Diplomado en Seguridad y Ambiente

DIPLOMA EN GESTION DE LA CALIDAD,
SEGURIDAD Y MEDIO AMBIENTE

MODULO 3 METODOLOGAS Y HERRAMIENTAS PARA LA
CALIDAD
Profesor: Cristin Ferrada D.
Coordinacin Acadmica
Diagonal Paraguay 257 Torre 26 of. 1905 Fono 678 3647 Fax: 635 9192
INTRODUCCIN
QU ES CALIDAD?
Grado en el que un conjunto de
caractersticas inherentes, cumple con
los requisitos
Conformidad con
reglamentarios
los
requisitos
incluyendo
los
Cumple con su propsito

Proporcionar un producto que no regresar desde los
clientes
QU ES CALIDAD?
"En un sentido estrecho, calidad significa calidad de
producto. En un sentido amplio calidad significa
calidad de producto, calidad de trabajo, calidad de
servicio, calidad de informacin, calidad de proceso,
calidad de organizacin, calidad de persona
incluyendo a los ejecutivos, calidad de sistemas,
calidad de objetivos, etc".
(K. Ishikawa)
QU ES CALIDAD?
"Calidad es la aptitud para el uso"
(J. Juran)
"Calidad es el cumplimiento de los requisitos"

(P. Crosby)
"Calidad es alcanzar y superar las expectativas

de los clientes, a un costo que representa valor
para ellos"
(H. Harrington)
ESPIRAL DE LA CALIDAD
OBJETIVO
DISTRIBUCIN
OBJETIVO
MERCADO
PROGRAMA
PROGRAMA
DISEO
DISEO
SERVICIOS
FABRICACIN
FABRICACIN
DISTRIBUCIN
PRODUCTO FINAL
SERVICIOS
0 Cco* Cp* Cd * Cf * Cdi * Cs 1
CONTROL DE LA CALIDAD
Qu es el Control de la Calidad?
Parte de la gestin de la calidad orientada al
cumplimiento de los requisitos de la calidad
Es un procedimiento integral de inspeccin,
registro, anlisis y toma de decisiones que se usa en
la fabricacin econmica de productos o servicios
que satisfacen los requisitos de calidad del
consumidor.
CONTROL DE LA CALIDAD
Qu es Inspeccin?
Evaluacin de conformidad por medio de
observacin y dictamen, acompaada
cuando sea apropiado por medicin,
ensayo/prueba
o
comparacin
con
patrones
CAMPOS DE ACCIN DEL CONTROL DE

LA CALIDAD
Proceso de Fabricaci
Fabricacin
Fases del Proceso
Producto
Terminado
Puntos cr
crticos
Materias
Primas
Servicios
Subgrupos racionales
Inspecci
Inspeccin
de
Recepci
Recepcin
Control de Calidad Durante el Proceso de Fabricaci

Fabricacin
Inspecci
Inspeccin
de
Recepci
Recepcin
An
Anlisis de
Fallas y
Reclamos
ASEGURAMIENTO DE LA CALIDAD
Parte de la gestin de la calidad orientada a

proporcionar confianza que se cumplirn los
requisitos de la calidad
CONCEPTO DE PROCESO
Entradas
PROCESO
Recursos
Salidas
Controles
SEGUIMIENTO Y MEDICIONES
QU ES UN PROCESO?
ENFOQUE DE PROCESO
UN PROCESO ES UNA ACTIVIDAD QUE

RECIBE ENTRADAS Y LAS CONVIERTE EN
SALIDAS O RESULTADOS
EL ENFOQUE DE PROCESOS ES LA
IDENTIFICACION Y GESTION SISTEMATICA
DE LOS PROCESOS EMPLEADOS DENTRO
DE UNA ORGANIZACION Y SU
INTERACCION
INTERACCIN DE LOS PROCESOS
Proceso
A
Proceso
B
Proceso
C
Proceso
D
Entradas,Coordinacin
Salidas,
Controles y Recursos
Acadmica
LOS PROCESOS Y EL
CICLO DE SHEWHART
CICLO DE SHEWHART
LOS PROCESOS Y SU GESTION

UNO DE LOS ASPECTOS QUE MAS DISTINGUE A LAS
EMPRESAS QUE AVANZAN HACIA LA GESTION DE LA
CALIDAD ES SU FUERTE ORIENTACIN A LOS PROCESOS
Y SU NECESIDAD DE MEJORARLOS PERMANENTEMENTE
ESTA NECESIDAD SURGE DEBIDO A QUE NO EXISTE
PRODUCTO QUE NO SEA RESULTADO DE UN PROCESO
CUANDO LAS PERSONAS VEN EL TRABAJO COMO
PROCESOS, PUEDEN DEFINIR SUS FRONTERAS Y
ENTENDER LO QUE SE NECESITA ENTRE ESTOS DOS
PUNTOS PARA CREAR EL PRODUCTO DESEADO
PODRN ENTENDER QUE LAS PERSONAS QUE

PRECEDEN AL PROCESO IDENTIFICADO SON LOS
PROVEEDORES Y AQUELLOS QUE SIGUEN Y QUE
USAN EL PRODUCTO GENERADO POR EL PROCESO,
SON LOS CLIENTES.
POR LO TANTO, CADA TRABAJADOR ES UN CLIENTE

INTERNO DE LOS TRABAJADORES QUE LO PRECEDEN
Y PROVEEDOR INTERNO DE LOS TRABAJADORES QUE
LO SIGUEN.
Inicio del proceso de mejoramiento
Identificar el proceso
Nombrar un dueo del proceso
Describir el proceso
Solucionar problemas simples
Estandarizar el proceso
Definir indicadores de gestin
Proceso eficaz
Reconocer esfuerzos de equipo

10
CICLO DE SHEWHART/1
EL CICLO DE RESOLUCIN DE PROBLEMAS

DE SHEWHART, CICLO PDCA, ES UNA
METODOLOGA PRCTICA QUE PUEDE
APLICARSE AL MEJORAMIENTO DE LOS
PROCESOS, Y EST COMPUESTO POR
CUATRO ETAPAS: PLANIFICAR, HACER,
VERIFICAR Y ACTUAR.
CICLO DE SHEWHART/2
PLANIFICAR: ESTABLECER LOS OBJETIVOS Y PROCESOS
NECESARIOS PARA CONSEGUIR RESULTADOS DE
ACUERDO CON LOS REQUISITOS DEL CLIENTE Y LAS
POLITICAS DE LA ORGANIZACIN. INCLUYE ADEMS LAS
SIGUIENTES ACTIVIDADES:
Medidas para determinar nivel de cumplimiento

de objetivos en un momento dado
Definicin de equipo responsable de la mejora
Definicin de recursos para alcanzar objetivos.
11
CICLO DE SHEWHART/3
HACER: IMPLEMENTAR LOS PROCESOS. ESTA
CONSISTE EN LA EJECUCIN DE LAS TAREAS
EXACTAMENTE PREVISTAS EN EL PLAN.
VERIFICAR: REALIZAR EL SEGUIMIENTO Y LA
MEDICION DE LOS PROCESOS Y PRODUCTOS

RESPECTO A LOS REQUISITOS Y LOS OBJETIVOS
DEL PRODUCTO E INFORMAR LOS RESULTADOS.
ACTUAR:
TOMAR ACCIONES PARA EVITAR

REPETICIN DE DESVIOS Y PARA MEJORAR
CONTINUAMENTE EL DESEMPEO DE LOS
PROCESOS.
COSTOS DE LA
CALIDAD
12
COSTOS DE LA CALIDAD/1
Evaluacin
Prevencin
Fallas
Prdida de Imagen
Litigios
Perjuicios de marca
Prdida de materiales
Prdida de negocios
Prdida de ingresos
Costo de reproceso
Atrasos
Improductividad de RRHH
Falta de coordinacin
EN MUCHAS EMPRESAS LOS COSTOS DE LA CALIDAD SE
RELACIONAN SOLO CON LOS COSTOS DE OPERACION
DE LA FUNCION DE LA CALIDAD, INCLUYENDO LOS DE
LABORATORIO.
EL ESTUDIO Y ANALISIS DE LOS COSTOS DE LA CALIDAD
APORTAN VALIOSOS ELEMENTOS DE JUCIO PARA LA
TOMA DE DECISIONES EN MATERIA DE CALIDAD, COMO:
1. Medir el comportamiento de una tarea y conocer el
estado de las actividades de calidad.
2. Identificar reas con mayores problemas y definir
acciones correctivas y preventivas.
13
3. Dirigir eficazmente los esfuerzos de la organizacin
hacia el logro de la calidad deseada.
4. Saber cuanto se va gastar o ahorrar en conseguir el
nivel de calidad requerido.
5. Establecer programas conducentes a mejorar la
calidad y/o costos
6. Verificar si la introduccin de un nuevo mtodo de
control se justifica por sus resultados.
7. Introducir modificaciones y mejoras de diseo.
8. Resolver sobre conveniencia de comprar partes en
vez de fabricarlas y viceversa, etc.
Costos de
Prevencin
Costos de
Control
Costos Totales
de la Calidad
Costos de
Fallas
14
COSTOS DE PREVENCIN
SON LOS COSTOS DE TODAS LAS ACTIVIDADES
DISEADAS PARA EVITAR LA MALA CALIDAD :
Costos de revisin de un nuevo producto
Planificacin de la calidad
Estudios de la capacidad del proveedor
Capacidad del proceso
Reuniones de equipos de mejoramiento de la calidad
Proyectos de mejoramiento de la calidad
Educacin y entrenamiento en calidad
COSTOS DE EVALUACIN
SON LOS COSTOS CORRESPONDIENTES A LA
MEDICIN, EVALUACIN O AUDITORA PARA
GARANTIZAR CONFORMIDAD CON NORMAS:
Costos de inspeccin de materiales
Costos de inspeccin de produccin
Costos de inspeccin de aceptacin
Costos de auditoras de calidad
Calibracin de equipos de medida y ensayo
15
COSTOS DE FALLAS
Son los costos que resultan de productos o
servicios no conformes con requisitos del cliente:
Costos de defectos internos o fallas.
* costos de desechos
* costos de reprocesos
* costos de reinspeccin
* costos de repeticin de ensayos
Costos de defectos o fallas externas
* costos de procesar reclamo del cliente
* devoluciones del cliente
* indemnizaciones por garanta
* retiros de producto
COSTO CALIDAD DE PRODUCTO

Costo
$
Costo ptimo
Costos Totales
de Calidad
Costos
de Fallas
Costos de Evaluaci
Evaluacin
y Prevenci
Prevencin
100%
Calidad de Conformidad, %
16
COSTO DE TOTAL DE LA CALIDAD

Zona de
Zona de
Zona de
Mejoramiento
Indiferencia
Perfeccin
Costo de Fallas > 70%

Costo Prevencin < 10%
Costo de Fallas 50%

Costo Prevencin
Y Evaluacin
50%
Costo de Fallas
Evaluacin
Encontrar proyectos
de Innovacin
Si no se puede
encontrar proyectos
Rentables, cambiar el
nfasis a control
Estudiar el costo por no

conformidad, validez de
estndares, reducir el
nivel de inspeccin
100% de no Conformes
Calidad de Conformidad
100% conformes
< 40%
> 50%
NUEVO MODELO DE COSTOS

Costo $
por unidad
conforme
de producto
Costos Totales
de Calidad
Costos
de Fallas
Costos de Evaluaci
Evaluacin
y Prevenci
Prevencin
100%
Calidad de Conformidad, %
17
COSTO TOTAL DE LA CALIDAD

Costos de fallas. stos son igual a cero cuando no hay
defectuosos, y se elevan hasta infinito cuando el producto
es 100% defectuoso. Obsrvese que el eje vertical es el
costo por unidad de producto correcto. En el 100% de
defectos, el nmero de unidades est en cero, y por tanto
el costo por unidad correcta es infinito.
Costos de evaluacin ms prevencin. stos costos

estn en cero en el ndice de 100% de defectos, y se
elevan a medida que hay un acercamiento a la perfeccin.
Costos Totales. Esta tercera curva est sealada como
costos totales de calidad y representa el costo de
calidad por unidad de producto correcta.
COSTO CALIDAD DISEO

CALIDAD DE DISEO: Es el grado de concordancia
entre el diseo obtenido y el fin para el cual fue
creado.
VALOR DE USO: Caractersticas o propiedades que
permiten que un producto sea apto parra cumplir un
uso determinado, conformando as la utilidad de un
objeto particular.
18
COSTO CALIDAD DISEO

Costo
$
H
D
Valor de
la Calidad
C
F
Costos de
la Calidad
0
1
ptimo
2
100%
3
Grado de
Conformidad, %
COSTO CALIDAD DISEO

Este modelo es vlido en el supuesto que a todos
los competidores les cuesta lo mismo producir un
determinado grado de calidad de diseo para un
determinado producto, y que esto representa una
sola curva de valor para el consumidor.
19
COSTO CALIDAD DISEO

El grado de calidad determina un costo y un valor
para el usuario, factores que inciden en la funcin
de utilidad y cuyo mximo representa el punto
donde tericamente se sita el mercado. Entonces
el productor podr escoger zonas a la derecha o
izquierda del nivel ptimo, la decisin depende del
tipo de consumidor, mercado y competencia.
EJERCICIO GRUPAL: COSTOS DE LA CALIDAD

Clasificar para el siguiente listado, la categora de los costos:
Investigacin de Mercado
Gastos del Equipo de Medicin
Reclamos de garantas
Revisin de Proveedores
Medidas correctivas del diseo.
Reelaboracin debido a cambios de diseo
Revisin de contratos
Investigacin de quejas
Calificacin del Producto del proveedor
Sanciones
Prueba de calificacin del diseo del producto
Revisin de los datos de pruebas e inspecciones
Desperdicios por cambio de diseo
Inspecciones de proveedores
Costos de reparacin operaciones
Revisin de datos tcnicos de orden de compra
Gastos Administrativos
Costos de retiro de productos
Sueldos Administrativos
Costos de eliminacin de materiales rechazados
Inspeccin y prueba de materiales recibidos
Planeacin de la calidad de los proveedores
Prdidas por materiales no revisados
Auditoras de la calidad del producto o servicio.
Diseo y desarrollo de la medicin
Prdida de ventas
Reelaboracin de productos rechazados
Costos de desperdicios
Trabajo de Mantencin y calibracin
Encuesta de percepcin de los clientes
Costos por fallas de compras
Evaluaciones de productos
Actividades de Laboratorio
Inspeccin de instalacin
Equipo de de control de la calidad
Equipo de Medicin
Informes de Desempeo de la Calidad
Formacin de la Calidad
Prdida de trabajo por fallas internas
Actividades de soporte de diseo
Costos por deteccin de fallas
Mediciones del control de procesos
Mejoramiento de la Calidad
Costos de reinspeccin o reprueba
Planeacin de la calidad de los Proveedores
Producto final o servicio deficiente
Validacin del proceso operaciones
Revisiones calidad de diseo de un producto
Devolucin de productos
Control de Procesos
Costos sustitucin de materiales comprados
Trabajo de Verificacin
Enseanza de la calidad a los operadores
Inspeccin de materiales de prueba
20
Variabilidad y Costo de la Calidad

Nivel
sigma
DPMO
Centrado
DPMO
1,5
Rendimiento
(%)
317.310,5
691.462,5
30,8500
45.500,1
308.537,5
69,1500
2.699,93
66.807,2
93,3200
63,37
6209,7
99,3800
0,574
232,7
99,9770
0,002
3,4
99,9997
Tipo de empresa
Costo de la calidad
No se aplica
Empresa no
competitiva
No se aplica
25% a 40% de las ventas
Industria
competitiva
Empresa clase
mundial
<1% de la ventas
NOTA: DMPO = Defecto por milln de oportunidades

21
22
VARIABILIDAD
Causas asignables de variacin

Son pequeas en nmero, pero de gran
importancia en el resultado final del proceso,
y se caracterizan por:
1. Llevar el proceso paulatina o repentinamente en
sentido determinado;
2. No estar siempre presentes y cuando se presentan, en
general, las variaciones que producen no obedecen a
ninguna ley de distribuci
distribucin conocida; y
3. Ser sencillas de localizar por su naturaleza, y se les
puede asignar una causa concreta; por ejemplo: 4 Ms
(materiales, m
mquinas, m
mtodos, mano de obra).
23
Causas no asignables de variacin

Son una gran cantidad de causas de
variacin todas independientes entre s,
cuya influencia individual es pequea en la
variabilidad total, y se caracterizan por:
1. Producir variaciones que podemos considerarlas al
azar;
2. Tender probabil
probabilsticamente a compensarse entre s
s;
3. Estar siempre presentes; y
4. No son f
fcilmente identificables.
Primer paso para entender los datos Entender los datos

cuantitativamente
Meta
- La desviacin estndar o
dispersin es usada como
la medida de la varianza
de la distribucin.
Frecuencia
- Para que los datos tengan

una distribucin normal, la
media (promedio) se usa
como la medida de la
posicin central de la
distribucin.
varianza
(Desviacin estndar)
Posicin de la Media
24
Importancia de la Dispersin
Qu jugador lo har mejor en el golf?

