Apuntes Sobre Estadistica para La Gestion de La Calidad en Produccion

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009
Apuntes sobre
Control Estadstico
En la Produccin
Y
Gestin de la Calidad
Pgina
Pgina 2 /78
Nota a los alumnos
El presente trabajo tiene como finalidad dar un amplio panorama de

las tcnicas estadsticas aplicadas al Control de Calidad e informar
adecuadamente de las tcnicas de Gestin aplicadas al Control de Calidad.
Es importante advertir que ambas partes, las Tcnicas Estadsticas y
la Gestin son complementarias y de ninguna manera son reemplazables
una por la otra. No es posible edificar una buena Gestin de Calidad si no se
han implementado primero las tcnicas de Control de Calidad Estadstico,
como tampoco es posible lograr una buena Gestin de la Calidad solo con
las Tcnicas Estadsticas. Ambas son vitales y necesarias, ambas son el
objetivo primordial de todo Tcnico e Ingeniero de Calidad que se aprecie
de profesional.
Los conceptos y conocimientos que se resumen en este estudio son
suficientes para que, llevadas a cabo, produzcan excelentes resultados en
los distintos procesos productivos de empresas de tipo industrial.
Los conceptos y herramientas expuestos en este trabajo constituyen
un vital apoyo a las clases de Control y Gestin de la Calidad, de
Produccin, de Mantenimiento, de Logstica y muchas otras que se realizan
en distintas carreras del campo de la ingeniera.
Pgina 3 /78
Parte 1: Control de Calidad Estadstico

1
Los defectos
1.1
1.2
1.3
1.4
1.5
Introduccin.
Definicin de la calidad
El objetivo de los mtodos estadsticos de control en los procesos.
Qu causa los productos defectuosos?
Son todos los defectos iguales? Debemos tratar a todos los
defectos por igual?
Clasificacin de los defectos, muestrario de defectos.
1.6
2
Distribuciones de frecuencia e histogramas
2.1
2.2
Poblacin y muestras
Cmo se distribuye los valores de las variables que medimos?
Qu frecuencia tiene cada valor que la causa llamada "variacin"
nos entrega?
Que tipos de variables conocemos?
Distribuciones de frecuencias.
Histogramas
2.3
2.4
2.5
3
Medidores de tendencia central y de dispersin
3.1
3.2
3.3
3.4
4
Media aritmtica
Desviacin tpica
Mtodo de clculo por compilacin
Ejercicios prcticos en clases
Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal
4.1
Comprensin del concepto de Distribucin Continua, Distribucin

Normal
Propiedades de la Distribucin Normal
Ejercicios de comprensin sobre la Distribucin Normal
4.2
4.3
5
Los diagramas
5.1
5.1.1
5.1.2
5.1.3
5.2
5.2.1
5.2.2
El diagrama de Pareto
Qu son los diagramas de Pareto?
Como elaborar diagramas de Pareto
Ejercicios prcticos en clase
El diagrama Espina de Pescado o de Ishikawa o de Causa y Efecto
Que son los diagramas de Causa y Efecto?
Como elaborar diagramas de Causa y Efecto
Pgina 4 /78
Grficas de control
6.1
6.2
6.2.1
6.2.2
Qu son las grficas de control?

Tipos de grficas de control, X - R , pn, y p
Grfico X R
Grfico np, Grfico p
Como elaborar una grfica de control

_
7.1
Grfica X - R
7.2
Clculo de los lmites de control
7.2.1
Clculo de lmites sin valores especificados
7.2.2
Clculo de los lmites con valores especificados
7.2.3
Comparacin de los Lmites Con y Sin Especificaciones.
Resultado de la Capacidad de Proceso.
7.2.4
Formato Grfica X - R
7.2.5
Algunos casos de lecturas de grficas de control por variables.
7.3
Grfica np.
7.4
Clculo de los lmites de control por atributos.
7.5
Formato de grfico de Control de Proceso por Atributos.
7.6
Indice de la Capacidad de Proceso
7.7
Los cuatro casos posibles de los lmites con y sin especificaciones.
8
Algunas Normas
8.1
8.1.1
8.1.2
8.1.3
8.2
8.3
8.3.1
8.3.2
8.3.2.1
8.3.2.2
8.3.3
8.3.4
8.3.5
8.3.6
Control Estadstico de la Calidad

