Donald, BLACKSTONE, John y HOFFMAN, Thomas. Administracin de la produccin e inventarios. 2ed. Mxico: CECSA, 1994. 994p.
14
96
tiempo, requieren de una mayor aplicacin de los principios y las tcnicas explicadas en los captulos referentes a la planeacin a mediano y corto plazo.
Los proyectos se pueden subdividir en actividades que tienen un principio y un trmino definidos. La naturaleza del proceso no exige que las actividades se inicien de inmediato al terminar la actividad precedente. En el caso de ciertos procesos de refinacin, la siguiente etapa principia de inmediato debido a que el material no puede conservar una propiedad qumica o fsica durante cierto tiempo sin incurrir en gastos adicionales importantes durante una fase de mantenimiento. As la fabricacin de acero, la refinacin de gasolina y la produccin de helados no sirven para la aplicacin de tcnicas de administracin de proyectos; no obstante, el lanzamiento de un proyectil al espacio, la construccin de un submarino nuclear y el desmantelamiento, la limpieza y restauracin de una lnea de embotellado, lo son. Las actividades a realizar para completar el proyecto tienen relacin secuencial definida. Hay factores tecnolgicos conocidos que requieren de la culminacin de ciertas actividades antes que otras actividades se realicen simultneamente, as cada actividad se puede definir con respecto a las dems como precedentes, sucesivas o independientes. Dos actividades independientes pueden realizarse en cualquier orden. Se cuenta con un clculo del tiempo necesario para completar cada actividad. Estos tiempos estn basados en la velocidad de utilizacin de material, personal o equipo. Por ejemplo, un clculo de tiempo para fabricar un mueble ensamblado se basa en el empleo de personal y equipo con ciertas capacidades, la disponibilidad de materiales y la informacin requerida para la fabricacin.
Como se mencion anteriormente, las dos tcnicas de administracin de proyectos, como son: La Tcnica de Evaluacin y Revisin de Programa (PERT), y el Mtodo de la Ruta Crtica (CPM), han recibido el reconocimiento y la aceptacin en todo el mbito industrial. Es de anotar que el precursor de PERT y CPM fue la grfica Gantt; de hecho, desarrollada por Henry Gantt.
5.3.3. Desarrollo de un modelo de planeacin por redes

En un diagrama de Gantt, el punto de partida de cada actividad corresponde al punto de terminacin de la actividad que la precede directamente. No obstante, si una actividad tiene ms de una actividad precedente, se debe tener cuidado al preparar un diagrama de Gantt, pero el paso ms crtico, en el que con mayor frecuencia se cometen errores, es registrar cuidadosamente los puntos de partida de actividades que tienen ms de una actividad precedente. Por ejemplo, la actividad H no puede principiar hasta que se hayan terminado las actividades E, F, y G; la tentacin es trazar de inmediato H en el diagrama, despus de la
97
terminacin de G; sin esperar a que la actividad F, la ltima de las precedentes, haya terminado. El diagrama de Gantt es una poderosa ayuda en la planeacin de proyectos ms o menos sencillos, aunque no proporciona el panorama interno de los modelos de planeacin en red PERT y CPM. Sin embargo, el diagrama de Gantt revela la longitud normal del proyecto: 30 semanas en el caso del ejemplo de la Figura 5.3. Las ventajas de los modelos de programacin en red que incorporan conceptos y tcnicas de PERT y CPM al diagrama de Gantt y otras tcnicas similares son: 1. La relacin secuencial entre las actividades que se deben realizar para terminar el proyecto es representada en forma explcita. 2. La ruta crtica, es decir la ruta ms larga (secuencia conectada de actividades) desde el principio hasta el fin del proyecto, es fcil de determinar. 3. Es posible determinar con facilidad las actividades individuales cuya terminacin, segn el programa, no sea crtica para la conclusin del proyecto completo programado. 4. Se puede establecer el impacto, sobre la terminacin del proyecto, de la probabilidad de que diferentes actividades se terminen en ms o menos tiempo que el clculo de tiempo probable. Inicialmente se desarrolla una red con atributos comunes tanto a CPM como a PERT, luego se describen las caractersticas que diferencian estas dos tcnicas. Como se dio a conocer previamente, las caractersticas de las tcnicas se pueden combinar en aplicaciones del mundo real, mientras se disponga de los datos necesarios, como la capacidad de procesamiento de informacin. Las etapas para construir un modelo de planeacin de red son: 1) obtener el insumo (ingreso) de datos necesarios, (2) construir el modelo de red y 3) determinar la ruta crtica.
Requerimientos de datos. Los insumos (datos) que es necesario ingresar incluyen una lista de actividades que constituyen el proyecto, el tiempo que se requiere para terminar cada actividad y las relaciones secuenciales de las actividades. El mtodo CPM utiliza tiempos determinados de actividad (fijos). El mtodo PERT, como se ver ms adelante, utiliza tiempos estocsticos (variables) de actividad. Construccin de la red. Un modelo de red est formado por la conexin de smbolos (en este caso flechas) que representan las actividades secuenciales segn los datos (insumos) ingresados. Las flechas estn conectadas a nodos numerados (uniones) que representan acontecimientos, la conclusin de una actividad y el inicio de otra. La Figura 5.4., incluye los smbolos que se utilizan en redes de actividades.
98
Figura 5.4. Smbolos y convenciones