LSE
Frecuencia
Frecuencia
LIE
LIE
Posicin en la
cual la bola toca
el suelo
LSE
Posicin en la
cual la bola toca
el suelo
Varios
de
causan
problemas
errores
yy defectos.
Varios tipos
tipos
de dispersin
dispersin
causan
problemas
como
errores
defectos.
Diagonal
Paraguay
257 Torre
26 of. 1905
Fono 678 3647como
Fax: 635
9192
<< Foco
Foco en
en la
la dispersin
dispersin >>
Entendiendo los Datos Cuantitativamente

Mtrica de la Varianza de Datos
Mtrica de Posicin
Mtrica de Dispersin
- Media
- Varianza
- Mediana
- Desviacin estndar
- Moda
- Rango
- Media geomtrica
- Coeficiente de
variacin
- Media armnica
Entender
Entender las
las caractersticas
caractersticas de
de la
la distribucin
distribucin con
con la
la mtrica
mtrica de
de posicin
posicin
yy de
de dispersin
dispersin
25
Medida de Posicin/1
n
x =
xi
i=
1
x1 + x 2 + L + x n
n
Media de la muestra: x
1/11 2/11 3/11 4/11 5/11 6/11
8
12
6
7
12
9
Horas de trabajo en un da
Media x =
8 + 12 + 6 + 7 + 12 + 9
= 9 (h)
6
4 5 6 7 8 9 10 11 12 13 14 (h)
Media : Punto de Equilibrio
Medida de Posicin/2
Mediana: Valor posicional medio de una serie ordenada de datos
M e impar = x(n+1)/ 2
M e par =
x(n/ 2) + x ((n/ 2)+1)

2
Mediana de la muestra: Me
1/11 2/11 3/11 4/11 5/11 6/11
8
12
6
7
12
9
Horas de trabajo en un da
M e par =
8+9
= 8,5
2
10 11 12 13 14 (h)
26
Medida de Posicin/3
Media :
Salario total
NEmpleados
Media Salario
Medida de Posicin/4
Comparacin de ingresos anuales
Compaa A
1
2
3
4
5
6
7
8
9
Media
Compaa B
3.000
630
580
550
530
520
500
460
430
700
670
640
620
600
570
550
540
510
800
600
XA = 800
Me A =
XB = 600
Me B =
27
Medida de Posicin/5
Errores en el uso de la media:
1. Se cree que los valores de las observaciones son iguales
o estn muy cerca de la media, ignorando por completo
que la media no entrega ninguna informacin sobre la
variabilidad.
2. La media es el dato ms frecuente. Esto slo se cumple
para distribuciones simtricas.
3. La media muestral es igual a la media poblacional,
desconocindose el hecho que la media es una variable
aleatoria.
4. La media es el valor que est en el medio, a la izquierda
queda el 50% de los datos, lo mismo que a la derecha.
Medida de Posicin/6
Criterios satisfechos por la media y la mediana
La mediana es el valor representativo que reduce al

mnimo la suma de las desviaciones absolutas entre
cada valor de la muestra y la mediana.
En cambio, la media se concentra en la reduccin al

mnimo de la sumas de las desviaciones al cuadrado
de la media respecto de los valores individuales de la
muestra, y se denomina criterio de los mnimos
cuadrados.
28
Medida de Dispersin/1
No te
preocupes !!
El dimetro medio
de la cuerda es de
2,5 cm.
??
Medida de Dispersin/2
Promedio de las Horas de Trabajo de Tres Secciones (h)
a
10
10
10
10
10
X = 10
Ago.
Sept.
Oct.
Nov.
Dic.
b
10
10
8
12
10
y = 10
Me y =
Me x =
a
b
c
c
7
8
10
12
13
z = 10
Me z =
10
11
12
13
(h)
10
11
12
13
(h)
10
11
12
13
(h)
Las
Las secciones
secciones tienen
tienen misma
misma media
media yy mediana,
mediana, pero
pero diferentes
diferentes dispersiones.
dispersiones.
29
Mtrica de Dispersin Desviacin estndar

(Que Representa la Diferencia desde la Media)
s2 =
(x
i=1
- x)2
n -1
Muestra de la Distribucin: s2 = ^2 (valor estimado de 2)

n
s =
(x
i=1
s2 =
- x)2
n -1
^
Desviacin estndar de la muestra : s =
Considerando la Poblacin (Completa)

Estadsticamente con Datos de Muestra
n Muestras
Poblacin
(Objetivo a Considerar)
Muestreo
Variable al azar X
x1, x2, ..xn
Valores caractersticos de la
Distribucin
Promedio , Dispersin 2
Procesamiento
(Por lo general, difcil

de determinar.)
Estimacin
Funciones con x1, x2, , xn
1
n
xi
Se considera fortuito (estocstico):

- No todo puede ser examinado debido
a impedimentos de tiempo y de gasto.
Media de x =
la muestra
Dispersin s2 =
(xi - x)2
n1 - 1
de la muestra
- Si los elementos incluidos no pueden

ser medidos, tales como los
pronsticos, etc.
30
Parmetros de la Poblacin y Estadsticas de la Muestra

Poblacin
Muestras
(Todos los Datos) n Muestras
N Itemes
Parmetro de la Poblacin
Mtrica de Posicin
Xi
N
Estadstica de la Muestra
n
x =
Media
Mtrica de Dispersin
(X - X)2
2 =
N
varianza
= 2
Desviacin Estndar
xi
i=1
(xi - x)2
s2 = n - 1
i=1
s = s2
Relacin entre una Distribucin de Datos y la

Estadstica
N (0, 12)
Punto de Inflexin
=1
-6
-5
-4
-3
-2
-1
68.27%
95.45%
99,73%
99.9937
99,9937%
99,999943%
99,9999998%
31
Clculo de reas Distribucin Normal

Muchas caractersticas de calidad en ingeniera se
pueden aproximar por una funcin de distribucin
normal.
f(x) = y =
1
2
( x - ) 2
2 2
-< x<
= 3,141516
e = 2,7183,
= media de la poblacin o universo
= desviacin estndar de la poblacin.
donde

Los problemas se resuelven con el uso de una tabla,
pero obsrvese que la distribucin requiere slo el
promedio y la desviacin estndar de la poblacin.
Si se midiera toda la poblacin y sta tuviera una
distribucin normal, el resultado sera el que muestra la
figura siguiente.
32

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

original estaba por debajo del valor de la media
Ejercicio Grupal Clculo de reas Distribucin Normal

Ejemplo clculo de reas de distribucin norma estndar
Se sabe que el contenido de un envase responde a una distribucin normal
con una media =100 g y = 1 g. Se desea calcular lo siguiente:
a) Cul es la probabilidad que un envase aleatoriamente seleccionado
pese entre 100 y 101?
P(X = x ) = P z
100
+
101
101 100
P(X 101) = P z
P(X 101) = P(z 1)
Usando la tabla de valores distribucin normal estndar se obtiene que:
P(X 101) = P(z 1) = 0,341 = 34,1%

33
Ejercicio Grupal Clculo de reas Distribucin

Normal
Ejemplo clculo de reas de distribucin norma estndar
b) Cuntos envases tendrn un peso entre 98 y 102 gramos?
P = (98 X 102) = P(X 98) + P(X 102)
-
98
100
102
102 100
98 100
P(98 X 102 ) = P z
+ P z
1
1
P(98 X 102 ) = P(z 2) + P(z 2 )

P(98 X 102 ) = (0,4772) + 0,4772 = 0,9544 = 95,44%
TABLA 1 reas bajo la curva normal tipificada de 0 a z
0,0
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,1
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,0675
0,0714
0,0754
0,2
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,1064
0,1103
0,1141
0,3
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,1443
0,1480
0,1517
0,4
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,1808
0,1844
0,1879
0,5
0,1915
0,1950
0,1985
0,2019
0,2054
0,2088
0,2123
0,2157
0,2190
0,2224
0,6
0,2258
0,2291
0,2324
0,2357
0,2389
0,2422
0,2454
0,2486
0,2518
0,2549
0,7
0,2580
0,2612
0,2642
0,2673
0,2704
0,2734
0,2764
0,2794
0,2823
0,2852
0,8
0,2881
0,2910
0,2939
0,2967
0,2996
0,3023
0,3051
0,3078
0,3106
0,3133
0,9
0,3159
0,3186
0,3212
0,3238
0,3264
0,3289
0,3315
0,3340
0,3365
0,3389
1,0
0,3413
0,3438
0,3461
0,3485
0,3508
0,3531
0,3554
0,3577
0,3599
0,3621
1,1
0,3643
0,3665
0,3686
0,3708
0,3729
0,3749
0,3770
0,3790
0,3810
0,3830
1,2
0,3849
0,3869
0,3888
0,3907
0,3925
0,3944
0,3962
0,3980
0,3997
0,4015
1,3
0,4032
0,4049
0,4066
0,4082
0,4099
0,4115
0,4131
0,4147
0,4162
0,4177
1,4
0,4192
0,4207
0,4222
0,4236
0,4251
0,4265
0,4279
0,4292
0,4306
0,4319
1,5
0,4332
0,4345
0,4357
0,4370
0,4382
0,4394
0,4406
0,4418
0,4429
0,4441
1,6
0,4452
0,4463
0,4474
0,4484
0,4495
0,4505
0,4515
0,4525
0,4535
0,4545
1,7
0,4554
0,4564
0,4573
0,4582
0,4591
0,4599
0,4608
0,4616
0,4625
0,4633
1,8
0,4641
0,4649
0,4656
0,4664
0,4671
0,4678
0,4686
0,4693
0,4699
0,4706
1,9
0,4713
0,4719
0,4726
0,4732
0,4738
0,4744
0,4750
0,4756
0,4761
0,4767
2,0
0,4772
0,4778
0,4783
0,4788
0,4793
0,4798
0,4803
0,4808
0,4812
0,4817
2,1
0,4821
0,4826
0,4830
0,4834
0,4838
0,4842
0,4846
0,4850
0,4854
0,4857
2,2
0,4861
0,4864
0,4868
0,4871
0,4875
0,4878
0,4881
0,4884
0,4887
0,4890
2,3
0,4893
0,4896
0,4898
0,4901
0,4904
0,4906
0,4909
0,4911
0,4913
0,4916
2,4
0,4918
0,4920
0,4922
0,4925
0,4927
0,4929
0,4931
0,4932
0,4934
0,4936
2,5
0,4938
0,4940
0,4941
0,4943
0,4945
0,4946
0,4948
0,4949
0,4951
0,4952
2,6
0,4953
0,4955
0,4956
0,4957
0,4959
0,4960
0,4961
0,4962
0,4963
0,4964
2,7
0,4965
0,4966
0,4967
0,4968
0,4969
0,4970
0,4971
0,4972
0,4973
0,4974
2,8
0,4974
0,4975
0,4976
0,4977
0,4977
0,4978
0,4979
0,4979
0,4980
0,4981
2,9
0,4981
0,4982
0,4982
0,4983
0,4984
0,4984
0,4985
0,4985
0,4986
0,4986
3,0
0,4987
0,4987
0,4987
0,4988
0,4988
0,4989
0,4989
0,4989
0,4990
0,4990
3,1
0,4990
0,4991
0,4991
0,4991
0,4992
0,4992
0,4992
0,4992
0,4993
0,4993
3,2
0,4993
0,4993
0,4994
0,4994
0,4994
0,4994
0,4994
0,4995
0,4995
0,4995
3,3
0,4995
0,4995
0,4995
0,4996
0,4996
0,4996
0,4996
0,4996
0,4996
0,4997
3,4
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4997
0,4998
3,5
0,4998
0,4998
0,4998
0,4998
0,4998 Acadmica
0,4998
0,4998
Coordinacin
0,4998
0,4998
0,4998
3,6
0,4998
0,4998
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
3,9
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
0,4999
3,9
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
0,5000
Diagonal
Paraguay
Torre
26 of.
19050,4999
Fono0,4999
678 3647
9192
3,7
0,4999
0,4999257
0,4999
0,4999
0,4999
0,4999 Fax:
0,4999 635
0,4999
34
TOLERANCIA
QUE ES TOLERANCIA
Definicin:
Diferencia entre la dimensin lmite mxima y la
dimensin lmite mnima.
La tolerancia es un valor absoluto, sin signo.
35
REPRESENTACIN GRFICA DE LA
TOLERANCIA
DESVIACIN SUPERIOR
LNEA CERO
DESVIACIN INFERIOR
FORMAS DE EXPRESIN DE LA
TOLERANCIA
1.
2.
Tolerancia con valor absoluto
Como valor absoluto sin signo
Como valor absoluto a travs de sus desviaciones

Posicin unilateral c/r a la dimensin bsica
Posicin bilateral c/r a la dimensin bsica
Como valor absoluto a travs de las dimensiones lmites

Tolerancia como valor porcentual
36
Relacin entre los parmetros de la

Distribucin Normal (, 2) y la Tolerancia
La mayora de las caractersticas de calidad cuantitativas de un
proceso o productos deben cumplir con una determinada dimensin
bsica y una tolerancia.
Dimensin bsica: Dimensin con respecto a la cual se establecen las
desviaciones admisibles de la tolerancia
Tolerancia: Diferencia algebraica entre las dimensiones lmites de una
caracterstica de calidad.
Simbolizaremos con la letra Vla mitad de la tolerancia
Consideremos el siguiente ejemplo

Dimensin bsica (M)
Mitad de la tolerancia()
Tolerancia (T=2)
Dimensin lmite mxima
Dimensin lmite mnima
: 100g
:
2g
:
4g
: 102g
: 98g
Las relaciones que deben existir entre los parmetros de la

distribucin normal y la tolerancia, son aquellas que permiten
reducir a un mnimo la produccin de piezas no conformes
37
EXACTITUD
Su parmetro es la media o promedio aritmtico ().
1. Qu relacin debe existir entre la media del proceso, lote o
poblacin y los valores establecidos para que los defectuosos sean
mnimos?
La respuesta es: = .
2. Se cumple la condicin de mnimizar la fraccin no conforme, pues
cuanto ms la media se aleja del valor , aumentar la cantidad de
piezas o productos fuera de un lmite (el del lado hacia el cual se ha
corrido la media).
PRECISIN
Su parmetro es la desviacin estndar ()
1.
2.
Considerando que la exactitud cumple = , Qu relacin

debe existir entre y los valores establecidos para que la
fraccin no conforme sea mnima?.
La solucin consiste en adoptar el valor de ,
suficientemente pequeo para que los defectuosos sean
despreciables y a la vez, suficientemente grande para que
resulte de fcil obtencin (razones econmicas).
Por lo tanto la respuesta es:
= 3 ; T = 3
Con lo cual la fraccin de piezas o productos fuera de
tolerancia ser del orden del 0,23%.
38
SIETE HERRAMIENTAS PARA EL

MEJORAMIENTO CONTINUO DE LA
CALIDAD
HOJA DE REGISTRO
39
HOJAS DE REGISTRO
QU ES?
Es un formulario preimpreso en el
cual aparecen los temes que se van
a registrar, de manera que los datos
se puedan recoger en forma fcil y
clara.
HOJAS DE REGISTRO
SUS OBJETIVOS PRINCIPALES SON:
Facilitar la recoleccin de datos; y
Organizar automticamente los datos

de manera que puedan usarse con
facilidad.
40
HOJAS DE REGISTRO
Hoja de Registro
N
Producto:
Inyectores de Artefactos de gas