Resumen de Grficos de Control por variables, Control de Exactitud
Resumen de Grficos de Control por variables, Control de Precisin.
Factores para grficos de Control por variables.
Algunas Norma Latinoamericanas (Caso Chilena 43 of 61)
Norma Chilena 44 of 78
Alcance
Nivel de calidad aceptable (AQL)
Uso
Definicin
Inspeccin normal, rigurosa y reducida
Plan de muestreo
Nivel de inspeccin
Tipos de planes de muestreo
Bibliografa del Control de Calidad Estadstico
Parte 2:
10
11.1
11.2
11.3
12
12.1
12.2
13
13.1
13.2
13.3
14
Gestin del Control de Calidad
Control Total de Calidad (CTC)
10.1
10.2
10.2.1
10.2.2
10.2.3
10.3
10.3.1
10.3.2
10.3.3
10.3.4
11
Pgina 5 /78
Evolucin Histrica del concepto

Conceptos del CTC
CTC Segn Armand V.Feigenbaum
CTC Segn Kaoru Ishikawa
CTC Segn J. M. Juran
Ruta para implementar un programa de Control de Calidad Total.
Etapas de un programa de calidad total.
Etapa previa.
Etapas de un programa de Calidad Total en marcha.
Elementos esenciales en una empresa que hace Control Total de
Calidad
Costos de calidad
Costos de Prevencin
Costos de Evaluacin
Costos de Fallas
Mtodos de aseguramiento a Nivel Nacional e Internacional.
Sistema Nacional de Acreditacin
Internacionales. Familia ISO 9000
Concepto de las auditorias en el contexto de las normas ISO 9000
La auditoria y su significado.
Tipos de auditoria.
Elementos de una auditoria.
Bibliografa de la Gestin del Control de Calidad
Pgina 6 /78
Parte 1: Elementos del Control de Calidad Estadstico

1 Los defectos
1.1 Introduccin.
Actualmente, todas las empresas modernas saben que lograr un buen nivel de
calidad es fundamental para el xito de su gestin.
La obtencin de este objetivo, no solo es importante desde el punto de vista de la
competencia, sino tambin para la satisfaccin de las necesidades humanas.
Estas necesidades humanas evolucionan constantemente, hay cada da mayor
demanda de mejor precisin, ms exactitud, intercambiabilidad, confort, etc. y lo
que hoy acepta el consumidor, maana puede rechazarlo, pues esta demanda de
la cual estamos hablando, se perfecciona cada da, y toda empresa que no se
adapte a este movimiento continuo corre el riesgo de quedar desplazada a corto
plazo.
Para marchar al comps de este ritmo se hacen necesarios mejores instrumentos,
maquinarias, mtodos, etc., y lo que es ms importante, un mejor
aprovechamiento de los mismos, es decir, obtener mejor calidad con la misma
cantidad de dinero. Para lograr este objetivo debemos recurrir al control
estadstico de calidad, como una de las armas ms poderosas para la realizacin
de todas estas ideas.
El objetivo de este curso es dar una buena informacin de la herramientas
existentes para el control estadstico de la calidad, pero debemos dejar bien claro
que los objetivos de calidad no se logran esgrimiendo solamente estas
herramientas estadsticas. Hoy en da, el concepto de Control Total de Calidad,
ensea claramente que todos los estamentos de la empresa estn involucrados en
la obtencin de la mejor calidad del producto, y que ste objetivo no es, de
ninguna manera, responsabilidad exclusiva de los departamentos tcnicos
especializados en el control estadstico de la calidad, sino de todos los
integrantes de la empresa, desde el ms humilde empleado, al ms
importante de los gerentes.
Pgina 7 /78
1.2 Definicin de la calidad

Definiremos dos aspectos de la calidad, la Calidad del Diseo y la Calidad del
Producto.
Entendemos por Calidad del Diseo al grado de concordancia entre el diseo y el
fin para el cual fue creado, y por Calidad del Producto, al grado de conformidad
entre el producto y su diseo.
Los conceptos y mtodos que veremos son aplicables al control de calidad del
producto, y son, en general, mtodos universales, es decir que valen para
cualquier producto, ya sean cremas dentales, bebidas gaseosas, tractores,
medicamentos o ampolletas.
Un buen nivel de calidad implica un diseo correcto y un producto de
acuerdo con su diseo.
1.3 El objetivo de los mtodos estadsticos de control en los procesos .
Podramos preguntarnos, qu
concretamente, qu es un defecto?
es
un
producto
defectuoso?
ms
Juran explica lo que es un defecto haciendo un juego de palabras:

