Diplomado UV4

Coordinacin Acadmica
Diagonal Paraguay 257 Torre 26 of. 1905 Fono 678 3647 Fax: 635 9192
DIPLOMA EN GESTION DE LA CALIDAD,
SEGURIDAD Y MEDIO AMBIENTE
MODULO 3 METODOLOGAS Y HERRAMIENTAS PARA LA
CALIDAD
Profesor: Cristin Ferrada D.
I NTRODUCCI
I NTRODUCCI
N
N
1
Grado en el que un conjunto de
caractersticas inherentes, cumple con
los requisitos
Conformidad con los requisitos incluyendo los
reglamentarios
Cumple con su propsito
Proporcionar un producto que no regresar desde los
clientes
QU ES CALIDAD?
"En un sentido estrecho, calidad significa calidad de
producto. En un sentido amplio calidad significa
calidad de producto, calidad de trabajo, calidad de
servicio, calidad de informacin, calidad de proceso,
calidad de organizacin, calidad de persona
incluyendo a los ejecutivos, calidad de sistemas,
calidad de objetivos, etc".
(K. Ishikawa)
QU ES CALIDAD?
2
"Calidad es la aptitud para el uso"
(J. Juran)
"Calidad es el cumplimiento de los requisitos"
(P. Crosby)
"Calidad es alcanzar y superar las expectativas
de los clientes, a un costo que representa valor
para ellos"
(H. Harrington)
QU ES CALIDAD?
OBJETIVO
PROGRAMA
DISEO
FABRICACIN
DISTRIBUCIN
SERVICIOS
SERVICIOS PRODUCTOFINAL
OBJETIVO
PROGRAMA
DISEO
FABRICACIN
DISTRIBUCIN
MERCADO
ESPIRAL DE LA CALIDAD
0 C
co
* C
p
* C
d
* C
f
* C
di
* C
s
1
3
CONTROL DE LA CALIDAD
Qu es el Control de la Calidad?
Parte de la gestin de la calidad orientada al
cumplimiento de los requisitos de la calidad
Es un procedimiento integral de inspeccin,
registro, anlisis y toma de decisiones que se usa en
la fabricacin econmica de productos o servicios
que satisfacen los requisitos de calidad del
consumidor.
Qu es Inspeccin?
Evaluacin de conformidad por medio de
observacin y dictamen, acompaada
cuando sea apropiado por medicin,
ensayo/prueba o comparacin con
patrones
CONTROL DE LA CALIDAD
4
CAMPOS DE ACCIN DEL CONTROL DE CONTROL DE
LA CALIDAD LA CALIDAD
Proceso de Fabricaci Proceso de Fabricaci n n
A B C X
Inspecci Inspecci n n
de de
Recepci Recepci n n
de de
Recepci Recepci n n
Control de Calidad Durante el Proceso de Fabricaci Control de Calidad Durante el Proceso de Fabricaci n n
Subgrupos racionales Subgrupos racionales
Fases del Proceso Fases del Proceso
Puntos cr Puntos cr ticos ticos
Producto Producto
Terminado Terminado
Materias Materias
Primas Primas
?
An An lisis de lisis de
Fallas y Fallas y
Reclamos Reclamos
Servicios Servicios
Proceso de Fabricaci Proceso de Fabricaci n n
A B C X
de de
Recepci Recepci n n
de de
Recepci Recepci n n
Control de Calidad Durante el Proceso de Fabricaci Control de Calidad Durante el Proceso de Fabricaci n n
Subgrupos racionales Subgrupos racionales
Fases del Proceso Fases del Proceso
Puntos cr Puntos cr ticos ticos
Producto Producto
Terminado Terminado
Materias Materias
Primas Primas
?
An An lisis de lisis de
Fallas y Fallas y
Reclamos Reclamos
Servicios Servicios
ASEGURAMIENTO DE LA CALIDAD
Parte de la gestin de la calidad orientada a
proporcionar confianza que se cumplirn los
requisitos de la calidad
5
CONCEPTO DE PROCESO
PROCESO PROCESO
Recursos Controles
SEGUIMIENTO Y MEDICIONES
Entradas Salidas
QU ES UN PROCESO?
6
ENFOQUE DE PROCESO
UN PROCESO ES UNA ACTIVIDAD QUE
RECIBE ENTRADAS Y LAS CONVIERTE EN
SALIDAS O RESULTADOS
EL ENFOQUE DE PROCESOS ES LA
IDENTIFICACION Y GESTION SISTEMATICA
DE LOS PROCESOS EMPLEADOS DENTRO
DE UNA ORGANIZACION Y SU
INTERACCION
INTERACCIN DE LOS PROCESOS
Proceso
A
Proceso
C
Proceso
D
Proceso
B
Entradas, Salidas, Controles y Recursos
7
LOS PROCESOS Y EL
CI CLO DE SHEWHART
CICLO DE SHEWHART
8
LOS PROCESOS Y SU GESTION
UNO DE LOS ASPECTOS QUE MAS DISTINGUE A LAS
EMPRESAS QUE AVANZAN HACIA LA GESTION DE LA
CALIDAD ES SU FUERTE ORIENTACIN A LOS PROCESOS
Y SU NECESIDAD DE MEJORARLOS PERMANENTEMENTE
ESTA NECESIDAD SURGE DEBIDO A QUE NO EXISTE
PRODUCTOQUE NO SEA RESULTADO DE UN PROCESO
CUANDO LAS PERSONAS VEN EL TRABAJO COMO
PROCESOS, PUEDEN DEFINIR SUS FRONTERAS Y
ENTENDER LO QUE SE NECESITA ENTRE ESTOS DOS
PUNTOS PARA CREAR EL PRODUCTO DESEADO
9
PODRN ENTENDER QUE LAS PERSONAS QUE
PRECEDEN AL PROCESO IDENTIFICADO SON LOS
PROVEEDORES Y AQUELLOS QUE SIGUEN Y QUE
USAN EL PRODUCTO GENERADO POR EL PROCESO,
SON LOS CLIENTES.
POR LO TANTO, CADA TRABAJADOR ES UN CLIENTE
INTERNO DE LOS TRABAJADORES QUE LO PRECEDEN
Y PROVEEDOR INTERNO DE LOS TRABAJADORES QUE
LO SIGUEN.
Inicio del proceso de mejoramiento
Identificar el proceso
Nombrar un dueo del proceso
Describir el proceso
Solucionar problemas simples
Estandarizar el proceso
Definir indicadores de gestin
Proceso eficaz
Reconocer esfuerzos de equipo
10
CICLO DE SHEWHART/1
EL CICLO DE RESOLUCIN DE PROBLEMAS
DE SHEWHART, CICLO PDCA, ES UNA
METODOLOGA PRCTICA QUE PUEDE
APLICARSE AL MEJORAMIENTO DE LOS
PROCESOS, Y EST COMPUESTO POR
CUATRO ETAPAS: PLANIFICAR, HACER,
VERIFICAR Y ACTUAR.
CICLO DE SHEWHART/2
PLANIFICAR: ESTABLECER LOS OBJETIVOS Y PROCESOS
NECESARIOS PARA CONSEGUIR RESULTADOS DE
ACUERDO CON LOS REQUISITOS DEL CLIENTE Y LAS
POLITICAS DE LA ORGANIZACIN. INCLUYE ADEMS LAS
SIGUIENTES ACTIVIDADES:
Medidas para determinar nivel de cumplimiento
de objetivos en un momento dado
Definicin de equipo responsable de la mejora
Definicin de recursos para alcanzar objetivos.
11
HACER: IMPLEMENTAR LOS PROCESOS. ESTA
CONSISTE EN LA EJECUCIN DE LAS TAREAS
EXACTAMENTE PREVISTAS EN EL PLAN.
VERIFICAR: REALIZAR EL SEGUIMIENTO Y LA
MEDICION DE LOS PROCESOS Y PRODUCTOS
RESPECTO A LOS REQUISITOS Y LOS OBJETIVOS
DEL PRODUCTO E INFORMAR LOS RESULTADOS.
ACTUAR: TOMAR ACCIONES PARA EVITAR
REPETICIN DE DESVIOS Y PARA MEJORAR
CONTINUAMENTE EL DESEMPEO DE LOS
PROCESOS.
CICLO DE SHEWHART/3
COSTOS DE LA
CALIDAD
12
COSTOS DE LA CALIDAD/1 COSTOS DE LA CALIDAD/1
Prdida de Imagen
Fallas
Litigios
Perjuicios de marca
Prdida de negocios
Prdida de ingresos
Prdida de materiales
Costo de reproceso
Atrasos
Improductividad de RRHH
Falta de coordinacin
Evaluacin
Prevencin
EN MUCHAS EMPRESAS LOS COSTOS DE LA CALIDAD SE
RELACIONAN SOLO CON LOS COSTOS DE OPERACION
DE LA FUNCION DE LA CALIDAD, INCLUYENDO LOS DE
LABORATORIO.
EL ESTUDIO Y ANALISIS DE LOS COSTOS DE LA CALIDAD
APORTAN VALIOSOS ELEMENTOS DE JUCIO PARA LA
TOMA DE DECISIONES EN MATERIA DE CALIDAD, COMO:
1. Medir el comportamiento de una tarea y conocer el
estado de las actividades de calidad.
2. Identificar reas con mayores problemas y definir
acciones correctivas y preventivas.
COSTOS DE LA CALIDAD/2
13
3. Dirigir eficazmente los esfuerzos de la organizacin
hacia el logro de la calidad deseada.
4. Saber cuanto se va gastar o ahorrar en conseguir el
nivel de calidad requerido.
5. Establecer programas conducentes a mejorar la
calidad y/o costos
6. Verificar si la introduccin de un nuevo mtodo de
control se justifica por sus resultados.
7. Introducir modificaciones y mejoras de diseo.
8. Resolver sobre conveniencia de comprar partes en
vez de fabricarlas y viceversa, etc.
Costos Totales
de la Calidad
Costos de
Prevencin
Costos de
Control
Costos de
Fallas
14
SON LOS COSTOS DE TODAS LAS ACTIVIDADES
DISEADAS PARA EVITAR LA MALA CALIDAD :
Costos de revisin de un nuevo producto
Planificacin de la calidad
Estudios de la capacidad del proveedor
Capacidad del proceso
Reuniones de equipos de mejoramiento de la calidad
Proyectos de mejoramiento de la calidad
Educacin y entrenamiento en calidad
COSTOS DE PREVENCIN
SON LOS COSTOS CORRESPONDIENTES A LA
MEDICIN, EVALUACIN O AUDITORA PARA
GARANTIZAR CONFORMIDAD CON NORMAS:
Costos de inspeccin de materiales
Costos de inspeccin de produccin
Costos de inspeccin de aceptacin
Costos de auditoras de calidad
Calibracin de equipos de medida y ensayo
COSTOS DE EVALUACIN
15
Son los costos que resultan de productos o
servicios no conformes con requisitos del cliente:
Costos de defectos internos o fallas.
* costos de desechos
* costos de reprocesos
* costos de reinspeccin
* costos de repeticin de ensayos
Costos de defectos o fallas externas
* costos de procesar reclamo del cliente
* devoluciones del cliente
* indemnizaciones por garanta
* retiros de producto
COSTOS DE FALLAS
Costos Totales Costos Totales
de Calidad de Calidad
Costos Costos
de Fallas de Fallas
Costos de Evaluaci Costos de Evaluaci n n
y Prevenci y Prevenci n n
Costo Costo ptimo ptimo
Calidad de Conformidad, %
100% 0
Costo
$
Costos Costos
de Fallas de Fallas
100% 0
Costos Costos
de Fallas de Fallas
100% 0
Costo
$
COSTO CALIDAD DE PRODUCTO
16
Zona de
Mejoramiento
Zona de
Indiferencia
Zona de
Perfeccin
Costo de Fallas > 70%
Costo Prevencin < 10%
Encontrar proyectos
de Innovacin
Costo de Fallas 50%
Costo Prevencin
Y Evaluacin 50%
Si no se puede
encontrar proyectos
Rentables, cambiar el
nfasis a control
Costo de Fallas < 40%
Evaluacin > 50%
Estudiar el costo por no
conformidad, validez de
estndares, reducir el
nivel de inspeccin
100% de no Conformes
Calidad de Conformidad 100% conformes
COSTO DE TOTAL DE LA CALIDAD
Costo $
por unidad
conforme
de producto Costos Totales Costos Totales
Costos Costos
de Fallas de Fallas
100% 0
NUEVO MODELO DE COSTOS
17
Costos de fallas. stos son igual a cero cuando no hay
defectuosos, y se elevan hasta infinito cuando el producto
es 100% defectuoso. Obsrvese que el eje vertical es el
costo por unidad de producto correcto. En el 100% de
defectos, el nmero de unidades est en cero, y por tanto
el costo por unidad correcta es infinito.
Costos de evaluacin ms prevencin. stos costos
estn en cero en el ndice de 100% de defectos, y se
elevan a medida que hay un acercamiento a la perfeccin.
Costos Totales. Esta tercera curva est sealada como
costos totales de calidad y representa el costo de
calidad por unidad de producto correcta.
COSTO TOTAL DE LA CALIDAD
CALIDAD DE DISEO:Es el grado de concordancia
entre el diseo obtenido y el fin para el cual fue
creado.
VALOR DE USO: Caractersticas o propiedades que
permiten que un producto sea apto parra cumplir un
uso determinado, conformando as la utilidad de un
objeto particular.
COSTO CALIDAD DISEO
18
Costo
$
Valor de Valor de
la Calidad la Calidad
Costos de Costos de
la Calidad la Calidad
1 1
Grado de
Conformidad, %
100% 0
2 2 3 3
D D
C C
A A
B B E E
F F
G G
H H
ptimo
1 1 2 2 3 3
COSTO CALIDAD DISEO
Este modelo es vlido en el supuesto que a todos
los competidores les cuesta lo mismo producir un
determinado grado de calidad de diseo para un
determinado producto, y que esto representa una
sola curva de valor para el consumidor.
COSTO CALIDAD DISEO
19
El grado de calidad determina un costo y un valor
para el usuario, factores que inciden en la funcin
de utilidad y cuyo mximo representa el punto
donde tericamente se sita el mercado. Entonces
el productor podrescoger zonas a la derecha o
izquierda del nivel ptimo, la decisin depende del
tipo de consumidor, mercado y competencia.
COSTO CALIDAD DISEO
EJERCICIO GRUPAL: COSTOS DE LA CALIDAD
Investigacin de Mercado Costos de desperdicios
Gastos del Equipo de Medicin Trabajo de Mantencin y calibracin
Reclamos de garantas Encuesta de percepcin de los clientes
Revisin de Proveedores Costos por fallas de compras
Medidas correctivas del diseo. Evaluaciones de productos
Reelaboracin debido a cambios de diseo Actividades de Laboratorio
Revisin de contratos Inspeccin de instalacin
Investigacin de quejas Equipo de de control de la calidad
Calificacin del Producto del proveedor Equipo de Medicin
Sanciones Informes de Desempeo de la Calidad
Prueba de calificacin del diseo del producto Formacin de la Calidad
Revisin de los datos de pruebas e inspecciones Prdida de trabajo por fallas internas
Desperdicios por cambio de diseo Actividades de soporte de diseo
Inspecciones de proveedores Costos por deteccin de fallas
Costos de reparacin operaciones Mediciones del control de procesos
Revisin de datos tcnicos de orden de compra Mejoramiento de la Calidad
Gastos Administrativos Costos de reinspeccin o reprueba
Costos de retiro de productos Planeacin de la calidad de los Proveedores
Sueldos Administrativos Producto final o servicio deficiente
Costos de eliminacin de materiales rechazados Validacin del proceso operaciones
Inspeccin y prueba de materiales recibidos Revisiones calidad de diseo de un producto
Planeacin de la calidad de los proveedores Devolucin de productos
Prdidas por materiales no revisados Control de Procesos
Auditoras de la calidad del producto o servicio. Costos sustitucin de materiales comprados
Diseo y desarrollo de la medicin Trabajo de Verificacin
Prdida de ventas Enseanza de la calidad a los operadores
Reelaboracin de productos rechazados Inspeccin de materiales de prueba