Smbolos
7 A
Convenciones
Actividad: trabajo o tarea. El nmero sobre la flecha es un clculo del tiempo que se requiere para terminar el trabajo. La letra abajo es su identificacin. Nodo: acontecimiento, el principio o fin de una actividad. Actividad fantasma: se usa para representar con exactitud las relaciones de las actividades. No se requiere de tiempo ni recursos. La Actividad A se debe terminar antes que se inicie la Actividad B.
En la Figura 5.5., se ilustra la construccin de la red correspondiente al ejemplo en mencin.
Figura 5.5. Red del ejemplo
3
B 3
2 E
3 I
9
K 5
2 A
P 0
F 6 Q 0
R 0
10
1 M
11
1 L
12
3 N
13
I O
14
C 1 5 D 3 G 2 H
J 4
99
6. COSTOS DE LA CALIDAD
Para el estudio de los costos de la calidad es importante determinar cules con las categoras y los elementos que estn implcitos en los mismos. Para este propsito se tienen en cuenta los argumentos presentados por Domnguez (1995)15.
6.1. CATEGORAS Y ELEMENTOS DEL COSTO DE LA CALIDAD

Las categoras y elementos del costo de la calidad estn directamente relacionadas en la medida que se puede medir la calidad del producto o servicio comparando las caractersticas que realmente posee con la que, tericamente, se han solicitado. Lo anterior implica considerar el ciclo generador de calidad, para definir varios tipos de calidades, dependiendo de las fases en que se divide la vida del producto o servicio, desde su demanda hasta su utilizacin por parte del consumidor final.
6.1.1. Categoras del costo de la calidad