" Un defecto es un defecto cuando todos estamos de acuerdo que es un defecto"
Definicin tradicional:
Un defecto es el incumplimiento de una caracterstica de calidad respecto de un
lmite especificado.
Pero, los lmites especificados, los determinamos nosotros, previo acuerdo con
las partes interesadas o involucradas en el proceso, luego, por carcter transitivo,
vale la frase del insigne maestro del control de calidad, Dr. J. M. Juran.
Otra ilustre definicin de lo que es un defecto, es la afirmacin de Kahoru
Ishikawa, quien dice que un defecto es lo que causa insatisfaccin al cliente.
1.4 Qu causa los productos defectuosos?
La respuesta universal a esta pregunta es: la variacin
Pgina 8 /78
La variacin en los materiales, en las condiciones de la mquina, en los mtodos

de trabajo y en las inspecciones. Estas variaciones son las causas de los
productos defectuosos. Si no existiera ninguna de esas variaciones, todos los
productos seran idnticos y no habra variaciones en la calidad, y no existira la
ocurrencia de productos defectuosos y no defectuosos.
1.5 Son todos los defectos iguales? Debemos tratar a todos los defectos
por igual?
El sentido comn nos dice que no a las dos preguntas. No es lo mismo un defecto
considerado leve como ser una imperfeccin superficial en la etiqueta de un
producto, que una medida fuera de especificaciones en un repuesto para motor de
automviles que lo haga absolutamente inservible.
Y consecuentemente, no ser el mismo criterio para tolerar la presencia de ambos
defectos, y eso dar paso a distintos planes de calidad segn el tipo de defecto.
1.6 Clasificacin de los defectos, muestrario de defectos.
Existen distintas maneras de clasificarlos. aqu utilizaremos el siguiente:
Defectos crticos: son aquellos que violan leyes, agreden al consumidor o hacen
inservible al producto.
Defectos mayores: producen una disminucin en el correcto funcionamiento o

utilizacin del producto y es notado por el consumidor.
Defectos menores: producen una disminucin leve en el correcto funcionamiento

o utilizacin del producto, probablemente no lo note el consumidor. pero si lo nota,
el personal calificado de produccin y de control de calidad,
Cada tipo de defecto ser objeto de un estudio acabado por las partes interesadas
y deber finalizar en un muestrario de defectos, debidamente clasificado por tipo
de defecto y firmado por las partes involucradas.
En todos los casos posibles deber construirse el muestrario con defectos
situados justo en los lmites de aceptacin o rechazo.
Pgina 9 /78
Unidad 2, Distribuciones de frecuencia e Histogramas

2.1 Poblacin y muestras
Una poblacin es el total de las unidades que se consideran.
En esta poblacin queremos investigar una caracterstica para conocer su
situacin relativa con los valores del diseo.
Una muestra es una cantidad estadsticamente calculada de unidades de dicha
poblacin, cada unidad deber ser extrada al azar.
La medicin y clculo de una determinada caracterstica nos dar una estimacin
del verdadero valor en la poblacin.
2.2 Cmo se distribuyen los valores de las variables que medimos? Qu
frecuencia tiene cada valor que la causa llamada "variacin" nos entrega?
Tenemos claro que las variaciones nos producen distintas medidas de una
variable, la pregunta es como se distribuyen.
En general siguen un comportamiento llamado gaussiano o normal
De que se trata lo veremos ms adelante pero por ahora nos alcanza con
comprender que dicho comportamiento significa que los valores ms cercanos al
valor central, son los que ms frecuentemente se repiten, y a medida que nos
alejamos del valor central, la frecuencia baja dramticamente. La grfica de este
comportamiento tiene una forma de campana.
2.3 Que tipos de variables conocemos?
Existen dos tipos de variables a considerar, Variables Continuas y Variables
Discretas.
Las variables continuas son aquellas que se miden...
y las variables discretas se cuentan.
Las primeras dan origen al control por variables y las segundas al control
por atributos.
Las caractersticas de calidad que llamaremos variables son todas aquellas que
podemos representar por una cifra. Por ejemplo, la medida de un perno, la
resistencia de resistores de alambre, el contenido de cenizas en carbn, etc., etc.
Pgina 10 /78
Los atributos son aquellas caractersticas de calidad no mensurables, cuya