2,3 0,008
Especificacin:
N Inspeccionados:
N Total:
Fecha:
Seccin:
Inspector:
100
Lote N:
100
Observaciones:
Orden N:
Registros
LIE
2,300
LSE
Desv.
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
10
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
15
20
25
Frecuencia
1
3
6
9
11
13
14
12
9
8
6
4
3
1
X
XXX
XXXX
XX
Total
100
HOJAS DE REGISTRO
Hoja de registro para investigacin de burbujas
Observaciones
Fecha
Tipo de producto :
41
HOJAS DE REGISTRO
Hoja de Registro
Producto
Fecha
Etapa de fabricacin
Fbrica
Tipo de no conformidad
Seccin
Total inspeccionado
Inspector
Observaciones
Lote N
Orden N
Subtotal
Tipo de no conformidad
Rayas superficiales
Quebraduras
Incompletas
Deformes
Otros
////
////
////
////
////
Total no conformes
////
////
////
////
////
////
////
////
////
////
////
////
///
////
////
//
////
////
////
////
////
////
////
////
////
////
////
////
////
////
///
///
////
////
////
////
Total:
////
32
23
48
4
8
115
86
EL DIAGRAMA
DE PARETO
42
EL DIAGRAMA DE PARETO
Es un grfico de barras verticales que se
organiza de izquierda a derecha en orden
decreciente
de
ocurrencia
o
de
importancia :
Factores sujetos a estudio.
Con el objeto de determinar que

problemas resolver y en que orden
realizarlos.
EL DIAGRAMA DE PARETO
QU HACE?
Ayuda al equipo a concentrarse en aquellas causas

que tendrn el mayor impacto en caso de ser
resueltas;
En base al comprobado principio de Pareto: un 20%

de las fuentes causan el 80% de cualquier problema;
Muestra la importancia relativa de los problemas en

un formato visual simple y rpido de interpretar;
El progreso se mide en un formato altamente visible

que proporciona incentivo para seguir luchando por
las mejoras.
43
ELABORACION DE UN DIAGRAMA
PASO 1: DECIDIR EL PROBLEMA OBJETIVO
Ejemplo: Considere el caso de la mesa de

ayuda interna para redes
computacionales:
1. Por qu la gente llama a la mesa de
ayuda?; y
2. Qu problemas estn teniendo?.
PASO 2: SELECCIONE LAS CAUSAS O
PROBLEMAS QUE SERN ESTUDIADOS
MEDIANTE ANLISIS
Ejemplo: Cules son los problemas tpicos
sobre los que los clientes preguntan en la mesa
de ayuda?
EN BASE A DATOS EXISTENTES
Ejemplo: Con qu problemas han llegado los
clientes a la mesa de ayuda en mes pasado?
44
PASO 3: ESCOJA LA UNIDAD DE MEDIDA MS
SIGINIFICATIVA (COSTO, FRECUENCIA)
Algunas veces, usted no sabe antes del
estudio qu unidad de medida es mejor.
Ejemplo: Para los datos de la mesa de ayuda,
la medida ms importante es la frecuencia,
porque el equipo de proyecto puede usar la
informacin para simplificar la documentacin,
capacitacin o resolver problemas del sistema
ms grandes.
PASO 4: DEFINA EL PLAZO DEL ESTUDIO
Escoja un tiempo lo suficientemente largo
como para representar la situacin.
Asegrese de que el tiempo planificado sea
tpico, a fin de considerar la temporalidad
Ejemplo: Revise las llamadas a la mesa de
ayuda durante 4 semanas.
45
PASO 5: REUNA LOS DATOS NECESARIOS
SOBRE CADA CATEGORA DE PROBLEMA
Frecuencia
Porcentaje
Frecuencia Acumulada
Mal Perfil
68
33
68
Problema Partida
25
12
93
Conexin Lateral
24
12
117
Operacin Servidor
20
10
137
Problemas Bases
19
156
Configuracion Sistemas
15
171
Integridad Sistemas
10
181
Problemas Impresin
189
Recepcin Seal
196
12
208
Otros
208
PASO 6: PONGA LAS CATEGORAS EN LA
ABCISA Y FRECUENCIA EN LA ORDENADA
Coloque
las
categoras
en
orden
descendente de izquierda a derecha en la
abcisa, con barras sobre cada categora,
para indicar su frecuencia o costo.
Dibuje la lnea de por ciento acumulada,
mostrando la porcin del total que cada
categora de problema representa.
Interprete los resultados.
46
Frecuencia Absoluta
Acumulado (%)
100
200
80
150
60
100
40
50
20
tra
s
M
al
Pr
ob
pe
le
rfi
m
l
a
pa
C
on
rti
ex
da
i
O
n
pe
l
at
ra
er
ci
al
n
se
Pr
rv
ob
id
or
le
m
C
a
on
ba
fi g
se
ur
s
ac
In
i
te
n
gr
si
id
st
a
Pr
d
si
ob
st
le
em
m
a
a
im
R
p
re
ec
si
ep
n
ci
n
se
a
l
EJERCICIO: DIAGRAMA
DE PARETO
47
DIAGRAMA DE
CAUSA - EFECTO
DIAGRAMAS DE CAUSA - EFECTO
DEFINICIN NORMALIZADA: Un diagrama

de causa efecto es un diagrama que
muestra la relacin entre una caracterstica
de calidad (efecto) y sus factores (causas).
Un diagrama de causa efecto se denomina

tambin diagrama de Ishikawa, o de espina
de pescado (Fishbone Diagram).
48
Este diagrama facilita en forma notable

el entendimiento y comprensin del
proceso.
Obliga a trabajar en equipo, ya que es

necesaria la participacin de todo el
personal involucrado en el proceso,
para su construccin y uso.

Motor
Mtodos
Cambio de
velocidad
Manejo
rpido
Siempre tarde
Impaciente
Mantenimiento
deficiente
$
Presin en llantas
no registrada
Mala audicin
Combustible muy
enriquecido
Volumen alto
del radio
Mecnico sin
especificacin
No se escucha
el motor
Mano de obra
Mal diseo
Sistema de
ventilacin dbil
Ajuste del
carburador
Bajo kilometraje
Combustible
equivocado
Entrenamiento
deficiente
No hay cambio de aceite

$
No hay manual
Mala lubricacin
No se sabe cul
debe ser
Distraccin
Falta
de atencin
Llantas bajas
Malos hbitos
de manejo
Aceite
equivocado
No se sabe cul
debe ser
No hay
manual
Material
49
DIAGRAMA DE AFINIDAD
Diagrama de Afinidad
TCNICA USADA PARA IDENTIFICAR EL
PROBLEMA EN UNA SITUACIN CATICA Y
GENERAR ESTRATEGIAS DE SOLUCIN.
Objetivo
Llegar a una representacin comn y
estructurada de un problema, a partir de
diferentes realidades comunes, como: ideas,
opiniones, inquietudes.
50
Procedimiento
1. Definir el objeto del diagrama de Causa Efecto
2. Realizar una lluvia de ideas
3. Seleccionar las ideas afines formando grupos.
Limitar el nmero de grupos a 12.
Crear un ttulo para cada grupo.
4. Vincular los grupos a los factores causales 6Ms (Mano de

obra, Mquinas, Mtodos, Materiales, Medicin, Medio Ambiente)
5. Construir el Diagrama de Causa Efecto
Ejemplo: Bajo kilometraje vehculo Lluvia de Ideas
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
Manejo rpido
Impaciente
Siempre tarde
Filtracin de combustible
Cambio equivocado
No se escucha motor
No se escucha el motor
Volumen radio alto
Mala audicin
Ajuste inyeccin
Inyectores sucios
Combustible enriquecido
Mecnico sin especificacin
Mantencin deficiente
Uso de repuestos alternativos
No alineado ni balanceado
Mal estado filtro bencina
Combustible equivocado
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
No hay manual
No sabe cul debe ser
Problema toma de aire combustin
Llantas bajas
Falta control de presin
Neumticos en mal estado
Distraccin
Entrenamiento deficiente
Mala lubricacin
Aceite equivocado
Camino sinuoso
Conduccin en altura
Exceso de carga
Efecto aerodinmico
Servicio deficiente
$
Falta atencin
51
Datos organizados en grupos
GRUPOS
IDEAS PROPUESTAS
Mantencin
deficiente
Filtracin de combustible, uso de repuestos alternativos, desalineado

y desbalanceado, filtro de bencina mal estado
Ajuste de
inyeccin
Combustible enriquecido, inyectores sucios, mecnico si

especificacin, problema toma de aire de combustin
Llantas
bajas
Falta de control presin llantas, no sabe cual debe ser, no hay

manual, neumticos en mal estado
Mala
conduccin
Cambio equivocado, mal usos de frenos, conductor no competente,

no se escucha motor, volumen de radio alto
Manejo
rpido
Impaciente, siempre tarde
Datos organizados en grupos
GRUPOS
Servicio
deficiente
IDEAS PROPUESTAS
$, falta de atencin
Cambio
equivocado
No se escucha el motor, mala audicin, volumen alto de la radio
Combustible
equivocado
No ha manual, no sabe cual debe ser
Mala
lubricacin
Aceite equivocado, No hay manual, no sabe cual debe ser, no hay

cambio de caite, $
10
Condiciones
extremas
Sobrecarga, camino sinuoso, efecto aerodinmico, conduccin en

altura
52
Ejemplo 1- Diagrama de Causa - Efecto

Motor
Mtodos
Cambio de
velocidad
Manejo
rpido
Siempre tarde
Impaciente
Presin en llantas
no registrada
Mala audicin
Combustible muy
enriquecido
Volumen alto
del radio
Mecnico sin
especificacin
No se escucha
el motor
Llantas bajas
Mal diseo
Sistema de
ventilacin dbil
Ajuste del
carburador
Bajo kilometraje
Combustible
equivocado
Mantenimiento
deficiente
Entrenamiento
deficiente
Mano de obra
Mala lubricacin
No se sabe cul
debe ser
Distraccin
Falta
de atencin
No hay cambio de aceite

$
No hay manual
Malos hbitos
de manejo
Aceite
equivocado
No se sabe cul
debe ser
No hay
manual
Material
EJERCICIO: DIAGRAMA
DE CAUSA EFECTO
53
DIAGRAMA DE PARETO
Y DIAGRAMA
DE CAUSA - EFECTO
Habitualmente, para la solucin de

problemas, se usan varios mtodos
conjuntamente.
La combinacin de un diagrama de
Pareto con un diagrama Causa - Efecto
es especialmente til.
54
DIAGRAMA DE PARETO - ANTES

Y DESPES DE LAS MEJORAS
Mayo 1 - Junio 30
100
Nmero de tems no conformes
90
Efecto total
80
150
Sept 1 - Oct 31
70
60
100
100
100
50
80
40
60
30
50
50
40
20
20
10
0
0
A
Otros
Efecto
0
C
Otros
ESTRATIFICACIN
55
ESTRATIFICACIN
El mismo producto es
fabricado en varias mquinas
Los productos
son mezclados
Muestreo
Grfico de
Control
A
A
A
LSC
Mquina A
LC
?
LIC
B
B
B
Mquina B
No se sabe qu mquina produjo el defectuoso
Productos fabricados separadamente por cada mquina

Muestreo de
cada grupo
Grfico de
Control
A
A
LSC
LC
A
A
LIC
Mquina A
LSC
B
B
B
LC
LIC
Mquina B
Se puede observar fcilmente que la mquina B est fuera de control
ESTRATIFICACIN
Herramienta usada para el anlisis

de datos, separndolos en varios
grupos de caractersticas similares,
con el objeto de entender una
situacin problemtica y encontrar
las principales causas.
56
ESTRATIFICACIN
FACTORES DISCRETOS: Diagrama de

Pareto, histograma, Grficos de control,
hojas de registros.
FACTORES CONTINUOS: Diagrama de

dispersin.
ESTRATIFICACIN
FACTORES OBJETO DE ESTUDIO:
Mano de obra: grupo, edad, sexo
Mquina: tipo, marca
Material: Proveedor, lote
Mtodo: Velocidad
Medio: Temperatura, presin
Tiempo: Turno, da.
57
HISTOGRAMA
HISTOGRAMA
Histograma es la presentacin de datos

en forma ordenada, mediante un grfico
constituido por rectngulos de igual
ancho y altura proporcional a las
cantidades que representan.
58
Histograma a partir de tablas de

frecuencia
Ejemplo:Los datos de la tabla siguiente corresponden a los
pesos de un conjunto de 80 personas, en kg. Con estos
datos se pide construir una tabla de frecuencias y el
histograma.
33
65
52
43
33
12
31
43
54
48
66
27
94
40
57
40
65
91
21
85
45
50
30
66
101
55
58
49
46
34
65
95
58
58
50
70
67
95
76
66
51
103
92
80
83
69
71
34
35
107
78
63
61
72
33
68
93
82
46
54
128
22
90
88
23
44
73
19
82
97
26
37
50
23
76
84
27
36
38
30
Histograma a partir de tablas de frecuencia
FRECUENCIA (f): Nmero de veces en

que se repite un determinado valor.
FRECUENCIA ABSOLUTA (fa): Es la

cantidad de valores correspondientes
a una clase o intervalo.
59
Histograma a partir de tablas de

frecuencia
FRECUENCIA
RELATIVA
(fr):
Es
la
frecuencia absoluta de una clase, dividido
por el nmero de valores de la variable
(muestra n).
fr = fa / n
Tablas de frecuencia: Construccin

n
Ordenar los valores obtenidos
Calcular el rango
R = X MXIMO - X MNIMO
Calcular el nmero de clase (Nc). Es el

nmero en que conviene dividir los valores
de la muestra:
En general, Nc =
En la prctica, 10 Nc 25
60

q
Determinar el intervalo de clase (Rc):

Rc = R/Nc
Determinar los lmites inferiores y superiores de

las clases.
LMITE SUPERIOR = LMITE INFERIOR + Rc

s
NOTA: Para evitar que un valor este

ubicado en dos clases diferentes (ejemplo
48), se hace la diferencia entre el lmite
superior de una clase y el lmite inferior de
la siguiente , de acuerdo a la menor unidad
de la variable en estudio. Este valor pasa a
constituirse en el lmite superior de la
clase.
Construir la tabla de frecuencias como se

indica a continuacin:
61

No
CLASE
LIMITES DE
CLASE
MEDIATRIZ
DE CLASE
REPRESENTACION
GRAFICA
fa
fr
f acum.
12
23
18
XXXXX X
0.075
24
35
30
XXXXX XXXXX XX
12
0,150
18
3
4
36
48
a
a
47
59
42
54
XXXXX XXXXX X
XXXXX XXXXX XXXX
11
14
0,137
0,175
29
43
5
6
60
72
a
a
71
83
66
78
XXXXX XXXXX XXX

XXXXX XXXX
13
9
0,162
0,112
56
65
7
8
84
96
a
95
a 107
90
102
XXXXX XXXXX
XXXX
10
4
0,125
0,005
75
79
9
10
108 a
120 a
114
126
0
1
0,000
0,012
79
80
80
1,000
80
119
132
HISTOGRAMA
Frecuencia Absoluta
16
14
12
10
8
6
4
2
0
18
30
42
54
66
78
90
102 114 126
Peso en Kg.
62
Anlisis de resultados Histograma

La interpretacin de este grfico nos permite concluir
que la muestra est integrada por nios y adultos,
probablemente de ambos sexos. Existe un dato aislado
correspondiente a una persona obesa, 128 kg. Adems,
la clase que ms se repite corresponde a la de los pesos
entre 48 y 59 kg, con una frecuencia absoluta de 14 y
una frecuencia relativa de un 17,5%, que representa la
probabilidad que un individuo cualquiera de esa
muestra pertenezca a esta clase. Una vez calculados los
medidores de precisin y exactitud se puede completar
la interpretacin de estos datos.
Interpretacin de Histograma
Cules son las mediciones ms comunes?
Hay simetra o asimetra?
Cmo es la dispersin?
Est el proceso centrado?
Cuntas modas y acantilados hay?
Hay datos aislados?
63
El histograma de esta forma se presenta frecuentemente,
en los datos de productos manufacturados, y representa
un proceso estable. Esta es la forma ms comnmente
observada.
Histograma - Figura simtrica

Esta forma se encuentra, por ejemplo, cuando los valores
raramente se ubican alrededor de un valor particular, por
ejemplo, la resistencia de un componente, el dimetro de
un orificio realizado por una perforadora, datos elaborados
con media cercana a cero, etc.
Histograma - Cola hacia la derecha

64
Esta forma se presenta cuando los valores en ocasiones
caen en ms que un valor particular, tal como el ndice de
alta
pureza
de
un
determinado
componente,
caractersticas de corrosin, problemas con el equipo de
medicin, etc.
Histograma - Cola hacia la izquierda

Este tipo de histogramas puede aparecer cuando dos tipos
de distribuciones estn mezcladas, como: diferentes
mquinas, diferentes proveedores de materias primas,
varios operarios o se han utilizado varios instrumentos de
medicin sin repetibilidad y reproducibidad controlada.
Histograma - Bimodal
65
El histograma de esta forma, es el resultado de un proceso
anormal, como en el evento que se incluyan mediciones de
un prototipo de producto en las mediciones tomadas al
tiempo de la produccin en masa, o cuando una pocas
medidas de diferentes mquinas o diferentes materiales
han sido incluidas en el mismo esquema, y el evento en
que existan errores de medicin.
Histograma - Bimodal
EJERCICIO:
ESTRATIFICACIN- HISTOGRAMA
66
EJERCICIO ESTRATIFICACIN/1
La tabla siguiente muestra los espesores de pintura de
carroceras de automviles obtenidos a travs de un proceso
automtico de pintura, cuyos detalles son:
Mquinas de pintado automticas
Provedores de pintura
: A1; A2
: B1; B2
El lmite inferior de especificacin es de 30 m.