Regularmente se tiene la idea de que los productos ya sean bienes o servicios artesanos son los que ms nos agradan; esto se explica con base en las definiciones precedentes de calidad que se ha mencionado. En este sentido, un producto hecho a la medida ayuda a ilustrar la concepcin que se tiene de acerca de un ciclo artesanal de la calidad, como puede verse en la Figura 6.1. En consecuencia, se obtiene un producto de alta calidad, ya que no ha habido ningn tipo de interferencias entre la transmisin de las caractersticas que debe tener el producto por parte del cliente y la recepcin de las mismas por parte del productor que lo realiza. Sin embargo, si no se tiene relacin directa con el productor y el producto se adquiere del mercado, es posible que no se obtenga la misma calidad y el cliente se tiene que adecuar a lo que ya existe en el mercado.
DOMINGUEZ M, Jos A; LVAREZ, Jos; RUIZ, Antonio; et. al. Direccin de operaciones en la produccin y los servicios. Aspectos tcticos y operativos V.1. Madrid: McGraw-Hill, 1995. 503p.
15
Sede Nacional Jos Celestino Mutis 100 Calle 14 Sur No. 14-23, PBX: 3443700 Ext. 454 434. e-mail:eingenieria@unad.edu.co
Figura 6.1. Ciclo artesanal de la calidad
Consumidor
Caractersticas que realmente tiene el producto
Caractersticas deseadas en el producto
Producto
Adaptado de: DOMINGUEZ M, Jos A; LVAREZ, Jos; RUIZ, Antonio; et. al. Direccin de operaciones en la produccin y los servicios. Aspectos tcticos y operativos V.1. Madrid: McGrawHill, 1995. 503p.
Otra manera en la que se puede ver afectada la calidad de un producto, a medida que se va introduciendo intermediarios, o eslabones en la cadena que lo va a producir, es la realizacin del producto en funcin del productor, que tiene nicamente como fuente de informacin las caractersticas definidas en el producto. Como se ve en la Figura 6.2.
Figura 6.2. Ciclo industrial de la calidad
Caractersticas deseadas en el producto Diseo Caractersticas definidas en el producto Consumidor Productor Calidad terica
Calidad del usuario
Caractersticas que realmente tiene el producto
Calidad tcnica
En este caso hay tres grupos de caractersticas diferentes: las que desea el consumidor, las definidas en el producto para su elaboracin y las que tiene el producto ya elaborado; subsiguientemente, se tienen tres calidades diferentes, as:
Calidad terica. Es la que mide la calidad del diseo, comparando las caractersticas solicitadas por el usuario y las plasmadas en el producto. Calidad tcnica. Es la que contrasta las caractersticas reales del producto con las que venan definidas en el producto. Calidad de usuario. Es la que realmente importa al consumidor, ya que comparar lo que se ha dado con respecto a lo que solicit.
Lo anterior es un acercamiento al problema que hoy en da tienen las empresas, ya que raramente el consumidor est tan cerca del diseo y de la fabricacin del producto, con lo que, se puede suponer lo difcil que puede ser dar al consumidor exactamente lo que quiere.
6.1.2. Elementos del costo de la calidad

Una vez conocidas las distintas categoras de la calidad del producto, ser conveniente analizar los elementos de los que depende la calidad del mismo, como son: materiales, mquinas, mtodos, hombres y organizacin.
Materiales y mquinas. De hecho, es obvio que habra que utilizar los materiales adecuados para obtener el producto con la calidad requerida, as como las mquinas necesarias para darle la calidad deseada al producto. Al tratar estos dos elementos, un error frecuente en el que suele caer es utilizar los mejores posibles para obtener un producto de alta calidad.
Esto es debido a que se suele confundir el concepto de calidad con el de bondad. Debemos recordar siempre que el posible usuario tiene una idea de lo que quiere, teniendo en cuenta el precio que se va a pagar por l; sera pues, un despilfarro (un incremento de costes intil) utilizar tecnologa punta, generalmente cara, para la obtencin de un producto que se pueda conseguir con otro tipo de tecnologa, ms universal y, seguramente, ms barata.
Mtodos. Se deben definir en el producto junto a los dos elementos anteriores, con los cuales estn ntimamente ligados. El estudio de mtodos es algo que se ha venido relegando a un segundo plano a medida que ha ido avanzando la tecnologa productiva, realizndose stos en dependencia, casi exclusiva, de las mquinas a utilizar. Son muchos los factores a analizar que influyen en los mtodos (por ejemplo, el hombre, el puesto de trabajo, la ruta del producto, etc.) y sera muy conveniente tenerlos en cuenta, ya que influirn en gran medida sobre la productividad y sobre la calidad. Su realizacin suele ser muy barata si se Sede Nacional Jos Celestino Mutis 102
compara su costo con los resultados que potencialmente se pueden obtener a partir del mismo.
Hombre. El factor humano debe estar dispuesto a trabajar para la calidad, para lo cual es absolutamente necesaria una educacin en este campo; se le debe hacer consciente de la importancia que tiene la misma para la empresa y de que aqulla depende en gran parte de l; por lo tanto, es necesario invertir en la formacin del personal. Organizacin. Debe ser capaz de dar la importancia necesaria a todos los elementos anteriores y eliminar los estrangulamientos y puntos dbiles que se produzcan en nuestra cadena productiva. El nivel de calidad depender de cada uno de los elementos, lo que har necesario un estudio a fondo de los mismos para conseguir un determinado nivel en la calidad de los productos.
6.2. ANLISIS DE LOS COSTOS DE CALIDAD