Clasificar para el siguiente listado, la categora de los costos:
20
99,9997
99,9770
99,3800
93,3200
69,1500
30,8500
Rendimiento
(%)
0,002
0,574
63,37
2.699,93
45.500,1
317.310,5
DPMO
Centrado
<1% de la ventas
Empresa clase
mundial
3,4 6
5% a 15% de las ventas 232,7 5
15% a 20% de las ventas
Industria
competitiva
6209,7 4
25% a 40% de las ventas 66.807,2 3
No se aplica
Empresa no
competitiva
308.537,5 2
No se aplica 691.462,5 1
Costo de la calidad Tipo de empresa
DPMO
1,5
Nivel
sigma
NOTA: DMPO = Defecto por milln de oportunidades
Variabilidad y Costo de la Calidad
21
22
VARI ABI LI DAD
VARI ABI LI DAD
Son peque Son peque as en n as en n mero, pero de gran mero, pero de gran
importancia en el resultado final del proceso, importancia en el resultado final del proceso,
y se caracterizan por: y se caracterizan por:
1. 1. Llevar el proceso paulatina o repentinamente en Llevar el proceso paulatina o repentinamente en
sentido determinado; sentido determinado;
2. 2. No estar siempre presentes y cuando se presentan, en No estar siempre presentes y cuando se presentan, en
general, las variaciones que producen no obedecen a general, las variaciones que producen no obedecen a
ninguna ley de distribuci ninguna ley de distribuci n conocida; y n conocida; y
3. 3. Ser sencillas de localizar por su naturaleza, y se les Ser sencillas de localizar por su naturaleza, y se les
puede asignar una causa concreta; por ejemplo: 4 puede asignar una causa concreta; por ejemplo: 4 M M s s
(materiales, m (materiales, m quinas, m quinas, m todos, mano de obra). todos, mano de obra).
Causas asignables de variaci Causas asignables de variaci n n
23
Son una gran cantidad de causas de Son una gran cantidad de causas de
variaci variaci n todas independientes entre s n todas independientes entre s , ,
cuya influencia individual es peque cuya influencia individual es peque a en la a en la
variabilidad total, y se caracterizan por: variabilidad total, y se caracterizan por:
1. 1. Producir variaciones que podemos considerarlas al Producir variaciones que podemos considerarlas al
azar; azar;
2. 2. Tender probabil Tender probabil sticamente a compensarse entre s sticamente a compensarse entre s ; ;
3. 3. Estar siempre presentes; y Estar siempre presentes; y
4. 4. No son f No son f cilmente identificables. cilmente identificables.
Causas no asignables de variaci Causas no asignables de variaci n n
Primer paso para entender los datos Entender los datos
cuantitativamente
varianza
(Desviacin estndar)
F
r
e
c
u
e
n
c
i
a
Meta
Posicin de la Media
- Para que los datos tengan
una distribucin normal, la
media (promedio) se usa
como la medida de la
posicin central de la
distribucin.
- La desviacin estndar o
dispersin es usada como
la medida de la varianza
de la distribucin.
x
24
Importancia de la Dispersin
LIE LSE
Posicin en la
cual la bola toca
el suelo
F
r
e
c
u
e
n
c
i
a
LIE LSE
Posicin en la
cual la bola toca
el suelo
F
r
e
c
u
e
n
c
i
a
Qu jugador lo har mejor en el golf?
Qu jugador lo har mejor en el golf?
Varios tipos de dispersin causan problemas como errores y defectos.
< Foco en la dispersin >
Varios tipos de dispersin causan problemas como errores y defectos.
< Foco en la dispersin >
Entendiendo los Datos Cuantitativamente
Entender las caractersticas de la distribucin con la mtrica de posicin
y de dispersin
Entender las caractersticas de la distribucin con la mtrica de posicin
y de dispersin
Mtrica de Dispersin Mtrica de Posicin
- Media
- Mediana
- Moda
- Media geomtrica
- Media armnica
Mtrica de la Varianza de Datos
- Varianza
- Desviacin estndar
- Rango
- Coeficiente de
variacin
25
Medida de Posicin/1
n
x + + x + x
= = x
n 2 1
L
Media de la muestra:
x
1/11
1/11
2/11
2/11
3/11
3/11
4/11
4/11
5/11
5/11
6/11
6/11
8
8
12
12
6
6
7
7
12
12
9
9
Horas de trabajo en un da
(h) 9 =
6
9 + 12 + 7 + 6 + 12 + 8
= x Media
4 5 6 7 8 9 10 11 12 13 14 (h)
Media : Punto de Equilibrio
n
i =
1
n
x
i
Medida de Posicin/2
Mediana de la muestra: Me
1/11
1/11
2/11
2/11
3/11
3/11
4/11
4/11
5/11
5/11
6/11
6/11
8
8
12
12
6
6
7
7
12
12
9
9
Horas de trabajo en un da
4 5 6 7 8 9 10 11 12 13 14 (h)
e impar (n 1)/2
M x
+
=
( ) (n/2) (n/2) 1
e par
x x
M
2
+
+
=
e par
8 9
M 8,5
2
+
= =
Mediana: Valor posicional medio de una serie ordenada de datos
26
Medida de Posicin/3
Media :
Salario total
NEmpleados
Media Salario
9
8
3
Medida de Posicin/4
Compaa A Compaa B
XA = 800
Comparacin de ingresos anuales
Media
1
2
3
4
5
6
7
8
9
3.000
630
580
550
530
520
500
460
430
700
670
640
620
600
570
550
540
510
600
XB = 600 M
e B
=
800
M
e A
=
27
Medida de Posicin/5
Errores en el uso de la media:
1. Se cree que los valores de las observaciones son iguales
o estn muy cerca de la media, ignorando por completo
que la media no entrega ninguna informacin sobre la
variabilidad.
2. La media es el dato ms frecuente. Esto slo se cumple
para distribuciones simtricas.
3. La media muestral es igual a la media poblacional,
desconocindose el hecho que la media es una variable
aleatoria.
4. La media es el valor que est en el medio, a la izquierda
queda el 50% de los datos, lo mismo que a la derecha.
Medida de Posicin/6
Criterios satisfechos por la media y la mediana
La mediana es el valor representativo que reduce al
mnimo la suma de las desviaciones absolutas entre
cada valor de la muestra y la mediana.
En cambio, la media se concentra en la reduccin al
mnimo de la sumas de las desviaciones al cuadrado
de la media respecto de los valores individuales de la
muestra, y se denomina criterio de los mnimos
cuadrados.
28
Medida de Dispersin/1
No te
preocupes !!
El dimetro medio
de la cuerda es de
2,5 cm.
??
Medida de Dispersin/2
Las secciones tienen misma media y mediana, pero diferentes dispersiones.
Las secciones tienen misma media y mediana, pero diferentes dispersiones.
Promedio de las Horas de Trabajo de Tres Secciones (h)
a
b
9
9
9
11
11
11
(h)
(h)
(h)
10
10
10
8
8
8
7
7
7
13
13
13
12
12
12
c
a b c
Ago.
Sept.
Oct.
Nov.
Dic.
X = 10
Me x =
10
10
10
10
10
10
10
8
12
10
7
8
10
12
13
y = 10
Me y =
z = 10
Me z =

29
Mtrica de Dispersin Desviacin estndar
(Que Representa la Diferencia desde la Media)
Muestra de la Distribucin: s
2
=
2
(valor estimado de
2
)
^
1 - n
= s = s
2
1 - n
= s
2

i = 1
n
(x - x)
2
i

i = 1
n
(x - x)
2
i

Desviacin estndar de la muestra : s =
^
Considerando la Poblacin (Completa)
Estadsticamente con Datos de Muestra
n Muestras
Poblacin
(Objetivo a Considerar)
Variable al azar X
Valores caractersticos de la
Distribucin
Promedio , Dispersin
2
x
1
, x
2
, ..x
n
Muestreo
Procesamiento
Estimacin
- No todo puede ser examinado debido
a impedimentos de tiempo y de gasto.
- Si los elementos incluidos no pueden
ser medidos, tales como los
pronsticos, etc.
Se considera fortuito (estocstico):
(Por lo general, difcil
de determinar.)
Funciones con x
1
, x
2
, , x
n
n
x
i
1
Media de
la muestra
=
Dispersin
de la muestra
n - 1
1
(x
i
- x)
2
s
2
=

x
30
Parmetros de la Poblacin y Estadsticas de la Muestra
Poblacin
(Todos los Datos)
N Itemes
Muestras
n Muestras
Parmetro de la Poblacin Estadstica de la Muestra
Mtrica de Posicin
Mtrica de Dispersin
varianza
n - 1
s
2
=
i = 1
(x
i
- x)
2
n
Media
Desviacin Estndar
2
=
N
(X- X)
2
X
i
=
N
N
N

x
i
x =
i = 1
n
n
=
2
s = s
2
Relacin entre una Distribucin de Datos y la
Estadstica
-4 -3 -2 -1 0 1 2 3 4 5 6 -5 -6
= 1
Punto de Inflexin
68.27%
95.45%
99,73%
99.9937
99,9999998%
99,999943%
N (0, 1
2
)
99,9937%
31
Clculo de reas Distribucin Normal
Muchas caractersticas de calidad en ingeniera se
pueden aproximar por una funcin de distribucin
normal.
donde = 3,141516
e = 2,7183,
= media de la poblacin o universo
= desviacin estndar de la poblacin.
( )
< <

= = x - e
2
1
y f(x)
2
2
2
- x
-
Los problemas se resuelven con el uso de una tabla,
pero obsrvese que la distribucin requiere slo el
promedio y la desviacin estndar de la poblacin.
Si se midiera toda la poblacin y sta tuviera una
distribucin normal, el resultado sera el que muestra la
figura siguiente.

-
x
+

32
Clculo de reas distribucin normal estndar
El rea bajo la curva de una distribucin entre dos lmites
establecidos representa la probabilidad de ocurrencia.
Para encontrar el rea se calcula la diferencia entre un
valor particular y el promedio de la curva en unidades de
desviacin estndar:
Un valor negativo de z indicara que el valor de X
original estaba por debajo del valor de la media

=
x
z
Ejercicio Grupal Clculo de reas Distribucin Normal
Ejemplo clculo de reas de distribucin norma estndar
Se sabe que el contenido de un envase responde a una distribucin normal
con una media =100 g y = 1 g. Se desea calcular lo siguiente:
a) Cul es la probabilidad que un envase aleatoriamente seleccionado
pese entre 100 y 101?

-
x
+
100 101
( )

= =
x
z P x X P
( )
( ) ( ) 1 z P 101 X P
1
100 101
z P 101 X P
=

=
Usando la tabla de valores distribucin normal estndar se obtiene que:
( ) ( ) % 1 , 34 341 , 0 1 z P 101 X P = = =
33
Ejercicio Grupal Clculo de reas Distribucin
Normal
Ejemplo clculo de reas de distribucin norma estndar
b) Cuntos envases tendrn un peso entre 98 y 102 gramos?

-
x
+
98 100 102
) 102 X ( P ) 98 X ( P ) 102 X 98 ( P + = =
( )
( ) ( )
( ) % 44 , 95 9544 , 0 4772 , 0 ) 4772 , 0 ( 102 X 98 P
2 z P ) 2 z ( P 102 X 98 P
1
100 102
z P
1
100 98
z P 102 X 98 P
= = + =
+ =

=
TABLA 1 reas bajo la curva normal tipificada de 0 a z

z 0 1 2 3 4 5 6 7 8 9
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0754
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2258 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2518 0,2549
0,7 0,2580 0,2612 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2996 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
34
TOLERANCIA
QUE ES TOLERANCIA
Definicin:
Diferencia entre la dimensin lmite mxima y la
dimensin lmite mnima.
La tolerancia es un valor absoluto, sin signo.
35
REPRESENTACIN GRFICA DE LA
TOLERANCIA
DESVIACIN SUPERIOR
LNEA CERO
DESVIACIN INFERIOR
FORMAS DE EXPRESIN DE LA
TOLERANCIA
1. Tolerancia con valor absoluto
Como valor absoluto sin signo
Como valor absoluto a travs de sus desviaciones
Posicin unilateral c/r a la dimensin bsica
Posicin bilateral c/r a la dimensin bsica
Como valor absoluto a travs de las dimensiones lmites
2. Tolerancia como valor porcentual
36
Relacin entre los parmetros de la
Distribucin Normal (,
2
) y la Tolerancia
La mayora de las caractersticas de calidad cuantitativas de un
proceso o productos deben cumplir con una determinada dimensin
bsica y una tolerancia.
Dimensin bsica: Dimensin con respecto a la cual se establecen las
desviaciones admisibles de la tolerancia
Tolerancia: Diferencia algebraica entre las dimensiones lmites de una
caracterstica de calidad.
Simbolizaremos con la letra la mitad de la tolerancia
Consideremos el siguiente ejemplo
Dimensin bsica (M) : 100g
Mitad de la tolerancia() : 2g
Tolerancia (T=2) : 4g
Dimensin lmite mxima : 102g
Dimensin lmite mnima : 98g
Las relaciones que deben existir entre los parmetros de la
distribucin normal y la tolerancia, son aquellas que permiten
reducir a un mnimo la produccin de piezas no conformes
37
EXACTITUD
Su parmetro es la media o promedio aritmtico ().
1. Qu relacin debe existir entre la media del proceso, lote o
poblacin y los valores establecidos para que los defectuosos sean
mnimos?
La respuesta es: = .
2. Se cumple la condicin de mnimizar la fraccin no conforme, pues
cuanto ms la media se aleja del valor , aumentar la cantidad de
piezas o productos fuera de un lmite (el del lado hacia el cual se ha
corrido la media).
PRECISIN
Su parmetro es la desviacin estndar ()
Considerando que la exactitud cumple = , Qu relacin
debe existir entre y los valores establecidos para que la
fraccin no conforme sea mnima?.
1. La solucin consiste en adoptar el valor de ,
suficientemente pequeo para que los defectuosos sean
despreciables y a la vez, suficientemente grande para que
resulte de fcil obtencin (razones econmicas).
2. Por lo tanto la respuesta es:
= 3 ; T = 3
Con lo cual la fraccin de piezas o productos fuera de
tolerancia ser del orden del 0,23%.
38
SIETE HERRAMIENTAS PARA EL SIETE HERRAMIENTAS PARA EL
MEJORAMIENTO CONTINUO DE LA MEJORAMIENTO CONTINUO DE LA
CALIDAD CALIDAD
HOJA DE REGISTRO
HOJA DE REGISTRO
39
QU QU ES? ES?
Es un formulario preimpreso en el
cual aparecen los temes que se van
a registrar, de manera que los datos
se puedan recoger en forma fcil y
clara.
HOJAS DE REGISTRO
SUS OBJETIVOS PRINCIPALES SON: SUS OBJETIVOS PRINCIPALES SON:
Facilitar la recoleccin de datos; y
Organizar automticamente los datos
de manera que puedan usarse con
facilidad.
HOJAS DE REGISTRO HOJAS DE REGISTRO
40
HOJAS DE REGISTRO
Hoja de Registro
N
Producto: Inyectores de Artefactos de gas Fecha:
Especificacin: 2,3 0,008 Seccin:
N Inspeccionados: Inspector:
N Total: Lote N:
Observaciones: Orden N:
Registros
Desv. 5 10 15 20 25 Frecuencia
-10
-9
LIE -8
-7
-6 X 1
-5 X X X 3
-4 X X X X X X 6
-3 X X X X X X X X X 9
-2 X X X X X X X X X X X 11
-1 X X X X X X X X X X X X X 13
2,300 0 X X X X X X X X X X X X X X 14
1 X X X X X X X X X X X X 12
2 X X X X X X X X X X 9
3 X X X X X X X X X 8
4 X X X X X X 6
5 X X X X 4
6 X X X 3
7 X 1
LSE 8
9
10
Total 100
100
100
HOJAS DE REGISTRO
Hoja de registro para investigacin de burbujas
Observaciones
Fecha :
Tipo de producto :
41
HOJAS DE REGISTRO
Hoja de Registro
Producto Fecha
Etapa de fabricacin Fbrica
Tipo de no conformidad Seccin
Total inspeccionado Inspector
Observaciones Lote N
Orden N
Tipo de no conformidad
Rayas superficiales //// //// //// //// //// //// //
Quebraduras //// //// //// //// ///
Incompletas //// //// //// //// //// //// //// //// //// ///
Deformes ////
Otros //// ///
Total:
Total no conformes //// //// //// //// //// //// //// //// //// //// //// ////
//// //// //// //// //// /
4
8
115
86
Subtotal
32
23
48
EL DIAGRAMA
EL DIAGRAMA
DE PARETO
DE PARETO
42
Es un grfico de barras verticales que se
organiza de izquierda a derecha en orden
decreciente de ocurrencia o de
importancia :
Factores sujetos a estudio.
Con el objeto de determinar que
problemas resolver y en que orden
realizarlos.
EL DIAGRAMA DE PARETO EL DIAGRAMA DE PARETO
QU QU HACE? HACE?
Ayuda al equipo a concentrarse en aquellas causas
que tendrn el mayor impacto en caso de ser
resueltas;
En base al comprobado principio de Pareto: un 20%
de las fuentes causan el 80% de cualquier problema;
Muestra la importancia relativa de los problemas en
un formato visual simple y rpido de interpretar;
El progreso se mide en un formato altamente visible
que proporciona incentivo para seguir luchando por
las mejoras.
EL DIAGRAMA DE PARETO EL DIAGRAMA DE PARETO
43
PASO 1: DECIDIR EL PROBLEMA OBJETIVO PASO 1: DECIDIR EL PROBLEMA OBJETIVO
Ejemplo: Considere el caso de la mesa de
ayuda interna para redes
computacionales:
1. Por qu la gente llama a la mesa de
ayuda?; y
2. Qu problemas estn teniendo?.
ELABORACION DE UN DIAGRAMA
PASO 2: SELECCIONE LAS CAUSAS O PASO 2: SELECCIONE LAS CAUSAS O
PROBLEMAS QUE SER PROBLEMAS QUE SER N ESTUDIADOS N ESTUDIADOS
MEDIANTE ANLISIS
Ejemplo: Cules son los problemas tpicos
sobre los que los clientes preguntan en la mesa
de ayuda?
EN BASE A DATOS EXISTENTES
Ejemplo: Con qu problemas han llegado los
clientes a la mesa de ayuda en mes pasado?
44
PASO 3: ESCOJA LA UNIDAD DE MEDIDA M PASO 3: ESCOJA LA UNIDAD DE MEDIDA M S S
SIGINIFICATIVA (COSTO, FRECUENCIA) SIGINIFICATIVA (COSTO, FRECUENCIA)
Algunas veces, usted no sabe antes del
estudio qu unidad de medida es mejor.
Ejemplo: Para los datos de la mesa de ayuda,
la medida ms importante es la frecuencia,
porque el equipo de proyecto puede usar la
informacin para simplificar la documentacin,
capacitacin o resolver problemas del sistema
ms grandes.
PASO 4: DEFINA EL PLAZO DEL ESTUDIO PASO 4: DEFINA EL PLAZO DEL ESTUDIO
Escoja un tiempo lo suficientemente largo
como para representar la situacin.
Asegrese de que el tiempo planificado sea
tpico, a fin de considerar la temporalidad
Ejemplo: Revise las llamadas a la mesa de
ayuda durante 4 semanas.
45
PASO 5: REUNA LOS DATOS NECESARIOS PASO 5: REUNA LOS DATOS NECESARIOS
SOBRE CADA CATEGOR SOBRE CADA CATEGOR A DE PROBLEMA A DE PROBLEMA
208
208 6 12 Otros
196 3 7 Recepcin Seal
189 4 8 Problemas Impresin
181 5 10 Integridad Sistemas
171 7 15 Configuracion Sistemas
156 9 19 Problemas Bases
137 10 20 Operacin Servidor
117 12 24 Conexin Lateral
93 12 25 Problema Partida
68 33 68 Mal Perfil
Frecuencia Acumulada Porcentaje Frecuencia
PASO 6: PONGA LAS CATEGOR PASO 6: PONGA LAS CATEGOR AS EN LA AS EN LA
ABCISA Y FRECUENCIA EN LA ORDENADA ABCISA Y FRECUENCIA EN LA ORDENADA
Coloque las categoras en orden
descendente de izquierda a derecha en la
abcisa, con barras sobre cada categora,
para indicar su frecuencia o costo.
Dibuje la lnea de por ciento acumulada,
mostrando la porcin del total que cada
categora de problema representa.
Interprete los resultados.
46
0
50
100
150
200
M
a
l

p
e
r
f
i
l
P
r
o
b
l
e
m
a

p
a
r
t
i
d
a
C
o
n
e
x
i
n

l
a
t
e
r
a
l
O
p
e
r
a
c
i
n

s
e
r
v
i
d
o
r
P
r
o
b
l
e
m
a

b
a
s
e
s
C
o
n
f
i
g
u
r
a
c
i
n

s
i
s
t
I
n
t
e
g
r
i
d
a
d

s
i
s
t
e
m
a
P
r
o
b
l
e
m
a

i
m
p
r
e
s
i
n
R
e
c
e
p
c
i
n

s
e
a
l
O
t
r
a
s
0
20
40
60
80
100
Frecuencia Absoluta Acumulado (%)
EJERCICIO: DIAGRAMA
DE PARETO
47
DIAGRAMA DE
CAUSA - EFECTO
DEFINICI DEFINICI N NORMALIZADA: N NORMALIZADA: Un diagrama
de causa efecto es un diagrama que
muestra la relacin entre una caracterstica
de calidad (efecto) y sus factores (causas).
Un diagrama de causa efecto se denomina
tambin diagrama de Ishikawa, o de espina
de pescado (Fishbone Diagram).
DIAGRAMAS DE CAUSA - EFECTO
48
Este diagrama facilita en forma notable
el entendimiento y comprensin del
proceso.
Obliga a trabajar en equipo, ya que es
necesaria la participacin de todo el
personal involucrado en el proceso,
para su construccin y uso.