Se pide tomar accin a partir de estos datos.
Mes/Da
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
33,2
32,4
31,8
33,2
32,8
32,6
31,6
32,2
32,4
32,2
32,4
32,6
33,2
33,6
32,0
32,4
32,6
31,4
32,0
32,4
B1
Mquina A1
32,8
33,0
32,2
32,6
32,2
32,0
32,8
32,4
32,6
32,8
30,8
32,0
31,0
31,2
31,6
31,6
30,6
33,4
30,4
33,0
33,2
33,0
33,0
33,0
32,4
32,6
33,4
32,8
31,6
33,0
32,6
33,4
33,6
32,8
32,6
32,0
32,0
33,0
33,2
33,8
B2
32,4
32,4
33,2
32,6
32,8
33,6
32,6
32,4
32,6
32,8
32,8
32,6
33,0
34,0
33,0
32,6
32,8
32,2
32,0
32,8
30,8
31,4
31,2
31,6
31,8
31,6
31,8
31,6
31,6
31,0
30,6
31,0
30,6
30,0
30,6
30,8
30,4
30,6
30,0
30,6
B1
Mquina A2
31,4
31,0
30,8
30,6
31,2
31,2
31,2
30,8
31,0
30,4
31,0
30,6
31,2
29,6
30,0
30,2
30,0
30,2
30,6
30,2
32,2
32,8
32,8
32,0
32,8
33,2
33,0
32,4
32,4
32,8
33,0
32,6
32,4
32,8
32,4
33,8
33,0
33,0
32,6
33,2
B2
33,0
33,2
32,8
32,8
33,6
32,6
33,4
33,4
33,0
32,8
33,2
32,2
32,8
33,0
32,0
32,4
32,6
33,8
33,0
32,8
67
Estrato
Solucin:
Promedio
Todos
A1
A2
B1
B2
A1B1
A1B2
A2B1
A2B2
Desv Std
32,179
32,528
31,830
31,535
32,823
32,250
32,805
30,820
32,840
Cp
0,999
0,697
1,130
0,976
0,466
0,756
0,503
0,554
0,430
0,727
1,209
0,540
0,524
2,021
0,992
1,858
0,493
2,201
Histograma de todos los datos: n= 160; x =32,18; s= 0,99; Cp= 0,73
Histogram for Todos

50
frequency
40
30
20
10
0
29
30
31
32 Acadmica
33
Coordinacin
34
35
Diagonal Paraguay 257 Torre 26 Todos

of. 1905 Fono 678 3647 Fax: 635 9192
Histograma A1: n= 80; x =32,53; s= 0,697; Cp= 1,22
Histogram for MaquinaA1
frequency
40
30
20
10
0
30
31
32
33
34
35
MaquinaA1
Histograma A2: n= 80; x =31,83; s= 1,13; Cp=0,54
Histogram for MaquinaA2

24
frequency
20
16
12
8
4
0
29
30
31
32
33
34
35
MaquinaA2
Histograma B1: n= 80; x =31,54; s= 0,976; Cp=0,52
68
Histograma para Proveedor B1

12
Frecuencia
10
8
6
4
2
0
29
30
31
32
33
34
Espesor micrmetros
Histogram for B2
frequency
40
30
20
10
0
31
32
33
34
35
B2
Histograma A1B1: n= 40; x =32,25; s= 0,756; Cp=0,99
Histogram for A1B1

12
frequency
10
8
6
4
2
0
29
30
31
32
33
34
A1B1
Histogram for A1B2

15
frequency
12
9
6
3
0
30
31
32
33
34
35
A1B2
69
Histogram for A2B1

12
frequency
10
8
6
4
2
0
29
29,5
30
30,5
31
31,5
32
A2B1
Histogram for A2B2

15
frequency
12
9
6
3
0
31
31,5
32
32,5
33
33,5
34
A2B2
Conclusiones:
Del anlisis de los datos se concluye que el proceso de
pintado de automviles no cumple totalmente con las
especificaciones de los 30 m, debido a causas asignables
de variacin gatilladas por la mquina A2 y el proveedor
de pintura B1. En consecuencia, se sugiere construir
diagramas de CE (para ambos), a fin de formular las causas
potenciales que permitan establecer la(s) causa(s) races
del problema.
70
DIAGRAMA
DE DISPERSIN
DIAGRAMA DE DISPERSIN
SON DIAGRAMAS QUE PERMITEN ESTUDIAR
LA RELACIN ENTRE DOS VARIABLES.
EJEMPLO:
Estudiar cmo la composicin qumica afecta
la resistencia mecnica de un componente
metlico, utilizado en la fabricacin de un
producto.
71
Las dos variables que se pueden estudiar se
presentan de la siguiente forma:
Una caracterstica de calidad y un

factor que la afecta.
Dos caractersticas de calidad.
Dos factores relacionados con una

sola caracterstica de calidad.
Para comprender la relacin existente entre
estas variables es necesario, en primer lugar,
elaborar
un
diagrama
de
dispersin
comprender la relacin global.
72
Construccin de un
Diagrama de Dispersin
PRIMER PASO:
Definir con claridad los objetivos del estudio.
Esto debe incluir una definicin de la variable
dependiente o respuesta y de las variables
independientes (predictores) que puedan estar
relacionadas con la variable dependiente.
Construccin de un
SEGUNDO PASO:
Recopilar a lo menos 30 pares de

datos (x,y) cuyas relaciones se
quieran estudiar y organizar esta
informacin en una tabla.
73
Construccin de un
TERCER PASO:
Encontrar los valores mximo y mnimo para
x,y.
Decidir las escalas que se van a usar en los
ejes horizontal y vertical, cuyas longitudes
deben ser aproximadamente iguales para
facilitar su lectura.
Construccin de un
CUARTO PASO:
Registrar los datos en el grfico. Cuando se

obtengan los mismos valores en diferentes
observaciones, mostrar estos puntos con
crculos concntricos, o registrar el segundo
punto muy cerca del primero.
74
Construccin de un
QUINTO PASO:
Registrar los aspectos que puedan ser de
utilidad.
Ttulo del diagrama.
Perodo de tiempo.
Nmero de pares de datos.
Ttulo y unidades de cada eje.
Nombre de la persona que hizo el
diagrama.
Construccin de un
SEXTO PASO:
Interpretar el diagrama de dispersin.
Calcular el Coeficiente de Correlacin.
75
Patrones de un Diagrama de Dispersin/1

n = 30
r = 0,9
n = 30
y 4
y 4
0
0
Correlacin positiva
4
x
Posible correlacin positiva
n = 30
r = 0,6
r=0
6
y
n = 30
r = -0,9
4
2
0
0
4
x
No hay Correlacin
Correlacin negativa
Patrones de un Diagrama de Dispersin/2
n = 30
r = -0,6
y 4
n = 30
Puede haber correlacin negativa
Puede haber correlacin
76
EJERCICIO: DIAGRAMA DE
DISPERSIN
EJEMPLO DIAGRAMA DISPERSION Y BIVARIANTE

Los datos de la tabla siguiente indican la temperatura media, en
grados Celcius, a la que se ha realizado una reaccin qumica y el
rendimiento
que
se
ha
obtenido
de
la
misma.
Se pide construir un diagrama de dispersin y bivariado e
interpretarlo.
Observacin
Temp. (C)
Rendimiento
1
162
94,6
2
154
93
3
4
5
6
148 116 152 136
93,9 92,7 92,8 92,5
7
8
9
10
11
12
13
158 126 140 160 160 160 144
93,5 91,5 93,8 93,6 92,6 94,1 92,9
14
120
91
15
126
92
16
17
134 164
92,4 93,4
Observacin
Temp. (C)
Rendimiento
18
162
19
132
20
130
23
144
24
112
33
180
Observacin
Temp. (C)
Rendimiento
21
170
22
148
93,6 92,3 91,1
93
91,4
93
35
36
37
152 170 150
92,4 92,9 91,5
38
160
93
39
104
91
40
130
92,5
25
126
26
160
27
110
91,6
92
94
91,3 92,5
41
160
93,1
42
138
93
43
44
152 130
93,4 93,4
28
138
45
110
92
29
140
30
150
31
134
32
162
92
92,2
92
93,5 95,2 92,1
46
47
48
120 110 152
92,5 92,3 92,8
49
172
92
34
142
50
126
92,6
77
Diagram a de Dispersin
95,5
95
Rendimiento
94,5
94
93,5
93
92,5
92
91,5
91
90,5
100
120
140
160
180
200
X-Variable: Temperatura C
Y-Variable: Rendimiento
Modelo:
Y = A + B*X
R-Square
50
88,15123999
0,031661715
0,647194508
0,418860731
Data
Y = 88,1512 + 0,03166*X
95% Confidence (Data)
95% Confidence (Line)
96
Rendimiento
95
94
93
92
91
90
100
110
120
130
140
150
160
170
180
190
Temperatura C
78
Entonces la ecuacin de prediccin es:
= 88,15 + 0,032 * X
Y
Despus de estimar los coeficientes de la ecuacin de prediccin,

debe graficarse sta sobre los datos para verificar si hay errores
grandes de clculo. En trminos generales, la mitad de los datos
deben aparecer arriba de la lnea y la mitad abajo. Adems la
ecuacin debe pasar justo por los puntos.
Existen muchos criterios para evaluar qu tan adecuada es la
ecuacin de prediccin. Una de ellas es el coeficiente de
determinacin, R2, que representa la razn de la variacin explicada
por la ecuacin de prediccin.
DIAGRAMA BIVARIANTE
Los diagramas bivariantes son una alternativa
al anlisis de regresin simple, y permiten
comprobar grficamente si existe relacin
entre una caracterstica de calidad y un
factor que la pueda afectar.
Para su construccin se utiliza el diagrama
de dispersin y se siguen los pasos detallados
a continuacin.
79
DIAGRAMA BIVARIANTE
Determinar las medianas de la abcisa (eje x) y
ordenada (eje y).
Trazar ambas medianas en el diagrama de dispersin.
De esta manera el grfico queda dividido en cuatro
cuadrantes, I, II, III y IV, como se muestra en la
diapositiva del Diagrama Bivariante
DIAGRAMA BIVARIANTE
Contar los puntos que quedan en cada cuadrante
excluyendo los que estn situados sobre las
medianas.
Determinar la suma de los puntos en los dos
cuadrantes opuestos ( I y II o III y IV) que presentan la
suma menor. Este nmero se denomina valor de
prueba.
80
DIAGRAMA BIVARIANTE
Comparar el valor de prueba en la Tabla de la
pgina siguiente. Si el valor de prueba
obtenido es igual o inferior a la cantidad lmite
de la Tabla, se puede afirmar que existe
correlacin con un nivel de confianza del 95%
(error del 5%).
La Tabla se basa en la distribucin de
probabilidad binomial.
TABLA TEST DE HIPOTESIS PARA DIAGRAMA BIVARIANTE

Numero de
Puntos
Lmite del valor

de prueba
Numero de
Puntos
Lmite del valor

de prueba
20-22
56-57
20
23-24
58-60
21
25-27
61-62
22
28-29
63-64
23
30-33
65-66
24
34-35
10
67-69
25
36
11
70-71
26
37-39
12
72-73
27
40-41
13
74-76
28
42-43
14
77-78
29
44-46
15
79-80
30
47-48
16
81-82
31
49-50
17
83-85
32
51-53
18
86-87
33
54-55
19
88-89
34
81
DIAGRAMA BIVARIANTE
Diagrama Bivariante
95,5
95
Rendimiento
94,5
94
lI
lII
lV
93,5
93
92,5
92
91,5
91
90,5
100
120
140
160
180
200
Temperatura (C)
DIAGRAMA BIVARIANTE
En el diagrama temperatura-rendimiento los
puntos se obtiene en cada cuadrante son:
Cuadrante
Puntos
17+1 (*)
II
III
18
IV
NOTA (*): Hay dos observaciones en un mismo punto

82
DIAGRAMA BIVARIANTE
Por tanto, en este caso el valor de prueba es
10 (II + IV). El nmero de puntos a considerar
es de 46, ya que del total se restan los que
caen sobre las medianas. Valor lmite que da
la tabla para n= 46 es de 15, y como n= 10<
15, podemos afirmar con un nivel de
confianza del 95% que existe correlacin
entre la temperatura y el rendimiento.
Trabajo Grupal: Diagrama Bivariante

En la tabla siguiente se muestran las llamadas entrantes y
perdidas en un Call Center, durante el mes de diciembre
de 2004. se pide construir el diagrama bivariante y
determinar si existe correlacin.
Llamadas
entrantes*
(10)
172
170
161
40
24
199
154
39
140
155
Llamadas
perdidas
49
19
29
8
5
59
17
8
24
35
Llamadas
entrantes*
(10)
48
21
178
43
166
143
150
55
24
182
Llamadas
perdidas
18
4
4
19
49
34
42
28
7
49
Llamadas
entrantes*
(10)
148
134
115
63
8
14
154
145
137
133
Llamadas
perdidas
42
37
20
19
1
2
26
42
32
24
83

Digrama Bivariante
138,5
70
Llamadas perdidas
60
II
50
40
30
24
20
III
10
IV
0
0
50
100
150
200
Llam adas entrantes* (10)


En el diagrama bivariante llamadas de
entradas y llamadas perdidas los puntos se
obtiene en cada cuadrante son:
Cuadrante
Puntos
11
II
III
11
IV
3
84

Por tanto, en este caso el valor de prueba es
6 (II + IV). El nmero de puntos a considerar
es de 28, ya que del total se restan los que
caen sobre las medianas. Valor lmite que da
la tabla para n= 28 es de 8, y como el valor
de prueba 6 < 8, podemos afirmar con un
nivel de confianza del 95% que existe
correlacin entre las llamadas de entrada y
las llamadas perdidas.
GRFICOS DE CONTROL
85
GRFICOS DE CONTROL
Los grficos de control son una herramienta

prctica derivada de la estadstica, que nos
permite determinar si un proceso est bajo
control estadstico.
Son un mtodo para comparar informacin

de muestras (subgrupos) que muestran el
estado
de un proceso contra lmites
establecidos.
GRFICOS DE CONTROL
Un grfico de control consiste en:
Una Lnea Central (LC);
Un par de Lmites de Control (LSC y LIC)

colocados sobre y bajo la lnea central; y
En
unos
valores
caractersticos
registrados en un determinado grfico,
que representan el estado de control del
proceso.
86
GRFICOS DE CONTROL BAJO CONTROL
Si todos los valores de los subgrupos estn

dentro de los lmites de control, sin
ninguna tendencia especial, se dice que: el
proceso est en estado de control
estadstico.
Grficos de Control: Bajo Control Estadstico.
Lmite Superior de Control

LSC
LC
LIC
Lmite Inferior de Control
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Muestras o subgrupos racionales
87
GRFICOS DE CONTROL FUERA DE CONTROL

Si existen puntos fuera de los
lmites de control, o el grfico
muestra tendencias, se dice que:
el proceso est fuera de
control estadstico.
Grficos de Control: Fuera de Control
LSC
LC
LIC
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Muestras o subgrupos racionales
88
TIPOS DE GRFICOS DE CONTROL

1. GRFICOS DE CONTROL POR VARIABLES
1.1
Sin valores especificados.
1.2
Con valores especificados.
2. GRFICOS DE CONTROL POR ATRIBUTOS

2.1
Sin valores especificados.
2.2
Con valores especificados.
GRFICOS DE CONTROL POR VARIABLES

1. POR VARIABLES
1.1
QUE CONTROLAN LA EXACTITUD:

- GRFICO X BARRA
- GRFICO DE MEDIANA Me
1.2
QUE CONTROLAN LA PRECISIN:

- GRFICO DE RANGO R
- GRFICO DE DESV. NORMALES s
89
GRFICOS DE CONTROL POR ATRIBUTOS

2. POR ATRIBUTOS
Grfico p : fraccin de unidades no conformes
(defectuosas).
Grfico np : nmero de unidades no conformes.
Grfico c: nmero de no conformidades
(defectos) en un subgrupo.
Grfico u: nmero de no conformidades
(defectos) por unidad, en sub grupo.
CLCULO DE LMITES DE
CONTROL DE GRFICOS DE
CONTROL
90
Teorema de Lmite Central - Relaciones entre la

Poblacin y las Muestras - 1
Poblacin
Primera muestra
X11, X 12, X13, , X1j

Segunda muestra
X21, X22, X23, , X2j
Tercera muestra
X31, X32, X33, , X3j
X1
i:i: Nmero
Nmero de
de muestras
muestras
j:j: Tamao
Tamao de
de la
la muestra
muestra
X2
Distribucin de la
Media de Muestra
X3
Muestra i
Xi1, Xi2, Xi3, , Xij
Xi
Teorema de Lmite Central - Relaciones entre la

Poblacin y las Muestras - 2
Para casi todas las poblaciones, la Distribucin de la Media de la Muestra es siempre una
distribucin normal, sin considerar qu tipo de distribucin tiene la poblacin.
1
2
4
Poblacin
Distribucin de la Muestra
con el Tamao de la Muestra con el Tamao de la Muestra con el Tamao de la Muestra
n=2
n = 30
n=5
91
Teorema del Lmite Central - Distribucin de la media

de la muestra
Distribucin de la
Poblacin
Distribucin de la Media de la Muestra
x
n
- La media de la distribucin de la media de muestra es la misma que

la media de la distribucin de la poblacin.
x = x
- La desviacin estndar de la distribucin de la media de la muestra
Acadmica
est afectada por el tamaoCoordinacin
de la muestra.
s=
= Tamao de la
muestra
Clculo de lmites de Grficos de Control

Criterio general para definir los
lmites de control estadsticos de

grficos de control.
E 3
92
GRFICOS DE CONTROL
POR VARIABLES
Grficos de control por variables

Frmulas de lmites de control para grficos de control por variable
Sin valores Especificados

Estadstico
Con valores Especificados
Lnea
central
LSC y LIC
Lnea central
LSC y LIC
X A 2R o X A 3s
X0
X 0 A 0
D3R , D4R
R0 d20
B3 s , B4 s
S0 c40
D1 0 , D2 0
B50 , B60
93
Factores para Clculo de Lmites de