Teniendo en cuenta la clasificacin ms comn de los costos de calidad se tienen costos generados por productos defectuosos y costos generados por inspecciones, as:
6.2.1. Costos generados por productos defectuosos

Los costos generados por productos defectuosos se dividen en dos tipos, tal como se muestra en la Tabla 6.1., productos defectuosos identificados y otros identificados y vendidos.
Tabla 6.1. Costos generados por los productos defectuosos Costo del material, de la mano de Prdidas en la produccin obra y gastos generales, menos los Rechazados ingresos producidos por la venta de Obstculos a la programacin residuos Disgustos de clientes por retrasos Utilizados como Diferencia de precio entre las dos eventuales productos B clases de productos Costo de las elaboraciones Reelaborados Moral empresarial, etc. suplementarias Reclamados por Costo del servicio de asistencia por Mala fama para la calidad del producto y el cliente inspecciones, reparaciones, etc. el buen nombre de la empresa No reclamados Ninguno Prdida de imagen por el cliente
Productos defectuosos
Productos defectuosos identificados
Productos no identificados y vendidos
Adaptado de: DOMINGUEZ M, Jos A; LVAREZ, Jos; RUIZ, Antonio; et. al. Direccin de operaciones en la produccin y los servicios. Aspectos tcticos y operativos V.1. Madrid: McGraw-Hill, 1995. 503p.
Productos defectuosos identificados. Los que pertenecen a este grupo van a generar costos diferentes, dependiendo de la actividad que se desarrolle; segn el tipo de producto, existen tres posibilidades y se consideran dentro de los costos tangibles:
Rechazarlos Utilizarlos como productos B. Reelaborados
En el primer caso, rechazarlos, los costos que se generan sern los derivados de la elaboracin; es decir, materia prima utilizada, mano de obra, gastos generales, etc., de los que se deducirn, en su caso, los posibles ingresos obtenidos por la venta de los mismos como inservibles. En el segundo caso, utilizarlos como productos B, si el consumidor est dispuesto a aceptar este producto de inferior calidad, pero pagando un precio ms bajo, El tercer caso, reelaborarlos, es el de casi todos los productos de ensamble, si se descubre el posible defecto que pueda tener el producto, ste es reparado, retirando las piezas defectuosas y cambindolas por nuevas. El costo incurrido est representado por la mano de obra y las piezas sustituidas, etc. El otro grupo es el de los costos intangibles, que son muy difciles de calcular, donde regularmente se puede realizar una evaluacin subjetiva.
Productos no identificados y vendidos. Por estos productos se puede o no recibir reclamaciones de algunos clientes; lo que lleva a asumir un costo de servicio de asistencia, generalmente compuesto por personal especializado, reparaciones, situaciones de productos o piezas del mismo, desplazamiento del personal, etc.
En el caso de que no exista ninguna reclamacin y aun cuando aparentemente no hay costo adicional, esto es ms contraproducente, puesto que no se puede medir el efecto que esto tendr en el producto y la imagen de la empresa; lo que acarreara prdida de imagen que costara mucho recuperar, en el caso de que se tenga la oportunidad de hacerlo. La representacin grfica de los costos de calidad generados por productos defectuosos puede verse en la Figura 6.3.
Figura 6.3. Costos de calidad

Costos
Costo ptimo
Costo total Costos por inspeccin Costos por defectuosos Productos defectuosos
6.2.2. Costos generados por inspecciones

Los costos generados por las inspecciones incluyen los que se generan para evitar la salida de productos defectuosos al mercado; es decir, todas las inspecciones y controles de calidad que se realicen durante las distintas fases de fabricacin. Estos costos se aceptan con el fin de evitar otros mayores, que se derivan de introducir los productos defectuosos en el mercado. A medida que se intensifica la inspeccin se va consiguiendo un menor nmero de defectuosos y; por lo tanto, mejor calidad. Lo anterior se debe a que un incremento en los costos derivados de la inspeccin lo que hace que este costo se vaya incrementando. En consecuencia, el costo total es la suma de los costos generados tanto por productos defectuosos como por inspecciones. Tal como se aprecia en la Figura 6.3., en la que se puede observar que el costo por productos defectuosos no llega a cero.
6.2.3. Costo total de calidad

