Está en la página 1de 51

PROBABILIDAD

Existen bsicamente dos enfoques para abordar el estudio de la probabilidad:


1- Enfoque subjetivo: En este caso la probabilidad se define como un grado racional de
confianza. En este enfoque la probabilidad de un evento no guarda ninguna relacin
con la frecuencia de ocurrencia del mismo.
2- Enfoque por frecuencias: En este caso la probabilidad de ocurrencia de un evento se
casos favorables
define como P
. De esta definicin se desprende que la
casos posibles
probabilidad toma valores tales que 0 P 1
Unin de sucesos
Considrese un conjunto de sucesos Ai disjuntos entre si, esto es, Ai Aj si

i j

. La

n n
probabilidad de la unin de los sucesos ser P Ai P Ai
i 1 i 1
En el caso de que dos sucesos A y B no sean disjuntos, la probabilidad de la unin es
P A B P A P B P A B

Interseccin de sucesos
Considrese un conjunto de sucesos Ai que no son disjuntos entre si, tales que sean
n
n

independientes. La probabilidad de la interseccin de los sucesos es P Ai P Ai .


i 1 i 1
Se entiende que dos sucesos A y B son independientes si la ocurrencia de A no depende de la
ocurrencia de B

Probabilidad del universo


Si el conjunto de sucesos Ai es el conjunto de todos los sucesos posibles, entonces se
n n
cumple P Ai P Ai 1
i 1 i 1

Probabilidad del complemento


Dado un suceso A, la probabilidad de que este no ocurra (es decir, que ocurra un suceso de
su complemento) es P Ac 1 P A

TEORIA COMBINATORIA

Ordenamientos
Se definen los ordenamientos de un conjunto de n elementos como n!
Permutaciones
n!
. En este caso
n x !
el orden en que aparecen los objetos es importante, por ejemplo, si se tienen los objetos A y
B, el objeto AB es diferente del objeto BA.

Se definen las permutaciones de n objetos tomados de a x como Pxn

Combinaciones
Se definen las combinaciones de n objetos tomados de a x como Cxn

n!
. En este
x ! n x !

caso es indiferente el orden en que aparecen los objetos

INTRODUCCION AL CONTROL DE CALIDAD

Definicin
Hay bsicamente tres autores que han profundizado en el estudio de la calidad. El primero
es W. Edwards Deming, y segn el la calidad es sobrepasar las expectativas y necesidades del
cliente a lo largo de la vida del producto. El segundo es Joseph Juran, y segn el la calidad es
la adecuacin al uso. La define como el conjunto de caractersticas de un producto que
satisfacen las necesidades del cliente y lo hacen satisfactorio, y consiste en no tener
deficiencias en el producto o en el proceso de creacin del mismo, y segn Philip B. Crosby
la calidad significa conformidad con los requisitos.
Otra definicin de calidad aceptada actualmente es la proporcionada por la norma ISO
9000:2005, en la que se establece que la calidad es el grado en que un conjunto de
caractersticas inherentes cumple con los requisitos.

Caractersticas de la calidad
La calidad presenta las siguientes caractersticas:
1- Se trata de un filosofa, no de una forma de actuar
2- No se trata de una moda, sino de un modo de hacer las cosas
3- Es hecha por la gente, no por la tecnologa. La calidad se logra mediante la
implementacin de planes y metodologas de trabajo, independientemente de la
tecnologa utilizada en el proceso de produccin
4- Es una cuestin necesaria, pero no siempre es suficiente

5- La calidad no se logra instantneamente, sino que se obtiene a mediano y largo plazo


6- No es algo accidental, sino que se obtiene por medio de esfuerzos inteligentes y
sistemticos.
7- La calidad siempre es relativa, es un blanco mvil y es dinmica
8- El xito de cualquier organizacin depende de la calidad de los productos
9- La calidad no se considera costo, sino inversin.
Concepto moderno de calidad
Actualmente, la calidad se considera definida por los clientes, y los mtodos utilizados
para alcanzarla surgen generalmente de la comparacin con los mejores. La calidad duradera
se logra implementando sistemas organizados, no es producto de esfuerzos aislados.
Principios absolutos de la calidad
Segn Crosby, los principios absolutos de la calidad son los siguientes:
1- El sistema para lograr la calidad es la prevencin de errores, no la verificacin de la
ocurrencia de los mismos.
2- El estndar de la realizacin debe ser 0 defectos.
3- La medida de la calidad es el precio del incumplimiento, no los ndices. Es decir, la
medida de la calidad se realiza viendo todo lo que no tendra que hacerse si las cosas
se hubieran hecho bien desde el principio.
Facetas de la calidad
Hay que notar que la calidad de un producto es tan buena como lo es la peor de sus etapas
de produccin, esto es, calidad parcial no es calidad, y para lograrla hay que mantener la
excelencia en todo el proceso. Las facetas de la calidad son las siguientes.
Calidad de diseo: Es el grado de concordancia entre las caractersticas del diseo, y las
caractersticas determinadas por las exigencias de los clientes a los cuales esta destinado el
producto
Calidad de realizacin: Es el grado de concordancia entre las caractersticas logradas luego
de la realizacin y las caractersticas del diseo.
Calidad de desempeo: Es la capacidad del producto para realizar una funcin requerida, en
condiciones y durante un periodo establecidos.
Calidad de respaldo al usuario: Es el grado en que la organizacin responde a los reclamos
del cliente.
Espiral de la calidad de Juran
Juran asegura que el ciclo de vida de un producto es en realidad un espiral. Esto se debe a
que una vez que se regresa al punto de partida, en donde se realizan los estudios del mercado,
las exigencias y expectativas de los clientes y del entorno han cambiado, y esto conlleva a la
necesidad de una mejora continua del producto.

Tomando en cuenta todos los conceptos anteriores, puede decirse que la calidad es en esencia
realizar las actividades correctas, correctamente, la primera vez y todas las veces, y por todos
los integrantes de la empresa.

Evolucin hacia la calidad total


La evolucin hacia la calidad total no es una moda, ni se hace porque simplemente los
dems lo hacen. El motivo es puramente econmico. Mayor calidad implica mayores
ganancias, competitividad y por consiguiente la supervivencia de la organizacin. En
palabras de Deming, los defectos no son gratis. Alguien los hace y se le esta pagando para
hacerlos.
En referencia a esto ultimo, es interesante analizar los resultados de un estudio en EEUU que
este mismo realizo. Este arrojo que el 30 % del costo de bienes y servicios es debido a
desperdicios y errores, costo denominado de no calidad. Dentro de este costo, el 85 % del
desperdicio es debido a sistemas de trabajo mal diseados y no a incompetencia del personal.
Se obtuvo que un cliente insatisfecho lo comunica a 20 personas y uno satisfecho solo a 5, y
de los clientes insatisfechos solo el 4 % se queja. Finalmente, el costo de obtener un nuevo
cliente es 5 veces mayor que el de conservar uno.
La ley nacional de Malcom Baldrige
Parte del enunciado de esta ley dice: Los negocios y la industria en EEUU comienzan a
comprender que la mala calidad cuesta a las empresas hasta el 20 % de sus ingresos, y que la
buena calidad va de la mano con productividad mejorada, costos mas bajos y mayor
rentabilidad.
Segn Deming, el costo de sustituir un artculo defectuoso en la lnea de produccin es
estimable, pero el costo de un artculo defectuoso que llega al cliente es incalculable. En
efecto, si hay un error en un paso del proceso de produccin total que tiene costo x, el precio
del articulo luego de repetir el paso a fin de corregir el error es el precio estndar mas x. Sin
embargo, si un articulo defectuoso llega al cliente, este regresa, pero el cliente no.

La inspeccin
Segn la norma ISO 9000-2005, la inspeccin es la evaluacin de la conformidad por
medio de la evaluacin y el dictamen, acompaada cuando sea necesario por mediciones,
pruebas, ensayos y/o comparacin con patrones. El proceso de inspeccin comenz a ser
necesario con el surgimiento de la produccin en masa, y las actividades de inspeccin para
el control de la calidad se formalizaron en 1992 con la publicacin de la obra The control of
quality in manufacturing, de Radford

Control de calidad
Segn la norma UNIT-ISO 8402, el control de calidad son todas aquellas tcnicas y
actividades de carcter operacional utilizadas para satisfacer los requisitos referentes a la
calidad. Una definicin ms moderna es la establecida por la norma ISO 9000-2005, que lo
define como parte de la gestin de calidad orientada al cumplimiento de los requisitos de la
calidad.
Control estadstico de la calidad
Esta tcnica surge en el ao 1931, con la publicacin de Control of quality of
manufacturing product, por Walter Shewhart. En esta obra se reconoce la variabilidad como
un hecho real en la produccin industrial, que podra ser estudiado basndose en los
principios de la probabilidad y la estadstica. Se desarrollaron entonces las tcnicas para
determinar los lmites de variabilidad y mtodos grficos para evaluar la calidad de un
proceso. Como resultado se obtuvieron los grficos de control de procesos
En 1951 Juran seala que los costos asociados a alcanzar un cierto nivel de calidad se
pueden dividir en costos evitables, asociados a defectos y fallas en los productos, y en costos
inevitables, asociados a la prevencin
Aseguramiento de la calidad
Segn la norma UNIT-ISO 8402 el aseguramiento de la calidad son todas aquellas
acciones planificadas y sistemticas necesarias para asegurar que un cierto producto cumple
con los requisitos de calidad establecidos
Por otro lado, segn la norma ISO 9000-2005 es parte de la gestin de calidad orientada a
proporcionar la confianza de que se cumplirn los requisitos de calidad.
El aseguramiento de calidad consta de dos aspectos fundamentales:
1- Interno: Comprende las actividades orientadas a dar confianza a la direccin de que
el sistema con el que se realiza el producto satisface los requisitos de calidad
2- Externo: Comprende las actividades orientadas a dar confianza al cliente de que el
sistema con el que se realiza el producto satisface los requisitos de calidad
Calidad total
Es un modelo que se perfecciono en Japn, a partir de la ideas de Deming y Juran, en el
que la atencin se deja de centrarse en el proceso de produccin y se traslada a todos los
aspectos de la organizacin. La calidad total es de naturaleza tcnica, nacida con los procesos
de control estadstico de Shewhart y consolidada con los conceptos de control de calidad de
los ltimos aos. Tambin se apoya en las investigaciones desarrolladas acerca del
comportamiento humano.
Gestin total de la calidad (TQM)
Es un enfoque gerencial dirigido hacia el xito a largo plazo, a travs de la satisfaccin de
los clientes, que se basa en la participacin de todos los integrantes de la organizacin y en la

mejora continua de los productos, procesos, servicios y de la cultura de la organizacin en


que trabajan.
Control total de la calidad
Es un sistema que integra el desarrollo, el mantenimiento y la mejora de la calidad en una
organizacin, para la produccin de bienes ms econmicos que permitan la satisfaccin del
consumidor.
Sistema de gestin de la calidad
Es el sistema de gestin para dirigir y controlar una organizacin en lo relativo a la calidad
Factores de competitividad
Los trminos que las empresas consideraban factores de calidad han evolucionado con el
tiempo acorde a los estudios y a las necesidades de los clientes. En los aos 50 y 60 se
consideraba el precio asociado al volumen de produccin, en los 70 se consideraba el
marketing, en los 80 comienza a considerarse la calidad y en los 90 el diseo. Actualmente se
considera como el factor de competitividad ms importante al tiempo. La idea radica en que
las empresas con mayor capacidad de adaptacin tienen ms ventaja en la competencia.
Debe reducirse el tiempo en las siguientes actividades:
1.
2.
3.
4.
5.
6.