Mtodos
Bajo kilometraje
Material
Motor
Mano de obra
Ajuste del
carburador
Combustible muy
enriquecido
Mecnico sin
especificacin
Llantas bajas
Mal diseo
Sistema de
ventilacin dbil
Presin en llantas
no registrada
Combustible
equivocado
No hay manual
No se sabe cul
debe ser
Mala lubricacin
No se sabe cul
debe ser
No hay
manual
Aceite
equivocado
No hay cambio de aceite
$
Malos hbitos
de manejo
Distraccin
Entrenamiento
deficiente
Mantenimiento
deficiente
Falta
de atencin
$
Cambio de
velocidad
Mala audicin
Volumen alto
del radio
No se escucha
el motor
Manejo
rpido
Siempre tarde
Impaciente
49
DIAGRAMA DE AFINIDAD
DIAGRAMA DE AFINIDAD
TCNICA USADA PARA IDENTIFICAR EL
PROBLEMA EN UNA SITUACIN CATICA Y
GENERAR ESTRATEGIAS DE SOLUCIN.
Objetivo
Llegar a una representacin comn y
estructurada de un problema, a partir de
diferentes realidades comunes, como: ideas,
opiniones, inquietudes.
Diagrama de Afinidad
50
Procedimiento
1. Definir el objeto del diagrama de Causa Efecto
2. Realizar una lluvia de ideas
3. Seleccionar las ideas afines formando grupos.
Limitar el nmero de grupos a 12.
Crear un ttulo para cada grupo.
4. Vincular los grupos a los factores causales 6Ms (Mano de
obra, Mquinas, Mtodos, Materiales, Medicin, Medio Ambiente)
5. Construir el Diagrama de Causa Efecto
Ejemplo: Bajo kilometraje vehculo Lluvia de Ideas
1. Manejo rpido
2. Impaciente
3. Siempre tarde
4. Filtracin de combustible
5. Cambio equivocado
6. No se escucha motor
7. No se escucha el motor
8. Volumen radio alto
9. Mala audicin
10. Ajuste inyeccin
11. Inyectores sucios
12. Combustible enriquecido
13. Mecnico sin especificacin
14. Mantencin deficiente
15. Uso de repuestos alternativos
16. No alineado ni balanceado
17. Mal estado filtro bencina
18. Combustible equivocado
20. No hay manual
21. No sabe cul debe ser
22. Problema toma de aire combustin
23. Llantas bajas
24. Falta control de presin
25. Neumticos en mal estado
26. Distraccin
27. Entrenamiento deficiente
28. Mala lubricacin
29. Aceite equivocado
30. Camino sinuoso
31. Conduccin en altura
32. Exceso de carga
33. Efecto aerodinmico
34. Servicio deficiente
35. $
36. Falta atencin
51
Manejo
rpido
Mala
conduccin
Llantas
bajas
Ajuste de
inyeccin
Mantencin
deficiente
Impaciente, siempre tarde
5
Cambio equivocado, mal usos de frenos, conductor no competente,
no se escucha motor, volumen de radio alto
4
Falta de control presin llantas, no sabe cual debe ser, no hay
manual, neumticos en mal estado
3
Combustible enriquecido, inyectores sucios, mecnico si
especificacin, problema toma de aire de combustin
2
Filtracin de combustible, uso de repuestos alternativos, desalineado
y desbalanceado, filtro de bencina mal estado
1
IDEAS PROPUESTAS GRUPOS
Datos organizados en grupos
Condiciones
extremas
Mala
lubricacin
Combustible
equivocado
Cambio
equivocado
Servicio
deficiente $, falta de atencin 6
Sobrecarga, camino sinuoso, efecto aerodinmico, conduccin en
altura
10
Aceite equivocado, No hay manual, no sabe cual debe ser, no hay
cambio de caite, $
9
No ha manual, no sabe cual debe ser 8
No se escucha el motor, mala audicin, volumen alto de la radio 7
IDEAS PROPUESTAS GRUPOS
Datos organizados en grupos
52
Ejemplo 1- Diagrama de Causa - Efecto

Mtodos
Bajo kilometraje
Material
Motor
Mano de obra
Ajuste del
carburador
Combustible muy
enriquecido
Mecnico sin
especificacin
Llantas bajas
Mal diseo
Sistema de
ventilacin dbil
Presin en llantas
no registrada
Combustible
equivocado
No hay manual
No se sabe cul
debe ser
Mala lubricacin
No se sabe cul
debe ser
No hay
manual
Aceite
equivocado
No hay cambio de aceite
$
Malos hbitos
de manejo
Distraccin
Entrenamiento
deficiente
Mantenimiento
deficiente
Falta
de atencin
$
Cambio de
velocidad
Mala audicin
Volumen alto
del radio
No se escucha
el motor
Manejo
rpido
Siempre tarde
Impaciente
EJERCICIO: DIAGRAMA
DE CAUSA EFECTO
53
DIAGRAMA DE PARETO
Y DIAGRAMA
DE CAUSA - EFECTO
Habitualmente, para la solucin de
problemas, se usan varios mtodos
conjuntamente.
La combinacin de un diagrama de
Pareto con un diagrama Causa - Efecto
es especialmente til.
54

Efecto total
Efecto
Mayo 1 - Junio 30
0
50
100
150
A B C D E Otros
N
m
e
r
o

d
e

t
e
m
s

n
o

c
o
n
f
o
r
m
e
s
0
10
20
30
40
50
60
70
80
90
100
Sept 1 - Oct 31
0
50
100
C B A D E Otros
0
20
40
60
80
100
DIAGRAMA DE PARETO - ANTES
Y DESPES DE LAS MEJORAS
ESTRATIFICACIN
55
Mquina A
Mquina B
B
B
B
?
?
?
El mismo producto es
fabricado en varias mquinas
Los productos
son mezclados
Muestreo
Grfico de
Control
No se sabe qu mquina produjo el defectuoso
Mquina A
Mquina B
B
B
B
Productos fabricados separadamente por cada mquina
Muestreo de
cada grupo
A A A
B
Se puede observar fcilmente que la mquina B est fuera de control
A
A
A
A
A
A
A
LSC
LC
LIC
Grfico de
Control
LSC
LC
LIC
LSC
LC
LIC
B B
Mquina A
Mquina B
B
B
B
?
?
?
El mismo producto es
fabricado en varias mquinas
Los productos
son mezclados
Muestreo
Grfico de
Control
No se sabe qu mquina produjo el defectuoso
Mquina A
Mquina B
B
B
B
Productos fabricados separadamente por cada mquina
Muestreo de
cada grupo
A A A
BB
Se puede observar fcilmente que la mquina B est fuera de control
A
A
A
A
A
A
A
LSC
LC
LIC
Grfico de
Control
LSC
LC
LIC
LSC
LC
LIC
BB BB
ESTRATIFICACIN
Herramienta usada para el anlisis
de datos, separndolos en varios
grupos de caractersticas similares,
con el objeto de entender una
situacin problemtica y encontrar
las principales causas.
ESTRATIFICACIN
56
FACTORES DISCRETOS: FACTORES DISCRETOS: Diagrama de
Pareto, histograma, Grficos de control,
hojas de registros.
FACTORES CONTINUOS: FACTORES CONTINUOS: Diagrama de
dispersin.
ESTRATIFICACIN
FACTORES OBJETO DE ESTUDIO: FACTORES OBJETO DE ESTUDIO:
Mano de obra: grupo, edad, sexo
Mquina: tipo, marca
Material: Proveedor, lote
Mtodo: Velocidad
Medio: Temperatura, presin
Tiempo: Turno, da.
ESTRATIFICACIN
57
HISTOGRAMA
Histograma es la presentacin de datos
en forma ordenada, mediante un grfico
constituido por rectngulos de igual
ancho y altura proporcional a las
cantidades que representan.
HISTOGRAMA HISTOGRAMA
58
Ejemplo:Los datos de la tabla siguiente corresponden a los
pesos de un conjunto de 80 personas, en kg. Con estos
datos se pide construir una tabla de frecuencias y el
histograma.
33 66 45 65 51 78 128 26
65 27 50 95 103 63 22 37
52 94 30 58 92 61 90 50
43 40 66 58 80 72 88 23
33 57 101 50 83 33 23 76
12 40 55 70 69 68 44 84
31 65 58 67 71 93 73 27
43 91 49 95 34 82 19 36
54 21 46 76 35 46 82 38
48 85 34 66 107 54 97 30

Histograma a partir de tablas de
frecuencia
FRECUENCIA ( FRECUENCIA (f f ): ): Nmero de veces en
que se repite un determinado valor.
FRECUENCIA ABSOLUTA ( FRECUENCIA ABSOLUTA (f f
a a
): ): Es la
cantidad de valores correspondientes
a una clase o intervalo.
Histograma a partir de tablas de frecuencia
59
FRECUENCIA RELATIVA ( FRECUENCIA RELATIVA (f f
r r
): ): Es la
frecuencia absoluta de una clase, dividido
por el nmero de valores de la variable
(muestra n).
f f
r r
= f = f
a a
/ n / n
Histograma a partir de tablas de Histograma a partir de tablas de
frecuencia frecuencia
O Ordenar los valores obtenidos
O Calcular el rango
R = X
MXIMO
- X
MNIMO
O Calcular el nmero de clase (N
c)
. Es el
nmero en que conviene dividir los valores
de la muestra:
En general, N
c
=
En la prctica, 10 N
c
25
Tablas de frecuencia: Construcci Tablas de frecuencia: Construcci n n
n
60
O Determinar el intervalo de clase (R
c
):
R
c
= R/N
c
O Determinar los lmites inferiores y superiores de
las clases.
LMITE SUPERIOR = LMITE INFERIOR + R
c
Tablas de frecuencia: Construcci Tablas de frecuencia: Construcci n n
O NOTA: : Para evitar que un valor este
ubicado en dos clases diferentes (ejemplo
48), se hace la diferencia entre el lmite
superior de una clase y el lmite inferior de
la siguiente , de acuerdo a la menor unidad
de la variable en estudio. Este valor pasa a
constituirse en el lmite superior de la
clase.
O Construir la tabla de frecuencias como se
indica a continuacin:
Tablas de frecuencia: Construccin
61
No
CLASE
LIMITES DE
CLASE
MEDIATRIZ
DE CLASE
REPRESENTACION
GRAFICA
fa fr f acum.
1 12 a 23 18 XXXXX X 6 0.075 6
2 24 a 35 30 XXXXX XXXXX XX 12 0,150 18
3 36 a 47 42 XXXXX XXXXX X 11 0,137 29
4 48 a 59 54 XXXXX XXXXX XXXX 14 0,175 43
5 60 a 71 66 XXXXX XXXXX XXX 13 0,162 56
6 72 a 83 78 XXXXX XXXX 9 0,112 65
7 84 a 95 90 XXXXX XXXXX 10 0,125 75
8 96 a 107 102 XXXX 4 0,005 79
9 108 a 119 114 0 0,000 79
10 120 a 132 126 X 1 0,012 80
n 80 1,000 80

Tablas de frecuencia: Construccin
HISTOGRAMA HISTOGRAMA
0
2
4
6
8
10
12
14
16
18 30 42 54 66 78 90 102 114 126
Peso en Kg.
F
r
e
c
u
e
n
c
i
a

A
b
s
o
l
u
t
a
62
Anlisis de resultados Histograma
La interpretacin de este grfico nos permite concluir
que la muestra est integrada por nios y adultos,
probablemente de ambos sexos. Existe un dato aislado
correspondiente a una persona obesa, 128 kg. Adems,
la clase que ms se repite corresponde a la de los pesos
entre 48 y 59 kg, con una frecuencia absoluta de 14 y
una frecuencia relativa de un 17,5%, que representa la
probabilidad que un individuo cualquiera de esa
muestra pertenezca a esta clase. Una vez calculados los
medidores de precisin y exactitud se puede completar
la interpretacin de estos datos.
Cules son las mediciones ms comunes?
Hay simetra o asimetra?
Cmo es la dispersin?
Est el proceso centrado?
Cuntas modas y acantilados hay?
Hay datos aislados?
Interpretacin de Histograma
63
Interpretaci Interpretaci n de n de Histograma
El histograma de esta forma se presenta frecuentemente,
en los datos de productos manufacturados, y representa
un proceso estable. Esta es la forma ms comnmente
observada.
Histograma - Figura simtrica
Esta forma se encuentra, por ejemplo, cuando los valores
raramente se ubican alrededor de un valor particular, por
ejemplo, la resistencia de un componente, el dimetro de
un orificio realizado por una perforadora, datos elaborados
con media cercana a cero, etc.
Histograma - Cola hacia la derecha
64
Esta forma se presenta cuando los valores en ocasiones
caen en ms que un valor particular, tal como el ndice de
alta pureza de un determinado componente,
caractersticas de corrosin, problemas con el equipo de
medicin, etc.
Histograma - Cola hacia la izquierda
Este tipo de histogramas puede aparecer cuando dos tipos
de distribuciones estn mezcladas, como: diferentes
mquinas, diferentes proveedores de materias primas,
varios operarios o se han utilizado varios instrumentos de
medicin sin repetibilidad y reproducibidad controlada.
Histograma - Bimodal
65
El histograma de esta forma, es el resultado de un proceso
anormal, como en el evento que se incluyan mediciones de
un prototipo de producto en las mediciones tomadas al
tiempo de la produccin en masa, o cuando una pocas
medidas de diferentes mquinas o diferentes materiales
han sido incluidas en el mismo esquema, y el evento en
que existan errores de medicin.
Histograma - Bimodal
EJERCICIO: EJERCICIO:
ESTRATIFICACI ESTRATIFICACI N N- - HISTOGRAMA HISTOGRAMA
66
EJERCICIO ESTRATIFICACIN/1
La tabla siguiente muestra los espesores de pintura de
carroceras de automviles obtenidos a travs de un proceso
automtico de pintura, cuyos detalles son:
Mquinas de pintado automticas : A
1
; A
2
Provedores de pintura : B
1
; B
2
El lmite inferior de especificacin es de 30 m.
Se pide tomar accin a partir de estos datos.
Mquina A
1
Mquina A
2
Mes/Da
B
1
B
2
B
1
B
2

1 33,2 32,8 33,2 32,4 30,8 31,4 32,2 33,0
2 32,4 33,0 33,0 32,4 31,4 31,0 32,8 33,2
3 31,8 32,2 33,0 33,2 31,2 30,8 32,8 32,8
4 33,2 32,6 33,0 32,6 31,6 30,6 32,0 32,8
5 32,8 32,2 32,4 32,8 31,8 31,2 32,8 33,6
6 32,6 32,0 32,6 33,6 31,6 31,2 33,2 32,6
7 31,6 32,8 33,4 32,6 31,8 31,2 33,0 33,4
8 32,2 32,4 32,8 32,4 31,6 30,8 32,4 33,4
9 32,4 32,6 31,6 32,6 31,6 31,0 32,4 33,0
10 32,2 32,8 33,0 32,8 31,0 30,4 32,8 32,8
11 32,4 30,8 32,6 32,8 30,6 31,0 33,0 33,2
12 32,6 32,0 33,4 32,6 31,0 30,6 32,6 32,2
13 33,2 31,0 33,6 33,0 30,6 31,2 32,4 32,8
14 33,6 31,2 32,8 34,0 30,0 29,6 32,8 33,0
15 32,0 31,6 32,6 33,0 30,6 30,0 32,4 32,0
16 32,4 31,6 32,0 32,6 30,8 30,2 33,8 32,4
17 32,6 30,6 32,0 32,8 30,4 30,0 33,0 32,6
18 31,4 33,4 33,0 32,2 30,6 30,2 33,0 33,8
19 32,0 30,4 33,2 32,0 30,0 30,6 32,6 33,0
20 32,4 33,0 33,8 32,8 30,6 30,2 33,2 32,8

67
Solucin:
Histograma de todos los datos: n= 160; x =32,18; s= 0,99; Cp= 0,73
Histogram for Todos
Todos
f
r
e
q
u
e
n
c
y
29 30 31 32 33 34 35
0
10
20
30
40
50

Estrato Promedio Desv Std Cp
Todos 32,179 0,999 0,727
A1 32,528 0,697 1,209
A2 31,830 1,130 0,540
B1 31,535 0,976 0,524
B2 32,823 0,466 2,021
A1B1 32,250 0,756 0,992
A1B2 32,805 0,503 1,858
A2B1 30,820 0,554 0,493
A2B2 32,840 0,430 2,201
Histograma A1: n= 80; x =32,53; s= 0,697; Cp= 1,22
Histogramfor MaquinaA1
MaquinaA1
f
r
e
q
u
e
n
c
y
30 31 32 33 34 35
0
10
20
30
40

Histograma A2: n= 80; x =31,83; s= 1,13; Cp=0,54

Histogramfor MaquinaA2
MaquinaA2
f
r
e
q
u
e
n
c
y
29 30 31 32 33 34 35
0
4
8
12
16
20
24

Histograma B1: n= 80; x =31,54; s= 0,976; Cp=0,52
68

Histograma para Proveedor B1
Espesor micrmetros
F
r
e
c
u
e
n
c
i
a
29 30 31 32 33 34
0
2
4
6
8
10
12


Histogramfor B2
B2
f
r
e
q
u
e
n
c
y
31 32 33 34 35
0
10
20
30
40

Histograma A1B1: n= 40; x =32,25; s= 0,756; Cp=0,99

Histogramfor A1B1
A1B1
f
r
e
q
u
e
n
c
y
29 30 31 32 33 34
0
2
4
6
8
10
12


Histogramfor A1B2
A1B2
f
r
e
q
u
e
n
c
y
30 31 32 33 34 35
0
3
6
9
12
15

69
Histogramfor A2B1
A2B1
f
r
e
q
u
e
n
c
y
29 29,5 30 30,5 31 31,5 32
0
2
4
6
8
10
12


Histogramfor A2B2
A2B2
f
r
e
q
u
e
n
c
y
31 31,5 32 32,5 33 33,5 34
0
3
6
9
12
15