dimensin en general no se puede representar con una cifra. Como por ejemplo
podemos tomar las imperfecciones visuales de las superficies de los productos,
tales como manchas, diferencias de tono, aspectos de una soldadura, etc., etc.
Por fin, debemos tener en cuenta, que tanto los procesos como los lotes
terminados pueden ser inspeccionados por atributos o por variables.
2.4 Distribuciones de frecuencias.
Estudiemos el caso de control por variables, es decir estamos midiendo con un
instrumento cuya resolucin nos permite medir las variaciones que produce
nuestro proceso.
Una vez que el inspector recibe la muestra tomada estadsticamente de la
poblacin a valorar, procede a las correspondientes mediciones de cada una de
las muestras. Tngase presente que lo ms probable es que en cada unidad se
hagan varias mediciones por variables y por atributos.
Como resultado de esta accin tendremos una tabla de valores desordenados e
incomprensibles. Lo primero que deberemos hacer es clasificarlas de menor a
mayor, luego agruparlas en clases siguiendo algn criterio que nos permita
acumular los datos dentro de clases, esto es dentro de valores que contengan
varios de estos datos.
Supongamos que tenemos la siguiente tabla de valores experimentales:
38
32
49
44
47
52
68
73
54
46
47
50
61
42
45
40
26
63
65
46
35
35
45
76
28
50
25
40
48
38
19
64
Total, n: 40 datos
Valor mnimo: 19, valor mximo: 76
Rango, 76-19= 57
Nmero de clases: (clculo emprico) : 40
Raz de 40 y se redondea: 6
Ancho de clase : 9
57 dividido 6 y se lleva al numero impar ms cercano: 9
53
35
56
36
44
57
58
42
Pgina 11 /78
El motivo por el cual conviene usar el ancho de clase como nmero impar es para
que la marca de clase sea un nmero entero igual que los datos que se estn
estudiando. Si se utilizara un nmero par, el ancho de clase resulta con un decimal
que habra que conservar hasta el final del clculo y esto es fuente de errores.
Con estos datos procedemos a construir nuestro diagrama de frecuencias, el cual
una vez finalizado tiene el siguiente diagrama:
LI
18
27
36
45
54
63
72
LS
26
35
44
53
62
71
80
Marca de Clase (mediana) (x)

22
( 18 + 26 ) / 2
31
40
49
58
67
76
Una vez obtenido este cuadro procedemos al recuento y anotamos la frecuencia:

LI
18
27
36
45
54
63
72
LS
26
35
44
53
62
71
80
total
X
22
31
40
49
58
67
76
recuento
///
////
//// ////
//// //// //
////
////
//
40
frecuencia
3
5
9
12
5
4
2
40
Este cuadro es el diagrama de frecuencias obtenido de los 40 datos obtenidos

como variables y agrupados convenientemente en clases, este recuento ya nos
est informando de que es lo que pasa con esta variable.
Pgina 12 /78
2.5 Histograma:
El cuadro anterior puede llevarse a un grfico como sigue, dando lugar al
Histograma:
HISTOGRAMA
14
12
12
FRECUENCIAS
10
8
6
5
4
3
2
2
0
0
21
22
31
40
49
58
MARCAS DE CLASE
67
76
85
Pgina 13 /78
3 Medidores de tendencia central y de dispersin

Son varios los medidores de la tendencia central y de la dispersin de una serie
de datos experimentales, de ellos estudiaremos los dos ms frecuentes y
tiles en Control de Calidad, estos son : la Media Aritmtica , medidor de la
tendencia central, y la Desviacin Tpica, medidor de la dispersin de los
datos alrededor de la Media Aritmtica.
El desarrollo de las frmulas es materia que se entrega durante el desarrollo
de las clases.
3.1 Media aritmtica
Mide la tendencia central.
Se define como Media Aritmtica al valor central producto del siguiente clculo:
k
fX
j
f . X f . X ... fk . Xk
X 1 1 2 2
f1 f2 ... fk
j 1
k
fX fX
N
f
j 1
de donde deriva:
f u
X A+c
A c
j1
k
fj
j=1
fu
N
Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse:

a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap.
b) en el libro de Estadstica de Murray Spieguel.
3.2 Desviacin tpica
Pgina 14 /78
Mide la dispersin de los valores con respecto al valor central.

Se define como desviacin tpica al valor que surge del siguiente clculo:
k
f X
j
j 1
f X X
N
pues
f = n
j 1
Esta frmula puede derivarse mediante sencillos clculos a esta otra:
fu
S c*
fu
Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse:

a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap.
b) en el libro de Estadstica de Murray Spieguel.
3.3 Mtodo de clculo por compilacin:
X
22
31
40
49
58
67
76
f
3
5
9
12
5
4
2
U
-3
-2
-1
0
1
2
3
fu
-9
-10
- 9
0
5
8
6
fu = - 9
fu2
27
20
9
0
5
16
16
fu2 = 95
donde: c = 9 y A = 49
Media aritmtica:
46,98
Desviacin tpica: 13.72
Este clculo tiene un error como consecuencia de suponer a todos los datos
dentro de cada clase como iguales.
Nota: Los decimales de las respuestas obtenidas, debern guardar relacin con
los decimales que tengan los datos, sin embargo, cuando use las calculadoras
deber conservar en cada clculo, todos los decimales que genera la calculadora,
para luego aproximar la respuesta a la cantidad de decimales igual a los que
Pgina 15 /78
tengan los datos, nunca menos. En particular en estos clculos es costumbre

usar uno o dos decimales ms que los datos. Tampoco es correcto usar muchos
decimales pues no tienen significado alguno.
3.4 Ejercicios prcticos en clases:
Mediante la extraccin de datos de una urna normal se construye la
correspondiente distribucin de frecuencias, el histograma, se calcula la Media
Aritmtica y la Desviacin Tpica.
Se usarn dos mtodos de clculo, uno por medio de la calculadora y otro por
medio de las frmulas vistas en clases.
Nota: se exigir un correcto manejo algebraico de nmeros escritos de forma
exponencial.
La desviacin estndar (DS/DE), tambin llamada desviacin tpica, es una medida de
dispersin usada en estadstica que nos dice cunto tienden a alejarse los valores puntuales
del promedio en una distribucin. De hecho, especficamente, la desviacin estndar es "el
promedio de la distancia de cada punto respecto del promedio". Se suele representar por
una S o con la letra sigma, .
La desviacin estndar de un conjunto de datos es una medida de cunto se desvan los
datos de su media. Esta medida es ms estable que el recorrido y toma en consideracin el
valor de cada dato.
Es posible calcular la desviacin estndar de una variable aleatoria continua como la raz
cuadrada de la integral
donde
La DS es la raz cuadrada de la varianza de la distribucin
As la varianza es la media de los cuadrados de las diferencias entre cada valor de la

variable y la media aritmtica de la distribucin.
Aunque esta frmula es correcta, en la prctica interesa realizar inferencias poblacionales,
por lo que en el denominador en vez de n, se usa n-1 (Correccin de Bessel)
Pgina 16 /78
Tambin hay otra funcin ms sencilla de realizar y con menos riesgo de tener
equivocaciones :
[editar] Ejemplo
Aqu se muestra cmo calcular la desviacin estndar de un conjunto de datos. Los datos
representan la edad de los miembros de un grupo de nios. { 4, 1, 11, 13, 2, 7 }
1. Calcular el promedio o media aritmtica
En este caso, N = 6 porque hay seis datos:
i=nmero de datos para sacar desviacin estndar
Sustituyendo N por 6
Este es el promedio.
2. Calcular la desviacin estndar
Sustituyendo N - 1 por 5 ( 6 - 1 )
Sustituyendo
por 6,33
ste es el valor de la desviacin estndar.
Pgina 17 /78
Pgina 18 /78
4 Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal

4.1 Comprensin del concepto de distribucin continua,
Normal
Distribucin
Un histograma se construye a partir de un cierto nmero de datos. Pero que le

pasara al histograma si continuamos aumentando el nmero de datos? Si el
intervalo de clase se reduce poco a poco a medida que aumenta el nmero de
datos, se obtiene una distribucin de frecuencias continua, como lmite de una
distribucin de frecuencia relativa. En realidad es una expresin de la poblacin
misma, puesto que se obtiene de un nmero infinito de datos.
Existen muchas clases de distribucin, y una de las ms frecuentes es la
Distribucin Normal. En muchos casos, cuando la variacin de una caracterstica
de calidad es causada por la suma de un gran nmero de errores infinitesimales
independientes debidos a diferentes factores, la distribucin de la caracterstica de
calidad se aproxima a una distribucin normal. La forma de la Distribucin Normal
puede describirse como la de una campana.
La siguiente figura muestra la forma de esta distribucin:
Curva Normal de Gauss
4.2
Propiedades de la Distribucin Normal
La curva caracterstica queda determinada totalmente por dos parmetros:

y
Si bien en este curso no tenemos espacio para desarrollar el concepto de

probabilidades, ser necesario definir los siguientes puntos:
Pgina 19 /78
Un suceso es ms o menos probable segn la frecuencia con que ocurre. a mayor

frecuencia de ocurrencia pasada ser mayor la probabilidad de ocurrencia futura.
Los histogramas y los grficos de frecuencia, tambin pueden interpretarse
como grficos de probabilidades de ocurrencia. En particular, la Campana de
Gauss, o Curva Normal, es una funcin de probabilidades, y la superficie que se
encierra debajo de la curva, y limitada por dos valores de x es directamente una
medida de la probabilidad de ocurrencia de un suceso determinado.
Aceptando estos conceptos veremos como se puede hacer los clculos partiendo
de la Curva Normal. En primer trmino, la Curva Normal hay que transformarla en
lo que se llama forma cannica, esto significa que el cero de las X ir al medio
del grfico. Para lograrlo se usa una variable llamada z y es:
z
X X
Esta transformacin hace que siempre el valor de la desviacin tpica, en una

curva cannica, sea igual a uno, y el valor de z no es ms que un dato medido en
relacin a su propia desviacin. Esto hace que la curva tenga caractersticas muy
particulares que veremos luego de los siguientes comentarios.
Esta variable depende de datos conocidos, es decir la media de la muestra y su
desviacin, por lo tanto para determinados valores de x, se hace el clculo y las
tablas dan la respuesta en trminos de probabilidad de ocurrencia.
Este punto es muy importante pues de aqu parte todos los criterios de control del
control de la calidad.
De todo esto se desprende lo siguiente:
La superficie, y por lo tanto la probabilidad de ocurrencia del suceso, vale:
68.27 % para una desviacin tpica a ambos lados del cero
95.45 % para dos desviaciones tpicas a ambos lados del cero
99.73 % para tres desviaciones tpicas a ambos lados del cero
Esto se aprecia en los siguientes grficos:
AREA BAJO LA CURVA NORMAL

IGUAL A 68.27%
45
PROBABILIDADES
40
35
30
25
20
15
10
5
0
-3
-2
-1
0
1
2
3
DESDE -1 A +1 DESVIACION TIPICA

IGUAL A 95,45%
40
PROBABILIDADES
35
30
25
20
15
10
5
0
-3
-2
-1
0
1
2
3

IGUAL A 99,73%
45
PROBABILIDADES
40
35
30
25
20
15
10
5
0
-3
-2
-1
0
1
2
3
Pgina 20 /78
Pgina 21 /78
4.3 Ejercicios de comprensin sobre la Distribucin Normal.

Los siguientes ejercicios, tienen como objetivo aprender el uso de las tablas de
Gauss.
Ejercicio n 1
Hallar el rea bajo la CURVA NORMAL en cada uno de los 7 casos siguientes:
a) Entre z = 0 y z = 1.20
PROBABILIDADES
CURVA NORMAL DE GAUSS

45
40
35
30
25
20
15
10
5
0
-3
0
3
Area bajo la curva entre z = 0 y z = 1,2
De tablas leemos que para z = 1,2 es 0,3849, por lo tanto: Pr {0 z 1,2} =