Determinar los potenciales clientes


Determinar sus necesidades
Diseo y proyecto del producto
Produccin del producto
Distribucin y logstica
Desperdicio: Minimizar el tiempo entre que el cliente realiza el pedido y recibe el
producto

Pilares de la calidad total


Hay dos conceptos principales considerados los pilares de la calidad total. En primer lugar
esta la cultura corporativa de la organizacin, esto es, el conjunto de actividades que practica
y fomenta toda la organizacin. En segundo lugar se encuentran los sistemas de trabajo que
esta establece.
Cultura
Se define la cultura como el conjunto de smbolos y objetos que son aprendidos y
transmitidos de una generacin a otra por los miembros de una sociedad
Los pecados capitales
Se conoce como pecados capitales a los tres errores ms importantes cometidos a la hora
de traducir las necesidades del cliente:
1. Se cree saber lo que el cliente necesita y se decide sin consultarlo

2. Se realiza una mala traduccin de las especificaciones de lo que el cliente quiere o


necesita
3. Pensar que todo se realiza en los dos puntos anteriores y omitir el control del
cumplimiento de las especificaciones
Como reflexin final, se puede decir que lo mas importante no es llegar antes, sino firmes,
a tiempo y juntos.

LIDERAZGO

Se llama liderazgo a la capacidad de un individuo para influir o motivar a las personas a


que se desempeen voluntariamente en el logro de los objetivos grupales. En este punto ya es
posible distinguir dos posibles caractersticas de un lder:
Poder: Es la capacidad de forzar a alguien a que cumpla la voluntad de uno (sea que quiera o
no) debido a su poder o fuerza
Autoridad: Es el arte de conseguir que se haga lo que uno quiere voluntariamente debido
nicamente a la influencia personal
Hay varias teoras acerca del liderazgo. Algunas de ellas son las siguientes:
1. Las teoras conductual personales. Dentro de estas se tienen:
Teora del comportamiento y estilos.
Estudios de la universidad de Ohio
Estudios de la universidad de Michigan
Malla administrativa
Enfoque de los cuatro factores
2. Los enfoque situacionales. Dentro de estos se tienen:
Modelo de contingencia
Modelo del liderazgo de Vroom y Yetton
Modelo situacional
Modelo transaccional y transformacional
3. Teora de las caractersticas

Teora de las caractersticas


Esta teora intenta describir los distintos tipos de comportamiento y personalidades
asociadas con la efectividad del liderazgo. Los estudios sugieren que buscamos en nuestros
lderes la seguridad antes proporcionada por el smbolo paterno. Esto significa que tenemos el
mismo concepto de nuestros lideres que el que tenamos de nuestros padres; seres perfectos e
infalibles, mas grandes, inteligentes y capaces que nosotros. Estudios muestran que las
cualidades ms frecuentes que tiene (o debera tener) un lder son:

Honrado
Atento

Comprometido
Humilde
Exige responsabilidad
Respetuoso
Anima a la gente
Entusiasta
Escucha a la gente
Tiene valor

Teora del comportamiento y estilos


Los distintos estilos de liderazgo se definieron evaluando el comportamiento de diferentes
lderes exitosos:
Lder autoritario: Se caracteriza por ser el nico que toma las decisiones respecto al trabajo
y la empresa, sin consultarlas en ningn momento. Sus mtodos de evaluacin no son
conocidos por el resto de la empresa y la comunicacin con el es unidireccional (desde lder
al subordinado)
Lder democrtico: Se caracteriza por tomar decisiones luego de potenciar la discusin del
grupo, y agradece las opiniones de sus seguidores. Sus mtodos de evaluacin son siempre
claros. Ante un problema, ofrece varias soluciones al grupo, el que tiene que optar por una.
Lder liberal: Se caracteriza por su pasividad. Deja el poder en manos del grupo, dndole
total libertad. No toma en cuento opiniones ni sugerencias y apoya al grupo solo si este lo
solicita.
Malla administrativa
Es un modelo creado por Robert Blake y Jane Mouton, basado en los estudios de las
universidades de Ohio y Michigan, en el que se identifican 81 estilos diferentes de liderazgo
cuando se cruzan dos variables fundamentales: preocupacin por las personas y preocupacin
por la produccin.

Las zonas del grafico tienen los significados siguientes:

1,1 Se realiza el mnimo esfuerzo


1,9 Se atiende al mximo a la gente y el ritmo de trabajo se adecua a ellos
9,1 La eficacia depende de que el elemento humano interfiera lo mnimo posible
5,5 Hay una preocupacin media en el trabajo y la produccin
9,9 Hay compromiso de los miembros con los objetivos de la empresa

Este modelo tiene como principal aporte el mostrar como cada variable necesita de la otra.
Por otro lado, el principal defecto es que seala a un nico estilo de conduccin (9,9) como el
mejor para todas las circunstancias, siendo que no hay estudios concretos que avalen esta
hiptesis.
El enfoque de los cuatro factores
Este enfoque sugiere que son cuatro los factores de mayor importancia que hacen a un
buen lder:
1. Apoyo: Esta conducta realza los sentimientos de valor del personal y la estima que le
tienen los seguidores
2. nfasis en la meta: Consiste en motivar el entusiasmo del grupo, a fin de lograr altos
niveles de desempeo
3. Facilitacin de la interaccin: Consiste en alentar a los miembros a desarrollar
relaciones estrechas entre ellos
4. Facilitacin del trabajo: Consiste en ayudar al cumplimiento de la meta mediante la
organizacin y planificacin del trabajo.
El modelo de contingencia
En este modelo es la situacin en si la que determina que tan eficaz es un cierto estilo de
liderazgo. En contraste con la malla administrativa, este modelo asume que cada situacin
convoca diferentes caractersticas en un lder, es decir, que no existe un nico estilo de
liderazgo eficaz en todas las situaciones. Se encuentran entonces los siguientes factores que
inciden en la contingencia:
1. Nivel de relacionamiento: Es el grado de confianza, respeto, etc., que existe entre el
lder y el miembro
2. Estructura de la tarea: Se refiere a la existencia de procedimientos detallados
escritos. Por detallados se entiende que la meta debe ser clara, comprobable y
especifica.
3. Poder de la posicin: Se refiere al poder inherente que deriva de la estructura formal.
Los estudios revelan que los lderes que se orientan a la tarea tienen mayor desempeo en las
situaciones extremas, mientras que los que se orientan a las relaciones se desempean mejor
en situaciones intermedias.

Modelo del liderazgo de Vroom y Yetton


Es un mtodo para seleccionar entre cinco mtodos de decisin, desde AI a GII por medio
de un anlisis de la situacin, que utiliza siete atributos de cada problema particular. Los
mtodos son:
AI y AII Son de estilo autocrtico
CI y CII- Son de estilo consultivo
GII Estilo grupal
Modelo situacional
Este modelo se basa en la madurez laboral de los empleados, que queda determinada por
dos aspectos principales: La competencia tcnica (conocimientos) y el inters respecto a la
tarea. Con base en esto se determinaron cuatro niveles de desarrollo:
1. Los principiantes entusiastas, que son aquellos sin experiencia pero que demuestran
un alto nivel de inters
2. Los aprendices desencantados, que son colaboradores de poca experiencia y baja
motivacin
3. Los expertos con inters variable. Personal confiable a nivel tcnico, pero que no esta
seguro de si mismo
4. Las estrellas, que son los expertos comprometidos
Un lder situacional es aquel que adecua su estilo a diferentes personas o a diferentes
momentos con la misma persona. Para esto debe contar con las siguientes habilidades
Diagnostico: Debe poder ver que es lo que sucede con sus colaboradores en una determinada
situacin
Flexibilidad: Debe poder asumir un cierto estilo de liderazgo de acuerdo a la situacin que se
presenta
En lo que a la flexibilidad se refiere, existen cuatro estilos que el lder puede asumir
dependiendo de la situacin o la persona:
1.
2.
3.
4.

Mandar a los principiantes entusiastas


Persuadir a los aprendices desencantados
Apoyar a los expertos con inters variable
Delegar a las estrellas

El lder transaccional:
Es aquel que tiene el poder de realizar ciertas tares, y que recompensa o castiga el
desempeo del personal. Evita tomar decisiones.

El lder transformacional

Tiene carisma: Proporciona visin y sentido de misin. Genera orgullo obteniendo


respeto y confianza busca la mejora de la organizacin a largo plazo mediante la
implementacin de nuevas ideas.
Provoca inspiracin: Comunica altas expectativas
Estimula el intelecto: Promueve la inteligencia y la solucin cuidadosa de problemas
Considera individualmente a los subordinados

Los estilos de liderazgo suelen variar segn el gnero del lder (masculino o femenino).
Lderes femeninos tienden a un estilo de liderazgo democrtico, estimulando la participacin,
compartiendo el poder e intentando elevar la autoestima de sus seguidores. Los lderes
masculinos adoptan estilos orientados hacia el control y la direccin. Estudios hechos en
primates sugieren que los lderes machos y hembras tienen mayores niveles de testosterona y
serotonina, hormonas que incrementan la competitividad y la sociabilidad respectivamente.
Estudios realizados en seres humanos concuerdan con estos ltimos. En principio, parecera
que el liderazgo es una cualidad biolgica. Sin embargo, no se ha podido determinar si son
las sustancias las que influyen en el comportamiento, o si son las situaciones las que
incrementan la segregacin de estas sustancias
EN RESUMEN: El lder es aquel que identifica y satisface las necesidades de su gente, y
remueve cualquier obstculo para que esta pueda atender correctamente al cliente.
Satisfaciendo sus necesidades se los motiva y se logra el compromiso para el cumplimiento
del objetivo colectivo

ECONOMA DE LA CALIDAD

Costos de calidad
Se entiende por costos de calidad como aquellos en los que se incurre para lograr un nivel
satisfactorio de calidad, as como las perdidas generadas por no haberlo alcanzado. Segn
Crosby, son aquellos que no existiran si todas las actividades necesarias se hubieran
realizado bien desde la primera vez.
Cuantificar los costos de calidad tiene una serie de ventajas. Permite visualizar el origen y
composicin de estos costos. Pone en evidencia los sectores y productos que tienen mayores
perdidas por mala calidad, pone en claro las mejoras que resultaran mas eficientes y fortalece
la toma de decisiones.

El siguiente diagrama muestra como se distribuyen tpicamente los costos de calidad:

Costos de prevencin: Son aquellos vinculado a las actividades diseadas para prevenir la
mala calidad del producto. Entre ellos estn los asociados a:

Capacitacin
Planificacin del SGC
Auditoria del SGC
Diseo del producto y procesos
Seleccin de proveedores
Acciones correctivas
Acciones preventivas
Mantenimiento

Costos de evaluacin: Son aquellos vinculados a la evaluacin del producto o servicio. Entre
ellos estn los asociados a:

Ensayos y mediciones
Gastos de laboratorio
Auditorias de calidad y producto

Costos de fallas: Son aquellos que resultan de productos o servicios no conformes con las
necesidades del cliente.
1. Fallas internas: Son los defectos detectados antes de la entrega del producto al
cliente.
2. Fallas externas: Son los defectos detectados luego de la entrega del producto al
cliente.

El modelo clsico de Juran


La siguiente figura es una representacin grafica del modelo clsico de Juran respecto al
costo de calidad:

La zona de proyectos y mejora es aquella en que los costos por fallas son mayores al 70 %
del costo total y los costos de prevencin son menores al 10 %. La zona de indiferencia es
aquella en que los costos de fallas son aproximadamente un 50 % y los de prevencin son
aproximadamente el 10 % y la zona de altos costos de evaluacin es aquella en que los costos
de falla son menores que el 40 % y los de evaluacin superan el 50 %
El nuevo modelo del costo de la calidad (dinmico)
La figura adjunta muestra grficamente el modelo
dinmico del costo de calidad, desarrollado por Juran y
Gryna. En este modelo se busca llevar a cero los costos
asociados a fallas tanto internas como externas, disminuir
los costos de evaluacin e invertir en actividades de
prevencin. El objetivo es lograr que el costo de la calidad
sea igual a la suma del costo por fallas mas el costo de
evaluacin.