Conclusiones:
Del anlisis de los datos se concluye que el proceso de
pintado de automviles no cumple totalmente con las
especificaciones de los 30 m, debido a causas asignables
de variacin gatilladas por la mquina A
2
y el proveedor
de pintura B
1
. En consecuencia, se sugiere construir
diagramas de CE (para ambos), a fin de formular las causas
potenciales que permitan establecer la(s) causa(s) races
del problema.
70
DIAGRAMA
DE DISPERSIN
SON DIAGRAMAS QUE PERMITEN ESTUDIAR SON DIAGRAMAS QUE PERMITEN ESTUDIAR
LA RELACI LA RELACI N ENTRE DOS VARIABLES. N ENTRE DOS VARIABLES.
EJEMPLO:
Estudiar cmo la composicin qumica afecta
la resistencia mecnica de un componente
metlico, utilizado en la fabricacin de un
producto.
DIAGRAMA DE DISPERSI DIAGRAMA DE DISPERSI N N
71
Una caracterstica de calidad y un
factor que la afecta.
Dos caractersticas de calidad.
Dos factores relacionados con una
sola caracterstica de calidad.
Las dos variables que se pueden estudiar se
presentan de la siguiente forma:
DIAGRAMA DE DISPERSIN
Para comprender la relacin existente entre
estas variables es necesario, en primer lugar,
elaborar un diagrama de dispersin y
comprender la relacin global.
DIAGRAMA DE DISPERSI DIAGRAMA DE DISPERSI N N
72
PRIMER PASO: PRIMER PASO:
Definir con claridad los objetivos del estudio.
Esto debe incluir una definicin de la variable
dependiente o respuesta y de las variables
independientes (predictores) que puedan estar
relacionadas con la variable dependiente.
Construcci Construcci n de un n de un
Diagrama de Dispersi Diagrama de Dispersi n n
SEGUNDO PASO: SEGUNDO PASO:
Recopilar a lo menos 30 pares de
datos (x,y) cuyas relaciones se
quieran estudiar y organizar esta
informacin en una tabla.
Construccin de un
Diagrama de Dispersin
73
TERCER PASO: TERCER PASO:
Encontrar los valores mximo y mnimo para
x,y.
Decidir las escalas que se van a usar en los
ejes horizontal y vertical, cuyas longitudes
deben ser aproximadamente iguales para
facilitar su lectura.
Construccin de un
CUARTO PASO: CUARTO PASO:
Registrar los datos en el grfico. Cuando se
obtengan los mismos valores en diferentes
observaciones, mostrar estos puntos con
crculos concntricos, o registrar el segundo
punto muy cerca del primero.
Construccin de un
74
QUINTO PASO: QUINTO PASO:
Registrar los aspectos que puedan ser de
utilidad.
Ttulo del diagrama.
Perodo de tiempo.
Nmero de pares de datos.
Ttulo y unidades de cada eje.
Nombre de la persona que hizo el
diagrama.
Construccin de un
SEXTO PASO: SEXTO PASO:
Interpretar el diagrama de dispersin.
Calcular el Coeficiente de Correlacin.
Construccin de un
75
Patrones de un Diagrama de Dispersi Patrones de un Diagrama de Dispersi n/1 n/1
n = 30 r = 0,9
0
2
4
6
8
0 2 4 6 8
x
y
n = 30 r = 0,6
0
2
4
6
8
0 2 4 6 8
x
y
Correlacin positiva
Posible correlacin positiva
n = 30 r = 0
0
2
4
6
8
0 2 4 6 8
x
y
n = 30 r = -0,9
0
2
4
6
8
0 2 4 6 8
x
y
Correlacin negativa No hay Correlacin
Patrones de un Diagrama de Dispersi Patrones de un Diagrama de Dispersi n/2 n/2
n = 30 r = -0,6
0
2
4
6
8
0 2 4 6 8
x
y
n = 30
0
2
4
6
8
0 2 4 6 8
x
y
Puede haber correlacin negativa
Puede haber correlacin
76
EJERCICIO: DIAGRAMA DE
DISPERSIN
Los datos de la tabla siguiente indican la temperatura media, en
grados Celcius, a la que se ha realizado una reaccin qumica y el
rendimiento que se ha obtenido de la misma.
Se pide construir un diagrama de dispersin y bivariado e
interpretarlo.
Observacin 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Temp. (C) 162 154 148 116 152 136 158 126 140 160 160 160 144 120 126 134 164
Rendimiento 94,6 93 93,9 92,7 92,8 92,5 93,5 91,5 93,8 93,6 92,6 94,1 92,9 91 92 92,4 93,4
Observacin 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
Temp. (C) 162 132 130 170 148 144 112 126 160 110 138 140 150 134 162 180 142
Rendimiento
93,6 92,3 91,1 93 91,4 93 91,6 92 94 91,3 92,5 92 92,2 92 93,5 95,2 92,1
Observacin 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Temp. (C) 152 170 150 160 104 130 160 138 152 130 110 120 110 152 172 126
Rendimiento 92,4 92,9 91,5 93 91 92,5 93,1 93 93,4 93,4 92 92,5 92,3 92,8 92 92,6

EJEMPLO DIAGRAMA DISPERSION Y BIVARIANTE
77
90,5
91
91,5
92
92,5
93
93,5
94
94,5
95
95,5
100 120 140 160 180 200
C
R
e
n
d
i
m
i
e
n
t
o
X-Variable: Temperatura C
Y-Variable: Rendimiento
Modelo: Y = A + B*X
n A B R R-Square
50 88,15123999 0,031661715 0,647194508 0,418860731
90
91
92
93
94
95
96
100 110 120 130 140 150 160 170 180 190
Temperatura C
R
e
n
d
i
m
i
e
n
t
o
Data Y = 88,1512 + 0,03166*X
95% Confidence (Data) 95% Confidence (Line)
78
Entonces la ecuacin de prediccin es:
Despus de estimar los coeficientes de la ecuacin de prediccin,
debe graficarse sta sobre los datos para verificar si hay errores
grandes de clculo. En trminos generales, la mitad de los datos
deben aparecer arriba de la lnea y la mitad abajo. Adems la
ecuacin debe pasar justo por los puntos.
Existen muchos criterios para evaluar qu tan adecuada es la
ecuacin de prediccin. Una de ellas es el coeficiente de
determinacin, R
2
, que representa la razn de la variacin explicada
por la ecuacin de prediccin.
X * 032 , 0 15 , 88 Y
+ =
DIAGRAMA BIVARIANTE
Los diagramas bivariantes son una alternativa
al anlisis de regresin simple, y permiten
comprobar grficamente si existe relacin
entre una caracterstica de calidad y un
factor que la pueda afectar.
Para su construccin se utiliza el diagrama
de dispersin y se siguen los pasos detallados
a continuacin.
79
DIAGRAMA BIVARIANTE
Determinar las medianas de la abcisa (eje x) y
ordenada (eje y).
Trazar ambas medianas en el diagrama de dispersin.
De esta manera el grfico queda dividido en cuatro
cuadrantes, I, II, III y IV, como se muestra en la
diapositiva del Diagrama Bivariante
DIAGRAMA BIVARIANTE
Contar los puntos que quedan en cada cuadrante
excluyendo los que estn situados sobre las
medianas.
Determinar la suma de los puntos en los dos
cuadrantes opuestos ( I y II o III y IV) que presentan la
suma menor. Este nmero se denomina valor de
prueba.
80
DIAGRAMA BIVARIANTE
Comparar el valor de prueba en la Tabla de la
pgina siguiente. Si el valor de prueba
obtenido es igual o inferior a la cantidad lmite
de la Tabla, se puede afirmar que existe
correlacin con un nivel de confianza del 95%
(error del 5%).
La Tabla se basa en la distribucin de
probabilidad binomial.
TABLA TEST DE HIPOTESIS PARA DIAGRAMA BIVARIANTE
Numero de
Puntos
Lmite del valor
de prueba
Numero de
Puntos
Lmite del valor
de prueba
20-22 5 56-57 20
23-24 6 58-60 21
25-27 7 61-62 22
28-29 8 63-64 23
30-33 9 65-66 24
34-35 10 67-69 25
36 11 70-71 26
37-39 12 72-73 27
40-41 13 74-76 28
42-43 14 77-78 29
44-46 15 79-80 30
47-48 16 81-82 31
49-50 17 83-85 32
51-53 18 86-87 33
54-55 19 88-89 34

81
DIAGRAMA BIVARIANTE
Diagrama Bivariante
90,5
91
91,5
92
92,5
93
93,5
94
94,5
95
95,5
100 120 140 160 180 200
Temperatura (C)
R
e
n
d
i
m
i
e
n
t
o
lI
l
lV lII
DIAGRAMA BIVARIANTE
En el diagrama temperatura-rendimiento los
puntos se obtiene en cada cuadrante son:
5 IV
18 III
5 II
17+1 (*) I
Puntos Cuadrante
NOTA (*): Hay dos observaciones en un mismo punto
82
DIAGRAMA BIVARIANTE
Por tanto, en este caso el valor de prueba es
10 (II + IV). El nmero de puntos a considerar
es de 46, ya que del total se restan los que
caen sobre las medianas. Valor lmite que da
la tabla para n= 46 es de 15, y como n= 10<
15, podemos afirmar con un nivel de
confianza del 95% que existe correlacin
entre la temperatura y el rendimiento.
Llamadas
entrantes*
(10)
Llamadas
perdidas
Llamadas
entrantes*
(10)
Llamadas
perdidas
Llamadas
entrantes*
(10)
Llamadas
perdidas
172 49 48 18 148 42
170 19 21 4 134 37
161 29 178 4 115 20
40 8 43 19 63 19
24 5 166 49 8 1
199 59 143 34 14 2
154 17 150 42 154 26
39 8 55 28 145 42
140 24 24 7 137 32
155 35 182 49 133 24
En la tabla siguiente se muestran las llamadas entrantes y
perdidas en un Call Center, durante el mes de diciembre
de 2004. se pide construir el diagrama bivariante y
determinar si existe correlacin.
Trabajo Grupal: Diagrama Bivariante
83
Digrama Bivariante
0
10
20
30
40
50
60
70
0 50 100 150 200
Llamadas entrantes* (10)
L
l
a
m
a
d
a
s

p
e
r
d
i
d
a
s
IV III
I II
24
138,5
En el diagrama bivariante llamadas de
entradas y llamadas perdidas los puntos se
obtiene en cada cuadrante son:
3 IV
11 III
3 II
11 I
Puntos Cuadrante
84
Por tanto, en este caso el valor de prueba es
6 (II + IV). El nmero de puntos a considerar
es de 28, ya que del total se restan los que
caen sobre las medianas. Valor lmite que da
la tabla para n= 28 es de 8, y como el valor
de prueba 6 < 8, podemos afirmar con un
nivel de confianza del 95% que existe
correlacin entre las llamadas de entrada y
las llamadas perdidas.
GRFICOS DE CONTROL
85
Los grficos de control son una herramienta
prctica derivada de la estadstica, que nos
permite determinar si un proceso est baj o
control estadstico.
Son un mtodo para comparar informacin
de muestras (subgrupos) que muestran el
estado de un proceso contra lmites
establecidos.
GRFICOS DE CONTROL
Un gr Un gr fico de control consiste en: fico de control consiste en:
Una Lnea Central (LC);
Un par de Lmites de Control (LSC y LIC)
colocados sobre y bajo la lnea central; y
En unos valores caractersticos
registrados en un determinado grfico,
que representan el estado de control del
proceso.
GRFICOS DE CONTROL
86
Si todos los valores de los subgrupos estn
dentro de los lmites de control, sin
ninguna tendencia especial, se dice que: el
proceso est en estado de control
estadstico.
GR GR FICOS DE CONTROL BAJO CONTROL FICOS DE CONTROL BAJO CONTROL
Grficos de Control: Bajo Control Estadstico.
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
Muestras o subgrupos racionales
LSC
LIC
LC
Lmite Superior de Control
Lmite Inferior de Control
87
Si existen puntos fuera de los
lmites de control, o el grfico
muestra tendencias, se dice que:
el proceso est fuera de
control estadstico.
GR GR FICOS DE CONTROL FUERA DE CONTROL FICOS DE CONTROL FUERA DE CONTROL
Grficos de Control: Fuera de Control
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
Muestras o subgrupos racionales
LSC
LC
LIC
88
1. 1. GR GR FICOS DE CONTROL POR VARIABLES FICOS DE CONTROL POR VARIABLES
1.1 Sin valores especificados.
1.2 Con valores especificados.
2. GR 2. GR FICOS DE CONTROL POR ATRIBUTOS FICOS DE CONTROL POR ATRIBUTOS
2.1 Sin valores especificados.
2.2 Con valores especificados.
TIPOS DE GR TIPOS DE GR FICOS DE CONTROL FICOS DE CONTROL
1. POR VARIABLES 1. POR VARIABLES
1.1 QUE CONTROLAN LA EXACTITUD: 1.1 QUE CONTROLAN LA EXACTITUD:
- GRFICO X BARRA
- GRFICO DE MEDIANA Me
1.2 QUE CONTROLAN LA PRECISI 1.2 QUE CONTROLAN LA PRECISI N: N:
- GRFICO DE RANGO R
- GRFICO DE DESV. NORMALES s
GR GR FICOS DE CONTROL POR VARIABLES FICOS DE CONTROL POR VARIABLES
89
2. 2. POR ATRIBUTOS POR ATRIBUTOS
Grfico p : fraccin de unidades no conformes
(defectuosas).
Grfico np : nmero de unidades no conformes.
Grfico c: nmero de no conformidades
(defectos) en un subgrupo.
Grfico u: nmero de no conformidades
(defectos) por unidad, en sub grupo.
GRFICOS DE CONTROL POR ATRIBUTOS
CLCULO DE LMITES DE
CONTROL DE GRFICOS DE
CONTROL
90
Poblacin
,
Distribucin de la
Media de Muestra X
2
X
1
X
i
X
3
X
i1
, X
i2
, X
i3
, , X
ij
Muestra i
X
11
, X
12
, X
13
, , X
1j
Primera muestra
X
21
, X
22
, X
23
, , X
2j
Segunda muestra
X
31
, X
32
, X
33
, , X
3j
Tercera muestra
i: Nmero de muestras
j: Tamao de la muestra
i: Nmero de muestras
j: Tamao de la muestra
Teorema de Lmite Central - Relaciones entre la

Poblacin y las Muestras - 1
Para casi todas las poblaciones, la Distribucin de la Media de la Muestra es siempre una
distribucin normal, sin considerar qu tipo de distribucin tiene la poblacin.
Teorema de Lmite Central - Relaciones entre la
Poblacin y las Muestras - 2
1
2
4
Poblacin
Distribucin de la Muestra
con el Tamao de la Muestra
n = 2
n = 5
n = 30
91
Distribucin de la Media de la Muestra
Distribucin de la
Poblacin
- La desviacin estndar de la distribucin de la media de la muestra
est afectada por el tamao de la muestra.
- La media de la distribucin de la media de muestra es la misma que
la media de la distribucin de la poblacin.
x
= x
x
n
x
n
s =
n = Tamao de la
muestra
x
Teorema del Lmite Central - Distribucin de la media
de la muestra
Criterio general para definir los
lmites de control estadsticos de
grficos de control.
C C lculo de l lculo de l mites de Gr mites de Gr ficos de Control ficos de Control
E 3 E
92
GRFICOS DE CONTROL
POR VARIABLES
Frmulas de lmites de control para grficos de control por variable
Gr Gr ficos de control por variables ficos de control por variables
Sin valores Especificados Con valores Especificados
Estadstico
Lnea
central
LSC y LIC Lnea central LSC y LIC
X
X s A X o R A X 3 2
X
0

0 0
A X
R
R R D , R D 4 3
R
0
d
2
0
D
1
0
, D
2
0
S
s B
3
s , B
4
s
S
0
c
4
0
B
5
0
, B
6
0

93
Factores para C Factores para C lculo de L lculo de L mites de mites de
Observaciones
ensubgrupo
Factores paralmites decontrol Factores paralneacentral
n A A
2
A
3
B
3
B
4
B
5
B
6
D
1
D
2
D
3
D
4
c
4
1/c
4
d
2
1/d
2
2 2,121 1,880 2,659 0,000 3,267 0,000 2,606 0,000 3,686 0,000 3,267 0,7979 12,533 1,128 0,8865
3 1,732 1,023 1,954 0,000 2,568 0,000 2,276 0,000 4,358 0,000 2,574 0,8862 11,284 1,693 15.907
4 1,500 0,729 1,628 0,000 2,260 0,000 2,088 0,000 4,698 0,000 2,282 0,9213 10,854 2,059 0,4857
5 1,342 0,577 1,427 0,000 2,089 0,000 1,964 0,000 4,918 0,000 2,114 0,9400 10,638 2,326 0,4299
6 1,225 0,483 1,287 0,030 1,970 0,029 1,874 0,000 5,078 0,000 2,004 0,9515 10,510 2,534 0,3946
7 1,134 0,419 1,182 0,118 1,882 0,113 1,806 0,204 5,204 0,076 1,924 0,9594 10,423 2,704 0,3698
8 1,061 0,373 1,099 0,185 1,815 0,179 1,751 0,388 5,306 0,136 1,864 0,9650 10,363 2,847 0,3512
9 1,000 0,337 1,032 0,239 1,761 0,232 1,707 0,547 5,393 0,184 1,816 0,9693 10,317 2,970 0,3367
10 0,949 0,308 0,975 0,284 1,716 0,276 1,669 0,687 5,469 0,223 1,777 0,9727 10,281 3,078 0,3249
11 0,905 0,285 0,927 0,321 1,679 0,313 1,637 0,811 5,535 0,256 1,744 0,9754 10,252 3,173 0,3152
12 0,866 0,266 0,886 0,354 1,646 0,346 1,610 0,922 5,594 0,283 1,717 0,9776 10,229 3,258 0,3069
13 0,832 0,249 0,850 0,382 1,618 0,374 1,585 1.025 5,647 0,307 1,693 0,9794 10,210 3,336 0,2998
14 0,802 0,235 0,817 0,406 1,594 0,399 1,563 1.118 5,696 0,328 1,672 0,9810 10,194 3,407 0,2935
15 0,775 0,223 0,789 0,428 1,572 0,421 1,544 1.203 5,741 0,347 1,653 0,9823 10,180 3,472 0,2880
16 0,750 0,212 0,763 0,448 1,552 0,440 1,526 1,282 5,782 0,363 1,637 0,9835 10,168 3,532 0,2831
17 0,728 0,203 0,739 0,466 0,534 0,458 1,511 1,356 5,820 0,378 1,622 0,9845 10,157 3,588 0,2787
18 0,707 0,194 0,718 0,482 1,518 0,475 1,496 1,424 5,856 0,391 1,608 0,9854 10,148 3,640 0,2747
19 0,688 0,187 0,698 0,497 1,503 0,490 1,483 1,487 5,891 0,403 1,597 0,9862 10,140 3,689 0,2711
20 0,671 0,180 0,680 0,510 1,490 0,504 1,470 1,549 5,921 0,415 1,585 0,9869 10,133 3,735 0,2677
21 0,655 0,173 0,663 0,523 1,477 0,516 1,459 1,605 5,951 0,425 1,575 0,9876 10,126 3,778 0,2647
22 0,640 0,167 0,647 0,534 1,466 0,528 1,448 1,659 5,979 0,434 1,566 0,9882 10,119 3,819 0,2618
23 0,626 0,162 0,633 0,545 1,455 0,539 1,438 1,710 6,006 0,443 1,557 0,9887 10,114 3,858 0,2592
24 0,612 0,157 0,619 0,555 1,445 0,549 1,429 1,759 6,031 0,451 1,548 0,9892 10,109 3,895 0,2567
25 0,600 0,153 0,606 0,565 1,435 0,559 1,420 1,806 6,056 0,459 1,541 0,9896 10,105 3,931 0,2544
GRFICO DE CONTROL X BARRAR
CON Y SIN VALORES
ESPECIFICADOS
94
Grfico de Control X barra- R Con Valores
Especificados
Los valores especificados deberan determinarse de
preferencia, a travs una investigacin de datos
preliminares que se supone sern caractersticos de todos
los datos futuros.
Los valores especificados deberan ser compatibles con la
variabilidad inherente del proceso para el uso efectivo de
los grficos de control.
Los grficos de control con valores especificados se usan
especialmente durante la fabricacin para controlar los
procesos y para mantener la uniformidad del producto al
nivel deseado.
Grfico de Control X barra - R Con Valores
Especificados
L L mites de control de gr mites de control de gr ficos ficos X barra R X barra R con con
valores especificados valores especificados
0
X
=
=
=
A - X LIC
X LC
A + LSC
0
0
0 0
0
2
D
=
=
=
1
0 2
0
D LIC
d LC
LSC
Grfico X barra
Grfico R
95
Grfico X barra R Sin Valores
Especificados
LMITE SUPERIOR DE CONTROL, LSC :
LNEA CENTRAL, LC :
LMITE INFERIOR DE CONTROL, LSC : R A X
2