En este sentido, la curva del costo total se puede dividir en tres zonas, como se muestra en la Figura 6.4.
Figura 6.4. Zonas de los costos de calidad

Costos
Costo total Costo por inspeccin Zona A Zona B Zona C Costo por defectuosos Productos defectuosos
Zona A de mejora de la calidad. En esta zona los costos son debidos a los productos defectuosos donde se puede realizar una mejora de la calidad. Zona B de indiferencia. En esta zona o bien se ha alcanzado el ptimo, o bien se est cerca del ptimo y el problema es de control para mantener el ptimo; regularmente esta zona se caracteriza por el hecho de que cerca de la mitad de los costos de calidad son debidos a productos defectuosos. Zona C de perfeccionamiento. En esta zona los costos son provocados por la inspeccin y superan a los costos generados por los productos defectuosos, por lo que hay que estudiar el costo de detectar defectos, en comparacin con el perjuicio que se produce en caso de no ser detectados.
6.3. OPTIMIZACIN
Para examinar la forma en que se pueden optimizar los costos de calidad, a continuacin se tiene en cuenta la importancia que stos representan en la curva de demanda con respecto al precio y el papel que juega la sensibilidad de la demanda a una variacin de calidad, as como la curva de beneficios.
6.3.1. Importancia de la curva de demanda y precio

Con base en la curva de demanda y precio, tal como se aprecia en la Figura 6.5., se observa que si se baja el precio de un determinado producto, su demanda
aumenta; sin embargo, si se tiene en cuenta que el precio del producto puede estar muy cercano al de la competencia, resulta ms difcil utilizar esta variable para incrementar la demanda del producto de la empresa.
Figura 6.5. Curva de demanda y precio
Precio
p1
p2
d1
d2
Demanda
6.3.2. Sensibilidad de la demanda a las variaciones de calidad

Ahora bien, si se mantiene el precio del producto y se aumenta la calidad de ste, se debe producir, un aumento de la demanda; se pasa de un nivel, d1 a d2, esto se debe a que la curva de demanda cambia al pasar la calidad de Q1 a un valor Q2, como puede verse en la Figura 6.6. En consecuencia, a medida que se vaya aumentando la calidad del producto, la curva de demanda se desplaza hacia la derecha, hasta llegar a fabricar el nivel de calidad ms alto que permita la empresa. De hecho, estos cambios se deben realizar en la medida que sean rentables para la empresa.
Figura 6.6. Curva de variaciones de calidad

Precio
p1
p2
Q2 Q1
d1
d2
Demanda
6.3.3. Curva de beneficios de calidad

Teniendo en cuenta la Figura 6.7., se observa que, a medida que se aumenta el nivel de calidad del producto, los costos se van incrementando y la pendiente es cada vez mayor. De manera semejante, los ingresos tambin aumentan, pero de forma diferente, la pendiente va disminuyendo. Observe que el beneficio que se obtiene como diferencia entre los ingresos y los costos, se puede ver en determinadas zonas, donde es posible establecer la produccin del producto sin prdidas. Si se produce con un nivel de calidad inferior a n1, es evidente que se presentan prdidas, ya que en ese nivel el producto es tan malo que no genera los ingresos necesarios para contrarrestar los costos incurridos. Lo mismo sucede, pero por razones opuestas, si se produce a un nivel superior a n2, ya que el producto no es capaz de proporcionar los ingresos suficientes, puesto que tambin resultan inferiores a los costos.
Figura 6.7. Curva de beneficios de calidad

Unidad monetaria Ingresos
Costos
Beneficios Prdidas Prdidas
n1
n*
n2
Nivel de calidad
Conformemente a lo expuesto, se tiene que producir a un nivel ptimo de calidad (n*), donde se obtiene el mximo beneficio.
BIBLIOGRAFA