HERRAMIENTAS DE LA CALIDAD

Trabajo en equipo
El trabajo en equipo tiene como objetivo aumentar al mximo la participacin del personal,
dependiendo de sus conocimientos y el entrenamiento del que disponen. Para lograr esto debe
establecerse una cultura del trabajo en equipo y la creacin de una estructura organizacional
acorde. El trabajo en equipo tendr entonces dos componentes bsicas: Las tareas de equipo y

los resultados esperados, entre estos ltimos el objetivo es lograr solucionar mas problemas
que mediante la accin individual. El concepto es conseguir un grupo de personas ordinarias
que produzca resultados extraordinarios. El trabajo en equipo tiene la ventaja de que las
decisiones tomadas en grupo eliminan toda burocracia y barreras jerrquicas
Tipos de equipos de trabajo:
1. Crculos de control de calidad
Son grupos de trabajadores que realizan las actividades de control de forma voluntaria y
continua, que producen auto desarrollo, control y mejoramiento en la planta con la
participacin de todos. Nacen en Japn a comienzos de los 60. Las ideas bsicas de este
grupo son La contribucin al desarrollo de la empresa, el respeto al ser humano y el
aprovechamiento de todas las capacidades del grupo.
2. Equipos de mejora
Se concentran no solo en mejorar los procesos, sino tambin en mejorar a las personas que
los producen

La triloga de Juran
La triloga de Juran define tres procesos bsicos para la gestin de la calidad
1. Planificacin: Consta de los siguientes pasos:
Determinar quienes son los clientes
Determinar sus necesidades
Desarrollar el producto acorde a estas necesidades
Desarrollar procesos capaces de producir este producto
Comunicar los planes a operaciones
2. Control: Este procesos consiste en:
Evaluar el comportamiento de la calidad
Compararlo con el planeado
Remediar las diferencias si es necesario
3. Mejora de la calidad: Este proceso consiste en
Establecer la infraestructura necesaria para la mejora
Establecer los proyectos de mejora
Establecer los equipos de proyecto
Proporcionar los recursos necesarios a los equipos
Herramientas de la calidad
Las herramientas clsicas son 7, y tienen como objetivo que la organizacin logre sus
metas en forma eficaz y eficiente

1. Grafico de Pareto
El grafico de Pareto es un grafico de barras que permite determinar la importancia relativa
de distintos problemas o causas, y esta basado en el principio del 80/20. Este afirma que un
20 % de las fuentes causan el 80 % de cualquier problema. En base a el, se pueden concentrar
los esfuerzos en las causas que tendrn mayor impacto en el caso de que sean resueltas. La
realizacin de un grafico de Pareto se hace siguiendo el siguiente procedimiento:

Se selecciona el problema
Se determinan las posibles causas
Se escoge la unidad de medida
Se elige el periodo de anlisis
Se relevan datos
Se comparan las frecuencias o costos
Se grafica

Las barras ms altas del grafico corresponden a los problemas ms importantes, y son las que
deben atracarse primero.
2. Diagrama de causa efecto
Este diagrama permite identificar y exhibir todas las posibles causas relacionadas con un
problema, a fin de descubrir sus races.

3. Diagrama de flujo
El diagrama de flujo, ampliamente utilizado en programacin, es una representacin
grafica de un proceso que muestra todas sus etapas en forma secuencial Se entiende por
proceso como el conjunto de todas las actividades que se llevan a cabo para transformar el
insumo en producto, o los pasos necesarios para completar un trabajo o tarea. Es til a la hora
de visualizar los pasos del proceso, y optimizarlo eliminando aquellos innecesarios
A fin de realizar un diagrama de flujos, se siguen los siguientes pasos:

Se determinan las fronteras del proceso


Se determinan los pasos a seguir
Se establece una secuencia para los mismos
Se dibuja el diagrama

Los smbolos utilizados comnmente son los siguientes:

4. La lista de verificacin
Esta tcnica permite compilar los datos a fin de detectar la tendencia central y la dispersin
del los mismos. Los pasos a seguir para la confeccin de la lista son los siguientes:

Definir claramente la situacin observada


Decidir quien recolecta datos, en que podrido y de que fuente
Disear un formulario adecuado
Relevar los datos

5. Diagrama de dispersin
Los diagramas de dispersin permiten identificar las relaciones entre dos conjuntos de
variables. Cabe destacar que estos solo muestran relaciones, pero no prueban que estas sean
casuales
6. Histogramas
7. Grficos de control
Resolucin de problemas
La resolucin de un problema puede lograrse siguiendo tres pasos. En primer lugar debe
identificarse el problema, luego se debe realizar un anlisis de sus posibles causas, para
finalmente plantear posibles soluciones.

La identificacin del problema puede realizarse por algunos de los siguientes mtodos:
1. Tormenta de ideas
La tormenta de ideas es una tcnica grupal que permite general alto volumen de ideas en
relacin a un determinado tema. Hace participar a todos los integrantes del grupo, y que estos
aprovechen a su vez la creatividad de los dems, promoviendo el pensamiento abierto en
equipo. Para realizar una tormenta de ideas se deben seguir los siguientes pasos:

Se redacta el objeto de la tormenta


Se establecen las 4 reglas bsicas: No hay criticas, ser no convencionales, cuanto mas
ideas mejor, y apoyarse en las ideas de los dems
Escribir las ideas que surgen en un lugar visible a todos
Finalizar antes de que se note el cansancio
Procesar todas las ideas

2. Diagrama de afinidad
Es una manera de organizar la informacin proveniente, por ejemplo, de una tormenta de
ideas. Promueve la creatividad de los integrantes del grupo en todas las fases del proceso, y la
conexin no tradicional entre ideas y asuntos. La realizacin del diagrama de afinidad consta
de los siguientes pasos:

Se plantea el asunto a analizar en una oracin completa


Se buscan y analizan la ideas
Se separan las ideas en agrupamientos relacionados
Se crean tarjetas resumen para cada grupo

3. Diagrfico de interrelacin
Esta tcnica permite al equipo analizar las relaciones causa efecto en diferentes asuntos.
Permite identificar las fuerzas motrices que son el corazn de una solucin efectiva. Para
realizar el grafico de interrelacin se siguen los siguientes pasos:

Se plantea el problema
Se forma un equipo adecuado para su tratamiento
Se organizan las ideas
Se buscan relaciones causa-influencia entre las ideas, dibujando flechas en el sentido
de la relacin
Se compara con el diagrama de correlacin
Se calcula el nmero de flechas salientes y entrantes y se seleccionan los elementos
clave para planificacin ulterior.

El anlisis de causas puede realizarse por alguno de los mtodos siguientes:


1. Los 5 porque
2. Diagrama causa efecto
3. Grafico de Pareto

El planteo de soluciones se puede realizar por cualquiera de los siguientes mtodos:


1. Plan de accin
Esta tcnica permite organizar las tareas que se llevaran a cabo para la solucin de un
determinado problema, y estimar los tiempos y recursos que insumir la realizacin de cada
tarea. Este mtodo se debe utilizar cuando hay que seguir la secuencia de pasos o tareas
establecidos.
2. Consenso de equipo
Este mtodo es aplicado luego de analizar las causas para determinar cuales de ellas son las
ms importantes, clasificndolas segn:
Alto impacto
Se puede actuar
Es oportuno actuar
Este mtodo tambin se utiliza para el planteo de soluciones. Consiste en tomar una decisin
de forma grupal, siendo esta la mejor decisin posible

Premio nacional de calidad


Es un reconocimiento de parte del gobierno a las organizaciones que destacan en el cambio
hacia la calidad total.
El modelo de mejora contina
El modelo de mejora continua es la principal herramienta del premio nacional de calidad.
Se trata de un instructivo para preparar el reporte para participar del proceso de dicho premio
y consiste en una lista de verificacin para no omitir aspectos importantes que deben tenerse
en cuenta en un esquema de gestin total de calidad. Esta metodologa permite el
autodiagnstico, en base al cual se puede elaborar una estrategia de mejora de calidad para
cualquier organizacin.
reas de evaluacin del PNC
Las reas en las que se evala a las empresas difieren segn las mismas sean grandes
empresas o PYMES:
Grandes empresas:
1.
2.
3.
4.
5.
6.
7.

Planeamiento
Desarrollo de las personas
Enfoque en el cliente externo
Informacin y anlisis
Gestin de procesos
Impacto en la sociedad y medio ambiente
Resultados

PYMES
1.
2.
3.
4.
5.

Liderazgo
Desarrollo de las personas
Inters por el cliente externo
Administracin y mejora de procesos
Resultados

NORMA ISO 9000

El ISO tiene como objetivo promover la normalizacin de actividades conexas, con el fin
de facilitar el intercambio internacional de bienes y servicios. El resultado del trabajo tcnico
del ISO es publicado bajo la forma de normas internacionales. Abarca todas las reas,
excepto la elctrica y electrnica, de la que se encarga la IEC
Las normas ISO son de carcter voluntario, si bien pueden ser declaradas obligatorias por
los organismos con potestades legislativas, o bien impuestas contractualmente.
Particularmente, la norma ISO 9000 refiere a los sistemas de calidad y a la mejora continua
de las organizaciones. Ellas resumen las ms variadas filosofas para llevar adelante la
gestin y mejoramiento de la calidad. Son validas para cualquier tipo de organizacin,
independientemente del producto o servicio que esta ofrece.
La norma ISO 9000 tiene la siguiente estructura:
9000: Vocabulario
9001: Requisitos
9004: Mejoramiento del desempeo
19011: Auditorias

MODELADO DE LA CALIDAD DE PROCESOS

Distribucin de frecuencias e histograma


Se llama distribucin de frecuencias a un ordenamiento de datos numricos de acurdo a su
magnitud. El histograma es la representacin grafica de estas frecuencias como funcin de la
magnitud. Consiste en una representacin visual de los datos obtenidos y en la que se pueden
observar tres propiedades importantes de los mismos: Tendencia central, forma y dispercion.

Existen muchos mtodos de construccin de histogramas, aunque existen una serie de


consideraciones generales:
-

Usualmente se utilizan n clases, siendo n el tamao de la muestra


analizada
La amplitud de las celdas (ancho de cada barra, correspondiente al
rango al que debe pertenecer el objeto para ser considerado de la
clase) debe ser uniforme
El limite inferior de la primera celda debe ser tan solo un poco menor
que el valor mnimo de los datos

Resumen numrico de datos


Adems del histograma, es til contar con descripciones numricas de los datos obtenidos.
Si x1 ,..., xn son los valores de la muestra obtenida, se define la media muestral como
x

1 n
xi
n i 1

, que corresponde al promedio aritmtico de las observaciones.

La dispersin de los datos queda descrita por la varianza muestral,

S2

n
1
2
xi x

n 1 i 1

Como la unidad de la varianza es la unidad de medida al cuadrado, a veces es difcil de


interpretar, por lo tanto se recurre a la desviacin estndar muestral, definida como
1 n
2
S
xi x . Esta medida tambin es una medida de la dispersin de los datos

n 1 i 1
alrededor de la media, siendo esta mas grande cuanto mayor es dicha dispersin.
Distribuciones de probabilidad
Una muestra es una coleccin de valores observados de un conjunto mas grande, llamado
poblacin. Las tcnicas estadsticas permiten realizar algunas conclusiones respecto a la
poblacin partiendo de un anlisis a una muestra de la misma.
Se llama distribucin de probabilidad a un modelo matemtico que relaciona el valor de una
variable con la probabilidad de ocurrencia de ese valor en la poblacin. Existen dos tipos
bsicos de distribuciones:
1- Discretas: Una distribucin es discreta cuando la variable solo puede tomar
valores discretos, por ejemplo, los nmeros enteros.
2- Continuas: Una distribucin es continua si la variable que se mide se expresa
en una escala continua.
En el caso de distribuciones discretas la probabilidad de que la variable tome un valor ser
P X k p k , donde p es la distribucin. Para variables continuas la variable no tomara
nunca un valor determinado, sino que se mide la probabilidad de que la misma se encuentre
b

en un determinado intervalo de valores. Para esta es P a X b f x dx .


a

La media de la distribucin representa la tendencia central de la misma, y si la poblacin


N
tiene N elementos esta se define como 1 xi . La dispersin de la distribucin se mide
N

i 1

a partir de la varianza; si la poblacin tiene N elementos esta se define como


1 N
2
2
xi . Al igual que la varianza muestral, esta puede no ser una medida til
N

x 1

dadas sus unidades. Para ello se define la desviacin estndar de la poblacin como
1 N
2

xi

N x 1
Distribuciones discretas de importancia
1- Distribucin hipergeometrica
Supngase que se tiene una poblacin de N artculos, de los cuales D son de una cierta
clase. Se toma una muestra de n de ellos, sin reposicin, y se observa el numero de artculos
de la muestra que cae dentro de la clase de inters, X. X es entonces una variable
C D C N D
hipergeometrica, y su distribucin de probabilidad es p k k Nn k
Cn
La media de esta distribucin es nD y la varianza es 2
N

nD
D N n
1

N
N N 1

2- Distribucin binomial
Supngase un proceso en el que se realizan n pruebas independientes, en las que cada
pruebe puede tener xito con probabilidad p, o fracaso con probabilidad 1 p. Si X es el
numero de xitos en las n pruebas, entonces X tendr distribucin binomial y su distribucin
nk
de probabilidad es p k Ckn p k 1 p
La media de la distribucin es

np

y la desviacin estndar es 2 np 1 p

3- Distribucin de Poisson
Considrese una cierta pieza, que puede contener distintos defectos. Si X cuenta la
cantidad de defectos en la pieza, entonces X tendr distribucin de Poisson y su funcin de

k
distribucin ser p k e
k!

En este caso la media y la varianza son iguales, 2


4- Distribucin de pascal
Al igual que la distribucin de binomial, la distribucin de pascal de basa en pruebas de
Bernoulli con probabilidad de xito p. Si X es la prueba en la que se produce el xito numero
r, entonces X tendr distribucin de Pascal y su funcin de distribucin ser
k r
p k Crk11 p r 1 p
r 1 p
La media de la distribucin es r y la varianza es 2
p2
p

Distribuciones continuas de importancia


1- Distribucin normal
La distribucin normal es la mas importante en la estadstica, dadas sus numerosas
aplicaciones. Una variable aleatoria X tiene distribucin normal si su densidad de
probabilidad es f x
Gauss.

La

Px a F a

1 x

e
2
funcin
de
a

1
2

1 x

. La grafica de esta funcin es la clsica campana de

probabilidad

acumulativa

se

define

como

dx . No es posible la evaluacin de esta integral

directamente. Si embargo, haciendo el cabo e variables Z

, la variable resultante

tendr distribucin normal con media 0 y desviacin estndar 0 . Losvalores de la


funcin F para la normal de parmetros 0 y 1 se encuentran tabulados
Propiedades
- Dadas las variables x1 ,..., xn independientes con distribucin normal, de parmetros
n

1 ,...... n y 12 ,....., n2 respectivamente, la variable y definida como y ai xi tendr


i 1

i 1

i 1

distribucin normal de parmetros ai i y 2 ai2 i2


- Teorema central del limite: Sean las variables x1 ,..., xn independientes, con media i y
n

varianza i2 , y sea

y x n . La variable Z
i 1

y xi
i 1

tendr distribucin N(0,1)

i 1

2
i

cuando n
Este teorema asegura entonces que la suma de N variables aleatorias tendr distrbucuin
aproximadamente normal, independientemente de la distribucin de cada variable. La
aproximacin mejora cuanto mas grande es n.
2- Distribucin exponencial
Una variable tiene distribucin exponencial si su funcin de distribucin es f x e x .
1
1
La media de la distribucin es y la varianza es 2 2

La funcin de probabilidad acumulada para la exponencial es F x e t dt 1 e x


o

3- Distribucin Gamma
Una variable aleatoria X tiene distribucin Gamma si su funcin de distribucin es
x r 1 e x
f x
r
El parmetro r es llamado parmetro de forma, y el parmetro es llamado parmetro de
r
r
escala. La media de la distribucin es y la varianza es 2 2

4- Distribucin de Weibull
Una variable aleatoria X tiene distribucuin de Weibull si su funcin de distribucin es

x
f x

parmetro de escala y

. En esta funcin

es el parmetro de disposicin,

es el

es el parmetro de forma. La media de la distribucin es

1
1 y la variancia es

probabilidad acumulativa es F x 1 e

2
1
1 1 . La funcin de

Aproximaciones tiles
1- Aproximacin binomial a la hipergeometrica
En el caso de una distribucin binomial para la que la fraccin de muestreo n es muy
N

pequea, esta se puede aproximar por una binomial de parmetros n y p D


N
2- Aproximacin de Poisson a la binomial
Si la distribucin binomial tiene un valor de n grande y un valor de p pequeo, se la puede
aproximar con una distribucin de Poisson de parmetro np
3- Aproximacin normal a la binomial
Si el numero de pruebas n es grande, puede usarse el teorema central del limite para
aproximar
la
distribucin
binomial
por
una
normal,
esto
es,
P x a

1
2 np 1 p

2
1 a np


2 np 1 p

La aproximacin es satisfactoria para p aproximadamente 0,5 y n mayor que 10

INFERENCIA ESTADISTICA ACERCA DE CALIDAD DE PROCESOS

Teorema de aditividad de varianzas (caso lineal)


Sean las variables aleatorias X 1 ,....., X n , con promedios y varianzas i y i , y la variable
n

Y definida como combinacin lineal de estas variables, Y ai X i . Se cumple entonces


i 1

Y ai i
i 1
n

Y2 ai2 i2
i 1

Teorema de aditividad de varianzas (caso no lineal)


Sean las variables aleatorias X 1 ,....., X n , con promedios y varianzas i y i , y la variable
Y definida segn Y f X 1 ,...., X n . La variable Y se desarrolla segn el teorema de Taylor
en torno del punto 1 ,...., n , conservando solo los trminos de primer orden,
Y f 1 ,...., n xi i
n

Y2 i2
i 1

f
xi

f
. De esta ecuacin se deduce que Y f 1 ,..., n y
xi

1 ,... n

Muestreo a partir de la distribucin normal


Supngase que se tiene una poblacin con distribucin normal, y una muestra aleatoria
n

x1 ,...., xn . Obsrvese que puede escribirse

x
i 1

n x

, y del teorema central del

2
limite se deduce que el promedio tiene distribucin normal, x N ,

La distribucin 2

Supngase que las variables x1 ,...., xn tienen distribucin N 0,1 . La variable Y xi2
n

i 1

tendr entonces distribucin ji- cuadrado de n grados de libertad. La funcin de distribucin


n
x
1
1
2
2
x e . La media de la distribucin es n y 2n
es f x n
n
2
2
2
2

La distribucin t de Student

Si X es una variable N(0,1) e Y es una variable ji-cuadrada de n grados de libertad,


X
entonces la variable T
tendr distribucin t de Student con n grados de libertad. La
Y
n
k 1
n 1

2
2

funcin de distribucin es f x
1 . La media de la distribucin es
n n

n
2
n
2
0 y la varianza es
n2

La distribucin F

Dadas las variables X e Y con distribuciones ji-cuadrado de u y v grados de libertad


respectivamente, la variable definida como F

X
Y

u tendr distribucin F de Fisher de u


v

grados de libertad en el numerador y v grados de libertad en el denominador. La funcin de


u

u v u 2
u


2
x
1
2
v

distribucin es f x
u v
u v
u
2
2 2 x 1
v

Muestreo a partir de la distribucin de Bernoulli


Una

variable discreta
p si x 1
p x
1 p si x 0

tiene

distribucin

de

Bernoulli

si

su

cuanta

es

Si se tiene una serie de variables de Bernoulli independientes de parmetro p, la variable


n
X xi tendr distribucin binomial de parmetros n y p. Adems, el promedio definido
i 1

como

1 n
xi
n i 1

tambin tendr distribucin binomial tambin de parmetros n y p, dado


na

que P x a P X na Cin p i 1 p

n i

. En este caso, [an] es el mnimo entero menor

i 0

o igual que an. La media del promedio es np y la varianza es 2 p 1 p


n

Muestreo a partir de la distribucin de Poisson


Considrese una serie de variables x1 ,...., xn con distribucin de Poisson de parmetro

La variable definida como X xi tambin tendr distribucin de Poisson de parmetro


i 1

n . Mas genricamente, la suma de variables de Poisson tendr distribucin de Poisson de


parmetro igual a la suma de los parmetros de cada variable.

Estimacin puntual
La estadstica busca tomar decisiones respecto a una poblacin en base al anlisis de una
muestra. Para esto, supone que la poblacin sigue una determinada distribucin de
probabilidad. Sin embargo, esta distribucin no siempre es completamente conocida; existen
situaciones en las que los parmetros no son conocidos y es necesario estimarlos a partir de la
muestra. Cuando la estimacin se realiza proporcionando un valor fijo, se la llama estimacin
puntual. Un estimador puntual debe cumplir las siguientes propiedades:
12-

Debe ser insesgado, es decir, el valor esperado el estimador debe ser igual al del
parmetro
El estimador debe tener varianza mnima.

Estimacin por intervalo


La estimacin por intervalo consiste en un intervalo limitado por dos estadsticos, de modo
que incluye al verdadero valor del parmetro con una determinada probabilidad,
generalmente 1 , donde es un valor dado. Por ejemplo, si se quiere construir un
intervalo para la media deben encontrase estadsticos L y U tales que PL U 1
La mitad de la amplitud del intervalo es denominada exactitud del mismo.
El intervalo limitado por dos estadsticas es llamado intervalo de confianza bilateral. En
muchas aplicaciones es ms til contar con intervalos unilaterales; por ejemplo, el intervalo
unilateral inferior L se escoge de modo que PL 1 . Lo mismo vale para un
intervalo de confianza unilateral superior.
1- Intervalo de confianza para con conocido
El intervalo de confianza para la media con la varianza conocida es
Z
Z

2
I x
, x 2 . Como el promedio se distribuye de forma aproximadamente
n
n

normal independientemente de la distribucin de la poblacin (teorema central del limite),


este intervalo es valido para cualquier distribucin. Para los intervalos de confianza

unilaterales se cambia
por
2
2- Intervalo de confianza para con desconocido
El intervalo de confianza para la media con la varianza desconocida es
t S
t S

, n 1
, n 1

. Para los intervalos de confianza unilaterales se cambia por


2
I x
, x 2
2
n
n

3- Intervalo de confianza para 2 de la normal


Si se desconocen tanto la media como la varianza de una poblacin con distribucin

n 1S 2 n 1S 2
normal, el intervalo de confianza para la ltima es I 2
, 2


, n 1
1 , n 1
2
2

4- Intervalo de confianza para la diferencia de medias con varianzas conocidas


El intervalo de confianza para la diferencia de dos medias con varianza conocida es

12 22
12 22
I x1 x2 Z

, x1 x2 Z

. Para los intervalos de confianza


n
n
n
n2
1
2
1
2
2

unilaterales se cambia

por

5- Intervalo de confianza para la diferencia de medias con varianzas desconocidas


Definiendo una estimacin de la varianza combinada como S p

n1 1S12 n2 1S 22

,
n1 n2 2
el intervalo de confianza para la diferencia de medias con las varianzas desconocidas es

1
1
1
1
I x1 x2 t
Sp

, x1 x2 t
Sp
. Para los intervalos de
, n1 n2 2
, n1 n2 2
n1 n2
n1 n2
2
2

confianza unilaterales se cambia

por

6- Intervalo de confianza para el cociente de varianzas


El
intervalo
de
confianza
S 2

S2
I 12 F
, 12 F

S 2 1 2 , n2 1, n1 1 S 2 2 , n2 1, n1 1

para

el

cociente

de

varianzas

es

7- Intervalo de confianza para parmetros binomiales


Para n grande, es posible aplicar una aproximacin normal a la binomial, obtenindose

p 1 p
p 1 p
como resultado el intervalo de confianza I p Z
, p Z

n
n
2
2

Para la diferencia en parmetros de distintas poblaciones se tiene el intervalo

p1 1 p1 p 2 1 p 2
p1 1 p1 p 2 1 p 2
I p1 p 2 Z

, p1 p 2 Z

n1
n2
n1
n2
2
2

Test de hiptesis
Una hiptesis estadstica es un enunciado sobre los valores de los parmetros de una
determinada distribucin. Por ejemplo, un conjunto de hiptesis estadsticas son

H 0 : 0

H 1 : 1
El enunciado H 0 es llamada hiptesis nula y el enunciado H 1 hiptesis alternativa. El test de
hiptesis es muy til en el control estadstico, y uno de los problemas mas grandes es
determinar los valores de los parmetros asociados a las hiptesis nula y alternativa. Esto
puede realizarse por tres mtodos: Primero, estos valores pueden obtenerse de pruebas o
conocimientos anteriores. En segundo lugar, los valores pueden ser resultado de alguna teora
o modelo de proceso. Tercero, el valor del parmetro puede ser el resultado de
especificaciones en un contrato o de diseo.
El test e hiptesis consiste en tomar una muestra aleatoria de una poblacin, calcular el
estadstico apropiado y en base a el se rechaza o no la hiptesis nula. El conjunto de valores
del estadstico que producen rechazo de la hiptesis nula es llamado regin crtica.
Al realizar un test de hiptesis pueden cometerse dos tipos de errores:
Error tipo 1 : Consiste en rechazar la hiptesis nula cuando esta es verdadera
Error tipo II : Consiste en aceptar la hiptesis nula cuando esta es falsa.
Se suele definir tambin el poder de la prueba como poder 1 , que representa la
probabilidad de rechazar correctamente la hiptesis nula.
El procedimiento general del test de hiptesis consiste en especificar el error tipo I , y a
partir de el disear un procedimiento que provoque un valor pequeo del error tipo II. Este es
generalmente funcin del tamao maestral, y es controlado indirectamente.
1- Test sobre con conocido
Caso una muestra

H 0 : 0
Se considera el test
H 1 : 0
El estadstico del test es E

n x 0

y la regin crtica es R E Z
2

H 0 : 0
Se considera e test
H 1 : 0
n x 0
El estadstico del test es E
y la regin crtica es R E Z

H 0 : 0
Se considera el test
H 1 : 0
n x 0
El estadstico del test es E
y la regin crtica es R E Z

Caso 2 muestras

H 0 : 1 2
Se considera el test
H 1 : 1 2
El estadstico es E

x1 x 2

2
1

nl1

2
2

y la regin crtica es R E Z
2

n2

H 0 : 1 2
Se considera el test
H 1 : 1 2
x1 x 2
El estadstico del test es E

12

nl1

y la regin crtica es R E Z

22
n2

H 0 : 1 2
Se considera el test
H 1 : 1 2
x1 x 2
El estadstico del test es E

12

nl1

y la regin crtica es R E Z

22
n2

2- Test sobre con desconocido


Caso una muestra
En todos los casos se sustituye Z por t
cada caso es E

n x 0
S

, n 1

para calcular la regin critica. El estadstico en

Caos 2 muestras

H 0 : 1 2
Se considera el test
en el caso de que las varianzas son iguales. Se calcula la
H 1 : 1 2
varianza combinada S p

n1 1S12 n2 1S 22
n1 n2 2

x1 x 2

, y el estadstico del test E

Sp

1
1

n1 n2

La regin critica es R E t , con v n1 n2 2


,v
2

H 0 : 1 2
Para el test
se aplica la regin critica R E t ,v
H 1 : 1 2

H 0 : 1 2
Para el test
se aplica la regin critica R E t ,v
H 1 : 1 2
En el caso de que no pueda suponerse que las varianzas sean iguales, el estadstico del test es
x1 x 2
E
. Las regiones criticas son las mismas, sustituyendo v por
S12 S 22

n1 n2

S12 S 22

n1 n2

S12
S 22


n1 n2
n1 1
n2 1

3- Test sobre para distribuciones normales


Caso una muestra
2
2

H : 0
Se considera el test 0
2
2

H 1 : 0

El estadstico del test es E

n 1S 2

2
0

y al regin critica es R E 2
, n 1
2

2
2

H 0 : 0
Para el test
la regin crtica es R E 12 , n 1
2
2

H 1 : 0
2
2

H : 0
Para el test 0
la regin crtica es R E 2 , n1
2
2

H 1 : 0

Caso 2 muestras
2
2

H 0 : 1 2
Se considera el test
2
2

H 1 : 1 2

S12
El estadstico del test es E 2 y la regin crtica es R E F

, n1 1, n2 1
S2
2

2
2

H 0 : 1 2
Para el test
la regin critica es R E F , n2 1, n1 1
2
2

H 1 : 1 2
2
2

H 0 : 1 2
Para el test
la regin critica es R E F , n1 1, n2 1
2
2

H 1 : 1 2

4- Test sobre parmetros binomiales


Caso una muestra

H 0 : p p0
Considrese el test
H 1 : p p0

x 0.5 np 0
si x np 0

np 0 1 p 0
La estadstica del test es E
x 0.5 np 0 si x np
0
np 0 1 p 0

donde x es el numero de

elementos que pertenecen a la clase correspondiente a p. La regin critica R E Z


2

Caso 2 muestras

H 0 : p1 p 2
Se considera el test
H 1 : p1 p 2
n p n2 p 2
Definiendo p 1 1
, el estadstico resulta E
n1 n2

critica es R E Z
2

5- Test sobre parmetros de Poisson

H 0 : 0
Se considera el test
H 1 : 0

p 1 p 2
1
1
p 1 p
n1 n2

y la regin

x 0

El estadstico es E

y la regin critica es R E Z
2

Test de aleatoriedad

1- Test de aleatoriedad: Test de correlacin de rangos


Se llama rango de un dato a la posicin que este ocupa en la lista cuando esta se ordena de
menor a mayor. Para realizar el test, se calcula el coeficiente de correlacin de rangos de
n
6
R X i i2 . Una vez calculado, se toma su valor absoluto y
Spearman, rs 1

2
n n 1 i 1
con el se obtiene el p valor en la tabla del test.

Test no parametritos:
1- Tests de ajuste: Test de Kolmogorov Smirnov
Dada una muestra en principio supuesta iid de distribucin desconocida F , y una
H 0 : F F0
distribucin completamente determinada F0 , el test ser
.
H 1 : F F0
cantidad de X i t
Dada la muestra, se define la distribucin emprica como Fn t
, y el
n
test toma el estadstico Dn suptR Fn t F0 t , con regin critica R Dn c n . Los
valores de c estn tabulados.
2- Tests de ajuste: Test Chi cuadrado
Caso 1: distribucin conocida
Dada un muestra iid con distribucin F desconocida, y la distribucin F0 , completamente

H 0 : F F0
determinada. El test propone
H 1 : F F0
Se subdivide R en r intervalos ai , bi . siendo a1 y b1 . Sean p j F0 b j F0 a j
r

2
n p j p j

j 1

pj

y p j Fn b j Fn a j . Se toma entonces el estadstico E n


critica R En 2 r 1

y la regin

Caso 2: Parmetros indeterminados


Dada un muestra iid con distribucin F desconocida, y la distribucin F , con

H 0 : F F
desconocido. El test propone
H 1 : F F
En primer lugar se estima por el mtodo de mxima verosimilitud categrica, esto es, el

que maximiza la funcin LC F b j F a j


r

j 1

Nj

, donde N j es la cantidad de datos en

el intervalo a j , b j . Se define entonces p' j F b j F a j . El estadstico del test es


r

En

n p' j p j

y la regin crtica es R En 12 r d 1, con d la dimensin del

p' j
parmetro a determinar.
j 1

3- Tests de ajuste: Test de D Agostino para la normalidad

H 0 : F N , 2
Este test propone las hiptesis
H 1 : no H 0
1 n n 1 *
Se define el estadstico DAn 2 i
X i , y se toma la regin crtica
2
n n i 1
R DAn k1 , k 2

4- Tests de ajuste: Test de Shapiro Wilks para la normalidad


H : F N , 2
b2
Este test toma las hiptesis 0
y el estadstico W n2 , donde
Sn
H 1 : no H 0
n

S X i X n y bn an i 1 X n*i 1 X i* . La regin crtica ser R W C n,


n

2
n

i 1

i 1

donde la constante se obtiene de las tablas.


5- Tests sobre la mediana: Test de signos

H 0 : m m0
El test de signos toma las hiptesis
H 1 : m m0
1 si X i m0
Se definen las variables U i
,
0 en otro caso

se

1
R U C n , donde la constante se obtiene de tablas.
2

H 0 : m m0
1

Para las hiptesis


es R U C n
2

H 1 : m m0

toma

la

regin

crtica

H 0 : m m0
1

Para las hiptesis


es R U C n
2

H 1 : m m0
6- Comparacin de muestras independientes: Test de Kolmogorov Smirnov
Dada las muestras X e Y con tamaos m y n, con
H : F G
las hiptesis 0
H1 no H 0

mn

y distribuciones F y G. Este test toma

Se define el estadstico Dn,m sup FmX t FnY t , y la regin critica R Dn,m cm,n
7- Comparacin de muestras independientes: Test de Mann Whitney Wilcoxon
Este test toma las mismas hiptesis del anterior. Se combinan ambas muestras y se las ordena
de forma ascendente, asignado a cada una su rango. Se las vuelva a separar y se calculan
TX suma rangos X y TY suma rangos Y , y el p valor se obtiene a partir de estos
estadsticos en las tablas. X se toma con el menor nmero de datos. Este test es bueno para
detectar corrimientos (X~Y+ K)

GRFICOS DE CONTROL

Causas fortuitas y atribuibles de la variacin de calidad


Independientemente de que tan bien diseado sea un proceso, existir en el mismo una
variabilidad natural que es incontrolable, efecto de la suma de muchas causas pequeas. Este
efecto es llamado ruido de fondo del proceso, y cuando es pequeo se lo considera un nivel
aceptable de funcionamiento. Este tipo de variabilidad es conocida como sistema estable de
causas fortuitas, y cuando un proceso funciona solo bajo esta variabilidad, se dice que el
mismo esta bajo control estadstico.
Por otro lado, existen otros tipos de variabilidad, llamadas causas atribuibles, que se deben
en esencia a ajustes incorrectos de la maquinaria, errores de los operarios o defectos en la
materia prima. Dado que esta variabilidad suele ser mayor que el ruido de fondo, un proceso
que funciona en presencia de las mismas se dice fuera de control estadstico, y se considera
un nivel inaceptable de funcionamiento.

Principios bsicos del diagrama de control


El diagrama de control es en esencia una representacin
grafica de una caracterstica de calidad, que puede graficarse
como funcin del tiempo o del nmero de la muestra. La
lnea central representa la media de la caracterstica en el
estado bajo control, y las lneas superior e inferior son los
limites de control, escogidos de modo que cuando el proceso esta bajo control casi la

totalidad de los datos caigan dentro de el rango que determinan. De esta manera, puntos
dentro del rango de los lmites de control indican que el proceso este bajo control estadstico,
mientras que puntos fuera del rango indican la presencia de causas atribuibles y la necesidad
de tomar acciones correctivas. Debe observarse que aunque todos los puntos estn dentro de
los limites de control, esto no significa que el proceso este bajo control. Para asegurar esto
ltimo los datos deben tener una distribucin aleatoria alrededor de la lnea central
Relacin diagrama de control test de hiptesis
En base a lo dicho anteriormente, puede interpretarse el diagrama de control como una
prueba de hiptesis acerca de si el proceso se encuentra o no bajo control estadstico. Pueden
entonces asignarse errores tipo I (decidir que el proceso esta fuera de control cuando no lo
esta) y tipo II (decidir que el proceso esta bajo control cuando no lo esta). La probabilidad de
error tipo II suele mostrarse en graficas.
Los diagramas de control se clasifican en dos grandes categoras. Cuando se utiliza una
tendencia central de una variable, y una cierta variabilidad, se dice que el diagrama es un
diagrama de control por variables. En el caso de que la caracterstica de control no se mida
en una escala cuantitativa, el diagrama se llama diagrama de control por atributos.
Propiedades
12345-

Son una tcnica probada para mejorar la productividad


Son eficaces para evitar defectos
Evitan ajustes innecesarios al proceso
proporcionan informacin para el anlisis
Proporcionan informacin acerca de la capacidad del proceso

Especificacin de los lmites de control


La prctica comn es elegir los lmites de control como mltiplo de la desviacin estndar
de la estadstica que se muestra en la grafica, generalmente 3 . Tambin es posible fijar el
error tipo I, y a partir de el y del teorema central del limite fijar los limites probabilisticos,
X N z . Esto requiera que la distribucin pueda aproximarse bien por la normal. En los
2

casos en que no es posible tal aproximacin, el calculo de los limites probabilisticos suele ser
dificultoso, ya que generalmente no se conoce la distribucin de la caracterstica.
Los lmites de tres sigmas son ampliamente usados en la prctica ya que dan buenos
resultados. Sin embargo, la seleccin del mltiplo adecuado esta muchas veces condicionada
a consideraciones econmicas del proceso.
Muchas veces se utilizan dos conjuntos de lmites de control, de dos y tres sigmas. Los de dos
sigmas o interiores son llamados lmites de advertencia, y los de tres sigmas o exteriores son
llamados de accin. Cuando se encuentran puntos en la franja entre lmites de advertencia y
de accin puede sospecharse que el proceso no funciona adecuadamente. En estos casos es
posible aumentar la frecuencia de muestreo y utilizar los datos adicionales para estudiar el
estado de control del proceso. Este tipo de seleccin de lmites aumenta la sensibilidad del
diagrama de control; sin embargo los lmites de advertencia no tienen una interpretacin
precisa y pueden llevar a confusiones.

Tamao muestral y frecuencia de muestreo


La seleccin del tamao muestral esta gobernada de cierta manera por el tamao del
cambio que se quiere detectar. Cambios grandes requieren muestras ms reducidas, mientras
que cambios pequeos requieren tamaos muestrales ms grandes. Por otro lado, la
frecuencia de muestreo esta gobernada por factores econmicos, y se busca reducir el
esfuerzo de muestreo. Esto es, o bien se toman muestras pequeas a intervalos cortos, o bien
muestras grandes a intervalos largos.

GRFICOS DE CONTROL POR ATRIBUTOS

1- Diagrama de control para la fraccin de desconformes


El diagrama de control para la fraccin de disconformes se basa en la distribucin
binomial. Supngase entonces que la probabilidad de que un artculo no conforme es p y que
los que se producen sucesivamente son independientes. Si se toma una muestra aleatoria de
tamao n, el numero D de disconformes en la muestra tendr distribucin binomial de
n x
parmetros n y p, siendo PD x Cxn p x 1 p
, siendo la media np y la varianza
D
La
fraccin
muestral
cuya
distribucin
es
2 np1 p .
p ,
n
n 1 x
n
P p x PD nx Cnx
p nx 1 p
, y a partir de esta distribucin se obtiene la
p1 p
media p p y p2
n
Si se conociera la fraccin real de disconformes p, las lneas del diagrama de control serian:
Linea central p
LCS p 3

p1 p
n

LCI p 3

p1 p
n

Generalmente la fraccin real es desconocida, por lo tanto se la debe estimar a partir de un


muestreo preliminar. Para ello, se toman m muestras de tamao n, con m igual a 20 o 25, se
cuentan los disconformes en cada muestra, Di , y se calcula la fraccin de cada muestra,
D
1 m
pi i . El estimador que se utiliza es la media de todas las fracciones, p pi , y las
n
m i i
lneas del diagrama sern:


Linea central p

p 1 p
LCS p 3
n

p 1 p
LCI p 3
n

Los limites as obtenidos son llamados limites de prueba, y para verificar su uso tanto en el
control estadstico pasado como futuro, se debe graficar la muestra utilizada para este clculo
y observar el resultado. Los lmites de control se deben basar en un proceso bajo control, no
deben de haber puntos que caigan fuera de los lmites. En caso de encontrarlos se busca una
causa atribuible para el mismo, y en caso de encontrarla se los eliminan de la muestra y se
recalculan los limites de control. El proceso se repite hasta que la muestra que resulta tenga
todos sus puntos bajo control. En caso de no encontrar una causa atribuible se puede proceder
de dos maneras diferentes. O bien se puede eliminar el punto, no teniendo justificacin para
este procedimiento, o bien conservar el punto y aceptar los lmites de control. Esto pude
llevar a errores, ya que si el punto se debe realmente a un estado fuera de control los lmites
sern demasiado amplios. Sin embargo, si solo hay dos de estos puntos el diagrama de
control no se vera afectado en gran medida.
El tamao muestral suele seleccionarse de modo de tener una determinada probabilidad de
producir al menos 1 defectuoso en la muestra sea igual a un cierto valor
Tamao muestral variable
Muchas veces el proceso de inspeccin se hace sobre el 100 % del rendimiento del proceso
en un periodo. Como en cada periodo se pueden producir distintas cantidades de artculos, el
diagrama de control resultante tendr un tamao muestral variable. Se presentan a
continuacin los mtodos ms comunes para construir estos diagramas.
METODO I:
El primer mtodo consiste en tomar lmites de control para cada una de las muestras, del
p 1 p
tipo p 3
, mientras que la lnea central es la estimacin de la fraccin de
n
disconformes para la totalidad de las muestras.
METODO II:

El segundo mtodo consiste en basar el diagrama en un tamao muestral promedio,


ni , donde ni es el tamao de cada muestra y N el total de muestras. Este mtodo se

basa en la suposicin de que todos las muestras tiene tamaos aproximadamente iguales, y
bajo estas consideraciones los limites de control sern constantes.

Funcin caracterstica de operacin


La funcin caracterstica de operacin en el diagrama de control de la fraccin
disconforme se define como la representacin grafica de la probabilidad del error tipo II
(decidir un estado de control estadstico cuando en realidad no lo hay). Es una medida de la
sensibilidad del diagrama de control con respecto a cambios en la fraccin nominal p hacia
algn
otro
valor
p.
Esta
probabilidad
puede
calcularse
segn
P p LSC P p LIC D n LSC P D n LIC , cuyo valor puede
obtenerse a partir de la distribucin binomial. El resultado es una funcin del parmetro p
2- Diagrama de control de disconformidades
Es posible construir diagramas de control para el nmero de defectos (o disconformidades)
que presenta un producto, suponiendo que este nmero se modela bien con una distribucin
x e
de Poisson, es decir, se cumple px
. Para esta distribucin se cumple 2 ,
x!
por lo tanto las lneas del diagrama de control correspondiente son :

Linea central

LSC 3

LIC 3
Cabe destacar que estos clculos pueden arrojar un valor negativo para el LIC. En este caso
se toma este valor como 0.
En el caso de que el nmero promedio de disconformidades no sea conocido, se lo puede
estimar a partir de la muestra (por ejemplo, segn el mtodo de mxima verosimilitud). Es
costumbre realizar la estimacin por el promedio de disconformidades en una muestra
preliminar, . De esta manera, las lneas del diagrama sern:

Linea central

LSC 3

LIC 3
Del mismo modo que en el diagrama de fraccin de disconformidades, estos limites deben
revisarse a fin de detectar posibles faltas de control. De encontrarlas se les buscan causas
atribuibles, y si se encuentran se eliminan dichos puntos y se vuelven a calcular los limites de
control
Sistemas de demerito
Un sistema de demerito es un modelo en el que se clasifican los distintos tipos de defectos.
Un posible sistema de demritos es el siguiente:
1. Clase A Defectos muy graves
2. Clase B Defectos graves

3. Clase C Defectos moderadamente importantes


4. Clase D - Defectos poco importantes
Sean C i la cantidad de defectos de cada clase. Supngase que las clases de defectos son
independientes entre si y que se las puede modelar segn la distribucin de Poisson. El
nmero total de demritos en la unidad se define como la ponderacin de los parmetros de
Poisson de cada C, D 100 A 50B 10C D . Si se toman n elementos para la
D
inspeccin, el nmero de demritos por unidad en la muestra ser u
n
La estadstica u es una variable de Poisson, y utilizando este hecho se puede construir un
diagrama de control para ella:

Linea central u

LCS u 3
LCI u 3

100 2 u A 50 2 u B 10 2 u C u D
n

En estos clculos es

GRFICOS DE CONTROL DE VARIABLES

Diagramas de x y R
1- Diagrama de x
Considere una caracterstica de calidad que presenta distribucin normal con media y
1 n
desviacin . La media muestral definida segn x xi tendr una distribucin normal
n i 1
de

parmetros

.
n

Adems,

la

probabilidad

de

que

se

cumpla

ser 1 , por lo tanto es razonable definir estos limites como


n
n
2
2
los limites de control. Igual que para los diagramas por atributos, se suele sustituir z por 3,

x z

utilizando as limites de tres sigmas. Si bien se ha supuesto que la distribucin de la


caracterstica es normal, estos resultados son buenas aproximaciones cuando esto no es cierto,
debido al teorema central del lmite.
Habitualmente se desconocen los valores de los parmetros de la distribucin. Estos deben
estimarse a partir de muestras preliminares, generalmente entre 20 o 25, tomadas cuando se
considera que el proceso esta bajo control. Si se dispone de m muestras de tamao n
(generalmente n es pequeo, entre 4 y 6). El estimador adecuado de la media ser el

promedio de los promedios,

1 m
xi , estimador utilizado como lnea central del
m i 1

diagrama.
La estimacin de la desviacin estndar se puede hacer a partir de las desviaciones de las
muestras o de su amplitud, definida como R xmax xmin . A partir de la amplitud se calcula

R
1 m
, donde d 2 se
Ri , y se estima la desviacin como

d2
m i 1
encuentra tabulado para diferentes tamaos muestrales. En funcin de estas estimaciones se

Linea central

3
obtienen entonces las lneas del diagrama de control para la media, LCS
R
d2 n

3
R
LCI

d2 n
la amplitud media, R

Definiendo A2

3
d2

Linea central

resulta LCS A2 R
n
LCI A R
2

Las constantes A2 dependen nicamente del tamao muestral, y se encuentran tabuladas para
diferentes valores del mismo.
3- Diagrama de R
Este diagrama se utiliza para controlar la variabilidad del proceso. La lnea central
corresponder directamente a R , y los limites de control requieren una estimacin de la
d
desviacin de la amplitud, R , la que puede probarse se estima segn R 3 R . Tomando
d2
lmites de 3 sigmas ser entonces:

Linea central R

d3
LCS R 3 R
d2

d3
LCI R 3 R
d2

d
d
Definiendo D3 1 3 3 y 1 3 3 se obtiene
d2
d2

Linea central R

LCS D4 R
LCI D R
3

Los valores de las constantes D dependen solo del tamao muestral y se encuentran
tabulados. El proceso de construccin de diagramas cuando se utilizan muestras preliminares
es el mismo que cuando se trabajaba con diagramas por atributos (revisado de los lmites)

Diagramas basados en valores estndares


Los mtodos anteriores describen como crear los diagramas de control cuando no se
conocen los valores de la media y la desviacin estndar. Cuando si se conocen pueden
utilizarse para construir el diagrama de control de x , segn:

Linea central

LCS
n

LCI
n

Definiendo A

3
n

Linea central

LCS A
LCI A

La constante A depende nicamente de n y se encuentra tabulada.


El diagrama de R se construye recordando que

R
, y que R d 3 .
d2

Linea central d 2

LCS d 2 3d 3
LCI d 3d
2
3

Definiendo D1 d 2 3d 3 y D2 d 2 3d 3 :

Linea central d 2

LCS D2
LCI D
1

Curva caracterstica de operacin


1- Diagrama de x
En este caso la curva es la grafica de la probabilidad de no detectar un cambio en la media
(error tipo II) desde un valor 1 a un valor 2 1 k (suponiendo que es conocido).
Esto es, PLIC x LCS 2 1 k

Dado

que

el
promedio

LCS 1 k
LIS 1 k

n
n

tiene

distribucin

normal,

0 3
0 3
0 k
0 k
n
n

n
n

3k n 3k n

En resumen, para construir la curva CO se debe graficar el riesgo como funcin del
cambio a detectar, estando este expresado en unidades de desviacin estndar, para varios
valores del tamao muestral n
3- Diagrama de R
La construccin de la curva CO para el diagrama de R se basa en la distribucin de la
R
amplitud relativa, W . Si el valor bajo control es 0 , se grafica la probabilidad de no

detectar el cambio hacia un nuevo valor 1 en la primera muestra despus del cambio

El diagrama de S
Para tamaos mustrales grandes, de alredor de n 10 o n 12 el mtodo de la amplitud
R para estimar no es eficaz. En estos casos se utilizan los diagramas de x y S para realizar
el estudio estadstico.
1- En el caso de que se disponga de un valor estndar de , las lneas del diagrama de S
Linea central c 4

son LCS B6
LCI B
5

Los valores de todas las constantes se encuentran tabulados


2- En el caso de que no se disponga de un valor estndar, se debe estimar mediante
1 m
S Si
m i 1

Linea central S

Las lneas de este diagrama sern LCS B4 S


LCI B S
3

Cuando se utiliza el diagrama de S, las lneas del diagrama


Linea central x

LCS x A3 S
LCI x A S
3

asociado son

Diagrama de S 2
Como alternativa al diagrama de S, se puede utilizar el diagrama de S 2 (varianza muestral)
para el control de la variabilidad del proceso. Las lneas de este diagrama son

2
Linea central S

S2 2
LCS

, n 1
n

1
2

S2 2
LCI

n 1 1 2 , n 1

ANLISIS DE LA CAPACIDAD DE PROCESOS

Se llama anlisis de la capacidad de un proceso al estudio de ingeniera orientado a estimar


la aptitud del mismo. Estos estudios miden parmetros funcionales del producto, y no del
proceso mismo, y son parte decisiva en los programas de mejoramiento de la calidad.
Mtodo I: Anlisis de capacidad mediante histograma o diagrama de probabilidades
La construccin de un histograma puede ser til en la estimacin de la capacidad
proceso. Para que el histograma sea estable, deben disponerse de por lo menos 50
observaciones. Dados los limites de especificacin de un proceso, una medida
capacidad del mismo puede ser la relacin de capacidad del proceso, definida
LSE LIE
RCP
6

de un
a 100
de la
como

El diagrama de probabilidades es una alternativa al histograma til para determinar la forma,


el centro y la dispersin de la distribucin. Tiene la ventaja de que no es necesario dividir la
amplitud en clases, y que produce resultados razonables para
muestras pequeas, a diferencia del histograma.
El diagrama de probabilidades es una grafica de los datos
jerarquizados (ordenados de menor a mayor) como funcin
de la frecuencia acumulativa en la muestra, utilizando una
escala en el eje vertical (existe una escala particular para
cada distribucin de probabilidad) de modo que la curva
resultante sea una recta. La posicin del punto que ocupa la

posicin j en la grafica se calcula mediante Pj

1
2 . La grafica resultante

puede
n
utilizarse para estimar la media de la distribucin, utilizando el percentil 50, y la desviacin
estndar como la diferencia entre el percentil 84 y el percentil 50

Mtodo II: Anlisis de la capacidad mediante el diagrama de control


Los diagramas de control son las herramientas principales para el anlisis de a capacidad
de procesos, ya que el histograma y el diagrama de probabilidad resumen el funcionamiento
del mismo, sin exhibir la capacidad potencial. Las graficas de x y R deben utilizarse siempre
que sea posible, ya que proporcionan mayor informacin que los diagramas por atributos, y
no requieren de conocer las especificaciones del proceso. Permiten analizar al mismo tiempo
la variabilidad instantnea del proceso y la variabilidad a largo plazo.
Como ejemplo, la construccin de los diagramas de control de un proceso pueden revelar
control estadstico, pero el calculo de la relacin de capacidad muestra que funciona a un
nivel demasiado bajo e inaceptable. Cabe aclarar que la estimacin de la capacidad de un
proceso por este mtodo solo debe hacerse cuando el mismo este bajo control, porque el
proceso debe estar en estado estable. Si el proceso se encuentra fuera de control cuando se
esta estudiando la capacidad, el primer paso es buscar y eliminar las causas atribuibles para
poner el proceso bajo control

Mtodo III: Anlisis de la capacidad mediante experimentos diseados


El diseo de experimentos es un procedimiento sistemtico que permite cambiar las
variables controlables de entrada del proceso y analizar los efectos del cambio. Estos
experimentos sirven para determinar el conjunto de variables que afectan la salida del
proceso, y como se deben manejar estas variables para optimizar el rendimiento. El
procedimiento es til en problemas de fabricacin y desarrollo mas generales que aquellos
que solo implican la estimacin de la calidad el proceso, y tiene como una de sus principales
aplicaciones aislar y determinar la fuentes de variabilidad del proceso.

PRECONTROL
El pre control es una tcnica utilizada para detectar cambios en
la media y la desviacin estndar de un proceso, que pueden dar
lugar a la produccin de artculos defectuosos.
Considrese un proceso con RCP = 1, o sea, que las
especificaciones coinciden con los limites de 3 sigmas., y que la
media coincide con el centro de las especificaciones. Se establecen
lneas de precontrol, LSPC y LIPC, a 1.5 sigmas de los extremos.
Dada la distribucin normal de la caracterstica de calidad y los
limites de especificacin de 3 sigmas, un 86 % de la produccin
caera dentro de las lneas de precontrol, y un 7 % cae entre las
lineas de pre control y los limites de especificacin. Con base en
esto, la probabilidad de que 2 artculos consecutivos caigan fuera

1
. Cuando se encuentran estos dos artculos
200
consecutivos es probable que el proceso haya entrado en un estado fuera de control. La
tcnica de precontrol es recomendable para proceso con
RCP 1.15

de las lineas PC es aproximadamente

En primer lugar se procede a calificar el proceso. Para ello se deben obtener 5 artculos
consecutivos en la zona verde (entre las lneas PC). De obtenerse un articulo entre las PC y
los LIE o fuera de las LIE (zonas amarilla y roja) se debe investigar la situacin y realizar los
ajustes necesarios al proceso y reiniciar el conteo. Esto se repite hasta obtener los 5 artculos
e la zona verde.
Una vez calificado el proceso se procede a el control del mismo. Para ello se toman dos
unidades consecutivas y se las estudia:
- Si ambas caen en la zona verde, o una en la verde y una en la amarilla, se
continua sin realizar ningn ajuste
- Si los dos artculos estn en la zona amarilla o el primero esta en zona roja, se
detiene el proceso y se investigan las causas. Se realizan los ajustes necesarios y
se vuelve a calificar el proceso
Tanto como en los test de hiptesis, como en los grficos de control, se pueden definir los
errores tipo I y II en la tcnica de precontrol:
Error tipo I: Es el riesgo de obtener dos muestras en zona amarilla o una en zona roja,
cuando el proceso en realidad no necesita ajustes
Error tipo II: Es el riesgo de obtener dos muestras en zona verde cuando en realidad el
proceso necesita ser ajustado.
Asimismo, es posible determinar que parmetros han cambiado dependiendo del tipo de
alarmas. Por ejemplo, dos seales amarillas del lado de la misma PC indicaran un cambio en
la media, mientras que dos seales amarillas, de cada lado de una de las PC, indican un
cambio en la dispersin del proceso. Si la relacin de capacidad del proceso es mucho mayor
que 1 la tcnica pierde eficiencia, ya que se puede volver insensible a estos cambios.
Frecuencia de muestreo
La frecuencia de muestreo depende de la frecuencia con la que deben hacerse los ajustes al
tiempo de ajuste
proceso, segn frecuencia
6

MUESTREO PARA ACEPTACION POR ATRIBUTOS

El muestreo para aceptacin es una tcnica utilizada para decidir el destino de un lote de
artculos. Consiste en tomar una muestra del lote e investigar una determinada caracterstica
de calidad de sus artculos. Se toma una decisin acerca del destino del lote en base a la

informacin proporcionada por la muestra. Deben tenerse en cuenta los siguientes aspectos
en cuanto al muestreo para aceptacin:
1- El objetivo es juzgar el lote, no estimar su calidad
2- No proporcionan forma directa de control de calidad, solo acepta o rechaza
lotes. Los aceptados no necesariamente seran los mejores y los rechazados no
necesariamente seran los peores.
3- El uso eficiente del muestreo para aceptacin consiste en verlo como una
herramienta de verificacin de que la produccin de salida cumple los
requisitos.
El muestreo por aceptacin es particularmente til en los siguientes casos:

El ensayo es destructivo
Es alto el costo de una inspeccin al 100 % (inspeccionar cada articulo del lote)
Cuando la inspeccin al 100 % no es tecnolgicamente factible
Cuando el proveedor tiene excelente historial de calidad y se quiere reducir la
inspeccin al 100 %, pero la RCP es lo bastante baja como para que la no inspeccin
sea una alternativa insatisfactoria.
Cuando existe riesgo serio en cuanto a la responsabilidad legal por el producto y se
necesita un programa de vigilancia continua.

Tipos de planes de muestreo


1- Muestreo simple: Un plan de muestreo simple es un procedimiento en el que se toma
una muestra aleatoria de tamao n para su observacin, y se decide respecto al lote
con la informacin proporcionada por esa muestra.
2- Muestreo doble: Un plan de muestro doble es un mtodo en el que se toma una
muestra aleatoria de tamao n, y en base a la informacin suministrada por esa
muestra se decide entre tres alternativas: Se acepta el lote, se lo rechaza, o bien se
toma otra muestra. De tomarse la segunda muestra se combina la informacin con la
obtenida de la primera y se decide si se acepta o rechaza el lote.
3- Muestreo mltiple: El muestreo mltiple es una extensin del muestreo doble, en el
que pueden necesitarse mas de dos muestras para decidir acerca del lote
4- Muestreo secuencial: Es una extensin del muestreo mltiple, en el que se van
seleccionando de a un articulo del lote, y en base a su inspeccin se decide si aceptar
el lote, rechazarlo o bien toar otro articulo
Los diferentes planes nombrados se pueden disear de modo que la probabilidad de que un
determinado lote sea aceptado sea la misma para cada plan, de modo que al seleccionar el
plan adecuado se deben considerar factores como la eficiencia administrativa, la informacin
que se obtiene del plan, cantidad de inspeccin requerida, etc.

Conformacin del lote


La conformacin del lote puede influir en el resultado del muestreo y por tanto en la
decisin sobre el lote. Deben entonces tenerse en cuenta los siguientes aspectos:

El lote debe ser homogneo

Es preferible tener lotes grandes antes que pequeos


El lote debe adecuarse a los sistemas de manejo de materiales del proveedor

Muestreo al azar
Las unidades para inspeccin deben tomarse al azar del lote y ser representativas de todos
los artculos del mismo; de otro modo se introducir un sesgo. Una forma sugerida de tomar
una muestra aleatoria es la siguiente:
Se le asigna un numero a cada articulo del lote. Luego se toman n nmeros al azar entre 1 y
la cantidad de artculos del lote (esto puede hacerse mediante una PC o calculadora) y se
seleccionan los artculos correspondientes a estos nmeros para la muestra.
MUESTREO SIMPLE
Teniendo un lote de tamao N, el plan de muestreo simple queda definido por el tamao
muestral n y el nmero de aceptacin c. Si el numero de disconformes en la muestra n es
menor o igual a c, se acepta el lote, y si es mayor se lo rechaza
Curva CO
La curva caracterstica de operacin (CO) para un plan de muestreo es una medida del
funcionamiento del mismo. La curva representa la probabilidad de aceptar
el lote como funcin de la fraccin muestral defectuosa. Un proceso ideal
en el que se rechazan solo los lotes malos y se aceptan solo los buenos
tendra una curva CO como la que se muestra en la ultima figura. Esta
curva es imposible de obtener (tericamente, solo se podra obtener en el
caso de una inspeccin al 100 % sin errores).Sin embargo, se puede
aproximar a esta forma si se aumenta el tamao muestral n. De esta
manera, al aumentar el tamao muestral crece el poder del muestreo para
detectar entre lotes buenos y lotes malos. Si en cambio se mantiene
constante el valor de n y se cambia c, se observa que la curva se desplaza
hacia la izquierda al disminuir el valor del nmero de aceptacin.
El AQL representa el peor nivel de calidad del proceso del proveedor que
el consumidor considerar aceptable. Se trata de una propiedad del
proceso de fabricacin y no del plan de muestreo ( un estndar contra el
que se juzgan los lotes), y el consumidor diseara el plan de muestreo de
modo de obtener una alta probabilidad de aceptacin al AQL. Tambin es
interesante analizar el punto opuesto en la curva CO, esto es, la proteccin
contra lotes individuales de calidad deficiente. El consumidor puede
establecer un porcentaje defectuoso tolerable por lote (LTPD). El LTPD
es el peor nivel de calidad que el consumidor esta dispuesto a aceptar por
lote individual. No es una propiedad del muestreo, sino que es un nivel de
calidad por lote fijado por el consumidor.

Planes con c = 0
Las curvas CO de planes con numero de aceptacin c 0 tienen
forma muy distinta a las curvas correspondientes a c 0 . Como se
ve en la figura, las primeras suelen ser convexas en todo el dominio,
lo que tiene como consecuencia que la probabilidad de aceptacin
disminuya rpidamente, incluso para fracciones disconformes
pequeas en el lote. Esto puede ser costoso para el proveedor, y en
algunas circunstancias tambin para el consumidor.
Planes de muestreo porcentuales
Estos planes consisten en tomar el tamao muestral como un
porcentaje fijo del tamao del lote, y sus curvas CO se muestran en la
figura.. La principal desventaja de este mtodo consiste en que el nivel
de proteccin varia con el tamao muestral
Diseo del plan de muestreo simple con curva CO especifica
Es practica comn disear el muestreo simple de modo que la curva CO pase por dos
puntos determinados, generalmente determinados por los riesgos y . Si se quiere
disear el muestreo de modo que la probabilidad de aceptacin para un lote con fraccin p1
sea 1 , y para una fraccin p 2 . El tamao muestral n y el numero de aceptacin c estn
dados por
c n i
n i
Ci p1 1 p1 1
i 0
c
C n p i 1 p n i
i
2
2

i 0
Generalmente se utiliza p1 correspondiente al AQL y p 2 correspondiente al LTPD. Estos se
llaman punto de riesgo del fabricante y punto de riesgo del consumidor
respectivamente
Inspeccin rectificadora
Al rechazar un lote es necesario aplicar una accin correctiva. Esto significa realizar una
inspeccin al 100 % de los lotes rechazados, retirando los defectuosos que se encuentran.
Estos programas de muestreos son conocidos como programas de inspeccin rectificadora, ya
que la inspeccin influye en la calidad de salida. En resumen, estos programas sirven para
corregir la calidad del lote.
Una forma de evaluar un plan de muestreo rectificador es la calidad media de salida (AOQ),
definida como la calidad en el lote resultante de aplicar la accin rectificadora. Es el valor
medio de la calidad del lote que se obtendra despus de una gran sucesin de lotes con la
misma fraccin defectuosa p. Puede probarse que la formula que define el AOQ es
P p N n
AOQ a
. Cuando el tamao del lote es muy grande, la ecuacin se reduce a
N
AOQ Pa p . La curva que resulta de graficar el AOQ contra la fraccin defectuosa se llama

curva CMS. Se observa que cuando la calidad del lote a la entrada es


buena, la calidad a la salida tambin lo es. Por otro lado, cuando la
calidad de entrada es mala, el proceso de rectificacin produce
tambin buena calidad a la salida, ya que se eliminan los defectuosos
en el lote. La curva alcanza un mximo entre los extremos, este
punto se llama limite de la calidad media de salida (LCMS) y
representa la peor calidad media posible que resulta en la salida
debido al proceso de rectificacin.
Por otro lado, otra medida importante es la cantidad de inspecciones que requiere el
muestreo. Para un lote con tamao N, un tamao muestral n, fraccin defectuosa p y
probabilidad de aceptacin Pa , se define la inspeccin total media como

ATI n 1 Pa N n

MUESTREO DOBLE
Dado El lote de tamao N, el plan de muestreo doble queda definido mediante cuatro
parmetros:
5678-

Tamao muestral de la primera muestra n1


Numero de aceptacin de la primera muestra c1
Tamao muestral de la primera muestra n 2
Numero de aceptacin de ambas muestras combinadas c 2

El procedimiento es el siguiente. Se toma un muestra de tamao n1 del lote y se cuentan los


defectuosos d 1 . Si d1 c1 se acepta el lote, si d1 c2 se rechaza el lote y si c1 d1 c2 se
toma una segunda muestra de tamao n 2 . Se cuentan los defectuosos d 2 en el lote y se
utiliza el nmero combinado de defectuosos d1 d 2 para tomar la decisin. Si d1 d 2 c2
se acepta el lote y en caso contrario se lo rechaza. En comparacin con el muestreo simple, el
muestreo doble puede reducir la cantidad total de muestreo necesaria y puede reducir tambin
los costos de inspeccin.
En la rama de las desventajas, hay casos particulares en los que el muestreo doble no reduce
la cantidad de muestreo total, sino que la aumenta. Tambin es mas complicado a nivel
administrativo, siendo mas fcil cometer errores.
Curva CO
Los planes de muestreo doble presentan una curva CO
primaria que muestra la probabilidad de aceptacin como
funcin de la calidad del lote o del proceso., y curvas CO
secundarias que muestran la probabilidad de aceptacin o
rechazo en la primera muestra. La construccin de la curva CO
primaria se realiza observando que la probabilidad de aceptar
el lote es igual a la probabilidad de aceptar el lote en la primera
o en la segunda muestra, esto es, Pa PaI PaII

Inspeccin rectificadora
En

el caso de un muestreo doble la curva AOQ toma la forma


PaI N n1 PaII N n1 n2 p
AOQ
N
Suponiendo que se reemplazan todos los defectuosos descubiertos mediante inspeccin al
100 %, la curva ATI toma la forma ATI n1 PaI n1 n2 PaII N 1 Pa

NORMA UNIT 472-75 MUESTREO PARA ACEPTACION POR ATRIBUTOS

Esta normativa establece un sistema para el muestreo para aceptacin por atributos, tanto
para la recepcin de lotes de manera continua como de forma aislada. Proporciona los planes
de muestreo, las curvas operativas para cada uno, e informacin acerca de la calidad limite y
del tamao muestral promedio para muestreos dobles y mltiples en relacin al muestre
simple.
La norma realiza las siguientes definiciones:
Unidad de muestreo: Puede referirse a artculos o porciones definidas del material a
inspeccionar como ser longitud, rea, volumen, segn se presente el material. Pueden ser:

Unidad aislada: Es u solo articulo que, cuando es fsicamente fraccionado, no


conserva su forma ni cumple su finalidad original
Unidad de continuidad: Es la porcin de rea o longitud especificada que se toma
como unidad en el caso de materiales continuos
Unidad a granel: Es la porcin de peso o volumen especificado que se toma como
unidad en el caso de materiales a granel

Muestra: Es un grupo de unidades extradas del lote


caractersticas de ese lote y tomar una decisin.

que sirve para apreciar las

Muestreo al azar: Las unidades deben seleccionare de forma


representativas del lote.

aleatoria para que sean

Seleccin del plan de muestreo recepcin continua de lotes


La seleccin de plan de muestreo en base a esta norme se realiza siguiendo el siguiente
procedimiento:
1.
2.
3.
4.

1-Se define el AQL


Se define el nivel de inspeccin, generalmente el nivel II (normal)
Se define el tamao del lote
Se localiza la letra cdigo en la tabla I a partir del tamao del lote y del nivel de
inspeccin.
5. Se define el tipo de plan de muestreo (simple, doble o mltiple)

6. Se consultan las tablas II, III o IV segn corresponda para definir el plan de muestreo
segn la inspeccin sea normal, estricta o simplificada
7. Se comienza con la inspeccin. Se debe empezar en un nivel normal, y cambiar a
estricto o simplificado segn las reglas de modificacin.

El AQL puede estar especificado de antemano en un contrato entre el


proveedor y el consumidor, o bien puede ser especificado por una autoridad
responsable. Depender del material a inspeccionar y de las consecuencias que
tendra obtener productos defectuosos.
La tabla I indica la letra cdigo que identifica el tamao de la muestra en
relacin al tamao del lote y el nivel de inspeccin. Se tienen tres niveles de
inspeccin generales y cuatro especficos
La tabla II define los parmetros para un muestreo simple
La tabla III define los parmetros para un muestreo doble
La tabla IV define los parmetros para un muestreo mltiple

Seleccin del plan de muestreo Recepcin aislada de lotes


En estos casos el plan puede seleccionarse en base a la calidad limite y el correspondiente
riesgo del consumidor. La seleccin se realiza siguiendo los siguientes pasos:
1.
2.
3.
4.

Se define el AQL
Se define el riesgo del consumidor (10 % o 5 %)
Se define la calidad limite o el LTPD
Se consultan las tablas VI o VII y se localiza segn AQL y LTPD la letra cdigo y
tamao de muestra
5. Con la letra obtenida se consulta la tabla II para definir el plan.
Las tablas VI o VII corresponden a riesgos del 10 % y 5 % respectivamente.
Datos adicionales en la norma
La norma tambin presenta en las tablas X las curvas CO para muestreo simple y en las
tablas IX las curvas de tamao muestral promedio para sistemas de inspeccin doble y
simple.

También podría gustarte