R A X
2
+
X
2. 2. GR GR FICO FICO R SIN VALORES ESPECIFICADOS SIN VALORES ESPECIFICADOS
LMITE SUPERIOR DE CONTROL, LSC :
LNEA CENTRAL, LC :
LMITE INFERIOR DE CONTROL, LSC :
R D
4

R
R D
3

Grfico X barra R Sin Valores
Especificados
96
ETAPAS EN LA UTILIZACI ETAPAS EN LA UTILIZACI N N
DE UN GR DE UN GR FICO DE CONTROL SIN FICO DE CONTROL SIN
VALORES ESPECIFICADOS VALORES ESPECIFICADOS
X BARRA X BARRA - - R R
A. FASE PREPARATORIA A. FASE PREPARATORIA
1. Objetivos.
2. Seleccin de la caracterstica de calidad que ser
controlada.
3. Lugares donde se tomarn los subgrupos racionales.
4. Tamao de cada subgrupo, n.
5. Frecuencia de extraccin del subgrupo n.
6. Nmero de subgrupos, k, a extraer (mnimo 20
subgrupos).
7. Instrumentos y mtodos de medicin con trazabilidad.
8. Diseo del formulario para el registro y grfica de los
resultados.
ETAPAS USO GRFICO - R x
97
B. DETERMINACI B. DETERMINACI N DE LOS L N DE LOS L MITES DE MITES DE
CONTROL PRELIMINARES CONTROL PRELIMINARES
1. Calcular los lmites de control del grfico x barra y
registrarlos.
2. Dibujar los lmites de control y la lnea central de cada
grfico.
3. Representar grficamente los valores de los promedios
y rangos en sus grficos y unirlos con lneas rectas.
C. C. INTERPRETAR EL GR INTERPRETAR EL GR FICO Y EXTRAER FICO Y EXTRAER
LAS CONCLUSIONES PRELIMINARES LAS CONCLUSIONES PRELIMINARES
1. Observar si existe o no existe estado de control
estadstico en los grficos.
2. Si existe control estadstico en los dos grficos,
calcular la media y la desviacin normal del proceso.
3. Si no existe estado de control estadstico en los
grficos, investigar las causas y eliminarlas.
4. Revisar luego los dos grficos, eliminando los
puntos fuera de control hasta que se obtenga un
estado de control estadstico.
98
X
A A
B B
C C
C C
B B
A A
LSC
LIC
CRITERIO 1 : UN PUNTO FUERA DE LA ZONA A
LC
X X
X X
Criterios para detectar causas asignables Criterios para detectar causas asignables
CRITERIO 2 : NUEVE PUNTOS CONSECUTIVOS EN LA
ZONA C O FUERA DE ELLA, A UN SLO LADO DE LA
LNEA CENTRAL
X
A A
B B
C C
C C
B B
A A
LSC LSC
LIC
LC LC

X X
99
CRITERIO 3 : SEIS PUNTOS CONSECUTIVOS AUMENTANDO O
DISMINUYENDO EN FORMA ESTABLE
X
A A
B B
C C
C C
B B
A A
LSC
LIC
LC
X X
CRITERIO 4 : CATORCE PUNTOS CONSECUTIVOS CRITERIO 4 : CATORCE PUNTOS CONSECUTIVOS
ALTERNANDO ARRIBA O ABAJO DE LA L ALTERNANDO ARRIBA O ABAJO DE LA L NEA CENTRAL NEA CENTRAL
X
A A
B B
C C
C C
B B
A A
LSC
LIC
LC

X X
100
CRITERIO 5 : DOS DE TRES PUNTOS CONSECUTIVOS EN LA CRITERIO 5 : DOS DE TRES PUNTOS CONSECUTIVOS EN LA
ZONA A O FUERA DE ELLA ZONA A O FUERA DE ELLA
X
A A
B B
C C
C C
B B
A A
LSC
LIC
LC

X X
CRITERIO 6 : CUATRO DE CINCO PUNTOS CONSECUTIVOS EN CRITERIO 6 : CUATRO DE CINCO PUNTOS CONSECUTIVOS EN
LA ZONA B O FUERA DE ELLA LA ZONA B O FUERA DE ELLA
X
A A
B B
C C
C C
B B
A A
LSC
LIC
L
C
X X
X X
101
CRITERIO 7 : QUINCE PUNTOS CONSECUTIVOS EN LA ZONA C, CRITERIO 7 : QUINCE PUNTOS CONSECUTIVOS EN LA ZONA C,
SOBRE Y BAJO LA L SOBRE Y BAJO LA L NEA CENTRAL NEA CENTRAL
X
A A
B B
C C
C C
B B
A A
LSC
LIC
LC

X X
Criterios para detectar causas asignables
CRITERIO 8 : OCHO PUNTOS SEGUIDOS A MBOS LADOS DE LA CRITERIO 8 : OCHO PUNTOS SEGUIDOS A MBOS LADOS DE LA
ZONA CENTRALY NINGUNO EN C ZONA CENTRALY NINGUNO EN C
X
A A
B B
C C
C C
B B
A A
LSC
LIC
LC
X
102
Interpretacin estadstica de los patrones para
detectar causas asignables
Captar el estado del proceso de manera
precisa a travs de la interpretacin de los
grficos de control, con el objeto de tomar
oportunamente acciones apropiadas cuando
se detecten causas asignables de variacin.
Objetivo: Objetivo:
Proceso fuera de control
Criterio 1. Un punto fuera de la zona A.
Racha
Estado en el cual todos los puntos ocurren continuamente en un
lado de la lnea central.
Criterio 2. Nueve puntos seguidos en la zona C o ms all.
Tendencia
Los subgrupos racionales forman una curva ascendente o
descendente.
Criterio 3. Seis puntos seguidos en forma creciente o decreciente.
Criterio 6. Cuatro de cinco puntos seguidos en la zona B o ms
all.
103
Acercamiento a la Lnea Central
Cuando la mayora de los puntos estn dentro de 1,5 , se debe
a una incorrecta formacin los subgrupos racionales.
No significa un estado de control, sino una mezcla de
informacin de diferentes poblaciones o subgrupos, lo cual hace
que los lmites de control sean demasiados amplios.
Criterio 4. Catorce puntos sucesivos alternando arriba y bajo de
la lnea central.
Criterio 7. Quince puntos sucesivos en la zona C, sobre y bajo la
lnea central.
Acercamiento a los lmites de control
Teniendo en cuenta los puntos que se acercan a los lmites de
control de 2 , el proceso es anormal, si dos de tres puntos ocurren
por fuera de la lnea de 2 .
Criterios 5. Dos de tres puntos sucesivos en la zona A o ms all.
Periodicidad
Tambin es anormal que la curva presente repetidamente tendencia
ascendente y descendente para casi el mismo intervalo.
Criterio 8. Ocho puntos sucesivos a ambos lados de la lnea central.
104
ETAPAS EN LA UTILIZACIN
DE UN GRFICO DE CONTROL
R - x
D. D. ACCIONES EN RELACI ACCIONES EN RELACI N A LAS ESPECIFICACIONES N A LAS ESPECIFICACIONES
1. Determinar la capacidad de proceso Cp.
2. Determinar si el proceso puede cumplir o no con las
especificaciones. Calcular el Cpk.
3. Tomar las acciones necesarias sobre el proceso o
sobre las especificaciones para adecuarlos
mutuamente.
Etapas en la Utilizacin de un Grfico de
Control X barra y del Rango R
105
E. ACCIONES EN RELACIN CON EL PROCESO
1. Tomar las acciones correctivas sobre el proceso cuando los
grficos indiquen inestabilidad o el Cpk sea inferior a lo
especificado.
2. Dejar que el proceso contine sin modificaciones cuando los
grficos indiquen estabilidad y se cumplen las
especificaciones.
3. Iniciar investigaciones para detectar causas asignables o
para mejorar el comportamiento del proceso (diagrama de
Pareto y diagrama de Ishikawa).
Etapas en la Utilizacin de un Grfico de Control
X barra y del Rango R
F. REVISIONES PERIDICAS
1. A intervalos regulares de tiempo, deben
revisarse los lmites de control de los grficos x
barra y rango, para verificar si durante estos
perodos se han observado seales de
inestabilidad o se ha modificado el proceso.
Etapas en la Utilizacin de un Grfico de Control
X barra y del Rango R
106
EJERCICIO: GRFICO DE CONTROL
X BARRA R SIN VALORES
ESPECIFICADOS
GRFICOS DE CONTROL
POR ATRIBUTOS
107
Grfico p : fraccin de unidades no conformes
(defectuosas).
Grfico np : nmero de unidades no conformes.
Grfico c: nmero de no conformidades (defectos)
en un subgrupo.
Grfico u: nmero de no conformidades (defectos)
por unidad, en sub grupo.
Grficos de control por atributos
Frmulas de lmites de control para grficos de control por variable

Sin valores especificados Con valores especificados
Tipo de
grfico Lnea central Lmites de control 3 Lnea central Lmites de control 3
p
p
( ) n / p 1 p 3 p
p
0 ( ) n / p 1 p 3 p
0 0 0

np
p n
( ) p 1 p n 3 p n
np
0

( )
0 0 0
p 1 np 3 np
c
c
c 3 c
c
0

0 0
c 3 c
u
u
n / u 3 u
u
0 n / u 3 u
0 0

108
Grficos de Control por Atributos
Los grficos de control por atributos permiten
estudiar el comportamiento de unidades no
conformes o fuera de especificaciones. El
ms conocido de estos grficos es el grfico p
Disco
Fallado
1. El grfico p permite estudiar la proporcin de unidades no
conformes o defectuosas producidas.
2. Para ello se toma una muestra o subgrupo racional durante un
perodo de tiempo (por ejemplo: una hora, medio turno, un turno),
por m perodos.
3. El nmero de muestra o subgrupos es del orden de 20 a 25.
4. Para las n unidades observadas en cada perodo se registra:
Tamao de la muestra
Nmero de unidades no conformes o defectuosas
5. Se calcula para cada perodo:
p: proporcin de unidades no conformes o defectuosas
109
Fecha Tamao N unidades Fraccin unidades
Hora muestra no conformes no conformes
------ --------- --------------- ------------------
------ --------- --------------- ------------------
------ --------- --------------- ------------------
------ --------- --------------- ------------------
Por ejemplo:
p = Fraccin no conforme de cada subgrupo (n).
n = Tamao del subgrupo.
k = Nmero de no conformes (defectuosos).
n
k
p =
110
0 m
m
1 i
i
p p Lmite
, Donde
m
p
p
=
=

=
p
0
: Fraccin no conforme del proceso
m : Nmero de subgrupos racionales
p: Fraccin no conforme del subgrupo
( )
( )
n
p - 1 p
3 - p LIC
p LC
n
p - 1 p
3 + p LSC
0 0
0
0
0 0
0
=
=
=
Lmites de control de grficos p con valores
especificados
Grficos de Control p Con Valores
Especificados
111
Ejercicio Grupal de Control p
0
Se envasa jugo de naranja en cajas de cartn. Se considera que la caja
es no conforme si al llenarlo gotea. Se sabe que la fraccin no
conforme de cajas es de 4%.
Para el control del proceso se extraen muestras cada hora de tamao
50. Las ltimas 30 muestras presentan lo siguientes resultados.
N
muestra
Tamao
Muestra
Cantidad
NC
p (%) N
muestra
Tamao
Muestra
Cantidad
NC
p (%) N
muestra
Tamao
Muestra
Cantidad
NC
p (%)
1 80 2 2,5 11 80 1 1,25 21 80 2 2,5
2 80 3 3,75 12 80 1 1,25 22 80 3 3,75
3 80 1 1,25 13 80 3 3,75 23 80 4 5
4 80 1 1,25 14 80 2 2,5 24 80 3 3,75
5 80 1 1,25 15 80 1 1,25 25 80 2 2,5
6 80 1 1,25 16 80 2 2,5 26 80 2 2,5
7 80 2 2,5 17 80 2 2,5 27 80 1 1,25
8 80 1 1,25 18 80 1 1,25 28 80 3 3,75
9 80 3 3,75 19 80 2 2,5 29 80 2 2,5
10 80 2 2,5 20 80 2 2,5 30 80 1 1,25
Grfico p Con Valores Especificados
p
LC= 0,02
LSC = 0,07
LIC = 0,00
0
0,02
0,04
0,06
0,08
El grfico p est bajo control estadstico, pues cumple con
los 8 criterios de causas asignables de variacin.
Ejercicio Grupal de Control p
0
112
SI NO SE ESPECIFICA EL VALOR DE ESTE SI NO SE ESPECIFICA EL VALOR DE ESTE
SE DEBE ESTIMAR A TRAVES DEL SE DEBE ESTIMAR A TRAVES DEL
PROMEDIO DE LA FRACCION DEFECTUOSA PROMEDIO DE LA FRACCION DEFECTUOSA
OBTENIDO DE, POR LO MENOS, DE 20 SUB OBTENIDO DE, POR LO MENOS, DE 20 SUB
GRUPOS RACIONALES O MUESTRAS GRUPOS RACIONALES O MUESTRAS. .
Grficos de Control p Sin Valores
Especificados
n
) p - (1 p
3 - p LIC
p LC
n
) p 1 ( p
3 + p LSC
=
=
=
Los l Los l mites de los gr mites de los gr ficos ficos p p son: son:
Grficos de Control p Sin Valores
Especificados
113
Con el propsito de conocer el comportamiento del proceso de
reparacin de tambores para el envasado de minerales se tom la
decisin de implementar un grfico de control por atributos. En la
inspeccin de los subgrupos racionales se encontraron los
siguientes resultados. Se pide analizar el grfico p sin valores
especificados, considerando los datos que se presentan en la tabla
siguiente.
Ejercicio Grupal Grfico p Sin Valores
Especificados
Muestra
Tamao
Subgrupo
N NC np p Muestra
Tamao
Subgrupo
N NC np p
1 200 9 0,045 13 200 3 0,015
2 200 4 0,02 14 200 7 0,035
3 200 11 0,055 15 200 5 0,025
4 200 10 0,05 16 200 3 0,015
5 200 2 0,01 17 200 9 0,045
6 200 5 0,025 18 200 6 0,03
7 200 5 0,025 19 200 3 0,015
8 200 6 0,03 20 200 4 0,02
9 200 12 0,06 21 200 6 0,03
10 200 4 0,02 22 200 8 0,04
11 200 7 0,035 23 200 10 0,05
12 200 7 0,035 24 200 7 0,035
25 200 9 0,045
Especificados
Grfico p