ADAM, Everett y EBERT, Ronald. Administracin de la produccin y las operaciones. 4ed. Mjico: Prentice-Hall, 1991. 739p. ALIANZA EDUCATIVA. Programa de Formacin Permanente a Docentes Principios Pedaggicos Mdulo 3. Evaluacin. Alianza Educativa. Bogot. 2005. ALVARADO R., Ren A. Proceso de aseguramiento e implantacin de un sistema de procesamiento de datos en Jhaka Ltda. Bogot, 1993. BUFFA, Elwood y SARIN, Rakesh. Administracin de la produccin y de las operaciones. Mjico: Limusa, 1992. 939p. CAMACHO OLIVEROS, Manuel ngel. (2006). Introduccin a la Ingeniera Industrial. Gua de aprendizaje. Facultad de Ciencias Bsicas e Ingeniera. UNAD. CANT, Humberto. Desarrollo de una cultura de calidad. 2ed. Mjico: McGrawHill, 2001. CUATRECASAS, Lluis. Gestin integral de la calidad: Implantacin, control y certificacin. Barcelona: Gestin 2000, 1999. 348p. DOMINGUEZ M, Jos A; LVAREZ, Jos; RUIZ, Antonio; et. al. Direccin de operaciones en la produccin y los servicios. Aspectos tcticos y operativos V.1. Madrid: McGraw-Hill, 1995. 503p. EVANS, James y LINDSAY, William. Administracin y control de la calidad. 4ed. Mjico: Thomson, 2000. 785p. FEIGENBAUM, Armand. Control total de la calidad. Mjico: CECSA, 1986. FOGARTY, Donald, BLACKSTONE, John y HOFFMAN, Thomas. Administracin de la produccin e inventarios. 2ed. Mxico: CECSA, 1994. 994p. GALLEGO-BADILLO, Rmulo y PREZ, Royman. Corrientes constructivistas: De los mapas conceptuales a la teora de la transformacin intelectual. 2ed. Bogot: Cooperativa editorial magisterio, 1995. 156p. GMZ. De ILLERA, Margarita. Anexo 3 Gua Introduccin a la Ingeniera de Alimentos. Facultad de Ciencias Bsicas e Ingeniera. UNAD. 2005 GONZALEZ, Carlos. ISO 9000 QS 9000 ISO 14000, Normas internacionales de administracin de calidad, sistemas de calidad y sistemas ambientales. Mjico: McGraw-Hill, 1998. 574p. GRANT, Eugene. Control de calidad estadstico. Mjico: CECSA, 1993. GUTIERREZ, Mario. Administrar para la calidad. Conceptos administrativos para el control total de calidad. 2ed. Mjico: Limusa, 1995. 297p. HARRINGTON, James. Mejoramiento de los procesos de la empresa. Santaf de Bogot: McGraw-Hill, 1996. HARRINGTON, James. Administracin total del mejoramiento continuo. La nueva generacin. Santaf de Bogot: McGraw-Hill, 1997.
HITOSHI, Kume. Herramientas estadsticas bsicas para el mejoramiento de la calidad. Bogot: Norma, 1994. HOYLE, David. Manual de sistemas de calidad. 2ed. 1996. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Catlogo de normas tcnicas colombianas. Bogot: ICONTEC, 1994. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Compendio ISO 9000. Administracin y aseguramiento de la calidad. Bogot: ICONTEC, 1994. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Compendio ISO 9000. Tecnologa para la administracin de la calidad. Bogot: ICONTEC, 1994. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Gestin de la calidad en el sector pblico. Norma Tcnica de Calidad en la Gestin Pblica (NTCGP 1000:2004). Bogot: ICONTEC, 2007. 90p. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Gua de interpretacin ISO 9001. Bogot: ICONTEC, 1998. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. ISO 9000. Gua para las pequeas empresas. 5ed. Bogot: ICONTEC, 2002. 172p. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. ISO 9000. Manual para la industria del servicio. Bogot: ICONTEC, 2002. 172p. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Normas Serie 14000. Administracin ambiental. ICONTEC. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Sistemas de Gestin de la calidad - Requisitos. ISO 9001: 2000. Bogot: ICONTEC, 2001. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Sistemas de Gestin de la calidad - Recomendaciones para llevar a cabo la mejora. ISO 9004: 2000. Bogot: ICONTEC, 2001. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. Sistemas Integrados de Gestin: Sistemas de Gestin de la Calidad, Sistemas de Gestin Ambiental. Sistemas de Gestin de Seguridad y Salud Ocupacional. Bogot: ICONTEC, 2002. INSTITUTO COLOMBIANO DE NORMAS TCNICAS. ISO 9000:2000. Sistemas de gestin de la calidad. Fundamentos y vocabulario. Bogot: ICONTEC, 2002. ISHIKAWA, Kaoru. Qu es el control total de calidad?: la modalidad japonesa. Santaf de Bogot: Norma, 1986. ISO. ISO Handbook: ISO 9001 for Small Businesses. ISO/TC 176/SC 2/N 581-1. ISO. Orientacin acerca del enfoque basado en procesos para los sistemas de gestin de la calidad. Documento: ISO/TC 176/SC 2/N 544R, Mayo 2001. JURAN, J.M. y otros. Manual de control de la calidad. 2ed. Barcelona: Reverte, 1983. LAUDOYER, Guy. La certificacin ISO 9000. Un motor para la calidad. 2 reimpresin. Mjico: CECSA, 1996. MARIO, Hernando. Gerencia de procesos. Bogot: Alfaomega, 2002. 147p. Sede Nacional Jos Celestino Mutis 111
MASAAKI, Imai. KAIZEN. La clave de la ventaja competitiva japonesa. Mxico: CECSA, 1989. MORENO-LUZN, Mara. D.; PERIS, Fernando J. y GONZLEZ, Toms. Gestin de la calidad y diseo de organizaciones. Teora y estudio de casos. Madrid: Pearson Educacin, 2001. 432p. MORENO, P. Alexandra. (2005) Gua Introduccin a la Ing. de Sistemas. Facultad de Ciencias Bsicas e Ingeniera. UNAD. NIEBEL, Benjamn y FREIVALDS, Andris. Ingeniera Industrial. Mtodos, Estndares y Diseo del Trabajo. 11ed. Bogot: Alfaomega, 2004. 745p. + CD. http://www.ie.psu.edu/courses/ie327/inde.htm PREZ, Csar. Control estadstico de la calidad. Teora, prctica y aplicaciones informticas SAS, STATGRAPHICS, MINITAB, SPSS. Madrid: Alfaomega-Rama. 704p. SCHROEDER, Roger. Administracin de operaciones. Toma de decisiones en la funcin de operaciones. 3ed. Mjico: McGraw-Hill, 1994. 855p. SENLLE, Andrs y STOLL, Guillermo. Calidad total y normalizacin. Barcelona: Gestin 2000, 1994. 185p. SENLLE, Andrs y VILAR, Joan. ISO 9000 en empresas de servicios. Barcelona: Gestin 2000, 1994. SIERRA, Enrique. Control de calidad. Bogot: Universitaria de Amrica, 1978. 291p. STEBBING, Lionel. Aseguramiento de la calidad. 2 reimpresin. Mjico: CECSA, 1995. TABLA, Guillermo. Gua para implantar la norma ISO 9000 para empresas de todos tipos y tamaos. Mxico: McGraw-Hill, 1998. 387p. TAORMINA, Tom. ISO 9000. Liderazgo virtual. Mxico: Prentice-Hall, 1997. Ttulo: Diagramas de Causa-Efecto, Pareto y Flujogramas. En: http://www.gestiopolis.com/recursos4/docs/ger/diagraca.htm. Documento que detalla como se elaboran los diagramas de causa-efecto, de Pareto y Flujogramas para el anlisis de procesos. Igualmente se describen datos biogrficos de los autores de dichas tcnicas. (Consulta enero de 2006). Ttulo: KAIZEN Institute. En: http://www.kaizen-institute.com/. Pgina del Insituto KAIZEN, la cual se especializa en apoyar lideres de negocio en el diseo e implementacin de procesos que lleven a la organizacin a la adopcin del significado de la mejora continua y su sostenimiento a travs del tiempo. Ttulo: ECC. Ejecutivos en Consultora y Capacitacin. En: http://www.lean6sigma.com/index.htm. Esta pgina es de un grupo consultivo especializado en la aplicacin de Herramientas de Manufactura Esbelta (Lean Manufacturing) y Seis Sigma, en ella se encuentran algunos documentos donde se desarrollan estas tcnicas. Titulo: ceroaveras.com. En: http://www.ceroaverias.com/. Esta pgina se encuentra informacin acerca de los conceptos para la aplicacin del TPM (Mantenimiento Productivo Total) as como del Sistema de Produccin de Toyota.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA. Induccin Unadista Educacin para todos. Bogot. UNAD, 2005. ZARATIEGUI, J. R. La gestin por procesos: Su papel e importancia en la empresa. EN: Revista Economa Industrial No. 330. Bogot, 2001.