Observaciones
en subgrupo
Factores para lmites de control
Factores para lnea central
A2
A3
B3
B4
B5
B6
D1
D2
D3
D4
c4
1/c 4
d2
1/d 2
2,121
1,880
2,659
0,000
3,267
0,000
2,606
0,000
3,686
0,000
3,267
0,7979
12,533
1,128
0,8865
1,732
1,023
1,954
0,000
2,568
0,000
2,276
0,000
4,358
0,000
2,574
0,8862
11,284
1,693
15.907
1,500
0,729
1,628
0,000
2,260
0,000
2,088
0,000
4,698
0,000
2,282
0,9213
10,854
2,059
0,4857
1,342
0,577
1,427
0,000
2,089
0,000
1,964
0,000
4,918
0,000
2,114
0,9400
10,638
2,326
0,4299
1,225
0,483
1,287
0,030
1,970
0,029
1,874
0,000
5,078
0,000
2,004
0,9515
10,510
2,534
0,3946
1,134
0,419
1,182
0,118
1,882
0,113
1,806
0,204
5,204
0,076
1,924
0,9594
10,423
2,704
0,3698
1,061
0,373
1,099
0,185
1,815
0,179
1,751
0,388
5,306
0,136
1,864
0,9650
10,363
2,847
0,3512
1,000
0,337
1,032
0,239
1,761
0,232
1,707
0,547
5,393
0,184
1,816
0,9693
10,317
2,970
0,3367
10
0,949
0,308
0,975
0,284
1,716
0,276
1,669
0,687
5,469
0,223
1,777
0,9727
10,281
3,078
0,3249
11
0,905
0,285
0,927
0,321
1,679
0,313
1,637
0,811
5,535
0,256
1,744
0,9754
10,252
3,173
0,3152
12
0,866
0,266
0,886
0,354
1,646
0,346
1,610
0,922
5,594
0,283
1,717
0,9776
10,229
3,258
0,3069
13
0,832
0,249
0,850
0,382
1,618
0,374
1,585
1.025
5,647
0,307
1,693
0,9794
10,210
3,336
0,2998
14
0,802
0,235
0,817
0,406
1,594
0,399
1,563
1.118
5,696
0,328
1,672
0,9810
10,194
3,407
0,2935
15
0,775
0,223
0,789
0,428
1,572
0,421
1,544
1.203
5,741
0,347
1,653
0,9823
10,180
3,472
0,2880
16
0,750
0,212
0,763
0,448
1,552
0,440
1,526
1,282
5,782
0,363
1,637
0,9835
10,168
3,532
0,2831
17
0,728
0,203
0,739
0,466
0,534
0,458
1,511
1,356
5,820
0,378
1,622
0,9845
10,157
3,588
0,2787
18
0,707
0,194
0,718
0,482
1,518
0,475
1,496
1,424
5,856
0,391
1,608
0,9854
10,148
3,640
0,2747
19
0,688
0,187
0,698
0,497
1,503
0,490
1,483
1,487
5,891
0,403
1,597
0,9862
10,140
3,689
0,2711
20
0,671
0,180
0,680
0,510
1,490
0,504
1,470
1,549
5,921
0,415
1,585
0,9869
10,133
3,735
0,2677
21
0,655
0,173
0,663
0,523
1,477
0,516
1,459
1,605
5,951
0,425
1,575
0,9876
10,126
3,778
0,2647
22
0,640
0,167
0,647
0,534
1,466
0,528
1,448
1,659
5,979
0,434
1,566
0,9882
10,119
3,819
0,2618
23
0,626
0,162
0,633
0,545
1,455
0,539
1,438
1,710
6,006
0,443
1,557
0,9887
10,114
3,858
0,2592
24
0,612
0,157
0,619
0,555
1,445
0,549
1,429
1,759
6,031
0,451
1,548
0,9892
10,109
3,895
0,2567
25
0,600
0,153
0,606
0,565
1,435
0,559
1,420
1,806
6,056
0,459
1,541
0,9896
10,105
3,931
0,2544
GRFICO DE CONTROL X BARRAR

CON Y SIN VALORES
ESPECIFICADOS
94
Grfico de Control X barra- R Con Valores

Especificados
Los valores especificados deberan determinarse de
preferencia, a travs una investigacin de datos
preliminares que se supone sern caractersticos de todos
los datos futuros.
Los valores especificados deberan ser compatibles con la
variabilidad inherente del proceso para el uso efectivo de
los grficos de control.
Los grficos de control con valores especificados se usan
especialmente durante la fabricacin para controlar los
procesos y para mantener la uniformidad del producto al
nivel deseado.
Grfico de Control X barra - R Con Valores

Especificados
Lmites de control de grficos X barra R con
valores especificados
Grfico X barra
Grfico R
LSC
LC
= X0 + A0
= X0
LSC
= D
LC
= d
LIC
= X
LIC
= D 1
- A0
95
Grfico X barra R Sin Valores

Especificados
LMITE SUPERIOR DE CONTROL, LSC :
X + A2 R
LNEA CENTRAL, LC
LMITE INFERIOR DE CONTROL, LSC
X A2 R
Grfico X barra R Sin Valores

2. GRFICO R Especificados
SIN VALORES ESPECIFICADOS
LMITE SUPERIOR DE CONTROL, LSC :
D4 R
LNEA CENTRAL, LC
LMITE INFERIOR DE CONTROL, LSC
D3 R
96
ETAPAS EN LA UTILIZACIN
DE UN GRFICO DE CONTROL SIN
VALORES ESPECIFICADOS
X BARRA - R
ETAPAS USO GRFICO x - R

A. FASE PREPARATORIA
1. Objetivos.
2. Seleccin de la caracterstica de calidad que ser
controlada.
3. Lugares donde se tomarn los subgrupos racionales.
4. Tamao de cada subgrupo, n.
5. Frecuencia de extraccin del subgrupo n.
6. Nmero de subgrupos, k, a extraer (mnimo 20
subgrupos).
7. Instrumentos y mtodos de medicin con trazabilidad.
8. Diseo del formulario para el registro y grfica de los
resultados.
97

B. DETERMINACIN DE LOS LMITES DE
CONTROL PRELIMINARES
1. Calcular los lmites de control del grfico x barra y
registrarlos.
2. Dibujar los lmites de control y la lnea central de cada
grfico.
3. Representar grficamente los valores de los promedios
y rangos en sus grficos y unirlos con lneas rectas.

C. INTERPRETAR EL GRFICO Y EXTRAER
LAS CONCLUSIONES PRELIMINARES
1. Observar si existe o no existe estado de control
estadstico en los grficos.
2. Si existe control estadstico en los dos grficos,
calcular la media y la desviacin normal del proceso.
3. Si no existe estado de control estadstico en los
grficos, investigar las causas y eliminarlas.
4. Revisar luego los dos grficos, eliminando los
puntos fuera de control hasta que se obtenga un
estado de control estadstico.
98
Criterios para detectar causas asignables

LSC
LC X
A
B
C
C
B
LIC
CRITERIO 1 : UN PUNTO FUERA DE LA ZONA A

LSC
A
B
LC X
C
C
B
LIC
CRITERIO 2 : NUEVE PUNTOS CONSECUTIVOS EN LA

ZONA C O FUERA DE ELLA, A UN SLO LADO DE LA
LNEA CENTRAL
99

LSC
A
B
LC
C
B
LIC
CRITERIO 3 : SEIS PUNTOS CONSECUTIVOS AUMENTANDO O

DISMINUYENDO EN FORMA ESTABLE

LSC
A
B
LC
C
C
B
LIC
CRITERIO 4 : CATORCE PUNTOS CONSECUTIVOS

ALTERNANDO ARRIBA O ABAJO DE LA L
LNEA CENTRAL
100
LSC
A
B
LC
LIC
CRITERIO 5 : DOS DE TRES PUNTOS CONSECUTIVOS EN LA

ZONA A O FUERA DE ELLA

LSC
A
B
L
C
C
C
B
LIC
CRITERIO 6 : CUATRO DE CINCO PUNTOS CONSECUTIVOS EN

LA ZONA B O FUERA DE ELLA
101

LSC
LC X
LIC
A
B
C
C
B
CRITERIO 7 : QUINCE PUNTOS CONSECUTIVOS EN LA ZONA C,

SOBRE Y BAJO LA L
LNEA CENTRAL

LSC
LC X
LIC
A
B
C
C
B
A
CRITERIO 8 : OCHO PUNTOS SEGUIDOS A MBOS LADOS DE LA

ZONA CENTRALY NINGUNO EN C
102
Interpretacin estadstica de los patrones para

detectar causas asignables
Objetivo:
Captar el estado del proceso de manera
precisa a travs de la interpretacin de los
grficos de control, con el objeto de tomar
oportunamente acciones apropiadas cuando
se detecten causas asignables de variacin.

Proceso fuera de control
Criterio 1. Un punto fuera de la zona A.
Racha
Estado en el cual todos los puntos ocurren continuamente en un
lado de la lnea central.

Criterio 2. Nueve puntos seguidos en la zona C o ms all.
Tendencia
Los subgrupos racionales forman una curva ascendente o
descendente.
Criterio 3. Seis puntos seguidos en forma creciente o decreciente.
Criterio 6. Cuatro de cinco puntos seguidos en la zona B o ms
all.
103

Acercamiento a la Lnea Central
Cuando la mayora de los puntos estn dentro de 1,5 , se debe
a una incorrecta formacin los subgrupos racionales.
No significa un estado de control, sino una mezcla de
informacin de diferentes poblaciones o subgrupos, lo cual hace

que los lmites de control sean demasiados amplios.
Criterio 4. Catorce puntos sucesivos alternando arriba y bajo de
la lnea central.
Criterio 7. Quince puntos sucesivos en la zona C, sobre y bajo la
lnea central.

Acercamiento a los lmites de control
Teniendo en cuenta los puntos que se acercan a los lmites de
control de 2 , el proceso es anormal, si dos de tres puntos ocurren

por fuera de la lnea de 2 .
Criterios 5. Dos de tres puntos sucesivos en la zona A o ms all.
Periodicidad
Tambin es anormal que la curva presente repetidamente tendencia
ascendente y descendente para casi el mismo intervalo.

Criterio 8. Ocho puntos sucesivos a ambos lados de la lnea central.
104
ETAPAS EN LA UTILIZACIN
DE UN GRFICO DE CONTROL
x-R
Etapas en la Utilizacin de un Grfico de

Control X barra y del Rango R
D. ACCIONES EN RELACI
RELACIN A LAS ESPECIFICACIONES
1.
Determinar la capacidad de proceso Cp.
2.
Determinar si el proceso puede cumplir o no con las

especificaciones. Calcular el Cpk.
3.
Tomar las acciones necesarias sobre el proceso o

sobre las especificaciones para adecuarlos
mutuamente.
105
Etapas en la Utilizacin de un Grfico de Control

X barra y del Rango R
E.
ACCIONES EN RELACIN CON EL PROCESO
1.
Tomar las acciones correctivas sobre el proceso cuando los

grficos indiquen inestabilidad o el Cpk sea inferior a lo
especificado.
2.
Dejar que el proceso contine sin modificaciones cuando los

grficos indiquen estabilidad y se cumplen las
especificaciones.
3.
Iniciar investigaciones para detectar causas asignables o

para mejorar el comportamiento del proceso (diagrama de
Pareto y diagrama de Ishikawa).
Etapas en la Utilizacin de un Grfico de Control

X barra y del Rango R
F. REVISIONES PERIDICAS
1. A intervalos regulares de tiempo, deben
revisarse los lmites de control de los grficos x
barra y rango, para verificar si durante estos
perodos se han observado seales de
inestabilidad o se ha modificado el proceso.
106
EJERCICIO: GRFICO DE CONTROL

X BARRA R SIN VALORES
ESPECIFICADOS
GRFICOS DE CONTROL
POR ATRIBUTOS
107
Grficos de control por atributos
Grfico p : fraccin de unidades no conformes

(defectuosas).
Grfico np : nmero de unidades no conformes.
Grfico c: nmero de no conformidades (defectos)

en un subgrupo.
Grfico u: nmero de no conformidades (defectos)

por unidad, en sub grupo.

Frmulas de lmites de control para grficos de control por variable
Sin valores especificados
Con valores especificados
Tipo de
grfico
Lnea central
Lmites de control 3
Lnea central
Lmites de control 3
p 3 p 1 p /n
p0
p 0 3 p 0 (1 p 0 )/ n
np
np
np 3 np 1 p
np0
np 0 3 np 0 (1 p 0 )
c3 c
c0
c0 3 c0
u 3 u/n
u0
u0 3 u0 / n
108
Grficos de Control por Atributos

Los grficos de control por atributos permiten
estudiar el comportamiento de unidades no
conformes o fuera de especificaciones. El
ms conocido de estos grficos es el grfico p
Disco
Fallado

1. El grfico p permite estudiar la proporcin de unidades no
conformes o defectuosas producidas.
2.
Para ello se toma una muestra o subgrupo racional durante un

perodo de tiempo (por ejemplo: una hora, medio turno, un turno),
por m perodos.
3.
El nmero de muestra o subgrupos es del orden de 20 a 25.
4.
Para las n unidades observadas en cada perodo se registra:
5.
Tamao de la muestra
Nmero de unidades no conformes o defectuosas
Se calcula para cada perodo:
p: proporcin de unidades no conformes o defectuosas

109
Por ejemplo:
Fecha
Hora
Tamao
muestra
N unidades
no conformes
Fraccin unidades
no conformes
------
---------
---------------
------------------
------
---------
---------------
------------------
------
---------
---------------
------------------
------
---------
---------------
------------------
p=
k
n
p = Fraccin no conforme de cada subgrupo (n).

n = Tamao del subgrupo.
k = Nmero de no conformes (defectuosos).
110

m
p=
p
i =1
m
Donde,
Lmite p m = p 0
p0 : Fraccin no conforme del proceso

m : Nmero de subgrupos racionales
p: Fraccin no conforme del subgrupo
Grficos de Control p Con Valores

Especificados
Lmites de control de grficos p con valores
especificados
LSC = p 0 + 3
LC
= p0
LIC
= p0 - 3
p 0 (1 - p 0 )
n
p 0 (1 - p 0 )
n
111
Ejercicio Grupal de Control p0

Se envasa jugo de naranja en cajas de cartn. Se considera que la caja
es no conforme si al llenarlo gotea. Se sabe que la fraccin no
conforme de cajas es de 4%.
Para el control del proceso se extraen muestras cada hora de tamao
50. Las ltimas 30 muestras presentan lo siguientes resultados.
N
Tamao Cantidad
muestra Muestra
NC
1
2
3
4
5
6
7
8
9
10
80
80
80
80
80
80
80
80
80
80
2
3
1
1
1
1
2
1
3
2
p (%)
2,5
3,75
1,25
1,25
1,25
1,25
2,5
1,25
3,75
2,5
N
Tamao Cantidad
muestra Muestra
NC
11
12
13
14
15
16
17
18
19
20
80
80
80
80
80
80
80
80
80
80
1
1
3
2
1
2
2
1
2
2
p (%)
1,25
1,25
3,75
2,5
1,25
2,5
2,5
1,25
2,5
2,5
N
Tamao Cantidad
muestra Muestra
NC
21
22
23
24
25
26
27
28
29
30
80
80
80
80
80
80
80
80
80
80
2
3
4
3
2
2
1
3
2
1
p (%)
2,5
3,75
5
3,75
2,5
2,5
1,25
3,75
2,5
1,25
Ejercicio Grupal de Control p0

Grfico p Con Valores Especificados
0,08
LSC = 0,07
LC= 0,02
0,06
LIC = 0,00
0,04
0,02
0
El grfico p est bajo control estadstico, pues cumple con

los 8 criterios de causas asignables de variacin.
112
Grficos de Control p Sin Valores

Especificados
SI NO SE ESPECIFICA EL VALOR DE ESTE

SE DEBE ESTIMAR A TRAVES DEL
PROMEDIO DE LA FRACCION DEFECTUOSA
OBTENIDO DE, POR LO MENOS, DE 20 SUB
GRUPOS RACIONALES O MUESTRAS.
Grficos de Control p Sin Valores

Especificados
Los lmites de los grficos p son:
LSC
= p + 3
LC
= p
LIC
= p - 3
p (1 p )
n
p (1 - p )
n
113
Ejercicio Grupal Grfico p Sin Valores

Especificados
Con el propsito de conocer el comportamiento del proceso de
reparacin de tambores para el envasado de minerales se tom la
decisin de implementar un grfico de control por atributos. En la
inspeccin de los subgrupos racionales se encontraron los
siguientes resultados. Se pide analizar el grfico p sin valores
especificados, considerando los datos que se presentan en la tabla
siguiente.
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
Tamao
Subgrupo
200
200
200
200
200
200
200
200
200
200
200
200
N NC np
9
4
11
10
2
5
5
6
12
4
7
7
Muestra
0,045
13
0,02
14
0,055
15
0,05
16
0,01
17
0,025
18
0,025
19
0,03
20
0,06
21
0,02
22
0,035
23
0,035 Acadmica
24
Coordinacin
25
Tamao
Subgrupo
200
200
200
200
200
200
200
200
200
200
200
200
200
N NC np
3
7
5
3
9
6
3
4
6
8
10
7
9
0,015
0,035
0,025
0,015
0,045
0,03
0,015
0,02
0,03
0,04
0,05
0,035
0,045

Especificados
Grfico p
Lnea central = p =
=
pi
i=1
np i
i=m
m*n
9 + 4 + 11 + ... + 9
= 0,0324 = 3,24 %
200 * 25
LSC = p + 3 p(1 p )/ n
= 0,0324 + 3 0,0324(1 0,0324 ) / 200 = 0,07 = 7%
LIC = p 3 p(1 p )/ n
= 0,0324 3 0,0324(1 0,0324 ) / 200 = 0,00 = 0%
114

Especificados
0,08
Fraccin no conforme
0,07
LSC: 0,07
0,06
0,05
0,04
LC: 0,0324
0,03
0,02
0,01
0
LIC: 0
0
10
15
20
25
Subgrupo s Rac io nales
El grfico indica que el proceso de reparacin de tambores est bajo control

estadstico, a pesar que el porcentaje de unidades no conformes es alto. Estos
lmites de control pueden usarse ahora para los futuros grficos de control, hasta
el proceso tenga alguna causa asignable o salga de control estadstico. Es
importante hacer notar que aunque el proceso est bajo control estadstico, es
muy difcil que se puedan realizar mejoras sin cambios en el proceso. No es
suficiente decir simplemente al personal sea ms cuidadoso.
Grficos de Control np Sin Valores

Especificados
Los lmites de los grficos p son:
LSC
= np + 3
LC
= np
LIC
= np - 3
n p (1 p )
n p (1 - p )
115
Ejercicio Grupal Grficos np Sin Valores

Especificados
Los valores de tabla siguiente corresponden a una parte de las
llamadas entrantes y perdidas en el Call Center, durante el mes de
diciembre de 2004. El tamao del subgrupo racional o muestra es
de 100 llamadas entrantes. Se pide construir el construir el grfico
de control np si valores especificados e interpretarlo.
N
Subgrupo
Tamao
Subgrupo
Llamadas
perdidas
N
Subgrupo
Tamao
Subgrupo
Llamadas
perdidas
N
Subgrupo
Tamao
Subgrupo
Llamadas
perdidas
1
2
3
4
5
6
7
8
9
10
100
100
100
100
100
100
100
100
100
100
3
1
2
2
2
3
1
2
2
2
11
12
13
14
15
16
17
18
19
20
100
100
100
100
100
100
100
100
100
100
4
2
0
4
3
2
3
5
3
3
21
22
23
24
25
26
27
28
29
30
100
100
100
100
100
100
100
100
100
100
3
3
2
3
1
2
3
2
2
1
Ejercicio Grupal Grficos np Sin

Valores Especificados
Lmites de Control = n p np(1 p)
Grfico np SVE
8
LSC = 6,93
LC = 2,37
np
LIC = 0,00
4
2
0
0
10
15
20
25
30
Subgrupo Racional
El grfico p est bajo control estadstico, pues cumple con

los 8 criterios para detectar causas asignables de variacin.
116
Conclusiones
El grfico p se puede usar en forma
ms flexible, pues NO es necesario
que el tamao de los subgrupos
racionales sea constante en el
tiempo.
Esto, sin embargo, es un requisito
para los grficos np
Capacidad de un Proceso
La capacidad de un proceso, o ms bien, de
un indicador de calidad de ste, es el
rendimiento del proceso cuando est bajo
control.
Mide si el indicador del proceso satisface los
requerimientos del cliente
117
Un proceso es capaz, en relacin a su tolerancia, cuando la
proporcin de unidades no conformes o rechazos es muy
pequea, respecto al nmero de unidades producidas.
LSE
LIE
LSE: Lmite superior de especificacin

LIE: Lmite inferior de especificacin
Para medir la capacidad de un proceso, en relacin a variables
continuas, podemos utilizar el ndice de Capacidad de
Proceso
Cp =
LSE LIE
6
El ndice de Capacidad de Proceso es el cuociente entre la

tolerancia y la dispersin del proceso, representada por 6.
118
Para determinar el ndice de Capacidad de Proceso debemos
conocer .
Tenemos el problema que se desconoce ; por ello debemos
estimarla, es decir, aproximar el valor verdadero a partir de
datos:
R
x = s =
d2
3
d 2 =
A 2 * n
Capacidad Estimada del Proceso

ndice
Clasificacin de Proceso
Cp 1.33
El proceso es capaz
Cp = 1
Slo Capaz
Cp < 1
Proceso NO es Capaz
El clculo del ndice de capacidad de proceso, Cp, supone

que el proceso est centrado.
119
Niveles de Calidad con y sin Corrimiento de la Media

Capacidad a Seis Sigma
Capacidad a Tres Sigma
1,5
1,5
LIC
LIC
LSC
3,4 DPMO
0,001
DPMO
-6
- 3
-6
3 6
LSC
2.700
DPMO
67.000
DPMO
-3
Nivel
DPMO Centrado
DPMO Descentrado 1,5
45500
308537
2700
66807
63
6210
0,57
233
0,002
3,4
ndice Capacidad Proceso Modificado

Cuando el proceso est descentrado se utiliza el ndice de
Capacidad de Proceso Modificado, Cpk
LSE LIE
Cpk = Mn
;
Como los valores verdaderos y , son desconocidos, es

necesario estimarlos, resultando:
LSE X X LIE
;
Cpk = Mn
3
s
3
s
120
MUESTREO DE ACEPTACIN
(INSPECCIN PARA LA RECEPCIN)
CONCEPTOS DE MUESTREO DE
ACEPTACIN
1. LOTE (N)
CONJUNTO DE UNIDADES DE PRODUCTOS DE
CARACTERSTICAS HOMOGENEAS, Y QUE PARA
EFECTOS DE LA INSPECCIN, ACEPTACIN,
RECTIFICACIN O RECHAZO SE PRESENTAN
COMO UN CONJUNTO UNITARIO. PROCESO
ESTABLE CON VARIABILIDAD MNIMA ENTRE
LAS UNIDADES QUE COMPONEN EL LOTE.
121
CONCEPTOS DE MUESTREO DE
ACEPTACIN
2. UNIDAD DE PRODUCTO:
AISLADA. OBJETO CONVENCIONAL NICO
QUE AL SER DIVIDIDO PIERDE SU APTITUD
PARA EL USO.
DE CONTINUIDAD. PRODUCTOS EN ROLLOS
O BOBINAS.
A GRANEL. PRODUCTOS DE GRANEL COMO
LQUIDOS, MINERALES, CEREALES.
CONCEPTOS DE MUESTREO DE ACEPTACIN

3. PORCENTAJE DE NO CONFORME
DEL LOTE p =
Kx
__
N
100
k
DE LA MUESTRA p = __ x 100
n
122
TIPOS DE INSPECCIN
1. NINGUNA INSPECCIN
2. INSPECCIN 100%
3. INSPECCIN POR MUESTREO
NINGUNA INSPECCIN O PEQUEAS

MUESTRAS
1.
SE UTILIZA CUANDO EL PROCESO CON QUE SE

FABRIC EL LOTE HA DEMOSTRADO CUMPLIR
HOLGADAMENTE CON LOS NIVELES DE CALIDAD
CONTRACTUALES
(Proceso
estable
Cpk
adecuado), O CUANDO LOS COSTOS GLOBALES

CAUSADOS POR LAS UNIDADES NO CONFORMES
SON BAJOS COMPARADO CON EL COSTO DEL
MUESTREO.
123
INSPECCIN 100%
2. LA INSPECCIN 100%, NO ES 100%
EFECTIVA. ESTA NO ES CAPAZ DE
SEPARAR TODAS LAS UNIDADES NO
CONFORMES DE UN LOTE
INSPECCIN 100%
2.1
LA EFICACIA DEL INSPECTOR

DISMINUYE DEBIDO A:
FATIGA
MONOTONA
ACOSTUMBRAMIENTO
124
INSPECCIN 100%
2.2
LA EFICACIA DE LA INSPECCIN 100%

DEPENDE DEL TAMAO DEL LOTE Y ES
INVERSAMENTE PROPORCIONAL A ESTE.
2.3
LA INSPECCIN 100% NO ES APLICABLE

CUANDO:
EXISTEN ENSAYOS DESTRUCTIVOS

EL COSTO DE LA INSPECCIN ES ALTO
INSPECCIN 100%
2.4
LA INSPECCION 100% DEBE HACERSE

CUANDO:
POR RAZONES DE SEGURIDAD ES

IMPRESCINDIBLE EXAMINAR TODAS LAS
UNIDADES DE UN LOTE (NO
CONFORMIDADES CLASE A)
125
INSPECCIN MEDIANTE MUESTREO

c
N
LOTE DE
INSPECCIN
MUESTRA
REPRESENTATIVA
1. INSPECCIONAR LA MUESTRA
2. CON LOS RESULTADOS DE LA
MUESTRA, ACEPTAR O
RECHAZAR EL LOTE
LOTE (N) DE :
a) MATERIAS PRIMAS
b) PRODUCTOS TERMINADOS
PLAN DE MUESTREO
DE UN LOTE DE TAMAO N, SE EXTRAE UNA MUESTRA DE TAMAO n, Y
SI EN LA MUESTRA EXISTEN HASTA c NO CONFORMES (O NO
CONFORMIDADES POR 100 UNIDADES), SE ACEPTA EL LOTE, DE LO
CONTRARIO SE RECHAZA..
Ac (SE ACEPTA)
C
Rc (SE RECHAZA)
C = NMERO O CRITERIO DE ACEPTACI

ACEPTACIN O RECHAZO
126
CLASIFICACIN DE LOS PLANES DE

MUESTREO
1. DE ACUERDO A LA CARACTERSTICA DE LA
CALIDAD:
PLANES DE MUESTREO POR ATRIBUTOS
PLANES DE MUESTREO POR VARIABLES

MUESTREO
2. DE ACUERDO A LA FORMA DE DETERMINAR EL
TAMAO DE LA MUESTRA:
PLANES DE MUESTREO PORCENTUALES
PLANES DE MUESTREO ESTADSTICOS
127
CLASIFICACIN DE LOS PLANES DE MUESTREO

POR ATRIBUTOS
(SEGN LA FORMA DE EXTRAER LA MUESTRA)
1. PLANES PORCENTUALES DE MUESTREO
EN ESTOS PLANES EL TAMAO DE LA MUESTRA
n Y EL CRITERIO DE ACEPTACIN O RECHAZO
c, SE OBTIENEN COMO UN PORCENTAJE DEL
TAMAO DEL LOTE N.
CLASIFICACIN DE LOS PLANES DE MUESTREO POR

ATRIBUTOS
(SEGN LA FORMA DE EXTRAER LA MUESTRA)
2. PLANES ESTADSTICOS DE MUESTREO
SE BASAN EN LA APLICACIN DE LA ESTADSTICA
(CLCULO DE PROBABILIDADES)
TIENEN LA VENTAJA DE QUE LA INSPECCIN TIENE
SIEMPRE EL MISMO NIVEL DE EXIGENCIA,
INDEPENDIENTEMENTE DEL TAMAO DEL LOTE
128
TIPOS DE PLANES DE
MUESTREO PORCENTUALES
CASO 1: CUANDO n ES UN PORCENTAJE DE N Y c
PERMANECE CONTANTE.
EJEMPLO: n = 10% DE N, y c = 1
N
100
1.000
10.000
100.000
10
100
1.000
10.000
1
AC = 1
NOTA : C = 1, SIGNIFICA QUE C

RC = 2
TIPOS DE PLANES DE
MUESTREO PORCENTUALES
CASO 2: CUANDO n ES UN PORCENTAJE DE N Y c ES UN
PORCENTAJE DE n.
EJEMPLO: n = 10% DE N, y c = 10% DE n
N
100
1.000
10.000
100.000
10
100
1.000
10.000
10
100
1.000
A= 1
C
A= 10
C
R= 2
A= 100
C
R= 11
A= 1.000
C
R= 101
R= 1.001
129
CURVA CARACTERSTICA OPERATIVA (CURVA OC)

QU ES?
ES LA REPRESENTACIN GRFICA DE UN PLAN DE
MUESTREO ESTADSTICO.
PARA QUE SIRVE?
PERMITE CALCULAR DE MANERA TERICA LA
PROBABILIDAD DE ACEPTACIN DE UN LOTE; Y
PARA CALCULAR LA PROBABILIDAD DE ENCONTRAR
UNA CANTIDAD DADA DE NC EN UNA MUESTRA,
TOMADA DE UN LOTE CON p CONOCIDA.
TIPOS DE CURVAS OC
CURVA CO TIPO A: SE USA PARA CALCULAR LA
PROBABILIDAD DE ACEPTACIN DE LOTES NO
CONTINUOS. EN ESTE CASO SE USA LA
DISTRIBUCIN HIPERGEOMTRICA.
CURVA CO TIPO B: SE USA PARA EVALUAR PLANES
DE MUESTREO DE PROCESOS CONTINUOS Y SE
BASAN EN LA DISTRIBUCIN BINOMIAL Y/O POISSON
CUANDO SE CUMPLEN LOS CRITERIOS DE USO. LA
NORMA NCh 2237 USA BINOMIAL SI n80 Y
POISSON PARA n>80.
130
CURVA CARACTERSTICA OPERATIVA IDEAL

PA
0,03
CURVA OC IDEAL PARA p = 3% (0,03)

CONSTRUCCIN DE LA CURVA CARACTERSTICA

OPERATIVA
CONSTRUIR LA CURVA OC PARA n= 80 Y c=2
1. CALCULAR EL PRODUCTO np PARA CADA
PORCENTAJE DE NO CONFORMES, SUPUESTO EN
LOS DISTINTOS LOTES.
2. SE UBICAN ESOS PRODUCTOS EN LA PRIMERA
COLUMNA DE LA IZQUIERDA, DE LA TABLA DE
POISSON INTEGRADA.
131
CONSTRUCCIN DE LA CURVA CARACTERSTICA

OPERATIVA
3.
SE CALCULA LA PROBABILIDAD DE ACEPTACIN

QUE CORRESPONDE A CADA PRODUCTO, PARA
CRITERIO DE ACEPTACIN IGUAL A 2 (C=2).
4.
SE
REPRESENTA
LA
PROBABILIDAD
DE
ACEPTACIN Pa ENCONTRADA, EN FUNCIN DEL
PORCENTAJE DE NO CONFORMES DE LOS
DISTINTOS LOTES.
CONSTRUCCIN DE LA CURVA
CARACTERSTICA OPERATIVA, (OC)
p (%)
np
Pa (%)
Pa
0,00
80
0,0
100,0
1,00
0,01
80
0,8
95,3
0,95
0,02
80
1,6
78,3
0,78
0,03
80
2,4
57,0
0,57
0,04
80
3,2
38,0
0,38
0,05
80
4,0
23,8
0,24
0,06
80
4,8
14,3
0,14
0,07
80
5,6
8,2
0,82
0,08
80
6,4
4,6
0,46
132
PROBABILIDAD DE ACEPTACION
CURVA CARACTERSTICA OPERATIVA (OC)

Pa
PARA: n = 80 y c = 2
0,5
0
2
10
PORCENTAJE DE NO CONFORMES
PROBABILIDAD DE ACEPTACION
Pa
1
0,95
INTERPRETACIN CURVA OC
PARA: n = 80 y c = 2
AQL=1,0 (Pa =95%; p= 1%)
0,5
0,1
0
1
AQL
3
NCI
10
LTPD
133
PROBABILIDAD DE ACEPTACIN
CRITERIOS PARA ESTABLECIMIENTO DE PLANES

DE MUESTREO ESTADSTICOS
Pa
1
1
AQL = p= f(Pa = 95%;p(%))
NCI = p= (Pa = 50%;p(%))
0,5
LQ = p= f(Pa = 10%;p(%))
p1
p2
p3
100%
PORCENTAJE DE NO CONFORMES

Engeneral,
Pa = P(X c/n,p)
Para el AQL :
Pa = P(X c/n,p1) =
n k
Pa = p1 (1 p1)nk =
k =0 k
LQ :
c
n k
Pa = p3 (1 p3 )nk =
k =0 k
c
134

1. NIVEL DE CALIDAD ACEPATABLE, AQL
NIVEL DE CALIDAD QUE AL EFECTUAR UNA
INSPECCIN POR MUESTREO DE UNA SERIE
SUCESIVA DE LOTES, SE CONSIDERA QUE
ES EL VALOR ACEPTABLE DE LA CALIDAD
MEDIA DEL PROCESO.
TABLAS: NORMA NCh 2237

2. NIVEL DE CALIDAD DE INDIFERENCIA, NCI
ESTE ES UN NIVEL DE CALIDAD EN ALGN PUNTO
ENTRE EL AQL Y EL LQ. CON FRECUENCIA SE DEFINE
EL NIVEL DE CALIDAD QUE TIENE UNA
PROBABILIDAD DE ACEPTACIN DEL 50% PARA UN
PLAN DE MUESTREO DADO.
TABLAS: PHILIPS
135
CRITERIOS PARA ESTABLECIMIENTO DE

3. CALIDAD LIMITE, LQ
ES LA CALIDAD MS BAJA QUE PUEDE SER ACEPTADA
EN UN LOTE INDIVIDUAL. EN MUCHAS NORMAS DE
PLANES DE MUESTREO EL LQ EST ASOCIADO A UN
PORCENTAJE DE PRODUCTOS NO CONFORME, NC, QUE
TIENE UNA BAJA PROBABILIDAD DE ACEPTACIN,
ESTANDARIZADA EN UN 10%.
TABLAS: NCh 2238; DODGE Y ROMIG
CRITERIOS PARA ESTABLECIMIENTO DE

4. CALIDAD PROMEDIO DE SALIDA, AOQ
ES LA CALIDAD PROMEDIO DEL PRODUCTO QUE SALE,
INCLUYENDO TODOS LOS LOTES ACEPTADOS, MS
TODOS LOS LOTES RECHAZADOS QUE HAN SIDO
INSPECCIONADOS 100% EN LOS CUALES SE HAN
REEMPALZADO LAS UNIDADES NC POR UNIDADES
BUENAS.
TABLAS: DODGE Y ROMIG
136
CALIDAD PROMEDIO DE SALIDA, AOQ

PARA CALCULAR LA AOQ PARA UN pDADO Y UN
PLAN DE MUESTREO, SE DEBE CALCULAR LA
PROBABILIDAD DE ACEPTACIN DEL LOTE A ESE
NIVEL DE FALTA DE CONFORMIDAD Y LUEGO
MULTIPLICAR POR p. AS:
AOQ = Pa*p(1- n/N)
SI N > AOQ=Pa*p
LMITE DE LA CALIDAD PROMEDIO DE SALIDA,

AOQL
ES LA MXIMA AOQ PARA TODOS LOS NIVELES
POSIBLES DE CALIDAD DE ENTRADA.
p (%)
np
Pa
AOQ
0,00
80
1,00
0,01
80
0,8
0,95
0,0095
0,02
80
1,6
0,92
0,0184
0,03
80
2,4
0,79
0,0237
0,04
80
3,2
0,60
0,024
0,05
80
4,0
0,43
0,0215
0,06
80
4,8
0,29
0,0174
0,07
80
5,6
0,19
0,0133
0,08
80
6,4
0,12
0,0096
137
RIESGOS DEL MUESTREO
Pa
= PRODUCTOR (AQL)
Error Tipo I: rechazar hiptesis verdadera
= COMPRADOR (LTPD)
Error Tipo II: aceptar hiptesis falsa

RIESGOS DEL MUESTREO

Realidad
No Rechazar
H0
Rechazar
H0
H0
H1
Decisin
Correcta
Error Tipo II
Error Tipo I
Decisin
Correcta
138
USO DE LA NORMA
NCh 2237. Of 1999
PROCEDIMIENTOS DE MUESTREO PARA INSPECCIN
POR ATRIBUTOS - PLANES DE MUESTREO INDEXADOS
POR NIVEL DE CALIDAD ACEPTABLE (AQL) PARA
INSPECCIN LOTE POR LOTE

MUESTREO POR ATRIBUTOS
DE ACUERDO AL NMERO DE MUESTRAS
QUE SE SACAN DE UN MISMO LOTE:
PLANES DE MUESTREO SIMPLES

PLANES DE MUESTREO DOBLES
PLANES DE MUESTREO MLTIPLES
139
PLAN DE MUESTREO SIMPLE

N = TAMAO DEL LOTE
n = TAMAO DE LA MUESTRA
C = CRITERIO DE ACEPTACIN O RECHAZO
p = FRACCIN DE NO CONFORMES TOLERADO
EN EL LOTE
PLAN DE MUESTREO DOBLE

LOS PLANES DE MUESTREO DOBLES SON
ECONMICAMENTE MS CONVENIENTES, YA QUE
PERMITEN TOMAR UNA DECISIN SOBRE LOS
LOTES EN BASE A MUESTRAS MS PEQUEAS,
CON NIVELES DE CONFIANZA EQUIVALENTES QUE
LOS PLANES DE MUESTREO SIMPLES.
140
PLAN DE MUESTREO DOBLE

INSPECCIONAR DE UNA MUESTRA DE
TAMAO, n1
Si el N de NC c encontrados en n1
Excede A1 pero no R1
c A1
c R1
INSPECCIONAR DE UNA SEGUNDA
MUESTRA DE TAMAO, n2
Si el N de NC c encontrados en n1 + n2
c A2
c R2
ACEPTAR
EL LOTE
RECHAZAR
EL LOTE
REGLAS DE CAMBIO DE INSPECCIN

Comienzo
2 de 5 o menos
seguidos rechazado
Condiciones 9
Inspecci
Inspeccin
normal
Inspecci
Inspeccin
reducida
9.3.4
5 lotes no
aceptados
Inspecci
Inspeccin
rigurosa
5 lotes seguidos
aceptados
Discontinuar
Inspecci
Inspeccin
El proveedor
Mejora la calidad
141
DISEO DE PLANES DE MUESTREO

ESTADSTICOS, SEGN NCh 2237
1. NO CONFORMIDADES CLASE A:
Inspeccin simple normal (Defecto)
Nivel de inspeccin II (Defecto)
AQL 0,1 (Definido)
Aplicando los criterios de NCh 2237
La seleccin de las muestras que resulten de los
planes de muestreo se extraen segn NCh 43, o
mediante un sw o generador de nmeros al
azar.

2. NO CONFORMIDADES CLASE B:
Inspeccin simple normal (Defecto)
Nivel de inspeccin II (Defecto)
1 AQL 2,5 (Definido)
mediante un sw o generador de nmeros al azar.
142

3. NO CONFORMIDADES CLASE C:
Inspeccin simple normal
Nivel de inspeccin II
4 AQL 10
mediante un sw o generador de nmeros al azar.
EJEMPLO:
Establecer los planes de muestreo para la recepcin de una serie
sucesiva de lotes de un determinado producto, segn NCh 2237. Para
los datos:
N = 250
AQL = 1, para no conformidades clase B
AQL = 4, para no conformidades clase C.
Establecer los planes de muestreo e interpretar los resultados de estos.
Solucin:
Por defecto: Nivel de inspeccin II y Muestreo simple
1. Para NC clase B, de Tabla I G,
Luego de Tabla II-A, con G y AQL=1, se tiene: n = 50 y c (A= 1; R=2)
2. Para NC clase C, de Tabla I G,
Luego de Tabla II-A, con G y AQL=4, se tiene: n = 32 y c (A= 3; R=4)
3. Interpretacin: Tabla X- G, pgina 54.
143
METODOS PARA LA SELECCIN DE

MUESTRAS
MTODOS PARA LA SELECCIN DE

MUESTRAS/1
LA SELECCIN DE MUESTRAS AL AZAR ES EL UNICO
PROCEDIMIENTO DE MUESTREO QUE NO INTRODUCE
ERRORES SISTEMTICOS FRECUENTES
LOS MTODOS DE SELECCIN DE MUESTRAS AL AZAR, DE
MAYOR FRECUENCIA SON LOS SIGUIENTES:
1. MUESTREO AL AZAR SIMPLE
2. MUESTREO ESTRATIFICADO
3. MUESTREO EN ETAPAS
144
MTODOS PARA LA SELECCIN DE MUESTRAS/2

MUESTREO AL AZAR SIMPLE
Si el muestreo se realiza con reposicin, todas las unidades
del lote tienen siempre la misma probabilidad de pertenecer a
la muestra; esto es: 1/N
Si el muestreo se realiza sin reposicin, la probabilidad vara
en cada observacin. No obstante, como en la prctica N>>n,
la diferencia de probabilidades no es significativa.
Para realizar un muestreo al azar se debe disponer de una
tabla de nmeros al azar.
El procedimiento de cmo usar este tipo de tablas se detalla
en la Norma Chilena, NCh 43. Of. 61, Seleccin de Muestras
al Azar

MUESTREO ESTRATIFICADO
Se aplica a lotes heterogneos, con el objeto de reducir errores por
tendencia (concentracin de no conformes en un lote de bodega).
Realizar un muestreo estratificado para la

inspeccin de recepcin de un lote de 2.500 envases
desechables, cuyo plan de muestreo es:
AQL= 2,5
Nivel de Inspeccin II
Inspeccin Simple Normal
EJEMPLO:
SOLUCIN
AQL= 2,5 De Norma NCh 2237, Tabla I-A, Se Tiene: n= 125
C (A= 7; R= 8)
Sea: N1+N2+N3+N4+N5= N = 2.500
n1+n2+n3+n4+n5= n = 125
145

MUESTREO EN ETAPAS
Cuando el lote est constituido por una gran cantidad
de sublotes, en los que no resulta conveniente hacer
un muestreo al azar de todas las unidades que
componen el lote, ni obtener una muestra proporcional
de las unidades de cada sublote, se utiliza el muestreo
en etapas.
En este caso se procede a extraer del lote una cantidad
determinada de sublotes, a partir de los cuales se van
seleccionando las unidades requeridas. En cada etapa
se procede al azar simple.
Ejemplo: Supongamos que recibimos cinco contenedores,

con 100 cajas de 100 radios cada una, y que deseamos
realizar un muestreo al azar.
Solucin:
N= 50.000
De acuerdo a NCh 2237, para un nivel de inspeccin II para
usos generales, se tiene n= 500 Sea,
N1= 5 Contenedores
N2= 500 Cajas; y
N3= 50.000 Radios
Mtodo:
1.
2.
3.
N1= 5 n= 2 (NCh 2237)

N2= 200 n= 32 (NCh 2237)
N1= 3.200 n= 500 (Plan original)
146
Significado Estadstico de
una estrategia SIX SIGMA
Significado estadstico de 6
1.
En un proceso centrado, se tiene 6 a cada lado de la dimensin

bsica de la tolerancia de las especificaciones.
2.
Una estrategia SIX SIGMA tiene como objetivo final reducir la

variabilidad aumentando la calidad, hasta tener 6 a cada lado de la
media y dentro de las especificaciones, si el proceso est centrado.
LIE
LSE
6
6
147
1.
2.
Se puede hablar as de nivel de calidad de un proceso en base al

nmero de sigmas que caben a cada lado de la media dentro de las
especificaciones.
Cuando se ha alcanzado un nivel de calidad 6, el ndice de
capacidad de proceso es:
Cp =
LSE LIE 12
=2
=
6
6
6
Sin embargo como la mayora de los procesos no estn centrados, un

pequeo descentramiento es usualmente aceptable. En la prctica, se
considera un descentramiento de 1,5.
0
LIE
1,5
4,5
LSE
148
Como el indicador de calidad est descentrado, es necesario calcular el

ndice de capacidad modificado, Cpk.
LSE LIE
C pk = Mn
;
3
3
4 ,5 1,5 + 6
C pk = Mn
;
3
C pk = Mn {1,5 ; 2 ,5 } = 1,5
Un indicador que ha alcanzado nivel de calidad 6, corresponde a un proceso con
Cp=2 y Cpk=1,5 este ltimo valor, de capacidad efectiva de 1,5, corresponde a un
PPM de 3.4 por milln de oportunidades. Como se puede apreciar, este nivel de
calidad es muy cercano al cero defectos
Algunas Conclusiones
1.
Ciertamente es extraordinariamente exigente en calidad, resulta evidente que de

lograrse dicho nivel, debera ser, al menos al largo plazo muy rentable para las
empresas que lo alcancen.
2.
Ello es as pues niveles de calidad tan fuertes se logran slo con procesos muy
mejorados, con muy bajos niveles de desperdicios, reproceso, ineficiencias, errores, lo
que se traduce en disminucin de costos.
3.
El circulo vicioso generado por la mala calidad es transformado en un crculo virtuoso

generado por la buena calidad, as se genera una estrategia SIX SIGMA, que puede
ser vista como estrategia de negocios.
DPMO Centrado
Nivel
DPMO Descentrado 1,5
45500
308537
2700
66807
63
6210
0,57
233
0,002
3,4
149
Qu es una Estrategia SIX SIGMA?
Es un proceso de negocio que permite que las empresas mejoren drsticamente su bottom
line, diseando y monitoreando las actividades diarias de modo de minimizar los desperdicios
y los recursos necesarios, al mismo tiempo que aumentar la satisfaccin de los clientes.
Es una herramienta para el mejoramiento de procesos, cuantitativa y disciplinada, dirigida a

manufactura, servicio y finanzas.
Constituye un importante elemento de la estrategia el llamado Camino 6 SIGMA en base a

una serie de elementos que constituye una gua en la implementacin de la estrategia.
Objetivo
Etapas
Fases
Identificar atributos claves del negocio
Identificacin
1.
2.
Reconocer
Definir
Entender los niveles actuales
Caracterizacin
1.
2.
Medir
Analizar
Alcanzar un mejoramiento significativo
Optimizacin
1.
2.
Mejorar
Controlar
Transformar el modo en que el negocio es

conducido da a da
Institucionalizacin
1.
2.
Estandarizar
Integrar
Seleccin de Proyectos SIX SIGMA
El proyecto est claramente conectado con las prioridades del negocio, estando relacionado
con sus planes estratgicos y operativos. Ojal, adems, en caso de realizarlo exitosamente,
represente un mejoramiento financiero mayor.
Est relacionado con caractersticas o variables criticas de calidad. Estas caractersticas son
determinadas por la empresa, en interaccin con sus clientes.
Tiene importancia clara para la organizacin y las personas que la componen lo perciben
como importante y apoyan su realizacin.
Tienen definidas medidas de xito cuantitativamente claras, de modo que se pueda establecer
su xito o fracaso y el grado de cumplimiento de sus objetivos al trmino de la iniciativa.
Se puede desarrollar en un tiempo razonable, usualmente de tres en seis meses.
150
Conclusiones
1.
En los mercados modernos, con mucha y creciente competencia, se

hace necesario por parte de las empresas alcanzar crecientes
niveles de calidad, como herramientas de competitividad.
2.
Las estrategias Seis Sigma apuntan en esa direccin permitiendo, al

tener xito, alcanzar niveles cercanos a cero defectos, como
resultado de procesos muy perfeccionados.
3.
Ello conlleva una importante reduccin de costos y captacin de

clientes, generndose una estrategia de negocios.
Visin General del

Seis Sigma
151
Cmo son de Competitivos sus Procesos?

Es el 99% Suficientemente Bueno?
3,8 Sigma. 99% Bien
20.000 artculos de correo

extraviados por hora
Agua contaminada para beber
durante 15 minutos al da
5.000 operaciones quirrgicas
incorrectas por semana
Dos aterrizajes forzosos en la
mayora de los aeropuertos
cada da
200.000 prescripciones
mdicas incorrectas cada ao
6 Sigma. 99.99966% Bien
7 artculos extraviados por

hora
Un minuto inseguro cada
siete meses
1,7 operaciones incorrectas
por semana
Un aterrizaje forzoso cada
cinco aos
68 prescripciones
incorrectas cada ao
El Siglo de La Calidad
Hemos entrado en un nuevo siglo que estar

centrado en la calidad..
Hemos finalizado uno que ha estado centrado
en la productividad
Dr. Joseph M. Juran

152
Seis SIGMA: Una Estrategia de Cambo Radical
Un programa probado con xito y centrado en resultados econmicos que

trasforma las empresas en excelentes, con niveles seis sigma (3,4 ppm).
Seis Sigma supone un cambio radical que proporciona la excelencia operativa a
travs de la maximizacin de los beneficios y permite a una empresa lograr sus
objetivos a largo plazo, a travs del despliegue de proyectos.
Qu es Seis Sigma?
1.
2.
3.
4.
Una iniciativa estratgica para alcanzar el Cambio radical

Desde el punto de vista de procesos, es un enfoque sistemtico
para reducir las fallas que afectan a lo que es crtico para el
cliente (CTQ) y a la cuenta de resultados (rentabilidad)
Conjunto de herramientas usadas (estadsticas y formativas)
para determinar las variables del proceso y interrelaciones.
Un conjunto de lecciones aprendidas de anteriores esfuerzos de
mejora
153
Qu es Seis Sigma?
Las herramientas de software hace cada vez ms fcil el uso de

la estadstica. Bueno, casi..!
La necesidad de tiempos de ciclo ms cortos, las mejoras en el
rendimiento y en el funcionamiento demandan nuevos niveles de
calidad
El personal experimentado en las organizaciones puede hacer
mucho ms de los que tradicionalmente se le ha pedido.
Estrategia de mejora radical Seis Sigma
Saber, especficamente, qu es importante para el cliente

Reducir los niveles de defectos
Centrarse en el objetivo
Reducir la variacin del proceso
Controlar las entradas (Inputs)
154
Quin lo est haciendo?
Resultados de Seis Sigma Datos estndar

Esquema Tpico, basado en las experiencias de empresas como General
Electric, Motorola, etc.:
1.
Resultados tipo de un proyecto, expresados como beneficios (ahorro de

costes y/o aumentos de ingresos):
2.
Proyecto de mejora de un BB= 200.000 dlares

Proyecto de mejora de un GB= 60.000 dlares
Un BB, a dedicacin completa, realiza 2,5 proyectos al ao, mientras que

un GB realiza 3 proyectos al ao (en promedio), por tanto:
Un BB a tiempo completo proporciona 500.000 dlares/ao

Un GB a tiempo completo proporciona 180.00 dlares/ao
155
FORD
Balance de los primeros 2 aos del programa Seis Sigma (1999/2000):
1.
2.
2300 BBs formados

Resultados del ao 2000: 52 millones de dlares
Resultado provisional del ao 2001

1.
2.
3.
900 proyectos de mejora desarrollados, con resultado de 300 millones de dlares

1700 proyectos de mejora en curso o planificados
Resultado medio proyecto de 250.000 dlares
Whirpool Europe
Balance de los primeros 3 aos del programa Seis Sigma (1997/1999)
1.
2.
3.
4.
5.
Empleados formados: 270 directivos +

210 BBs+156GBs
Costo total de la formacin: 1,7 millones
de dlares
Costo de los proyectos de mejora
(dedicacin de BBs, GBs y miembros de
equipo): 1,7 millones de dlares
Resultado (beneficio) total de los
proyectos de mejora: 14 millones de
dlares (ratio 4,2)
Resultado medio por proyecto: 100.000
dlares
156
Ericsson
Balance del primer ao de despliegue (1996):
1.
2.
3.
Formacin de 120 BBs y desarrollo de 96 proyectos

Resultado total de los proyectos: 13 millones de dlares
Resultado medio por proyecto: 135.00 dlares
Conclusiones
Los actuales programas Seis Sigma son a gran escala, con

formacin masiva de Black y/o Grean Belts, adems de los directivos
(Chmpions).
La inversin total por Black/Green Belt (Inicial + formacin + proyecto)

oscila entre 15.000 y 50.000 dlares, en los primeros aos.
El beneficio medio por proyecto oscila entre 150.000 y 250.000

dlares
El ratio (beneficios/costo) por Black Belt oscila entre 4,2 y 5 en los 2

primeros aos.
157
Solo en Grandes Empresas?
La experiencias actuales se refieren solamente a grandes grupos

multinacionales, pero
Muchas unidades de negocio de estos grupos son medianas
El mtodo puede ser aplicado en PYMES siempre que la

direccin:
Seleccione, asuma y lidere proyectos de mejora estratgicos
Dedique recursos (BBs y tiempo) importantes a los
proyectos
Invierta en formacin de directivos y BBs o GBs
Para ello existen tras alternativas

La Academia, donde se forman directivos y BBs
El BB externo que asesora a la direccin y, apoyado por un
equipo, desarrolla los proyectos
El Cluster de empresas, que se basa en el mismo enfoque
de las grandes, pero con varias empresas al mismo
tiempo.
Proceso de Seis Sigma en G.E.

2500
+1500M
Costos
Beneficios
MIllones de Dlares
2000
+750M
1500
+320M
1000
-30M
500
0
1996
1997
1998
1999
Los resultados de seis Sigma estn entrando en una fase exponencial

158
Qu es Calidad Seis Sigma?

Calidad
Caractersticas
del producto
Ausencia
de defectos
Lo que el cliente quiere:

Diseo para Seis Sigma
Verificar
Verificar
Definir
Definir
A niveles de Seis Sigma:

Mejorar Seis Sigma
Definir
Definir
Verificar
Verificar
DISEO
para Seis Sigma
Medir
Disear
Disear
Medir
MEJORA
radical
Disear para Seis Sigma
Disear
Medir
Medir
Analizar
Analizar
Analizar
Analizar
Calidad Seis Sigma y Resultados

Caractersticas
adecuadas
Menores
deficiencias
Lealtad de clientes
Precio
Cuota
Mayores Ingresos
Menor tiempo Menor costo

de Garanta
de ciclo
Disminucin de
prdidas y
reprocesos
Menores costos totales
Cmo podemos alcanzar los resultados citados?

159
Costo tradicional de mala calidad

Cuando se determinan inicialmente los costos de calidad la categora
incluidas son las que resultan visibles sin tener en cuenta la parte de
debajo de iceberg.
(4-5% de las ventas)
Desechos
Rechazos
Costos de ensayo
Devoluciones
Costos de inspeccin
Costos de recuperacin
Reprocesos
Costos de Mala Calidad (CMC)

A medida que una empresa ampla el concepto de mala calidad,
la parte oculta del iceberg se hace visible
Exceso de horas extras
CMC varan
entre el 15-25%
del costo total
Descuentos a clientes
Capacidad Intil
Exceso de inventario
Tiempo con
cliente insatisfecho
Excesivos gastos en servicios

Atencin a reclamos
Errores de precios o facturas

Ordenes de ventas
llenadas de forma
incorrecta
Retrasos en planificacin
Retrasos en
disposicin de
informes
160
Costos de Mala Calidad y Funcionamiento Seis Sigma

Asumiendo que se haya producido un milln de unidades, con un costo por defecto de 60 dlares
Costos de no calidad (millones de dlares)
4.000.000 USD
375.000 USD
400
350
300
250
200
150
100
14.000 USD
50
200 USD
0
3s
4s
5s
6s
Nivel de rendimiento de proceso
Principales fuentes de variacin y mala calidad
Fallas de diseo
Componentes y
materias primas inestables
Habilidades y
Sistemas de medidas comportamientos
Insuficiente capacidad
de los procesos
161
Lo que es diferente en Seis Sigma

1.
2.
3.
4.
5.
6.
Quin es el cliente objetivo?

Qu le afecta a este cliente? (CTQ)
Cul es el alcance de este anlisis?
Qu defectos estoy intentando reducir?
En cunto? (es este objetivo apropiado y
realista?)
Cul es el costo actual de los defectos
(mala calidad)?
Qu significa dar el salto a Seis Sigma?

Un proceso TRES SIGMA
es Estacionar un Automvil GRANDE
en un estacionamiento PEQUEO
162
Qu significa dar el salto a Seis Sigma?

Un proceso SEIS SIGMA
es Estacionar un Automvil PEQUEO
en un estacionamiento GRANDE
Qu implica?
Papeles
Alta direccin - Debe comprometer tiempo y dinero
Champions - Seleccionar a los mejores
Black Belt - Formar
Green Belt - Replicar

Proyectos
Proyectos - Continuo
Centrados en el Cliente - Crticos para los ingresos
Anlisis de Datos - Hgalo
Mtricas - Medir nuevas cosas
Lecciones Aprendidas - Aprenda de su pasado

163
Despliegue Estratgico
Obj. Anuales
Sub-Objetivo
Objetivos
Estratgico
Obj. Anuales
Sub-Objetivo
Sub-Objetivo
Estrategias
Claves
Visin
Estrategias
Clave
5 aos
1 aos
Black/Green Belts de Seis Sigma

Los Black/Green Belts son las personas clave que impulsan a la
organizacin a ser los mejores en su gnero
Formacin intensa en tcnicas y herramientas- 4 sesiones de
formacin en 4/2 das a lo largo de 16 semanas
Aplicacin y despliegue sistemtico a travs de la probada
metodologa: definir- medir-analizar-mejorar-controlar
Eliminan la variacin y los defectos
Reducen costes -Cambio radical en los resultados econmicos
Aumento significativo en la satisfaccin de los clientes.
164
Metodologa de Mejora
Definir
Identificar, asignar prioridad y seleccionar los

proyectos adecuados
Medir
Identificar las caractersticas clave del producto y los

parmetros del proceso, comprender los procesos y
medir el rendimiento
Analizar
Identificar los determinantes clave (causas) del

proceso
Mejorar
Establecer un modelo de prediccin y optimizar el

rendimiento
Controlar
Mantener los resultados

del Proceso
del Proceso
Optimizacin
Caracterizacin
Objetivos del Proyecto

Definir
Proyecto adecuado, equipo adecuado
Medir
Proceso
Problemas y sntomas
Resultados del proceso
Variable de respuesta, Y
Analizar
Mejorar
Controlar
Y
Xs
Variables independientes, X
Entradas del proceso
Determinantes pocos pero vitales
Causas
Relacin Matemtica
Objetivo: Y= f(X)
165
Como observar
Y=
Y
Dependiente
Salida/Producto
Efecto Sintoma
f (X)
X1 . . . XN
Independiente
Entrada-Proceso
Causa Problema
Herramientas del SIX SIGMA

Despliegue de la Funcin de la Calidad QFD
Mtodos Superficiales de Respuesta
Diagramas de Dispersin
Procedimientos Estndar de Funcionamiento
SPC
Estratificacin
Anlisis de Varianza ANOVA
Box Plots
Tormentas de Ideas
Diagramas Causa-efecto
Correlacin y Regresin
Diseo de Experimentos
Operacin Evolutiva
Anlisis Modal de Fallos y Efectos (AMFE)
Grficos y tablas
Histogramas
Contraste de Hiptesis
Anlisis del Sistema de Medida
Soluciones a Prueba de Errores
Anlisis de Pareto
Estudio de Capacidad del Proceso
Diagramas de Flujo
166
DEFINIR: Visin General

1. Objetivo:
Seleccionar y lanzar los proyectos adecuados
2. Actividades:
Identificar posibles oportunidades de mejora radical
Evaluar las distintas oportunidades de mejora
Seleccionar el proyecto
Preparar la misin del proyecto
Seleccionar el BB y los GB
DEFINIR: Criterios de Evaluacin de Proyectos

1.
2.
3.
4.
5.
Crnico
Significativo, es decir, con impacto en el
negocio
Tamao Manejable
Con Posibilidades de xito (ganador), es
decir, capaz de conseguir la misin
Medible
167
DEFINIR: Procesos
INICIO
PROCESO
ENTRADA
SALIDA
Qu deben suministrar
los proveedores para
cumplir con las
necesidades del
proceso?
Cul es el punto final

ms apropiado para el
proceso?
Qu resultado entrega
el proceso al cliente?
DEFINIR: Cuadro del Proyecto

1.
Aspectos de negocio / beneficios esperado
2.
Declaracin del problema
3.
Objetivos
4.
Alcance del Proyecto
5.
6.
Plan del Proyecto
Por qu este proyecto

es importante para la
estrategia de negocio,
que beneficios se
esperan y como se
conseguirn
Descripcin del problema u

oportunidad, y del objetivo,
en trminos claros, concisos
y medibles
Dimensiones del proyecto,

que est y no est incluido
Plan detallado de los pasos
clave y las fechas previstas.
Fechas estimadas para
completar cada fase
Equipo/Recursos/Roles
Responsabilidades de los
miembros de equipo, BB,
Champion,
GB 9192
y otros
Diagonal Paraguay 257 Torre 26 of. 1905 Fono 678 3647
Fax: 635
168
MEDIR: Visin General

1. Objetivo:
Conocer con precisin el funcionamiento del proceso y
evaluar el nivel sigma de su situacin actual
2. Actividades:
Identificar y seleccionar las variables de resultado (Ys)
Identificar y seleccionar las variables clave del proceso
(Xs)
Planificar, recoger y realizar una primera evaluacin de
los datos sobre el funcionamiento actual del proceso
Medir la capacidad actual del proceso (nivel de Sigma)
MEDIR: Variables del Proceso

Identificar las posibles variables del proceso (Ys y Xs)
ABRIR
REDUCIR
Priorizar y seleccionar las Xs ms significativas
CERRAR
Medir las Xs
169
MEDIR: Recoleccin de Datos

Necesidades de Informacin
Comunicacin
Preguntas
Anlisis
Datos
MEDIR: Recoleccin de Datos

Discretos
Cmo son los datos

discretos o continuos?
Continuos
Calcular la tasa de fallo:

Defectos por milln
de oportunidades
Paso 1
Identificar la distribucin
Establecer los lmites
de Defecto
Calcular el Rendimiento
Mirar el Valor Sigma

en la Tabla
Paso 2
Convertir el Rendimiento
En Valor Sigma
170
ANALIZAR: Visin General

Objetivo:
Conocer el funcionamiento global del proceso para
obtener respuestas a las preguntas formuladas en la
parte anterior
Actividades:
Estratificar los datos y comprobar posibles
agrupamientos
Formular hiptesis sobre variabilidad y relaciones
causa efecto
Comprobar la hiptesis anteriores
Confirmar las pocas causas vitales del rendimiento
del proceso
ANALIZAR: Contraste de hiptesis

Realidad
Ho
Rechazar Ho
Error Tipo I
No Rechazar
Ho
Decisin
Correcta
Ha
Decisin
Correcta
Error Tipo II
171
ANALIZAR: Contraste de hiptesis
Y
Datos
Continuos
Datos
Continuos
Datos
Discretos
Cmo afectan los cambios en X

a los cambios en Y?
Estadsticas : Regresin
Grficas: Diagramas de
dispersin
Medias diferentes?
Estadstica: t-test; ANOVA
Grficas: Histogramas
Varianzas Diferentes?
Estadsticas: homogeneidad de la
varianza
Grficas: BOX-PLOT
estratificados; Multi-Vari
Datos Discretos
Cmo afectan los cambios
en X a los cambios en Y?
Estadstica: Regresin
logstica binaria
Salidas Diferentes?
Estadsticas: Tablas de
Contingencias
Grficas: Diagramas de
Pareto estratificados
MEJORAR: Visin General

Objetivo:
Determinar e implantar las mejores soluciones para
que el proceso proporcione los resultados deseados
Actividades:
Generar alternativas de soluciones
Evaluar riesgos y seleccionar las mejores
alternativas
Probar los resultados de las alternativas
seleccionadas
Seleccionar las mejores soluciones
172
MEJORAR: Generar soluciones

Hacer preguntas y cuestionar las estructuras y
mtodos convencionales
Preguntas que inducen a pensar
Por qu?
Quin?
Cmo?
Qu?
Cundo?
Sustituir?
Combinar?
Adaptar?
Modificar?
Ampliar?
Eliminar?
Minimizar?
Maximizar?
Retroceder?
Readaptar?
MEJORAR: Probar las Alternativas

1.
Pruebas piloto, a pequea escala, de la solucin

completa o de una parte.
2.
Simulacin, mediante modelos matemticos que

describen las interacciones y relaciones entre las
variables de proceso y las de resultado
173
CONTROLAR: Visin General

Objetivo:
Asegurar que se mantienen los logros conseguidos
con el proyecto de mejora
Actividades:
Implantar mecanismos de control y mejora continua
Documentar y formalizar las nuevas actividades
Identificar oportunidades de replicacin
CONTROLAR: Control del Proceso
Informacin
Materiales
Formacin
Equipos
Actuacin en el
Proceso
Mtodos
Personas
Mediciones
Medioambiente
Informacin del Rendimiento
Controles
Actuacin en la Salida
174
CONTROLAR: Sistemas a Prueba de Falla

9 Mejor
Impide que se produzcan errores
9 Bueno
Avisa del posible error antes de
que se produzca
9 Regular
Detecta el defecto cuando ya se
ha producido, aunque antes de
que contine a la operacin
siguiente
CONTROLAR: Instrucciones del Proceso

Las instrucciones del proceso deben documentarse!
Procedimientos operativos estndar
Instrucciones
Especificaciones de Proceso
Si no est por escrito, no existe

175
El Reconocimiento
Esforzado Black
Belt ante su
Champion
El comit de direccin ha reconocido que su sugerencia le ha permitido

ahorrar a la empresa la suma de 15.000.000. Por ese motivo me han
encargado que me informe discretamente sobre su marca preferida de
cigarrillos
El Proceso
176
Decidir
Preparar
1. Visin / Motivo
para mejorar
2. Mantener el
liderazgo
Desarrollar
Comenzar
Integrar
Enfoques Parciales
Nuevas
Tecnologas
TPM
SAP
3. Requerimiento
del cliente
Mtodo
Sistemtico y
Estructurado
4. Insatisfaccin
del cliente
5. Perdida de
cuota de
mercado
6. Competencia
7. Presin de
costos
ISO 9000
Procedimient
os Escritos
Equipos de
Proyecto
Inspeccin
Decidir
Preparar
Desarrollar
Comenzar
Integrar
Desarrollo Inicial
Formacin de
Directivos
Designar Lder
y personal
de apoyo
Formar a los
Champions
Justificacin de la necesidad
Desarrollar Objetivos
Integracin dentro del plan
Preparar Planes
Largo plazo
Desarrollo del plan
del primer ao
Comunicar las
acciones a la
organizacin
Seleccionar piloto
Proyectos
Equipos
177
Decidir
Preparar
Desarrollar los
Proyectos Pilotos
Integrar
Desarrollar
Comenzar
Comunicar
xitos
Lecciones aprendidas
Planes actualizados
Nuevas tcnicas
Construir la
infraestructura
bsica
Decidir
Preparar
Comenzar
Desarrollar
Integrar
Desarrollar Los Proyectos Piloto

Formar a los
Responsables
de Proyecto
(Black Belts)
Construir la
Completar
infraestructura
bsica
los
Proyectos
Desarrollar
las lecciones
Aprendidas
178
Decidir
Preparar
Desarrollar
Comenzar
Integrar
Nuevas Unidades Organizativas

Nmero de Equipos
Tipos de Equipo
Formacin
Medidas
Decidir
Preparar
Comenzar
Desarrollar
Objetivos
Personas
Mediciones
y
Revisiones
Procesos
Claves del
Negocio
Integrar
179

Diplomado en Seguridad y Ambiente

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

Diplomado en Seguridad y Ambiente

Cargado por

Copyright:

Formatos disponibles

DIPLOMA EN GESTION DE LA CALIDAD,

SEGURIDAD Y MEDIO AMBIENTE

Profesor: Cristin Ferrada D.

Cumple con su propsito

"Calidad es el cumplimiento de los requisitos"

"Calidad es alcanzar y superar las expectativas

0 Cco* Cp* Cd * Cf * Cdi * Cs 1

CAMPOS DE ACCIN DEL CONTROL DE

Control de Calidad Durante el Proceso de Fabricaci

Parte de la gestin de la calidad orientada a

UN PROCESO ES UNA ACTIVIDAD QUE

INTERACCIN DE LOS PROCESOS

LOS PROCESOS Y SU GESTION

LOS PROCESOS Y SU GESTION

PODRN ENTENDER QUE LAS PERSONAS QUE

POR LO TANTO, CADA TRABAJADOR ES UN CLIENTE

LOS PROCESOS Y SU GESTION

Inicio del proceso de mejoramiento

Nombrar un dueo del proceso

Solucionar problemas simples

Definir indicadores de gestin

Reconocer esfuerzos de equipo

EL CICLO DE RESOLUCIN DE PROBLEMAS

Medidas para determinar nivel de cumplimiento

Definicin de equipo responsable de la mejora

Definicin de recursos para alcanzar objetivos.

VERIFICAR: REALIZAR EL SEGUIMIENTO Y LA

MEDICION DE LOS PROCESOS Y PRODUCTOS

TOMAR ACCIONES PARA EVITAR

COSTO CALIDAD DE PRODUCTO

COSTO DE TOTAL DE LA CALIDAD

Costo de Fallas > 70%

Costo de Fallas 50%

Estudiar el costo por no

NUEVO MODELO DE COSTOS

COSTO TOTAL DE LA CALIDAD

Costos de evaluacin ms prevencin. stos costos

COSTO CALIDAD DISEO

COSTO CALIDAD DISEO

COSTO CALIDAD DISEO

COSTO CALIDAD DISEO

EJERCICIO GRUPAL: COSTOS DE LA CALIDAD

Variabilidad y Costo de la Calidad

25% a 40% de las ventas

15% a 20% de las ventas

5% a 15% de las ventas

NOTA: DMPO = Defecto por milln de oportunidades

Causas asignables de variacin

Causas no asignables de variacin

Primer paso para entender los datos Entender los datos

- Para que los datos tengan

Qu jugador lo har mejor en el golf?

Entendiendo los Datos Cuantitativamente

x(n/ 2) + x ((n/ 2)+1)

La mediana es el valor representativo que reduce al

En cambio, la media se concentra en la reduccin al

Mtrica de Dispersin Desviacin estndar

Muestra de la Distribucin: s2 = ^2 (valor estimado de 2)

Considerando la Poblacin (Completa)

x1, x2, ..xn

(Por lo general, difcil

Se considera fortuito (estocstico):

- Si los elementos incluidos no pueden

Parmetros de la Poblacin y Estadsticas de la Muestra