Lnea central =
n * m
np
m
p
p
m
m i
i
m
1 i
i

= =
= =

= % 24 , 3 0324 , 0
25 * 200
9 ... 11 4 9
= =
+ + + +

LSC = ( ) n / p 1 p 3 p +

= % 7 07 , 0 200 / ) 0324 , 0 1 ( 0324 , 0 3 0324 , 0 = = +

LIC = ( ) n / p 1 p 3 p

= % 0 00 , 0 200 / ) 0324 , 0 1 ( 0324 , 0 3 0324 , 0 = =
114
Especificados
0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0 5 10 15 20 25
Subgrupos Rac ionales
F
r
a
c
c
i
n

n
o

c
o
n
f
o
r
m
e
LSC: 0,07
LC: 0,0324
LIC: 0
El grfico indica que el proceso de reparacin de tambores est bajo control
estadstico, a pesar que el porcentaje de unidades no conformes es alto. Estos
lmites de control pueden usarse ahora para los futuros grficos de control, hasta
el proceso tenga alguna causa asignable o salga de control estadstico. Es
importante hacer notar que aunque el proceso est bajo control estadstico, es
muy difcil que se puedan realizar mejoras sin cambios en el proceso. No es
suficiente decir simplemente al personal sea ms cuidadoso .
) p - (1 p n 3 - p n LIC
p n LC
) p 1 ( p n 3 + p n LSC
=
=
=
Los l Los l mites de los gr mites de los gr ficos ficos p p son: son:
Grficos de Control np Sin Valores
Especificados
115
Los valores de tabla siguiente corresponden a una parte de las
llamadas entrantes y perdidas en el Call Center, durante el mes de
diciembre de 2004. El tamao del subgrupo racional o muestra es
de 100 llamadas entrantes. Se pide construir el construir el grfico
de control np si valores especificados e interpretarlo.
Ejercicio Grupal Grficos np Sin Valores
Especificados
N
Subgrupo
Tamao
Subgrupo
Llamadas
perdidas
N
Subgrupo
Tamao
Subgrupo
Llamadas
perdidas
N
Subgrupo
Tamao
Subgrupo
Llamadas
perdidas
1 100 3 11 100 4 21 100 3
2 100 1 12 100 2 22 100 3
3 100 2 13 100 0 23 100 2
4 100 2 14 100 4 24 100 3
5 100 2 15 100 3 25 100 1
6 100 3 16 100 2 26 100 2
7 100 1 17 100 3 27 100 3
8 100 2 18 100 5 28 100 2
9 100 2 19 100 3 29 100 2
10 100 2 20 100 3 30 100 1
Ejercicio Grupal Grficos np Sin
Valores Especificados
El grfico p est bajo control estadstico, pues cumple con
los 8 criterios para detectar causas asignables de variacin.
) p 1 ( p n p n Control de Lmites =
Grfico np SVE
Subgrupo Racional
n
p
LC = 2,37
LSC = 6,93
LIC = 0,00
0 5 10 15 20 25 30
0
2
4
6
8
116
Conclusiones
El grfico p se puede usar en forma
ms flexible, pues NO es necesario
que el tamao de los subgrupos
racionales sea constante en el
tiempo.
Esto, sin embargo, es un requisito
para los grficos np
Capacidad de un Proceso
La capacidad de un proceso, o ms bien, de
un indicador de calidad de ste, es el
rendimiento del proceso cuando est bajo
control.
Mide si el indicador del proceso satisface los
requerimientos del cliente
117
Un proceso es capaz, en relacin a su tolerancia, cuando la
proporcin de unidades no conformes o rechazos es muy
pequea, respecto al nmero de unidades producidas.
LSE: Lmite superior de especificacin
LIE: Lmite inferior de especificacin
LIE
LSE
Para medir la capacidad de un proceso, en relacin a variables
continuas, podemos utilizar el ndice de Capacidad de
Proceso
El ndice de Capacidad de Proceso es el cuociente entre la
tolerancia y la dispersin del proceso, representada por 6.
=
6
LIE LSE
C
p
118
Para determinar el ndice de Capacidad de Proceso debemos
conocer .
Tenemos el problema que se desconoce ; por ello debemos
estimarla, es decir, aproximar el valor verdadero a partir de
datos:
= = =
n * A
3
d
d
R
s
2
2
2
x
Capacidad Estimada del Proceso
Proceso NO es Capaz C
p
< 1
Slo Capaz C
p
= 1
El proceso es capaz C
p
1.33
Clasificacin de Proceso ndice
El clculo del ndice de capacidad de proceso, C
p
, supone
que el proceso est centrado.
119
Niveles de Calidad con y sin Corrimiento de la Media
67.000
DPMO
LIC LSC
1,5
-6 -3 0 3 6
2.700
DPMO
LIC LSC
1,5
-6 - 3
0
3 6
3,4 DPMO
0,001
DPMO
Capacidad a Seis Sigma Capacidad a Tres Sigma
6210 63 4
3,4
233
66807
308537
DPMO Descentrado 1,5
0,002
0,57
2700
45500
DPMO Centrado
6
5
2
3
Nivel
6210 63 4
3,4
233
66807
308537
0,002
0,57
2700
45500
DPMO Centrado
6
5
2
3
Nivel
ndice Capacidad Proceso Modificado
Cuando el proceso est descentrado se utiliza el ndice de
Capacidad de Proceso Modificado, C
pk
Como los valores verdaderos y , son desconocidos, es
necesario estimarlos, resultando:

=
s 3
LIE X
;
s 3
X LSE
Mn C
pk

=
3
LIE
;
3
LSE
Mn C
pk
120
MUESTREO DE ACEPTACIN
(INSPECCIN PARA LA RECEPCIN)
CONCEPTOS DE MUESTREO DE CONCEPTOS DE MUESTREO DE
ACEPTACI ACEPTACI N N
1. LOTE (N) 1. LOTE (N)
CONJUNTO DE UNIDADES DE PRODUCTOS DE
CARACTERSTICAS HOMOGENEAS, Y QUE PARA
EFECTOS DE LA INSPECCIN, ACEPTACIN,
RECTIFICACIN O RECHAZO SE PRESENTAN
COMO UN CONJUNTO UNITARIO. PROCESO
ESTABLE CON VARIABILIDAD MNIMA ENTRE
LAS UNIDADES QUE COMPONEN EL LOTE.
121
CONCEPTOS DE MUESTREO DE CONCEPTOS DE MUESTREO DE
ACEPTACI ACEPTACI N N
2. 2. UNIDAD DE PRODUCTO:
AISLADA. OBJETO CONVENCIONAL NICO
QUE AL SER DIVIDIDO PIERDE SU APTITUD
PARA EL USO.
DE CONTINUIDAD. PRODUCTOS EN ROLLOS
O BOBINAS.
A GRANEL. PRODUCTOS DE GRANEL COMO
LQUIDOS, MINERALES, CEREALES.
3. PORCENTAJE DE NO CONFORME 3. PORCENTAJE DE NO CONFORME
K
DEL LOTE p =
__
x
100
N
k
DE LA MUESTRA p =
__
x
100
n
CONCEPTOS DE MUESTREO DE ACEPTACI CONCEPTOS DE MUESTREO DE ACEPTACI N N
122
TIPOS DE INSPECCI TIPOS DE INSPECCI N N
1. NINGUNA INSPECCIN
2. INSPECCIN 100%
3. INSPECCIN POR MUESTREO
NINGUNA INSPECCI NINGUNA INSPECCI N O PEQUE N O PEQUE AS AS
MUESTRAS MUESTRAS
1. 1. SE UTILIZA CUANDO EL PROCESO CON QUE SE
FABRIC EL LOTE HA DEMOSTRADO CUMPLIR
HOLGADAMENTE CON LOS NIVELES DE CALIDAD
CONTRACTUALES (Proceso estable y C
pk
adecuado), O CUANDO LOS COSTOS GLOBALES
CAUSADOS POR LAS UNIDADES NO CONFORMES
SON BAJOS COMPARADO CON EL COSTO DEL
MUESTREO.
123
INSPECCI INSPECCI N 100% N 100%
2. LA INSPECCI 2. LA INSPECCI N 100%, N 100%, NO ES 100% NO ES 100%
EFECTIVA. EFECTIVA. ESTA NO ES CAPAZ DE ESTA NO ES CAPAZ DE
SEPARAR TODAS LAS UNIDADES NO SEPARAR TODAS LAS UNIDADES NO
CONFORMES DE UN LOTE CONFORMES DE UN LOTE
2.1 2.1 LA EFICACIA DEL INSPECTOR LA EFICACIA DEL INSPECTOR
DISMINUYE DEBIDO A: DISMINUYE DEBIDO A:
FATIGA FATIGA
MONOTON MONOTON A A
ACOSTUMBRAMIENTO ACOSTUMBRAMIENTO
124
2.2 2.2 LA EFICACIA DE LA INSPECCI LA EFICACIA DE LA INSPECCI N 100% N 100%
DEPENDE DEL TAMA DEPENDE DEL TAMA O DEL LOTE O DEL LOTE Y ES Y ES
INVERSAMENTE PROPORCIONAL A ESTE. INVERSAMENTE PROPORCIONAL A ESTE.
2.3 2.3 LA INSPECCI LA INSPECCI N 100% N 100% NO ES APLICABLE NO ES APLICABLE
CUANDO: CUANDO:
EXISTEN ENSAYOS DESTRUCTIVOS EXISTEN ENSAYOS DESTRUCTIVOS
EL COSTO DE LA INSPECCI EL COSTO DE LA INSPECCI N ES ALTO N ES ALTO
2.4 2.4 LA INSPECCION 100% DEBE HACERSE LA INSPECCION 100% DEBE HACERSE
CUANDO: CUANDO:
POR RAZONES DE SEGURIDAD ES POR RAZONES DE SEGURIDAD ES
IMPRESCINDIBLE EXAMINAR TODAS LAS IMPRESCINDIBLE EXAMINAR TODAS LAS
UNIDADES DE UN LOTE UNIDADES DE UN LOTE (NO (NO
CONFORMIDADES CLASE A) CONFORMIDADES CLASE A)
125
INSPECCI INSPECCI N MEDIANTE MUESTREO N MEDIANTE MUESTREO
N
LOTE DE
INSPECCIN
n
MUESTRA MUESTRA
REPRESENTATIVA REPRESENTATIVA
1. INSPECCIONAR LA MUESTRA
2. CON LOS RESULTADOS DE LA
MUESTRA, ACEPTAR O
RECHAZAR EL LOTE
LOTE (N) DE :
a) MATERIAS PRIMAS
b) PRODUCTOS TERMINADOS
c
PLAN DE MUESTREO
DE UN LOTE DE TAMAO N, SE EXTRAE UNA MUESTRA DE TAMAO n, Y
SI EN LA MUESTRA EXISTEN HASTA c NO CONFORMES (O NO
CONFORMIDADES POR 100 UNIDADES), SE ACEPTA EL LOTE, DE LO
CONTRARIO SE RECHAZA. .
A
c
(SE ACEPTA)
R
c
(SE RECHAZA)
C
N
N
n n
C = N N MERO O CRITERIO DE ACEPTACI MERO O CRITERIO DE ACEPTACI N O RECHAZO N O RECHAZO
126
CLASIFICACI CLASIFICACI N DE LOS PLANES DE N DE LOS PLANES DE
MUESTREO MUESTREO
1. 1. DE ACUERDO A LA DE ACUERDO A LA CARACTER CARACTER STICA DE LA STICA DE LA
CALIDAD: CALIDAD:
PLANES DE MUESTREO POR ATRIBUTOS PLANES DE MUESTREO POR ATRIBUTOS
PLANES DE MUESTREO POR VARIABLES PLANES DE MUESTREO POR VARIABLES
MUESTREO MUESTREO
2. 2. DE ACUERDO A LA FORMA DE DETERMINAR EL DE ACUERDO A LA FORMA DE DETERMINAR EL
TAMA TAMA O DE LA MUESTRA: O DE LA MUESTRA:
PLANES DE MUESTREO PORCENTUALES PLANES DE MUESTREO PORCENTUALES
PLANES DE MUESTREO ESTAD PLANES DE MUESTREO ESTAD STICOS STICOS
127
CLASIFICACI CLASIFICACI N DE LOS PLANES DE MUESTREO N DE LOS PLANES DE MUESTREO
POR ATRIBUTOS POR ATRIBUTOS
(SEG (SEG N LA FORMA DE EXTRAER LA MUESTRA) N LA FORMA DE EXTRAER LA MUESTRA)
1. 1. PLANES PORCENTUALES DE MUESTREO PLANES PORCENTUALES DE MUESTREO
EN ESTOS PLANES EL TAMA EN ESTOS PLANES EL TAMA O DE LA MUESTRA O DE LA MUESTRA
n n Y EL CRITERIO DE ACEPTACI Y EL CRITERIO DE ACEPTACI N O RECHAZO N O RECHAZO
c c, SE OBTIENEN COMO UN PORCENTAJE DEL , SE OBTIENEN COMO UN PORCENTAJE DEL
TAMA TAMA O DEL LOTE O DEL LOTE N N. .
CLASIFICACI CLASIFICACI N DE LOS PLANES DE MUESTREO POR N DE LOS PLANES DE MUESTREO POR
ATRIBUTOS ATRIBUTOS
(SEG (SEG N LA FORMA DE EXTRAER LA MUESTRA) N LA FORMA DE EXTRAER LA MUESTRA)
2. 2. PLANES ESTAD PLANES ESTAD STICOS DE MUESTREO STICOS DE MUESTREO
SE BASAN EN LA SE BASAN EN LA APLICACI APLICACI N DE LA ESTAD N DE LA ESTAD STICA STICA
(C (C LCULO DE PROBABILIDADES) LCULO DE PROBABILIDADES)
TIENEN LA VENTAJA DE QUE LA INSPECCI TIENEN LA VENTAJA DE QUE LA INSPECCI N TIENE N TIENE
SIEMPRE EL SIEMPRE EL MISMO NIVEL DE EXIGENCIA, MISMO NIVEL DE EXIGENCIA,
INDEPENDIENTEMENTE DEL TAMA INDEPENDIENTEMENTE DEL TAMA O DEL LOTE O DEL LOTE
128
TIPOS DE PLANES DE TIPOS DE PLANES DE
MUESTREO PORCENTUALES MUESTREO PORCENTUALES
CASO 1: CUANDO n ES UN PORCENTAJE DE N Y c CASO 1: CUANDO n ES UN PORCENTAJE DE N Y c
PERMANECE CONTANTE. PERMANECE CONTANTE.
EJEMPLO: n = 10% DE N, y c = 1 EJEMPLO: n = 10% DE N, y c = 1
NOTA : C = 1, SIGNIFICA QUE C NOTA : C = 1, SIGNIFICA QUE C
A A
C C
= 1 = 1
R R
C C
= 2 = 2
1
10.000
100.000
1 1 1 C
1.000 100 10 n
10.000 1.000 100 N
TIPOS DE PLANES DE
MUESTREO PORCENTUALES
CASO 2: CUANDO CASO 2: CUANDO n n ES UN PORCENTAJE DE ES UN PORCENTAJE DE N N Y Y c c ES UN ES UN
PORCENTAJE DE PORCENTAJE DE n n. .
EJEMPLO: n = 10% DE N, y c = 10% DE n EJEMPLO: n = 10% DE N, y c = 10% DE n
A= 1.000
C
R= 1.001
A= 100
C
R= 101
A= 10
C
R= 11
A= 1
C
R= 2
1.000 100 10 1 C
10.000 1.000 100 10 n
100.000 10.000 1.000 100 N
129
CURVA CARACTER CURVA CARACTER STICA OPERATIVA (CURVA OC) STICA OPERATIVA (CURVA OC)
QU ES?
ES LA REPRESENTACIN GRFICA DE UN PLAN DE
MUESTREO ESTADSTICO.
PARA QUE SIRVE?
PERMITE CALCULAR DE MANERA TERICA LA
PROBABILIDAD DE ACEPTACIN DE UN LOTE; Y
PARA CALCULAR LA PROBABILIDAD DE ENCONTRAR
UNA CANTIDAD DADA DE NC EN UNA MUESTRA,
TOMADA DE UN LOTE CON p CONOCIDA.
TIPOS DE CURVAS OC TIPOS DE CURVAS OC
CURVA CO TIPO A: SE USA PARA CALCULAR LA
PROBABILIDAD DE ACEPTACIN DE LOTES NO
CONTINUOS. EN ESTE CASO SE USA LA
DISTRIBUCIN HIPERGEOMTRICA.
CURVA CO TIPO B: SE USA PARA EVALUAR PLANES
DE MUESTREO DE PROCESOS CONTINUOS Y SE
BASAN EN LA DISTRIBUCIN BINOMIAL Y/O POISSON
CUANDO SE CUMPLEN LOS CRITERIOS DE USO. LA
NORMA NCh 2237 USA BINOMIAL SI n80 Y
POISSON PARA n>80.
130
CURVA CARACTER CURVA CARACTER STICA OPERATIVA IDEAL STICA OPERATIVA IDEAL
P P
A A
CURVA OC IDEAL PARA CURVA OC IDEAL PARA p p = 3% (0,03) = 3% (0,03)
1 1 1
0
p p
0,03 0,03
CONSTRUCCI CONSTRUCCI N DE LA CURVA CARACTER N DE LA CURVA CARACTER STICA STICA
OPERATIVA OPERATIVA
1. CALCULAR EL PRODUCTO np PARA CADA
PORCENTAJE DE NO CONFORMES, SUPUESTO EN
LOS DISTINTOS LOTES.
2. SE UBICAN ESOS PRODUCTOS EN LA PRIMERA
COLUMNA DE LA IZQUIERDA, DE LA TABLA DE
POISSON INTEGRADA.
CONSTRUIR LA CURVA OC PARA n= 80 Y c=2
131
CONSTRUCCI CONSTRUCCI N DE LA CURVA CARACTER N DE LA CURVA CARACTER STICA STICA
OPERATIVA OPERATIVA
3. SE CALCULA LA PROBABILIDAD DE ACEPTACIN
QUE CORRESPONDE A CADA PRODUCTO, PARA
CRITERIO DE ACEPTACIN IGUAL A 2 (C=2).
4. SE REPRESENTA LA PROBABILIDAD DE
ACEPTACIN P
a
ENCONTRADA, EN FUNCIN DEL
PORCENTAJE DE NO CONFORMES DE LOS
DISTINTOS LOTES.
CONSTRUCCI CONSTRUCCI N DE LA CURVA N DE LA CURVA
CARACTER CARACTER STICA OPERATIVA, STICA OPERATIVA, (OC) (OC)
0,46 4,6 6,4 80 0,08 8
0,82 8,2 5,6 80 0,07 7
0,14 14,3 4,8 80 0,06 6
0,24 23,8 4,0 80 0,05 5
0,38 38,0 3,2 80 0,04 4
0,57 57,0 2,4 80 0,03 3
0,78 78,3 1,6 80 0,02 2
0,95 95,3 0,8 80 0,01 1
1,00 100,0 0,0 80 0,00 0
Pa Pa (%) np n p p (%)
132
CURVA CARACTER CURVA CARACTER STICA OPERATIVA STICA OPERATIVA (OC)
PARA: n = 80 y c = 2
0,5 0,5
1 1
0 0
P P
a a
p
%
PORCENTAJE DE NO CONFORMES PORCENTAJE DE NO CONFORMES
P
R
O
B
A
B
I
L
I
D
A
D

D
E

A
C
E
P
T
A
C
I
O
N
P
R
O
B
A
B
I
L
I
D
A
D

D
E

A
C
E
P
T
A
C
I
O
N
1
2
3
4
5 6
7
8
9
10
INTERPRETACI INTERPRETACI N CURVA OC N CURVA OC
PARA: n = 80 y c = 2
P P
a a
0,5 0,5
1 1
0 0
p
%
P
R
O
B
A
B
I
L
I
D
A
D

D
E

A
C
E
P
T
A
C
I
O
N
P
R
O
B
A
B
I
L
I
D
A
D

D
E

A
C
E
P
T
A
C
I
O
N
1 1 2 3
4 5 6 7
8 9 10
AQL=1,0 (P
a
=95%; p= 1%)
AQL NCI LTPD
0,1
0,95
133
CRITERIOS PARA ESTABLECIMIENTO DE PLANES CRITERIOS PARA ESTABLECIMIENTO DE PLANES
DE MUESTREO ESTAD DE MUESTREO ESTAD STICOS STICOS
( ) (%) p %; 10 P f p LQ
a
= = =
( ) (%) p %; 95 P f p AQL
a
= = =
0,5 0,5
1 1
0
P P
a a
p
100%
p
2
p p
1 1
p
3
A A
PORCENTAJE DE NO CONFORMES
1 1- -

P
R
O
B
A
B
I
L
I
D
A
D

D
E

A
C
E
P
T
A
C
I
N
( ) (%) p %; 50 P p NCI
a
= = =
( )
( )
( )
( ) =
=
=
=
= =
=
=
k n
3
k
3
c
0 k
n
k
a
k n
1
k
1
c
0 k
n
k
a
1 a
a
p 1 p P
: LQ
p 1 p P
p , n / c X P P
: AQL el Para
p , n / c X P P
, general En
134
1. 1. NIVEL DE CALIDAD ACEPATABLE, AQL
NIVEL DE CALIDAD QUE AL EFECTUAR UNA
INSPECCIN POR MUESTREO DE UNA SERIE
SUCESIVA DE LOTES, SE CONSIDERA QUE
ES EL VALOR ACEPTABLE DE LA CALIDAD
MEDIA DEL PROCESO.
TABLAS: NORMA NCh 2237
2. 2. NIVEL DE CALIDAD DE INDIFERENCIA, NCI
ESTE ES UN NIVEL DE CALIDAD EN ALGN PUNTO
ENTRE EL AQL Y EL LQ. CON FRECUENCIA SE DEFINE
EL NIVEL DE CALIDAD QUE TIENE UNA
PROBABILIDAD DE ACEPTACIN DEL 50% PARA UN
PLAN DE MUESTREO DADO.
TABLAS: PHILIPS

135
3. 3. CALIDAD LIMITE, LQ CALIDAD LIMITE, LQ
CRITERIOS PARA ESTABLECIMIENTO DE CRITERIOS PARA ESTABLECIMIENTO DE
ES LA CALIDAD MS BAJA QUE PUEDE SER ACEPTADA
EN UN LOTE INDIVIDUAL. EN MUCHAS NORMAS DE
PLANES DE MUESTREO EL LQ EST ASOCIADO A UN
PORCENTAJE DE PRODUCTOS NO CONFORME, NC, QUE
TIENE UNA BAJA PROBABILIDAD DE ACEPTACIN,
ESTANDARIZADA EN UN 10%.
TABLAS: NCh 2238; DODGE Y ROMIG
CRITERIOS PARA ESTABLECIMIENTO DE CRITERIOS PARA ESTABLECIMIENTO DE
ES LA CALIDAD PROMEDIO DEL PRODUCTO QUE SALE,
INCLUYENDO TODOS LOS LOTES ACEPTADOS, MS
TODOS LOS LOTES RECHAZADOS QUE HAN SIDO
INSPECCIONADOS 100% EN LOS CUALES SE HAN
REEMPALZADO LAS UNIDADES NC POR UNIDADES
BUENAS.
TABLAS: DODGE Y ROMIG
4. 4. CALIDAD PROMEDIO DE SALIDA, AOQ CALIDAD PROMEDIO DE SALIDA, AOQ
136
CALIDAD PROMEDIO DE SALIDA, AOQ CALIDAD PROMEDIO DE SALIDA, AOQ
PARA CALCULAR LA AOQ PARA UN pDADO Y UN
PLAN DE MUESTREO, SE DEBE CALCULAR LA
PROBABILIDAD DE ACEPTACIN DEL LOTE A ESE
NIVEL DE FALTA DE CONFORMIDAD Y LUEGO
MULTIPLICAR POR p. AS:
AOQ = P
a
*p(1- n/N)
SI N > AOQ=Pa*p
L L MITE DE LA CALIDAD PROMEDIO DE SALIDA, MITE DE LA CALIDAD PROMEDIO DE SALIDA,
AOQL AOQL
ES LA MXIMA AOQ PARA TODOS LOS NIVELES
POSIBLES DE CALIDAD DE ENTRADA.
p (%) p n np Pa AOQ
0 0,00 80 0 1,00 0
1 0,01 80 0,8 0,95 0,0095
2 0,02 80 1,6 0,92 0,0184
3 0,03 80 2,4 0,79 0,0237
4 0,04 80 3,2 0,60 0,024
5 0,05 80 4,0 0,43 0,0215
6 0,06 80 4,8 0,29 0,0174
7 0,07 80 5,6 0,19 0,0133
8 0,08 80 6,4 0,12 0,0096
137
RIESGOS DEL MUESTREO RIESGOS DEL MUESTREO
1
0
P
a
p
= PRODUCTOR (AQL)
= COMPRADOR COMPRADOR (LTPD) (LTPD)
Error Tipo I: rechazar hiptesis verdadera
Error Tipo II: aceptar hiptesis falsa
Decisin
Correcta
Error Tipo I
Error Tipo II
Decisin
Correcta
H
0
H
1
Realidad
Rechazar
H
0
No Rechazar
H
0
RIESGOS DEL MUESTREO RIESGOS DEL MUESTREO
138
USO DE LA NORMA USO DE LA NORMA
NCh 2237. NCh 2237. Of Of 1999 1999
PROCEDIMIENTOS DE MUESTREO PARA INSPECCIN
POR ATRIBUTOS - PLANES DE MUESTREO INDEXADOS
POR NIVEL DE CALIDAD ACEPTABLE (AQL) PARA
INSPECCIN LOTE POR LOTE
MUESTREO POR ATRIBUTOS MUESTREO POR ATRIBUTOS
DE ACUERDO AL NMERO DE MUESTRAS
QUE SE SACAN DE UN MISMO LOTE:
PLANES DE MUESTREO SIMPLES
PLANES DE MUESTREO DOBLES
PLANES DE MUESTREO MLTIPLES
139
PLAN DE MUESTREO SIMPLE PLAN DE MUESTREO SIMPLE
N N = = TAMA TAMA O DEL LOTE O DEL LOTE
n n = = TAMA TAMA O DE LA MUESTRA O DE LA MUESTRA
C C = = CRITERIO DE ACEPTACI CRITERIO DE ACEPTACI N O RECHAZO N O RECHAZO
p p = = FRACCI FRACCI N DE NO CONFORMES TOLERADO N DE NO CONFORMES TOLERADO
EN EL LOTE EN EL LOTE
PLAN DE MUESTREO DOBLE PLAN DE MUESTREO DOBLE
LOS PLANES DE MUESTREO DOBLES SON
ECONMICAMENTE MS CONVENIENTES, YA QUE
PERMITEN TOMAR UNA DECISIN SOBRE LOS
LOTES EN BASE A MUESTRAS MS PEQUEAS,
CON NIVELES DE CONFIANZA EQUIVALENTES QUE
LOS PLANES DE MUESTREO SIMPLES.
140
PLAN DE MUESTREO DOBLE PLAN DE MUESTREO DOBLE
INSPECCIONAR DE UNA MUESTRA DE
TAMAO, n
1
INSPECCIONAR DE UNA SEGUNDA
MUESTRA DE TAMAO, n
2
ACEPTAR
EL LOTE
RECHAZAR
EL LOTE
c A
1
c R
1
Si el N de NC c encontrados en n
1
Excede A
1
pero no R
1
Si el N de NC c encontrados en n
1
+ n
2
c A
2 c R
2
Comienzo
normal normal
2 de 5 o menos
seguidos rechazado
5 lotes seguidos
aceptados
rigurosa rigurosa
El proveedor
Mejora la calidad
reducida reducida
Discontinuar Discontinuar
9.3.4
5 lotes no
aceptados
Condiciones 9
REGLAS DE CAMBIO DE INSPECCI REGLAS DE CAMBIO DE INSPECCI N N
141
DISE DISE O DE PLANES DE MUESTREO O DE PLANES DE MUESTREO
ESTAD ESTAD STICOS, SEG STICOS, SEG N NCh 2237 N NCh 2237
1. NO CONFORMIDADES CLASE A:
Inspeccin simple normal (Defecto)
Nivel de inspeccin II (Defecto)
AQL 0,1 (Definido)
Aplicando los criterios de NCh 2237
La seleccin de las muestras que resulten de los
planes de muestreo se extraen segn NCh 43, o
mediante un sw o generador de nmeros al
azar.
2. NO CONFORMIDADES CLASE B:
Inspeccin simple normal (Defecto)
Nivel de inspeccin II (Defecto)
1 AQL 2,5 (Definido)
mediante un sw o generador de nmeros al azar.
142
3. NO CONFORMIDADES CLASE C:
Inspeccin simple normal
Nivel de inspeccin II
4 AQL 10
mediante un sw o generador de nmeros al azar.
EJEMPLO:
Establecer los planes de muestreo para la recepcin de una serie
sucesiva de lotes de un determinado producto, segn NCh 2237. Para
los datos:
N = 250
AQL = 1, para no conformidades clase B
AQL = 4, para no conformidades clase C.
Establecer los planes de muestreo e interpretar los resultados de estos.
Solucin:
Por defecto: Nivel de inspeccin II y Muestreo simple
1. Para NC clase B, de Tabla I G,
Luego de Tabla II-A, con G y AQL=1, se tiene: n = 50 y c (A= 1; R=2)
2. Para NC clase C, de Tabla I G,
Luego de Tabla II-A, con G y AQL=4, se tiene: n = 32 y c (A= 3; R=4)
3. Interpretacin: Tabla X- G, pgina 54.
143
METODOS PARA LA SELECCI METODOS PARA LA SELECCI N DE N DE
MUESTRAS MUESTRAS
MTODOS PARA LA SELECCIN DE
MUESTRAS/1
LA SELECCI LA SELECCI N DE MUESTRAS AL AZAR ES EL UNICO N DE MUESTRAS AL AZAR ES EL UNICO
PROCEDIMIENTO DE MUESTREO QUE NO INTRODUCE PROCEDIMIENTO DE MUESTREO QUE NO INTRODUCE
ERRORES SISTEM ERRORES SISTEM TICOS FRECUENTES TICOS FRECUENTES
LOS M LOS M TODOS DE SELECCI TODOS DE SELECCI N DE MUESTRAS AL AZAR, DE N DE MUESTRAS AL AZAR, DE
MAYOR FRECUENCIA SON LOS SIGUIENTES: MAYOR FRECUENCIA SON LOS SIGUIENTES:
1. 1. MUESTREO AL AZAR SIMPLE MUESTREO AL AZAR SIMPLE
2. 2. MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO
3. 3. MUESTREO EN ETAPAS MUESTREO EN ETAPAS
144
MUESTREO AL AZAR SIMPLE
Si el muestreo se realiza con reposicin, todas las unidades
del lote tienen siempre la misma probabilidad de pertenecer a
la muestra; esto es: 1/N
Si el muestreo se realiza sin reposicin, la probabilidad vara
en cada observacin. No obstante, como en la prctica N>>n,
la diferencia de probabilidades no es significativa.
Para realizar un muestreo al azar se debe disponer de una
tabla de nmeros al azar.
El procedimiento de cmo usar este tipo de tablas se detalla
en la Norma Chilena, NCh 43. Of. 61, Seleccin de Muestras
al Azar
MTODOS PARA LA SELECCIN DE MUESTRAS/2
MUESTREO ESTRATIFICADO
Se aplica a lotes heterogneos, con el objeto de reducir errores por
tendencia (concentracin de no conformes en un lote de bodega).
EJEMPLO: Realizar un muestreo estratificado para la
inspeccin de recepcin de un lote de 2.500 envases
desechables, cuyo plan de muestreo es:
AQL= 2,5
Nivel de Inspeccin II
Inspeccin Simple Normal
SOLUCIN
AQL= 2,5 De Norma NCh 2237, Tabla I-A, Se Tiene: n= 125
C (A= 7; R= 8)
Sea: N
1
+N
2
+N
3
+N
4
+N
5
= N = 2.500
n
1
+n
2
+n
3
+n
4
+n
5
= n = 125
145
MUESTREO EN ETAPAS
Cuando el lote est constituido por una gran cantidad
de sublotes, en los que no resulta conveniente hacer
un muestreo al azar de todas las unidades que
componen el lote, ni obtener una muestra proporcional
de las unidades de cada sublote, se utiliza el muestreo
en etapas.
En este caso se procede a extraer del lote una cantidad
determinada de sublotes, a partir de los cuales se van
seleccionando las unidades requeridas. En cada etapa
se procede al azar simple.
Ejemplo: Supongamos que recibimos cinco contenedores,
con 100 cajas de 100 radios cada una, y que deseamos
realizar un muestreo al azar.
Solucin:
N= 50.000
De acuerdo a NCh 2237, para un nivel de inspeccin II para
usos generales, se tiene n= 500 Sea,
N1= 5 Contenedores
N2= 500 Cajas; y
N3= 50.000 Radios
Mtodo:
1. N1= 5 n= 2 (NCh 2237)
2. N2= 200 n= 32 (NCh 2237)
3. N1= 3.200 n= 500 (Plan original)
146
Significado Estadstico de
una estrategia SIX SIGMA
Significado estadstico de 6
1. En un proceso centrado, se tiene 6 a cada lado de la dimensin
bsica de la tolerancia de las especificaciones.
2. Una estrategia SIX SIGMA tiene como objetivo final reducir la
variabilidad aumentando la calidad, hasta tener 6 a cada lado de la
media y dentro de las especificaciones, si el proceso est centrado.
LIE
LSE
6
6
147
1. Se puede hablar as de nivel de calidad de un proceso en base al
nmero de sigmas que caben a cada lado de la media dentro de las
especificaciones.
2. Cuando se ha alcanzado un nivel de calidad 6, el ndice de
capacidad de proceso es:
6
2
6
12
6
LIE LSE
C
p
=
=
Sin embargo como la mayora de los procesos no estn centrados, un
pequeo descentramiento es usualmente aceptable. En la prctica, se
considera un descentramiento de 1,5.
LIE LSE
0

6 4,5
1,5
148
Un indicador que ha alcanzado nivel de calidad 6, corresponde a un proceso con
C
p
=2 y C
pk
=1,5 este ltimo valor, de capacidad efectiva de 1,5, corresponde a un
PPM de 3.4 por milln de oportunidades. Como se puede apreciar, este nivel de
calidad es muy cercano al cero defectos
Como el indicador de calidad est descentrado, es necesario calcular el
ndice de capacidad modificado, C
pk
.

=
3
LIE
;
3
LSE
Mn C
pk
=
3
6 5 , 1
;
3
5 , 4
Mn C
pk
{ } 5 , 1 5 , 2 ; 5 , 1 Mn C
pk
= =
Algunas Conclusiones
1. Ciertamente es extraordinariamente exigente en calidad, resulta evidente que de
lograrse dicho nivel, debera ser, al menos al largo plazo muy rentable para las
empresas que lo alcancen.
2. Ello es as pues niveles de calidad tan fuertes se logran slo con procesos muy
mejorados, con muy bajos niveles de desperdicios, reproceso, ineficiencias, errores, lo
que se traduce en disminucin de costos.
3. El circulo vicioso generado por la mala calidad es transformado en un crculo virtuoso
generado por la buena calidad, as se genera una estrategia SIX SIGMA, que puede
ser vista como estrategia de negocios.
6210 63 4
3,4
233
66807
308537
0,002
0,57
2700
45500
DPMO Centrado
6
5
2
3
Nivel
6210 63 4
3,4
233
66807
308537
0,002
0,57
2700
45500
DPMO Centrado
6
5
2
3
Nivel
149
Qu es una Estrategia SIX SIGMA?
Es un proceso de negocio que permite que las empresas mejoren drsticamente su bottom
line, diseando y monitoreando las actividades diarias de modo de minimizar los desperdicios
y los recursos necesarios, al mismo tiempo que aumentar la satisfaccin de los clientes.
Es una herramienta para el mejoramiento de procesos, cuantitativa y disciplinada, dirigida a
manufactura, servicio y finanzas.
Constituye un importante elemento de la estrategia el llamado Camino 6 SIGMA en base a
una serie de elementos que constituye una gua en la implementacin de la estrategia.
1. Estandarizar
2. Integrar
Institucionalizacin
Transformar el modo en que el negocio es
conducido da a da
1. Mejorar
2. Controlar
Optimizacin Alcanzar un mejoramiento significativo
1. Medir
2. Analizar
Caracterizacin Entender los niveles actuales
1. Reconocer
2. Definir
Identificacin Identificar atributos claves del negocio
Fases Etapas Objetivo
Seleccin de Proyectos SIX SIGMA
El proyecto est claramente conectado con las prioridades del negocio, estando relacionado
con sus planes estratgicos y operativos. Ojal, adems, en caso de realizarlo exitosamente,
represente un mejoramiento financiero mayor.
Est relacionado con caractersticas o variables criticas de calidad. Estas caractersticas son
determinadas por la empresa, en interaccin con sus clientes.
Tiene importancia clara para la organizacin y las personas que la componen lo perciben
como importante y apoyan su realizacin.
Tienen definidas medidas de xito cuantitativamente claras, de modo que se pueda establecer
su xito o fracaso y el grado de cumplimiento de sus objetivos al trmino de la iniciativa.
Se puede desarrollar en un tiempo razonable, usualmente de tres en seis meses.
150
1. En los mercados modernos, con mucha y creciente competencia, se
hace necesario por parte de las empresas alcanzar crecientes
niveles de calidad, como herramientas de competitividad.
2. Las estrategias Seis Sigma apuntan en esa direccin permitiendo, al
tener xito, alcanzar niveles cercanos a cero defectos, como
resultado de procesos muy perfeccionados.
3. Ello conlleva una importante reduccin de costos y captacin de
clientes, generndose una estrategia de negocios.
Conclusiones
Visin General del
Seis Sigma
151
Cmo son de Competitivos sus Procesos?
20.000 artculos de correo
extraviados por hora
Agua contaminada para beber
durante 15 minutos al da
5.000 operaciones quirrgicas
incorrectas por semana
Dos aterrizajes forzosos en la
mayora de los aeropuertos
cada da
200.000 prescripciones
mdicas incorrectas cada ao
7 artculos extraviados por
hora
Un minuto inseguro cada
siete meses
1,7 operaciones incorrectas
por semana
Un aterrizaje forzoso cada
cinco aos
68 prescripciones
incorrectas cada ao
3,8 Sigma. 99% Bien 6 Sigma. 99.99966% Bien
Es el 99% Suficientemente Bueno?
El Siglo de La Calidad
Hemos entrado en un nuevo siglo que estar
centrado en la calidad..
Hemos finalizado uno que ha estado centrado
en la productividad
Dr. Joseph M. Juran
152
Seis SIGMA: Una Estrategia de Cambo Radical
Un programa probado con xito y centrado en resultados econmicos que
trasforma las empresas en excelentes, con niveles seis sigma (3,4 ppm).
Seis Sigma supone un cambio radical que proporciona la excelencia operativa a
travs de la maximizacin de los beneficios y permite a una empresa lograr sus
objetivos a largo plazo, a travs del despliegue de proyectos.
Qu es Seis Sigma?
1. Una iniciativa estratgica para alcanzar el Cambio radical
2. Desde el punto de vista de procesos, es un enfoque sistemtico
para reducir las fallas que afectan a lo que es crtico para el
cliente (CTQ) y a la cuenta de resultados (rentabilidad)
3. Conjunto de herramientas usadas (estadsticas y formativas)
para determinar las variables del proceso y interrelaciones.
4. Un conjunto de lecciones aprendidas de anteriores esfuerzos de
mejora
153
Las herramientas de software hace cada vez ms fcil el uso de
la estadstica. Bueno, casi..!
La necesidad de tiempos de ciclo ms cortos, las mejoras en el
rendimiento y en el funcionamiento demandan nuevos niveles de
calidad
El personal experimentado en las organizaciones puede hacer
mucho ms de los que tradicionalmente se le ha pedido.
Qu es Seis Sigma?
Estrategia de mejora radical Seis Sigma
Saber, especficamente, qu es importante para el cliente
Reducir los niveles de defectos
Centrarse en el objetivo
Reducir la variacin del proceso
Controlar las entradas (Inputs)
154
Quin lo est haciendo?
Resultados de Seis Sigma Datos estndar
Esquema Tpico, basado en las experiencias de empresas como General
Electric, Motorola, etc.:
1. Resultados tipo de un proyecto, expresados como beneficios (ahorro de
costes y/o aumentos de ingresos):
Proyecto de mejora de un BB= 200.000 dlares
Proyecto de mejora de un GB= 60.000 dlares
2. Un BB, a dedicacin completa, realiza 2,5 proyectos al ao, mientras que
un GB realiza 3 proyectos al ao (en promedio), por tanto:
Un BB a tiempo completo proporciona 500.000 dlares/ao
Un GB a tiempo completo proporciona 180.00 dlares/ao
155
FORD
Balance de los primeros 2 aos del programa Seis Sigma (1999/2000):
1. 2300 BBs formados
2. Resultados del ao 2000: 52 millones de dlares
Resultado provisional del ao 2001
1. 900 proyectos de mejora desarrollados, con resultado de 300 millones de dlares
2. 1700 proyectos de mejora en curso o planificados
3. Resultado medio proyecto de 250.000 dlares
Whirpool Europe
1. Empleados formados: 270 directivos +
210 BBs+156GBs
2. Costo total de la formacin: 1,7 millones
de dlares
3. Costo de los proyectos de mejora
(dedicacin de BBs, GBs y miembros de
equipo): 1,7 millones de dlares
4. Resultado (beneficio) total de los
proyectos de mejora: 14 millones de
dlares (ratio 4,2)
5. Resultado medio por proyecto: 100.000
dlares
Balance de los primeros 3 aos del programa Seis Sigma (1997/1999)
156
Ericsson
1. Formacin de 120 BBs y desarrollo de 96 proyectos
2. Resultado total de los proyectos: 13 millones de dlares
3. Resultado medio por proyecto: 135.00 dlares
Balance del primer ao de despliegue (1996):
Conclusiones
Los actuales programas Seis Sigma son a gran escala, con
formacin masiva de Black y/o Grean Belts, adems de los directivos
(Chmpions).
La inversin total por Black/Green Belt (Inicial + formacin + proyecto)
oscila entre 15.000 y 50.000 dlares, en los primeros aos.
El beneficio medio por proyecto oscila entre 150.000 y 250.000
dlares
El ratio (beneficios/costo) por Black Belt oscila entre 4,2 y 5 en los 2
primeros aos.
157
Solo en Grandes Empresas?
La experiencias actuales se refieren solamente a grandes grupos
multinacionales, pero
Muchas unidades de negocio de estos grupos son medianas
El mtodo puede ser aplicado en PYMES siempre que la
direccin:
Seleccione, asuma y lidere proyectos de mejora estratgicos
Dedique recursos (BBs y tiempo) importantes a los
proyectos
Invierta en formacin de directivos y BBs o GBs
Para ello existen tras alternativas
La Academia, donde se forman directivos y BBs
El BB externo que asesora a la direccin y, apoyado por un
equipo, desarrolla los proyectos
El Cluster de empresas, que se basa en el mismo enfoque
de las grandes, pero con varias empresas al mismo
tiempo.
Proceso de Seis Sigma en G.E.
Los resultados de seis Sigma estn entrando en una fase exponencial
0
500
1000
1500
2000
2500
1996 1997 1998 1999
M
I
l
l
o
n
e
s

d
e

D
l
a
r
e
s
Costos
Beneficios
-30M
+320M
+750M
+1500M
158
Qu es Calidad Seis Sigma?
Calidad
Caractersticas
del producto
Ausencia
de defectos
Lo que el cliente quiere:
Diseo para Seis Sigma
A niveles de Seis Sigma:
Mejorar Seis Sigma
Definir
Definir
Medir
Medir
Analizar
Analizar
Disear
Disear
Verificar
Verificar
DISEO
para Seis Sigma
Definir
Definir
Medir
Medir
Analizar
Analizar
Disear
Disear
Verificar
Verificar
MEJORA
radical
para Seis Sigma
Calidad Seis Sigma y Resultados
Cmo podemos alcanzar los resultados citados?
Caractersticas
adecuadas
Menores
deficiencias
Lealtad de clientes
Precio Cuota
Mayores Ingresos
Menor tiempo
de ciclo
Menor costo
de Garanta
Disminucin de
prdidas y
reprocesos
Menores costos totales
159
Costo tradicional de mala calidad
Cuando se determinan inicialmente los costos de calidad la categora
incluidas son las que resultan visibles sin tener en cuenta la parte de
debajo de iceberg.
(4-5% de las ventas)
Desechos
Costos de ensayo
Reprocesos
Devoluciones
Costos de inspeccin
Rechazos
Costos de recuperacin
Costos de Mala Calidad (CMC)
A medida que una empresa ampla el concepto de mala calidad,
la parte oculta del iceberg se hace visible
CMC varan
entre el 15-25%
del costo total
Exceso de horas extras
Errores de precios o facturas
Retrasos en planificacin
Descuentos a clientes
Ordenes de ventas
llenadas de forma
incorrecta
Exceso de inventario
Capacidad Intil
Tiempo con
cliente insatisfecho
Atencin a reclamos
Excesivos gastos en servicios
Retrasos en
disposicin de
informes
160
Costos de Mala Calidad y Funcionamiento Seis Sigma
Asumiendo que se haya producido un milln de unidades, con un costo por defecto de 60 dlares
0
50
100
150
200
250
300
350
400
3s 4s 5s 6s
Nivel de rendimiento de proceso
C
o
s
t
o
s

d
e

n
o

c
a
l
i
d
a
d

(
m
i
l
l
o
n
e
s

d
e

d
l
a
r
e
s
)
4.000.000 USD
375.000 USD
200 USD
14.000 USD
Principales fuentes de variacin y mala calidad
Fallas de diseo Habilidades y
comportamientos
Componentes y
materias primas inestables
Sistemas de medidas
Insuficiente capacidad
de los procesos
161
Lo que es diferente en Seis Sigma
1. Quin es el cliente objetivo?
2. Qu le afecta a este cliente? (CTQ)
3. Cul es el alcance de este anlisis?
4. Qu defectos estoy intentando reducir?
5. En cunto? (es este objetivo apropiado y
realista?)
6. Cul es el costo actual de los defectos
(mala calidad)?
Qu significa dar el salto a Seis Sigma?
Un proceso TRES SIGMA
es Estacionar un Automvil GRANDE
en un estacionamiento PEQUEO
162
Qu significa dar el salto a Seis Sigma?
Un proceso SEIS SIGMA
es Estacionar un Automvil PEQUEO
en un estacionamiento GRANDE
Qu implica?
Papeles
O Alta direccin - Debe comprometer tiempo y dinero
O Champions - Seleccionar a los mejores
O Black Belt - Formar
O Green Belt - Replicar
Proyectos
O Proyectos - Continuo
O Centrados en el Cliente - Crticos para los ingresos
O Anlisis de Datos - Hgalo
O Mtricas - Medir nuevas cosas
O Lecciones Aprendidas - Aprenda de su pasado
163
Despliegue Estratgico
5 aos 1 aos
Visin
Estrategias
Claves
Estrategias
Clave
Objetivos
Estratgico
Sub-Objetivo
Sub-Objetivo
Sub-Objetivo
Obj. Anuales
Obj. Anuales
6
Black/Green Belts de Seis Sigma
O Los Black/Green Belts son las personas clave que impulsan a la
organizacin a ser los mejores en su gnero
O Formacin intensa en tcnicas y herramientas- 4 sesiones de
formacin en 4/2 das a lo largo de 16 semanas
O Aplicacin y despliegue sistemtico a travs de la probada
metodologa: definir- medir-analizar-mejorar-controlar
O Eliminan la variacin y los defectos
O Reducen costes -Cambio radical en los resultados econmicos
O Aumento significativo en la satisfaccin de los clientes.
164
Metodologa de Mejora
Mantener los resultados Controlar
Establecer un modelo de prediccin y optimizar el
rendimiento
Mejorar
Identificar los determinantes clave (causas) del
proceso
Analizar
Identificar las caractersticas clave del producto y los
parmetros del proceso, comprender los procesos y
medir el rendimiento
Medir
Identificar, asignar prioridad y seleccionar los
proyectos adecuados
Definir
Objetivos del Proyecto
Analizar
Mejorar
Controlar
Medir
Definir
Xs
Y
Variables independientes, X
Entradas del proceso
Determinantes pocos pero vitales
Causas
Relacin Matemtica
Proceso
Problemas y sntomas
Resultados del proceso
Variable de respuesta, Y
Proyecto adecuado, equipo adecuado
Objetivo: Y= f(X)
C
a
r
a
c
t
e
r
i
z
a
c
i
n

d
e
l

P
r
o
c
e
s
o
O
p
t
i
m
i
z
a
c
i
n

d
e
l

P
r
o
c
e
s
o
165
Como observar
Y
Dependiente
Salida/Producto
Efecto Sintoma
X1 . . . XN
Independiente
Entrada-Proceso
Causa Problema
f (X)
f (X)
Y=
Y=
Herramientas del SIX SIGMA
Despliegue de la Funcin de la Calidad QFD
Mtodos Superficiales de Respuesta
Diagramas de Dispersin
Procedimientos Estndar de Funcionamiento
SPC
Estratificacin
Anlisis de Varianza ANOVA
Box Plots
Tormentas de Ideas
Diagramas Causa-efecto
Correlacin y Regresin
Diseo de Experimentos
Operacin Evolutiva
Anlisis Modal de Fallos y Efectos (AMFE)
Grficos y tablas
Histogramas
Contraste de Hiptesis
Anlisis del Sistema de Medida
Soluciones a Prueba de Errores
Anlisis de Pareto
Estudio de Capacidad del Proceso
Diagramas de Flujo
166
DEFINIR: Visin General
1. Objetivo:
Seleccionar y lanzar los proyectos adecuados
2. Actividades:
Identificar posibles oportunidades de mejora radical
Evaluar las distintas oportunidades de mejora
Seleccionar el proyecto
Preparar la misin del proyecto
Seleccionar el BB y los GB
DEFINIR: Criterios de Evaluacin de Proyectos
1. Crnico
2. Significativo, es decir, con impacto en el
negocio
3. Tamao Manejable
4. Con Posibilidades de xito (ganador), es
decir, capaz de conseguir la misin
5. Medible
167
DEFINIR: Procesos
INICIO
PROCESO
ENTRADA SALIDA
Qu deben suministrar
los proveedores para
cumplir con las
necesidades del
proceso?
Cul es el punto final
ms apropiado para el
proceso?
Qu resultado entrega
el proceso al cliente?
1. Aspectos de negocio / beneficios esperado
2. Declaracin del problema
3. Objetivos
4. Alcance del Proyecto
5. Plan del Proyecto
6. Equipo/Recursos/Roles
DEFINIR: Cuadro del Proyecto
Por qu este proyecto
es importante para la
estrategia de negocio,
que beneficios se
esperan y como se
conseguirn
Descripcin del problema u
oportunidad, y del objetivo,
en trminos claros, concisos
y medibles
Dimensiones del proyecto,
que est y no est incluido
Plan detallado de los pasos
clave y las fechas previstas.
Fechas estimadas para
completar cada fase
Responsabilidades de los
miembros de equipo, BB,
Champion, GB y otros
168
MEDIR: Visin General
1. Objetivo:
Conocer con precisin el funcionamiento del proceso y
evaluar el nivel sigma de su situacin actual
2. Actividades:
Identificar y seleccionar las variables de resultado (Ys)
Identificar y seleccionar las variables clave del proceso
(Xs)
Planificar, recoger y realizar una primera evaluacin de
los datos sobre el funcionamiento actual del proceso
Medir la capacidad actual del proceso (nivel de Sigma)
MEDIR: Variables del Proceso
ABRIR
CERRAR
REDUCIR
Identificar las posibles variables del proceso (Ys y Xs)
Priorizar y seleccionar las Xs ms significativas
Medir las Xs
169
MEDIR: Recoleccin de Datos
Comunicacin
Anlisis Datos
Preguntas
Necesidades de Informacin
MEDIR: Recoleccin de Datos
Cmo son los datos
discretos o continuos?
Discretos Continuos
Calcular la tasa de fallo:
Defectos por milln
de oportunidades
Convertir el Rendimiento
En Valor Sigma
Mirar el Valor Sigma
en la Tabla
Identificar la distribucin
Establecer los lmites
de Defecto
Calcular el Rendimiento
Paso 1
Paso 2
170
ANALIZAR: Visin General
Objetivo:
Conocer el funcionamiento global del proceso para
obtener respuestas a las preguntas formuladas en la
parte anterior
Actividades:
Estratificar los datos y comprobar posibles
agrupamientos
Formular hiptesis sobre variabilidad y relaciones
causa efecto
Comprobar la hiptesis anteriores
Confirmar las pocas causas vitales del rendimiento
del proceso
ANALIZAR: Contraste de hiptesis
Error Tipo II
Decisin
Correcta
Decisin
Correcta
Error Tipo I
Ho Ha
Realidad
No Rechazar
Ho
Rechazar Ho
171
ANALIZAR: Contraste de hiptesis
Varianzas Diferentes?
Estadsticas: homogeneidad de la
varianza
Grficas: BOX-PLOT
estratificados; Multi-Vari
Salidas Diferentes?
Estadsticas: Tablas de
Contingencias
Grficas: Diagramas de
Pareto estratificados
Medias diferentes?
Estadstica: t-test; ANOVA
Grficas: Histogramas
Datos
Discretos
Cmo afectan los cambios
en X a los cambios en Y?
Estadstica: Regresin
logstica binaria
Cmo afectan los cambios en X
a los cambios en Y?
Estadsticas : Regresin
Grficas: Diagramas de
dispersin
Datos
Continuos
X
Datos Discretos
Datos
Continuos
Y
MEJORAR: Visin General
Objetivo:
Determinar e implantar las mejores soluciones para
que el proceso proporcione los resultados deseados
Actividades:
Generar alternativas de soluciones
Evaluar riesgos y seleccionar las mejores
alternativas
Probar los resultados de las alternativas
seleccionadas
Seleccionar las mejores soluciones
172
MEJORAR: Generar soluciones
Hacer preguntas y cuestionar las estructuras y
mtodos convencionales
Readaptar? Retroceder? Maximizar? Minimizar? Eliminar?
Ampliar? Modificar? Adaptar? Combinar? Sustituir?
Cundo? Qu? Cmo? Quin? Por qu?
Preguntas que inducen a pensar
MEJORAR: Probar las Alternativas
1. Pruebas piloto, a pequea escala, de la solucin
completa o de una parte.
2. Simulacin, mediante modelos matemticos que
describen las interacciones y relaciones entre las
variables de proceso y las de resultado
173
CONTROLAR: Visin General
Objetivo:
Asegurar que se mantienen los logros conseguidos
con el proyecto de mejora
Actividades:
Implantar mecanismos de control y mejora continua
Documentar y formalizar las nuevas actividades
Identificar oportunidades de replicacin
CONTROLAR: Control del Proceso
Informacin Mtodos
Controles
Personas Materiales
Formacin Equipos Mediciones Medioambiente
Actuacin en el
Proceso
Actuacin en la Salida
Informacin del Rendimiento
174
CONTROLAR: Sistemas a Prueba de Falla
- Mejor
Impide que se produzcan errores
- Bueno
Avisa del posible error antes de
que se produzca
- Regular
Detecta el defecto cuando ya se
ha producido, aunque antes de
que contine a la operacin
siguiente
CONTROLAR: Instrucciones del Proceso
Las instrucciones del proceso deben documentarse!
Procedimientos operativos estndar
Instrucciones
Especificaciones de Proceso
Si no est por escrito, no existe
175
Esforzado Black
Belt ante su
Champion
El comit de direccin ha reconocido que su sugerencia le ha permitido
ahorrar a la empresa la suma de 15.000.000. Por ese motivo me han
encargado que me informe discretamente sobre su marca preferida de
cigarrillos
El Reconocimiento
El Proceso
176
Decidir Preparar Desarrollar Comenzar Integrar
Mtodo
Sistemtico y
Estructurado
Enfoques Parciales
SAP
TPM Nuevas
Tecnologas
Inspeccin
Equipos de
Proyecto
Procedimient
os Escritos
ISO 9000
1. Visin / Motivo
para mejorar
2. Mantener el
liderazgo
3. Requerimiento
del cliente
4. Insatisfaccin
del cliente
5. Perdida de
cuota de
mercado
6. Competencia
7. Presin de
costos
Formacin de
Directivos
Formar a los
Champions
Designar Lder
y personal
de apoyo
Desarrollo Inicial
Justificacin de la necesidad
Desarrollar Objetivos
Integracin dentro del plan
Preparar Planes
Largo plazo
Desarrollo del plan
del primer ao
Seleccionar piloto
Proyectos
Equipos
Comunicar las
acciones a la
organizacin
177
Desarrollar los
Proyectos Pilotos
Construir la
infraestructura
bsica
Comunicar
xitos
Lecciones aprendidas
Planes actualizados
Nuevas tcnicas
Construir la
infraestructura
bsica
Construir la
infraestructura
bsica
Formar a los
Responsables
de Proyecto
(Black Belts)
Completar
los
Proyectos
Desarrollar
las lecciones
Aprendidas
Desarrollar Los Proyectos Piloto
178
Medidas
Formacin
Tipos de Equipo
Nmero de Equipos
Nuevas Unidades Organizativas
Objetivos
Personas
Procesos
Claves del
Negocio
Mediciones
y
Revisiones
179

Diplomado UV4

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

Diplomado UV4

Cargado por

Copyright:

Formatos disponibles

Coordinacin Acadmica

Teorema de Lmite Central - Relaciones entre la

CRITERIOS PARA ESTABLECIMIENTO DE PLANES CRITERIOS PARA ESTABLECIMIENTO DE PLANES

También podría gustarte