Control de Calidad: Módulo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control de Calidad: Módulo

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BSICAS TECNOLOGA E INGENIERA Programa de Ingeniera Industrial CONTROL DE CALIDAD

REN ALEJANDRO ALVARADO RUEDA

@CopyRigth Universidad Nacional Abierta y a Distancia

ISBN 2008 Centro Nacional de Medios para el aprendizaje

73 79 80 83 93 95 96 100 100 102 102 106 107 108 109 110

UNIDAD 1. FUNDAMENTOS DEL CONTROL DE CALIDAD

1. CONTROL ESTADSTICO DE LA CALIDAD

1.1. HISTORIA DE LA CALIDAD

1.1.1. Calidad en la poca artesanal

1.1.2. Calidad a partir de la poca industrial

1.1.3. La inspeccin de la calidad

Figura 1.1. Etapas de la calidad

Gestin de la calidad total

1970 1980 1960 1970 1950 1960

1.1.4. El control estadstico de la calidad

1.1.5. El aseguramiento de la calidad

1.1.6. La gestin de la calidad

1.2. DEFINICIONES DE CALIDAD

1.2.1. Calidad como conformidad

1.2.2. Calidad como satisfaccin de las expectativas del cliente

1.2.3. Calidad como valor con relacin al precio

1.2.4. Calidad como excelencia

Perspectiva global (Eficiencia * Eficacia) = Efectividad

Bienes Entrada, Inputs Insumos Servicios

Bienes Salida, Outputs Produccin Servicios

Empleados, accionistas, proveedores, otras empresas y sociedad en general.

Figura 1.5. Relacin de eficacia, eficiencia y efectividad

1.3. REAS RESPONSABLES DE LA CALIDAD

Figura 1.7. reas responsables de la calidad

1.4. CONTROL TOTAL DE CALIDAD

Figura 1.8. Proceso para lograr la calidad total

2. CONTROL ESTADSTICO DE LA CALIDAD

2.1. DISTRIBUCIN DE FRECUENCIAS Y PARMETROS

2.1.1. La toma de datos

2.1.3. Medidas de la tendencia central

La media aritmtica se representa de la siguiente manera:

x1+ x 2 + x3+ ... + x n n

Que tambin puede ser:

f 1 x1+ f 2 x 2 + f 3 x3+ ... + f k x k x= f 1+ f 2 + f 3+ ... + f k

A manera de ejemplo vanse los datos de la Tabla 2.1.

A manera de ejemplo, si la cantidad de datos es impar:

1, 3, 4, 5, 7, 9, 13, 14, 18, la mediana es el nmero 7.

A manera de ejemplo, si la cantidad de datos es par:

4, 5, 6, 10, 13, 16, 17,18, su mediana se calcula de la siguiente manera:

2.1.5. Procedimiento para determinar la distribucin de frecuencias

Nmero que se repite

Frontera Inferior m + Frontera Superior m M= 2

2371 2904 3157 2840 2613

2328 3380 2743 2796 2449 1941

= 3747 1806 = 1941

Amplitud de clase: como n = 30, se selecciona k = 5:

1805,5 2194,5 2583,5 2972,5 3361,5 3750,5

Frontera Inferior m + Frontera Superior m 2

Para m1, se tiene que:

Finalmente, a continuacin se elabora la distribucin de frecuencias como se ve en la Figura 2.2.

2.2. CAPACIDAD DEL PROCESO

2.2.1. Capacidad del proceso

Figura 2.3. Representacin grfica de la capacidad del proceso

La frmula para su clculo es:

Variacin especificada o permitida Variacin real del proceso

2.2.2. Habilidad del proceso

2.2.3. Habilidad del proceso con tolerancias unilaterales

b) Cuando la especificacin establece un mnimo: