Tecnicas Basicas de La Calidad

004.
qxd
29/11/04
13:49
Pgina 68
Tcnicas bsicas de calidad
En esta unidad aprenders a:

1
Identificar las tcnicas bsicas

de calidad
Aplicar las herramientas

bsicas de calidad
Utilizar la tormenta de ideas
Crear distintos tipos

de diagramas
Usar histogramas y grficos

de control
04
004.qxd
29/11/04
13:49
Pgina 69
4. Tcnicas bsicas de calidad

4.1 Qu son las tcnicas bsicas de calidad?
4.1 Qu son las tcnicas bsicas de calidad?

Para llevar a cabo una gestin de la calidad en las
mejores condiciones posibles, es necesario contar con
el apoyo de algunas tcnicas que ayuden a su desarrollo.
Algunas de estas herramientas sirven para detectar problemas con la participacin del personal, mientras que
otras parten de mediciones o datos obtenidos del proceso a controlar y, a partir del anlisis de estos datos,
se obtienen los resultados buscados.
En ocasiones, estos resultados nos sirven para controlar el proceso. Si los resultados estn dentro de los
lmites que se hayan establecido para cada proceso, diremos que dicho proceso est controlado. Si no, habr
que actuar sobre l aplicando acciones correctivas.
Otras veces, nicamente nos interesar ver los resultados de un proceso con una presentacin grfica.
En general, existe un gran nmero de formas de controlar un proceso, de buscar fallos, de mejorar los sistemas, de analizar los riesgos, etc., siendo algunas de
ellas de gran complejidad. Sin embargo, algunas de las
ms conocidas y usadas son las llamadas herramientas
bsicas de la calidad, que son:
Tormenta de ideas (brainstorming).
Diagrama causa-efecto.
Histograma.
Diagramas de sectores.
Grficos de control.
Diagrama de dispersin.
Diagrama de Pareto.
Esta unidad va a dedicarse a realizar una descripcin muy sencilla de estas herramientas bsicas de calidad, tanto desde el punto de vista terico como desde
el punto de vista prctico, planteando aplicaciones de
cada una de ellas.
4.2 Tcnicas bsicas de calidad

Vamos a ver en qu consiste cada una de las herramientas bsicas de calidad que hemos enumerado en el
primer apartado y cul es la forma que habra que seguir para su aplicacin en actuaciones de calidad.
A. Tormenta de ideas (brainstorming)

La tcnica toma su nombre de la unin de dos palabras
inglesas: brain, que significa cerebro y storm, que
significa tormenta. As pues, la traduccin al espaol
sera tormenta de ideas.
El mtodo fue ideado en 1939 por un publicista llamado

A. F. Osborn.
Esta tcnica se desarrolla siempre en grupo e intenta
estimular a cada miembro a participar sin complejos en
la aportacin de cuantas ideas le surjan para resolver
una determinada situacin.
Lgicamente, de entre todas esas ideas, slo algunas
sern realmente vlidas para el problema o situacin
planteada y, aun as, seguramente stas tendrn que
volver a ser depuradas.
69
004.qxd
29/11/04
13:49
Pgina 70

Es muy importante que el grupo no sea crtico con las

ideas de ningn miembro, ya que ello podra coartar la
expresin de ms ideas por parte de ese participante.
Para que este tipo de tcnica se desarrolle de la mejor
forma posible, deben cumplirse una serie de requisitos
o reglas:
Los grupos deben ser pequeos, con un nmero de
participantes de entre 3 y 8.
Cada miembro del grupo debe conocer y entender
totalmente el problema que se est planteando.
Se deben aceptar todas las ideas que se emitan sin
criticarlas.
Debe existir la figura del moderador o lder del
grupo.
Se pueden emitir ideas que se apoyen en alguna
otra ya expresada anteriormente.
La duracin de la reunin debe estar prefijada de
antemano.
Teniendo en cuenta estas normas, las fases para aplicar
esta tcnica son las siguientes:
1 . En primer lugar, se debe hacer una definicin del
problema de la forma ms clara posible, de manera
que todos los miembros del grupo lo conozcan.
2. A continuacin, se lleva a cabo la fase de exposicin y emisin de ideas por parte de todos los participantes. Estas ideas deben ir registrndose tal
como se expresaron, para no olvidar ninguna.
70
realizacin, participantes, etc., donde puedan irse apuntando las ideas expresadas y que luego sea refrendada
por los participantes con objeto de corregir errores o
ampliar ideas. Un posible modelo de acta podra ser:
EMPRESA:
ASISTENTES:
FECHA:
HORA:
OBJETO DE LA SESIN:
IDEAS APORTADAS:
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
Figura 4.1. Modelo de acta para sesiones de brainstorming.
B. Diagrama causa-efecto
Tambin llamado de Ishikawa (en honor al Dr. Kaoru
Ishikawa, que lo desarroll en 1943 en la Universidad
de Tokio) o de espina de pez o de las siete M.
Esta tcnica intenta localizar fundamentalmente las
causas que provocan un efecto concreto. stas se suelen agrupar en bloques, y as el anlisis que se puede
realizar de uno de estos diagramas es ms sencillo. Una
de sus caractersticas es la versatilidad, ya que se
puede aplicar a multitud de situaciones.
3. Posteriormente, una vez que la fase anterior ha

finalizado, se reflexiona sobre las ideas emitidas y
se seleccionan las ms apropiadas.
Actualmente es una de las tcnicas ms potentes en

calidad, bien por s sola, o bien combinada con otras
herramientas, como, por ejemplo, el brainstorming. Para
realizarlo existen diferentes formas, aunque bsicamente los pasos son:
Los criterios de seleccin de ideas varan mucho en funcin del objeto de la sesin de brainstorming (puede ser
solucionar un problema, identificar o enumerar tareas,
etc.). Una vez seleccionadas las ms apropiadas, es
conveniente organizarlas en funcin de su importancia
para tener un listado ordenado.
Seleccionar el efecto que queremos controlar. se

ser el tronco del diagrama del cual partirn las
causas que actan sobre dicho efecto (Figura 4.2).
Estas causas sern: mano de obra, materia prima,
maquinaria, mercado, mtodos, medio ambiente y
metrologa.
Tambin puede ser buena idea elaborar un acta de la

reunin en la que aparezcan datos como la fecha de
En la rama correspondiente a cada causa iremos agrupando aquellas que dan lugar al efecto
004.qxd
29/11/04
13:49
Pgina 71

Mano de obra
Maquinaria
Metrologa
Mercado
EFECTO
Medio ambiente
Mtodo
Materia prima
Figura 4.2. Diagrama causa-efecto.
considerado. Estas causas pueden obtenerse de una

tormenta de ideas entre el personal afectado.
Por ltimo, las causas se deben ordenar en funcin
de la importancia que tienen respecto al efecto
que estamos analizando.
C. Histograma
Se utiliza para ver cmo se organizan una serie de
datos y para determinar la distribucin de la variable
asociada a un proceso y su comportamiento.
Su aparicin, aproximadamente en 1833, se debe al
francs A. M. Guerry.
Vamos a ver cmo se realizara un histograma. Imaginaremos el caso de una empresa que fabrique resistencias elctricas de valor 200 V. Han medido los valores
de 100 resistencias y han obtenido los siguientes resultados (Tabla 4.1):
Valor de la resistencia
medida (V)
Nmero de
ejemplares
198
199
12
200
63
201
10
202
Tabla 4.1. Medida de resistencias.
En l se representa con barras la distribucin de frecuencias de una determinada variable agrupada o no en

intervalos. Sirven para:
1 . Ver si el proceso sigue las especificaciones requeridas.
Colocaremos los valores de las mediciones en el eje horizontal (agrupados o no por intervalos, en los casos en
los que sea apropiado), y en el eje vertical marcaremos
las frecuencias de aparicin de cada medida (Figura 4.3).
2 . Observar si existe dispersin de los datos en torno

al valor deseado.
En este caso, tenemos cinco tipos de medidas de las

resistencias (198, 199...), por lo que el nmero de
barras verticales ser cinco.
Para realizarlo se parte de los datos que hemos recogido

de la variable a analizar y con ellos se procede a efectuar sus representaciones grficas.
En los histogramas es habitual poner el valor de la frecuencia de cada intervalo sobre la barra correspondiente, tal como se ve tambin en la Figura 4.3.
La tcnica permite, adems, obtener indicadores, como

medias, varianzas, recorridos, intervalos de agrupacin,
etc., que se vern en la siguiente unidad con detalle.
Una vez que hemos realizado este histograma, vamos a

analizarlo. Se observa que los datos tienen una distribucin simtrica en torno al valor deseado de 200 V,
71
004.qxd
29/11/04
13:49
Pgina 72

70
63
dimetro de 10 cables cada hora; o de 12 cables cada

100, etctera.
Frecuencia
60
50
40
30
Media (x)
20
10
12
10
0
198 199 200 201 202
Figura 4.3. Histograma.
lo que indica que el proceso es aceptable, es decir, que

est cercano a las especificaciones.
Para completar la informacin dada por el histograma se pueden calcular otros parmetros. Para ello,
mostramos a continuacin una serie de definiciones
estadsticas muy sencillas, que nos servirn para hallar
los indicadores ms importantes (media, varianza, etc.)
cuando sean necesarios. Todos estos conceptos estadsticos se desarrollan con ms detalle en la unidad 5,
y aqu solamente los nombramos como avance.
Poblacin
Son todos los elementos de una determinada clase.
Por ejemplo, supongamos que existe una fbrica que
nicamente produce cable de 4 mm tericos de dimetro. Si quisiramos hacer un control en esa fbrica de
los dimetros de los cables que realmente produce, la
poblacin sera el conjunto de todos los cables fabricados. Por regla general, no se suele trabajar con toda la
poblacin, ya que sta a menudo es excesivamente
grande o el estudio a efectuar sobre la misma tiene
carcter destructivo.
Muestra
Se llama media de una muestra al valor medio de los

datos obtenidos.
Matemticamente la expresin de la media es:
n
x =
72
i =1
x1 + x2 + ... + xn
n
siendo:
xi: valores obtenidos del parmetro a controlar (en
nuestro ejemplo, el dimetro de cada cable medido).
n: nmero de valores medidos.
Por ejemplo, supongamos que queremos saber cul es
el consumo medio por persona y da de electricidad,
partiendo de una muestra de 5 personas de las cuales
se han medido los siguientes consumos (Tabla 4.2):
PERSONA
CONSUMO kW h/persona da
1
2
3
4
5
0,75
1,1
0,8
1,5
1
Tabla 4.2. Consumo de electricidad.
El nmero de valores medidos es 5, por tanto, sustituyendo estos valores en la expresin matemtica de la
media, tenemos:
Es la parte de la poblacin que se selecciona para

analizar los datos que queremos controlar.
Volvamos al ejemplo de la fbrica de cables. Normalmente, para controlar un parmetro no se suele medir
ese parmetro en toda la poblacin, es decir, no se inspeccionarn todos los cables fabricados, puesto que su
nmero es muy grande e implicara un coste de inspeccin enorme. Lo que se hace es seleccionar una muestra de esa poblacin, y as, por ejemplo, se medir el
x =
xi
0, 75 + 1, 1 + 0, 8 + 1, 5 + 1
=
n
5
= 1, 03 kW ? h/persona da
i =1
ste ser el consumo medio de electricidad expresado

en kW h/persona y da, obtenido a partir de los datos
recogidos a una muestra de 5 personas de la poblacin
estudiada.
004.qxd
29/11/04
13:49
Pgina 73

Veamos qu ocurre con el caso anterior de la fbrica

que hace resistencias de valor 200 V.
Su expresin matemtica es:

n
Ahora para obtener la media debemos tener en cuenta

el nmero de veces que aparece cada valor.
(x
i =1
x =
i =1
Esta expresin se utiliza cuando estamos estudiando la

desviacin de una muestra de la poblacin. Si en lugar
de trabajar con una muestra lo hicisemos con la poblacin completa, la expresin a utilizar sera:
ni
i =1
donde ni es el nmero de veces que aparece cada valor.
(x
Sustituyendo:
n
x =
x
i =1
ni
n
i =1
i =1
As, la expresin para calcularla en estos casos ser:
x)2 ni
i =1
x)2 ni
i =1
La desviacin tpica de las resistencias medidas ser:

n
198 7 + 199 12 + 200 63 + 201 10 + 202 8

=
=
7 + 12 + 63 + 10 + 8
20000
=
= 200
100
i =1
x)2 ni
i =1
Recorrido o rango (R)
(198 200)2 7 + (199 200)2 12 + (200 200)2

(7 + 12 + 63 +
63 + (201 200)2 10 + (202 200)2 8
=
+10 + 8) 1
Es la diferencia entre el valor mayor y el valor menor de

los obtenidos en la medida de los parmetros.
82
= 0, 91
100 1
En el caso de las resistencias, el recorrido sera:

R = 202 - 198 = 4 V.
(x
Cuanto menor es la desviacin tpica, mayor concentracin de los datos en torno a la media habr en
nuestras medidas. En el caso del consumo medio de
electricidad por habitante y da, la desviacin tpica es:
Frecuencia
n
Es el nmero de veces que aparece cada valor.

Las resistencias de 198 V aparecen 7 veces en las 100
medidas, luego sa es su frecuencia de aparicin, mientras que el valor 200 V tiene frecuencia 63.
Desviacin tpica o estndar (s)

Se define como la distancia media de los puntos de la
distribucin de los valores, respecto al valor medio.
(x
i =1
n
i =1
x)2 ni
i
(0, 75 1, 03)2 1 + (1, 1 1, 03)2 1 + (00, 8 1, 03)2

=
(1 + 1 + 1
=
1 + (1, 5 1, 03)2 1 + (1 1, 03)2 1

=
+1 + 1) 1
=
0, 358
= 0, 299
51
73
004.qxd
29/11/04
13:49
Pgina 74

Observamos, por tanto, que en este caso la distribucin

est ms concentrada alrededor de la media que en el
caso de las resistencias.
Una vez visto cmo se calculan estos indicadores,
volvemos al histograma que ya habamos calculado y vemos cmo nos ayudan a su interpretacin.
El recorrido del proceso ser la diferencia entre los valores mximo y mnimo (Figura 4.4).
Segn los criterios de aceptacin que establezcamos (proceso centrado respecto de la media,
mnima dispersin, etc.), podremos ver si nuestro
proceso es aceptable.
Cualquier desviacin de la media, o dispersin de

los datos, o falta de simetra, indicara un problema en el proceso o producto que estuvisemos
midiendo.
63
60
Frecuencia
Si colocamos el valor medio sobre el grfico, que

era 200 V, los datos tienen una distribucin simtrica en torno a la media.
La media es muy cercana (en este caso exactamente igual) al valor terico especificado.
Media: 200 V
70
Adems se observa tambin:
50
40
30
20
10
12
10
D. Diagrama de sectores
0
198
199
200
201
202
Resistencia ( V)
Recorrido
Otro tipo de representaciones grficas son los diagramas de sectores (del ingls pie chart, es decir,
diagrama de tarta). Se usan principalmente para representar porcentajes. Su forma es circular y tiene divisiones radiales.
Figura 4.4. Media y recorrido del ejemplo de las resistencias.
Caso prctico 1
Tenemos la cantidad de cada tipo de productos que fabrica la
empresa Comodidad, S.A. (Tabla 4.3).
PRODUCTOS
CANTIDAD
Mesas
Sillas
Estanteras
Banquetas
100
400
200
100
Tabla 4.3. Productos que fabrica la empresa Comodidad S.A.
El nmero total de productos fabricados es de 800.

Para realizar el diagrama se obtiene el porcentaje correspondiente a cada producto.
74
Mesas:
100
100 = 12, 5%
800
Sillas:
400
100 = 50%
800
Estanteras:
200
100 = 25%
800
Banquetas:
100
100 = 12, 5%
800
Se obtienen los grados del diagrama que corresponden a cada

producto mediante una simple regla de tres, teniendo en
cuenta que el 100 % seran 360.
(Contina)
004.qxd
29/11/04
13:50
Pgina 75

Caso prctico 1 (cont.)

12, 5% 360
Mesas: 45 del diagrama

= 45
100%
50% 360
= 180
Sillas: 180 del diagrama
100%
Por ltimo, hacemos la representacin grfica (Figura 4.5):

12,5 %
25 %
12,5 %
25% 360
= 90
Estanteras: 90 del diagrama
%
100
12, 5% 360
= 45
Banquetas: 45 del diagrama
%
100
Mesas
Sillas
Estanteras
Banquetas
50 %
Figura 4.5. Representacin grfica del Caso prctico 1.
E. Grficos de control
Esta tcnica permite comprobar si un proceso es estable en el tiempo, con relacin a una determinada variable que se desea tener bajo control. Con ello, puede
predecirse en alguna medida el comportamiento de un
proceso, es decir, se puede saber si va a estar controlado o si, por el contrario, va a estar fuera de los lmites preestablecidos.
Estos grficos son muy sencillos de confeccionar. En
ellos se suelen marcar unos lmites superiores e inferiores para el valor de la variable que sta no debe sobrepasar. Cuando esto ocurre se supone que el proceso est
controlado. En caso contrario, es decir, si los valores de
la variable sobrepasan los lmites de control, se dice
que el proceso est fuera de control (Figura 4.6).
Fundamentalmente, estos grficos son de dos tipos:
(medidas, pesos, etc.). ste sera, por ejemplo, el

caso del control del valor de los dimetros de un
cable.
Este segundo tipo de grficos de control proporciona
mayor informacin sobre el proceso, ya que informa del
valor de las variaciones. Hay distintos tipos de grficos
de control por variables, aunque en este texto se analizan solamente algunos de ellos, ya que la forma de
construccin de los diferentes tipos es anloga.
Valor
de la variable
Lmite de control superior (LCS)
Media
Lmite de control inferior (LCI)
a) Grficos de control por atributos, en los que se

controla una caracterstica del proceso (pasa, no
pasa; conforme, no conforme). Esto ocurre, por
ejemplo, con la clasificacin de frutas por tamaos: si una fruta pasa por un calibre del tipo pasa,
no pasa, significa que es de un tamao inferior y,
por tanto, de una categora menor.
Figura 4.6. Grfico de control.
b) Grficos de control por variables, en los que se

controla la variacin de una magnitud medible
En el comportamiento de los datos que se observa en

un grfico de control hay que distinguir varios casos:
Tiempo
75
004.qxd
29/11/04
13:50
Pgina 76

Existe una tendencia clara en la variacin de los

datos. Hay que investigar cul es la causa que provoca la variacin (Figura 4.7 a).
Para realizar los grficos se deben tener en cuenta los

siguientes puntos:
Aparecen ciclos en las variaciones. Pueden ser debidos a operaciones peridicas o a causas ambientales, por ejemplo (Figura 4.7 b).
1 . Los lmites de control superior (LCS) e inferior

(LCI) provienen de los parmetros de la distribucin (que, como ya se vio, pueden obtenerse a partir de una muestra).
Un punto aparece fuera de los lmites de control.

Por lo general, esto es debido a alguna causa
externa que es necesario investigar (Figura 4.7 c).
2 . Para un proceso que sigue una distribucin normal (que se estudiar en la unidad 5) en general,
los lmites se obtienen usando las expresiones:
Ocho o ms puntos aparecen fuera de los lmites de

control (Figura 4.7 d). Hay que revisar ntegramente el proceso.
Lmite de control superior (LCS) = x + 3 s
a)
Lmite de control inferior (LCI) = x - 3 s
b)
LCS
LCI
LC S
LCI
d)
c)
LC S
LCS
LCI
LCI
Figura 4.7. Diferentes comportamientos de los datos en los grficos de control.
76
004.qxd
1/12/04
17:51
Pgina 77

Caso prctico 2
Supongamos que una muestra de 10 piezas fabricadas en una
empresa ofrece los siguientes resultados al medir uno de sus
parmetros (Tabla 4.4):
Medida
19
18
17
17
20
20
20
19
20
23
Una vez calculados estos dos parmetros, debemos hallar los

valores de los lmites superior e inferior en funcin del porcentaje de productos defectuosos que estamos dispuestos a aceptar en este caso. Por lo general, se suele sumar y restar a la
media tres veces la desviacin tpica para obtener los lmites
superior e inferior, respectivamente. Como ves, este grfico
parte del dato de la media para obtener los lmites.
Tabla 4.4. Constantes en funcin del tamao de la muestra.
En este caso el grfico quedara:

La media de las medidas ha sido:
n
x =
x
i =1
Lmite de control superior:
ni
n
i =1
x + 3s = 19,3 + 3 1,766 = 24,6

=
Lmite de control inferior:
x - 3s = 19,3 - 3 1,766 = 13,99 . 14
19 + 18 + 17 + 17 + 20 + 20 + 20 + 19 + 20 + 23
=
=
10
193
=
= 19, 3
100
Media: 19,3
26
LCS
24
y la desviacin tpica (s):

22
(19 19, 3)2 + (18 19, 3)2 + (17 19, 3)2 +

=
10 1
20
+ (17 19, 3) + (20 19, 3) + (20 19, 3) +

2
18
+ (20 19, 3)2 + (19 19, 3)2 + (20 19, 3)2 + (23 19, 3)2
=
28, 1
= 1, 766
10 1
Media
LCI
14
1
10
Figura 4.8. Grfico de control del Caso prctico 2.
Otros tipos de grficos de control por variables parten

de muestras de las que se halla su media. Con la media de todas las medias de las muestras y con el recorrido (diferencia entre el valor mayor y menor obtenido)
se suele representar el grfico llamado x / R.
En este caso se obtienen dos grficos de control: el
que seala el comportamiento de la media de las
muestras y el que presenta el comportamiento del

recorrido.
Supongamos una empresa que est fabricando ladrillos
refractarios, a los que les controla su espesor en milmetros. Se efectan seis series de medidas, tomando 4
muestras en cada una de ellas. Los datos que ha obtenido de estas medidas quedan reflejados en la Tabla 4.5.
77
004.qxd
29/11/04
13:50
Pgina 78

Serie 1
Serie 2
Serie 3
Serie 4
Serie 5
Serie 6
Muestra 1
Muestra 2
Muestra 3
Muestra 4
2,75
3,25
2,5
1,75
2,5
Media
Recorrido
Tabla 4.5. Series de medidas tomadas en la empresa de ladrillos.
La media de medias ser:

x =
2, 75 + 3, 25 + 3 + 2, 5 + 1, 75 + 2, 5
= 2, 625
6
1,023
2,574
0,729
2,282
0,577
2,114
La media de recorridos ser:

2+3+4 +1+2+2
R =
= 2, 33
6
En este tipo de representaciones, los lmites de control
se calculan en funcin de unas constantes estadsticas
que varan segn el tamao de la muestra.
Tabla 4.6. Valor de las constantes C, D y E en funcin del

tamao de la muestra.
Con estas constantes, y teniendo en cuenta que el tamao de la muestra para cada serie del ejemplo es de 4,
se pueden calcular los lmites de control:
Las frmulas para obtenerlos son:

Grfico de medias
Grfico de medias
Lmite de control superior: x + C R
x + C R = 2,625 + 0,729 2,33 = 4,324
Lmite de control inferior: x - C R
Lmite de control inferior:
Grfico de recorridos
x - C R = 2,625 - 0,729 2,33 = 0,926
Lmite de control superior: D R
Grfico de recorridos
Lmite de control inferior: E R
Estas constantes estn tabuladas.
D R = 2,282 2,33 = 5,317
En la Tabla 4.6 se muestra un grupo de estas constantes en funcin del tamao de la muestra (n):
78
Lmite de control inferior: E R = 0 2,33 = 0
1/12/04
17:51
Pgina 79

Y los grficos de control correspondientes sern los

representados en las Figuras 4.9 y 4.10, en los que se
observa que el proceso del ejemplo est controlado.
5
LCS
4,5
4
3,5
=
x
Media
3
2,5
2
LCI
Supongamos que observamos el porcentaje de piezas

defectuosas que aparecen en un proceso productivo en
funcin de la temperatura. Medimos el porcentaje de
estas piezas que aparecen con cada temperatura y
escribimos la Tabla 4.7.
Temperatura
(C)
10
20
30
40
50
% piezas
defectuosas
Tabla 4.7. Piezas defectuosas en funcin de la temperatura.
1,5
0,5
0
Serie
Figura 4.9. Grfico de medias.

6
LCS
3
2
1
LCI
% piezas
defectuosas
1
1
Todos estos datos han sido obtenidos experimentalmente a partir del proceso productivo.
A continuacin, se elige una de las variables para colocar sus valores en el eje horizontal (por ejemplo, la
temperatura) y la otra se colocar en el eje vertical (en
este caso el porcentaje de piezas defectuosas). La
escala de cada eje se selecciona de modo que los lmites representados coincidan con los valores mximo y
mnimo que toma cada variable (Figura 4.11).
5
Recorridos
004.qxd
Serie
Figura 4.10. Grfico de recorridos.
F. Diagramas de dispersin
A veces, es necesario conocer la relacin existente, por
ejemplo, entre la temperatura ambiente y el porcentaje de piezas defectuosas en un proceso, o entre las
horas de funcionamiento de una mquina y la precisin
con la que salen los componentes hechos por dicha mquina, etctera.
Para detectar el tipo de relacin que puede existir entre
dos variables que caracterizan un proceso (por ejemplo,
el peso y el dimetro de un neumtico) se usan estos
diagramas. A esa relacin se la llama correlacin, lo
que hace que a veces a estos diagramas se los llame
diagramas de correlacin.
La realizacin de estos grficos es muy sencilla. El
punto de partida son los datos de las dos variables cuya
relacin se desea identificar.
10
50
Temperatura
Figura 4.11. Colocacin de valores mximo y mnimo en

cada eje.
Una vez realizados los ejes, se colocan las parejas de

valores relacionados (Figura 4.12).
Bsicamente ste es el proceso de realizacin del diagrama. Sin embargo, lo ms importante es analizarlo
para obtener de l la mayor cantidad de informacin
posible.
79
004.qxd
29/11/04
13:50
Pgina 80

Esto se ve en el diagrama, ya que cuanto ms aumenta

la temperatura mayor porcentaje de piezas defectuosas
aparecen en el proceso.
% Piezas defectuosas
5
4
Pero no es ste el nico tipo de correlacin que podemos encontrar. Existen diversos tipos de correlaciones
dependiendo de la distribucin de los puntos en el diagrama.
3
2
Veamos algunos de los tipos de correlaciones ms

comunes:
1
0
0
20
40
60
Temperatura
Correlacin lineal creciente: incrementos en los

valores de la variable A producen incrementos en
los valores de la variable B (Figura 4.14).
Figura 4.12. Representacin de las parejas de valores.
Dicha informacin ser utilizada para posibles mejoras

del proceso, o bien para descartar o detectar posibles
causas de defectos que, a priori, podran no estar claras.
Correlacin lineal decreciente: incrementos en

los valores de la variable A producen decrementos
en los valores de la variable B (Figura 4.15).
B
Segn la dispersin de los puntos del diagrama se puede aproximar una lnea que siga la tendencia de todos
ellos.
En el diagrama del ejemplo se observa que la correlacin es claramente lineal, es decir, que todos los puntos de la correlacin pueden unirse con una lnea recta
(Figura 4.13).
Por tanto, se puede deducir que la temperatura de trabajo va a afectar al porcentaje de defectos y que deber
ser una variable a controlar en el proceso productivo.
Figura 4.14. Correlacin lineal creciente.

6
% Piezas defectuosas
5
4
3
2
1
0
0
20
40
60
Temperatura
Figura 4.13. Unin de los puntos mediante una lnea recta.
80
Figura 4.15. Correlacin lineal decreciente.
004.qxd
29/11/04
13:50
Pgina 81

Correlacin lineal horizontal: las variaciones de

A no producen variaciones en B. Por tanto, en este
caso se puede asumir que la variable B es independiente de la variable A; es decir, B no tiene
relacin alguna con A. En este caso la variable B
tiene siempre el mismo valor independientemente
del valor que tome A (Figura 4.16).
Sin correlacin: en este caso no es posible ajustar

una lnea que siga la tendencia de los puntos; por
tanto, las variables A y B no tienen correlacin.
Esto significa que el valor de B es totalmente
variable, sea cual sea el valor de A (Figura 4.20).
B
Correlacin no lineal: las variaciones de A producen diversas variaciones de B dependiendo del

punto donde se encuentra (Figura 4.17).
Existe una amplia variedad de correlaciones no lineales, como las representadas en las Figuras 4.18 y 4.19
(en ellas se ha podido obtener con mtodos matemticos avanzados la correlacin matemtica existente) y
otras muchas ms.
A
B
Figura 4.18. Correlacin no lineal.

B
A
A
Figura 4.16. Correlacin lineal horizontal.

B
Figura 4.20. Valores sin correlacin.
81
004.qxd
29/11/04
13:50
Pgina 82

Esta distribucin se aprecia tambin, por ejemplo, en

la distribucin de la riqueza en la poblacin humana,
es decir, aproximadamente el 80 % de la riqueza est
controlada por el 20 % de la poblacin.
G. Diagramas de Pareto
Este diagrama tambin es conocido por los siguientes
nombres:
En general, en la mayora de las situaciones, un pequeo porcentaje de las causas posibles origina un gran
porcentaje de los efectos. Estos porcentajes se aproximan al 20 y 80, respectivamente, aunque no siempre
se cumplen de forma exacta. Por eso a los grficos que
tienen este comportamiento se les llama 80/20 o
70/30.
Diagrama ABC.
Diagrama 80/20.
Diagrama 70/30.
El diagrama parte de un hecho que se da con mucha
frecuencia en procesos industriales y en fenmenos
naturales: la distribucin de los efectos y sus posibles
causas no es lineal sino que el 20 % de las causas origina el 80 % de los efectos.
La realizacin del diagrama de Pareto se ver mejor con

el siguiente ejemplo.
Caso prctico 3
80 de ellas son defectuosas por una falta de aporte de

material dielctrico (tipo de causa A).
16 de ellas son defectuosas por un exceso de aporte de
material dielctrico (tipo de causa B).
4 de ellas son defectuosas por otras causas (tipo de causa C).
100
% defectuosas
Imaginemos un lote de 100 resistencias defectuosas. Una

investigacin sobre las causas que originan los defectos en las
mismas determina que:
80
80
60
40
16
20
4
0
Figura 4.21. Diagrama de Pareto.
Cada causa estar representada por una columna de anchura

constante y cuya altura corresponder al porcentaje respectivo
(Figura 4.21).
Por ltimo, se realiza la lnea de porcentaje acumulado
sumando a cada columna el porcentaje de todas las columnas
situadas a su izquierda (Figura 4.22).
100
% defectuosas
Para realizar el grfico, se colocan en el eje vertical los porcentajes de piezas defectuosas (de 0 a 100) y en el eje horizontal las posibles causas ordenadas de mayor a menor.
80
80
60
40
16
20
4
0
Figura 4.22. Diagrama de Pareto con la lnea de acumulado.
A la lnea de acumulado, que suele tener la forma de la Figura

4.23, se la denomina distribucin de Pareto.
Analizando este tipo de diagramas se pueden localizar las principales causas que originan efectos no deseables (como problemas o defectos) y actuar sobre ellas prioritariamente, antes
que sobre las que originan poca cantidad de efectos.
Figura 4.23. Lnea de acumulado o distribucin de Pareto.
82
004.qxd
29/11/04
13:50
Pgina 83

Caso prctico 4
En una empresa de 250 trabajadores, las bajas por accidentes
laborales en un mes se han producido por los siguientes
motivos:
Causas ordenadas
% acumulado
E
A
C
B
D
TOTAL
37,01
27,27
14,29
13,64
7,79
100
37,01
64,28
78,57
92,21
100
A. Cadas al mismo nivel: 42 accidentes.

B. Cadas a distinto nivel: 21 accidentes.
C. Contusiones: 22 accidentes.
Tabla 4.9. Clculos para realizar un anlisis de Pareto con las

causas ordenadas.
D. Cortes: 12 accidentes.
E. Quemaduras: 57 accidentes.
En primer lugar, rellenamos las Tablas 4.8 y 4.9, con las que
realizaremos y analizaremos el diagrama de Pareto correspondiente (Figura 4.24).
Causas
Nmero
A
B
C
D
E
TOTAL
42
21
22
12
57
154
27,27
13,64
14,29
7,79
37,01
100
37,01
27,27
14,29
13,64 7,79
Causas
Tabla 4.8. Clculos para realizar un anlisis de Pareto.

Figura 4.24. Diagrama de Pareto del Caso prctico 4.
Caso prctico 5
La empresa de reparto Aqu Est, S.A., ha tenido 152 no conformidades en los ltimos 6 meses, y desea reducir esta cifra
en el futuro. Se decide realizar como primera medida un anlisis de Pareto para ver sobre qu causas actuar de inmediato.
45 no se entregaron debido a problemas con la direccin

del receptor (DIR).
El resumen de las no conformidades de la empresa refleja los

siguientes datos:
70 llegaron tarde por problemas de logstica en el almacn central (ALM).

(Contina)
5 no las acept el receptor (RECH).
83
004.qxd
29/11/04
13:50
Pgina 84

Caso prctico 5 (cont.)

20 llegaron tarde por problemas climatolgicos (CLIM).
Con todo esto, se deduce del diagrama que el 33 % de las causas

originan el 75 % de los efectos (es decir, de no conformidades).
2 llegaron rotas (ROT).
50
46,05
10 llegaron tarde por averas en los vehculos (AVER).
45
Despus las ordenamos de mayor a menor porcentaje:

ALM: 46,05 %
10
AVER
CLIM
DIR
1,32
15
ROT
20
3,29
1 3 ,1 6
25
RECH
30
6,58
29,6
35
ALM
45 100
DIR:
= 29, 6%
152
5 100
RECH:
= 3, 29%
152
70 100
ALM:
= 46, 05%
152
20 100
= 13, 16%
CLIM:
152
10 100
AVER:
= 1, 32%
152
2 100
ROT:
= 1, 32%
152
40
Figura 4.25. Diagrama de Pareto del Caso prctico 5.

100
90
80
DIR: 29,6 %
70
CLIM: 13,16 %
60
AVER: 6,58 %
50
46,05
Primero, vemos el porcentaje de cada una:
45
84
29,6
10
5
1,32
15
3,29
20
6,58
1 3 ,1 6
25
ROT
RECH
0
AVER
Por otro lado, solucionando los problemas de almacn y los de

identificacin de la direccin del receptor, se reducir en un
75 %, aproximadamente.
30
CLIM
Con estos datos, colocamos las columnas en un grfico (Figura

4.25). Por ltimo, realizamos la curva acumulada (Figura 4.26).
Del anlisis del diagrama se puede deducir que resolviendo los
problemas de logstica del almacn se reducir en un 46 % el
nmero de no conformidades.
35
DIR
ROT: 1,32 %
40
ALM
RECH: 3,29 %
Figura 4.26. Diagrama de Pareto con la lnea de acumulado.
004.qxd
29/11/04
13:50
Pgina 85

Aplicaciones de las herramientas bsicas de calidad

En este apartado vamos a ver la utilidad de las herramientas
que se han estudiado en el tema.
Una de ellas es el diagrama de tarta (vase la Figura 4.27),
que resulta muy til para comparar la magnitud de un dato o
serie de datos frente al total.
En la Tabla 4.10, aparecen las empresas certificadas por
AENOR con el certificado ISO 9001 por comunidades autnomas (datos cedidos por AENOR del ao 2005).
Otra de las herramientas es el diagrama de barras (vase la
Figura 4.28), que puede sernos til, por ejemplo, para comparar el nmero de empresas en Espaa con el certificado de
Medio ambiente emitido por AENOR, hasta el ao 2005
(fuente AENOR) por comunidades autnomas.
Comunidad
Autnoma
Andaluca
Aragn
Asturias
Baleares
Canarias
Cantabria
Castilla-La Mancha
Castilla y Len
Catalua
Ceuta
Comunidad Valenciana
Extremadura
Galicia
La Rioja
Madrid
Melilla
Murcia
Navarra
Pas Vasco
Total
Nmero de
certificados ISO 9001
2 152
804
466
348
400
238
835
1 062
1 888
19
1 912
333
1 209
284
2 623
18
605
526
1 984
17 706
Tabla 4.10. Empresas certificadas por AENOR con la ISO 9001 por
comunidades autnomas.
12%
11%
3%
5%
3%
0%
3%
2%
2%
1%
15%
5%
6%
2%
7%
11%
2%
11%
0%
Andaluca
Aragn
Asturias
Baleares
Canarias
Cantabria
Castilla-La Mancha
Castilla y Len
Catalua
Ceuta
Extremadura
Galicia
La Rioja
Madrid
Melilla
Murcia
Navarra
Pas Vasco
Figura 4.27. Porcentaje de empresas certificadas por AENOR con la ISO 9001 por comunidades autnomas.
85
004.qxd
29/11/04
13:50
Pgina 86


3 000
Empresas certificadas
2 500
2 000
1 500
1 000
500
Pas Vasco
Navarra
Murcia
Melilla
Madrid
La Rioja
Galicia
Extremadura
C. Valenciana
Ceuta
Catalua
Castilla y Len
Castilla-La Mancha
Cantabria
Canarias
Baleares
Asturias
Aragn
Andaluca
Comunidad autnoma
Figura 4.28. Histograma de las empresas certificadas por AENOR con la ISO 9001 por comunidades autnomas.
Comunidad
autnoma
Andaluca
Aragn
Asturias
Baleares
Canarias
Cantabria
Castilla-La Mancha
Castilla y Len
Catalua
Ceuta
Extremadura
Galicia
La Rioja
Madrid
Melilla
Murcia
Navarra
Pas Vasco
Total
Nmero de certificados
ISO 14001
532
173
119
80
118
50
152
239
418
5
335
70
291
84
576
5
107
102
391
3 847
Tabla 4.11. Nmero de empresas que han merecido el Certificado de Medio Ambiente.
86
004.qxd
29/11/04
13:51
Pgina 87

Vilfredo Federico Damaso Pareto (1848-1923)
Vilfredo Federico Damaso Pareto (1848-1923)

Pareto fue un socilogo y economista talo-suizo, cuya fama
proviene, sobre todo, de sus teoras de aplicacin de las matemticas al anlisis econmico.
Se gradu en la Universidad de Turn en 1869 en Fsica
y Matemticas. Posteriormente, trabaj como director de
los ferrocarriles italianos y estudi Filosofa y Poltica.
Escribi muchos artculos en los que realiz anlisis econmicos usando herramientas matemticas. En 1893, ocup una Ctedra de Economa en la Universidad de Lausana.
En 1896, public el Curso de Economa Poltica, donde se
inclua una ley de distribucin basada en una complicada for-
mulacin matemtica que fue duramente criticada. Ms tarde,

en 1906, escribi la que fue su obra ms influyente, el Manual
de Economa Poltica. Despus aparecieron otras como el Tratado de Sociologa General (1916).
Pareto defendi un postulado que dice que en una poblacin
solamente unos pocos individuos controlan la mayora de la
riqueza. Este enunciado es conocido como Ley de Pareto o
Principio de Pareto, y tradicionalmente se ha conocido como
la regla del 80/20, es decir, que el 80 % de los efectos pueden
ser razonablemente suprimidos eliminando el 20 % de las causas que los producen.
Vocabulario
A continuacin se proponen una serie de trminos que han
aparecido a lo largo de la unidad. Intenta encontrar la definicin ms precisa de cada uno de ellos y apntala en el cuaderno.
Recorrido
Atributo
Correlacin
Brainstorming
Histograma
87
004.qxd
29/11/04
13:51
Pgina 88

Conceptos bsicos
Conceptos bsicos
Para llevar a cabo una gestin de la calidad en las mejores

condiciones posibles, es necesario contar con el apoyo de
algunas tcnicas que ayuden a su desarrollo.
Hay muchas formas de controlar un proceso, de buscar fallos,
de mejorar los sistemas, de analizar los riesgos, etc., siendo
algunas de ellas de gran complejidad. Algunas de estas herramientas son las llamadas herramientas bsicas de la calidad:
Mano de obra
Maquinaria
Tormenta de ideas (brainstorming): esta tcnica se desarrolla siempre en grupo e intenta estimular a cada
miembro a participar sin complejos en la aportacin de
cuantas ideas surjan para resolver una determinada
situacin.
Diagramas causa-efecto: con esta tcnica se intentan
localizar las causas que provocan un efecto concreto.
Metrologa
Mercado
EFECTO
Medio ambiente
Mtodo
Materia prima
Figura 4.29. Diagrama causa-efecto.
Histogramas: se utilizan para ver cmo se organiza una

serie de datos y para determinar la distribucin de la
variable asociada a un proceso y su comportamiento.
Diagramas de sectores: son otro tipo de representaciones grficas que se usan principalmente para representar
porcentajes. Su forma es circular y tiene divisiones radiales.
88
Grficos de control: permiten comprobar si un proceso

es estable en el tiempo en relacin con una determinada
variable que se desea tener bajo control. Con ello puede
predecirse en alguna medida el comportamiento de un
proceso, es decir, se puede saber si va a estar controlado
o si, por el contrario, va a estar fuera de los lmites preestablecidos. Son de dos tipos: grficos de control por
atributos, y grficos de control por variables.
004.qxd
29/11/04
13:51
Pgina 89

Conceptos bsicos
Conceptos bsicos
a)
c)
LCS
LC S
LCI
LCI
d)
b)
LCS
LC S
LCI
LCI
Figura 4.30. Grficos de control.
Diagramas de dispersin: se usan para detectar el tipo

de relacin que puede existir entre dos variables que
caracterizan un proceso. El punto de partida son los datos

de las dos variables cuya relacin se desea identificar.
B
Figura 4.31. Diagramas de dispersin.
Diagrama de Pareto: en muchos sistemas el 20 % de las

causas origina el 80 % de los efectos, aproximadamente.
Por tanto, el diagrama representa el porcentaje de cada
efecto para ver sobre cules hay que actuar con mayor
rapidez.
89
004.qxd
29/11/04
13:51
Pgina 90

Actividades complementarias
Los siguientes datos corresponden al consumo de energa

de la empresa Servicios y Asociados:
Realiza el histograma que corresponde a las medidas de

ruido tomadas en una empresa. Sabemos que el lmite
legal mximo son 80 dB.
Realiza el histograma correspondiente a esos datos.

Da semana
kWh
1 200 1 000 1 100 1 200 1 200 600
50
Realiza un grfico de control partiendo de los siguientes

datos: 80, 81, 81, 82, 82, 82, 83, 83, 84.
Realiza el diagrama circular (de tarta) que represente la

cantidad de componentes vendidos por una empresa en
varias ciudades.
Ciudad
Zaragoza
Sagunto
Soria
Guadalajara
Trujillo
Calahorra
80
80
85
96
80
80
81
82
81
78
79
77
82
84
86
82
81
85
80
85
96
84
82
86
86
92
81
84
87
86
96
77
85
82
81
82
92
81
84
82
83
85
Mues- Mues- Mues- Mues- Mues- Muestra 1 tra 2 tra 3 tra 4 tra 5 tra 6
10 000
2 000
500
4 000
1 000
500
a)
Fusibles: 250
Enchufes: 430
Interruptores: 720
Diferenciales: 94
Transformadores: 47
Otros elementos: 141
25
44
28
32
32,25
19
28
43
33
35
34,75
15
22
34
25
12
23,25
22
22
32
23
13
22,5
19
22
18
19
32
22,75
14
22
29
34
32
29,25
12
Realiza el diagrama circular que representa la cantidad de unidades producidas por una empresa que
fabrica robots, segn los siguientes datos:
Modelo pequeo: 250 unidades.
Modelo mediano: 200 unidades.
Modelo grande: 100 unidades.
b)
Haz un diagrama de Pareto que muestre el porcentaje de cambios y analzalo.
90
89
85
85
83
83
89
96
Componentes vendidos
Los cambios de piezas que se han realizado en las instalaciones elctricas de una cadena de tiendas en el ltimo
ao han sido:
98
81
79
84
83
86
86
Realiza el grfico de control de las siguientes series de

muestras obtenidas del proceso de fabricacin de bombillas. Se ha medido el nmero de das de funcionamiento
ininterrumpido de las bombillas.
Media
Recorrido
4
80
89
96
84
85
82
81
Teniendo en cuenta que los precios de venta de cada

robot son los siguientes, realiza el diagrama circular
de dinero ingresado por la empresa segn los distintos tipos de robots.
004.qxd
29/11/04
13:51
Pgina 91

28,28,28,28,28,
29,29
Modelo pequeo: 25 000 .

Modelo mediano: 45 000 .
Modelo grande: 120 000 .
10
8
Realiza un histograma con los siguientes datos:
Rueda delantera: 1
Rueda trasera: 10
Cuadro: 50
Horquilla delantera y manillar: 20
Freno delantero: 3
Freno trasero: 10
Cambio de marchas: 14
Pedales y cadena: 0
21,21,
22,22,22,22,22,
23,23,23,23,23,23,23,23,
24,24,24,24,24,24,24,24,24,24,
25,25,25,25,25,25,25,25,25,25,25,
26,26,26,26,26,26,26,26,26,26,
27,27,27,27,27,27,27,27,
28,28,28,28,28,
29,29
9
Realiza un diagrama de Pareto con los tipos de componentes defectuosos y el porcentaje de aparicin.
Realiza un histograma de porcentajes con los siguientes

datos:
21,21,
22,22,22,22,22,
23,23,23,23,23,23,23,23,
24,24,24,24,24,24,24,24,24,24,
25,25,25,25,25,25,25,25,25,25,25,
26,26,26,26,26,26,26,26,26,26,
27,27,27,27,27,27,27,27,
En una fbrica de bicicletas, el nmero de defectos aparecidos en la produccin de un mes es el siguiente:
11
Forma un grupo con varios compaeros de clase y realizad un diagrama de causa-efecto para analizar las causas
del suspenso en una asignatura.
12
Organizad grupos en clase para realizar una tormenta de

ideas con los compaeros sobre el tema: Cmo evitar
que los alumnos dibujen en las mesas de clase. Rellena
la siguiente acta a medida que vayan surgiendo las ideas.
EMPRESA:
ASISTENTES:
FECHA:
HORA:
PROBLEMA:
IDEAS APORTADAS:
1. ...
2. ...
3. ...
4. ...
5. ...
6. ...
7. ...
8. ...
9. ...
10. ...
11. ...
12. ...
13. ...
14. ...
15. ...
16. ...
17. ...
18. ...
19. ...
20. ...
21. ...
22. ...
23. ...
24. ...
25. ...
26. ...
27. ...
28. ...
Hoja para realizar una tormenta de ideas.
91

Tecnicas Basicas de La Calidad

Cargado por

Información del documento

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

Tecnicas Basicas de La Calidad

Cargado por

Copyright:

Formatos disponibles

004.

Tcnicas bsicas de calidad

En esta unidad aprenders a:

Identificar las tcnicas bsicas

Aplicar las herramientas

Utilizar la tormenta de ideas

Crear distintos tipos

Usar histogramas y grficos

4. Tcnicas bsicas de calidad

4.1 Qu son las tcnicas bsicas de calidad?

4.2 Tcnicas bsicas de calidad

A. Tormenta de ideas (brainstorming)

El mtodo fue ideado en 1939 por un publicista llamado

4. Tcnicas bsicas de calidad

Es muy importante que el grupo no sea crtico con las

Figura 4.1. Modelo de acta para sesiones de brainstorming.

3. Posteriormente, una vez que la fase anterior ha

Actualmente es una de las tcnicas ms potentes en

Seleccionar el efecto que queremos controlar. se

Tambin puede ser buena idea elaborar un acta de la

4. Tcnicas bsicas de calidad

Figura 4.2. Diagrama causa-efecto.

considerado. Estas causas pueden obtenerse de una

Tabla 4.1. Medida de resistencias.

En l se representa con barras la distribucin de frecuencias de una determinada variable agrupada o no en

2 . Observar si existe dispersin de los datos en torno

En este caso, tenemos cinco tipos de medidas de las

Para realizarlo se parte de los datos que hemos recogido

La tcnica permite, adems, obtener indicadores, como

Una vez que hemos realizado este histograma, vamos a

4. Tcnicas bsicas de calidad

dimetro de 10 cables cada hora; o de 12 cables cada

Figura 4.3. Histograma.

lo que indica que el proceso es aceptable, es decir, que

Se llama media de una muestra al valor medio de los

Tabla 4.2. Consumo de electricidad.

Es la parte de la poblacin que se selecciona para

ste ser el consumo medio de electricidad expresado

4. Tcnicas bsicas de calidad

Veamos qu ocurre con el caso anterior de la fbrica

Su expresin matemtica es:

Ahora para obtener la media debemos tener en cuenta

Esta expresin se utiliza cuando estamos estudiando la

donde ni es el nmero de veces que aparece cada valor.

As, la expresin para calcularla en estos casos ser:

La desviacin tpica de las resistencias medidas ser:

198 7 + 199 12 + 200 63 + 201 10 + 202 8

Recorrido o rango (R)

(198 200)2 7 + (199 200)2 12 + (200 200)2

Es la diferencia entre el valor mayor y el valor menor de

En el caso de las resistencias, el recorrido sera:

Es el nmero de veces que aparece cada valor.

Desviacin tpica o estndar (s)

(0, 75 1, 03)2 1 + (1, 1 1, 03)2 1 + (00, 8 1, 03)2

1 + (1, 5 1, 03)2 1 + (1 1, 03)2 1

4. Tcnicas bsicas de calidad

Observamos, por tanto, que en este caso la distribucin

Cualquier desviacin de la media, o dispersin de

Si colocamos el valor medio sobre el grfico, que

Adems se observa tambin:

Figura 4.4. Media y recorrido del ejemplo de las resistencias.

Tabla 4.3. Productos que fabrica la empresa Comodidad S.A.

El nmero total de productos fabricados es de 800.

Se obtienen los grados del diagrama que corresponden a cada