0,3849 Esto significa que el rea bajo la curva normal para z entre 0 y 1,2 es
del 38.49%
b) Entre z = - 0.68 y z = 0
45
PROBABILIDADES
40
35
30
25
20
15
10
5
0
-3
-2
-1
0
1
2
3
Area bajo la curva entre z = -0,68 y z = 0
En tablas se lee para z = 0.68 es 0.2518 por lo tanto, Pr {-0,68 z 0} =0.2518 Esto
significa que el rea bajo la curva, para z= -0,68 y z=0 es el 25.18%
c) Entre z = - 0.46 y z 2.21
Pgina 22 /78
PROBABILIDADES
45
40
35
30
25
20
15
10
5
0
-3
Area bajo la curva de z = -0,46 a z = 2,21
En tablas se lee que, para z = 0.46 es 0.1772 por lo tanto,

Pr {-0,46 z 0} =0.1772
Ntese que en la lectura se prescindi del signo menos.
Por otra parte, para z = 2.21 se lee 0.4864. lo cual significa :
Pr {0 z 2.21} =0.4864
Para encontrar el rea total debemos sumar ambos resultados:
0.1772+0.4864 = 0.6636
Esto significa que el rea bajo la curva, para z= - 0.46 y z=2.21 es del 66.36%
d) Entre z = 0.81 y z = 1.94
35
PROBABILIDADES
30
25
20
15
10
5
0
-3
-2
-1
0
1
2
3
Area bajo la curva entre z = 0,81 y z = 1,94
Para z = 0.81 es 0.2910 por lo tanto, Pr {0.81 z 0} =0.2910

Para z = 1.94 es 0.4738 esto es : Pr {0 z 1.94} =0.4738
Para encontrar el rea entre los dos puntos elegidos, debemos restar ambos
resultados: 0.4738 - 0.2910 = 0.1828
Esto significa que el rea bajo la curva, para z= 0.81 y z=1.94 es del 18.28%
e) A la izquierda de z = - 0.6, esto significa, entre z = - y z = - 0.6
Pgina 23 /78
Tener presente que desde z = - y z = 0 la superficie bajo el rea es 0.5000

(50%)
35
PROBABILIDADES
30
25
20
15
10
5
0
-3
Area bajo la curva entre z = - infinito

y z = - 0,6
Para z = 0.6 es 0.2258 por lo tanto, Pr {0.6 z 0} =0.225

Para z = - es 0.5000, esto es : Pr { - z 0} =0.5000
Para encontrar el rea entre los dos puntos elegidos, debemos restar ambos
resultados: 0.5000 - 0.2258 = 0.2742
Esto significa que el rea bajo la curva, para z = - y z=- 0.6 es del 27.42%
f) A la derecha de z - 1.28, esto es ,entre z = - 1.28 y z = +
40
PROBABILIDADES
35
30
25
20
15
10
5
0
-3
-2
-1
0
1
2
3
Area entre z = -1,28 y z = + infinito
Para z = 1.28 es 0.3997 por lo tanto, Pr {-1.28 z 0} = 0.3997. Para z = 0 y

z= + es 0.5000, esto es : Pr {0 z +} = 0.5000. Para encontrar el rea
entre los dos puntos elegidos, debemos sumar ambos resultados:
0.3997+0.5000 = 0.8997. Esto significa que el rea bajo la curva, para z =
-1.28 y z =+ es del 89.97%
g) A la derecha de z = 2.05, y a la izquierda de z = - 1.44
Pgina 24 /78

16
PROBABILIDADES
14
12
10
8
6
4
2
0
-3
A la izquierda de -1,44 y a la derecha de

2,05
rea total bajo la curva = 1-(rea entre-1.44 y 0) - (rea entre 0 y 2.05)

1 - 0.4251 - 0.4798 = 0.0951, esto es 9.51%
Ejercicio n 2
Este ejercicio ayuda a entender el uso de los procedimientos anteriores para el
clculo de las probabilidades en eventos reales.
Se recomienda al alumno dibujar las campanas e ir identificando las reas
escogidas.
Si los dimetros de las bolillas de rodamientos estn normalmente distribuidas con
media 0.6140 mm y desviacin tpica 0.0025 mm determinar el % con dimetro :
a) entre 0.6100 y 0.6180 mm
b) mayores que 0.6170 mm
c) menores que 0.6080 mm
Solucin:
a) - z = (0.6100-0.6140) / 0.0025 = - 1.60
+ z = (0.6180-0.6140) / 0.0025 = + 1.60
rea solicitada = probabilidad buscada = 0.4452 + 0.4452 = 0.8904
La probabilidad de que el dimetro de las bolillas se encuentren entre 0.610 y
0.618 mm es del 89.04%
b) z = (0.6170 - 0.6140) / 0.0025 = 1.20
El rea para z = 1,2 es 0.3849
El rea solicitada es 0.5000 0.3849 = 0.1151
Pgina 25 /78
La probabilidad de que el dimetro de las bolillas sea mayor que 0.617 es del
11.51%
c) z= (0.6080-.6140) / 0.0025 = 2.40
Para z = 2.40 es 0.4918
El rea buscada es 0.5000 - 0.4918 = 0.0082
Probabilidad = 0.82 %
Pgina 26 /78
Unidad 5, Los Diagramas

5.1 El Diagrama de Pareto
5.1.1 Qu son los Diagramas de Pareto?
Los problemas de calidad se presentan como prdidas. Es muy importante aclarar
el patrn de la distribucin de las prdidas.
La mayora de las prdidas se debern a unos pocos tipos de defectos, y
estos defectos pueden atribuirse a un nmero muy pequeo de causas.
Si se identifican las causas de estos pocos defectos vitales, podremos eliminar
casi todas las prdidas, concentrndonos en esas causas particulares y dejando
de lado otro muchos defectos triviales. El uso del diagrama de Pareto permite
solucionar este tipo de problemas con eficacia.
Existen dos tipos de diagramas, los que analizan los efectos, y los que estudian
las causas.
5.1.2 Como elaborar diagramas de Pareto
Paso 1 decida qu problemas se van a investigar y como recoger los datos.
ejemplo: objetos defectuosos, perdidas en trminos monetarios, ocurrencia de
accidentes.
Paso 2 decida qu datos va a necesitar y como clasificarlos.
ejemplo: por tipo de defecto, localizacin, proceso, mquina, trabajador, mtodo.
Paso 3 defina el mtodo de recoleccin de los datos y el perodo de duracin de la
recoleccin.
Paso 4 disee una tabla para el recuento de los datos.
Tipos de defectos
Fractura
Rayado
Manchado
Tensin
Rajadura
Burbuja
Otros
Total
Recuento
//// ////
//// //// //// //// ...... //// //
//// /
//// //// //// //// ...... //// ////
////
//// //// //// //// ...... ////
//// //// ////
200
total
10
42
6
104
4
20
14
200
Pgina 27 /78
Paso 5 analice y vuelva a ordenar la informacin

Tipo
Tensin
Rayado
Burbuja
Fractura
Mancha
Rajadura
Otros
Total
numero
104
42
20
10
6
4
14
Total
104
146
166
176
182
186
200
200
porcentaje
52
21
10
5
3
2
7
% acumulado
52
73
83
88
91
93
100
100
Paso 6 construya el diagrama de barras.
Pocos vitales ...

muchos triviales
Pareto
100
100
80
NUMERO DE UNIDADES
DEFECTUOSAS
120
80
60
60
40
40
20
20
0
PORCENTAJE
ACUMULADO
DIAGRAMA DE PARETO POR ITEMS DEFECTUOSOS
0
TENSION RAYADO BURBUJA
FRACT. MANCHA
RAJAD.
OTROS
DEFECTOS
En este ejemplo, produccin tendr que resolver, en primer trmino, las causas de
los defectos tensin y rayado, con lo cual se reducir el inconveniente en el 73% !
5.1.3 Ejercicio Prctico en clase:
Utilizando una urna con datos, se extrae una muestra y se elabora un
diagrama de Pareto.
Pgina 28 /78
5.2 El diagrama Espina de Pescado, o de Ishikawa, o de

Causa y Efecto
5.2.1 Que son los diagramas de Causa y Efecto:
Es un diagrama que muestra la relacin entre una caracterstica de calidad por la
cual estamos interesados, (probablemente porque haya baja calidad en dicha
caracterstica) y los factores de los cuales depende (entre los cuales deberemos
buscar las causas del problema de calidad)
En general, puede decirse que un proceso puede atribuirse a una cantidad de

factores y es posible encontrar la relacin Causa y Efecto de esos factores.
En las dos pginas siguientes se muestra como se arma el diagrama y a

continuacin hay un ejemplo muy pormenorizado acerca de las causas que
pueden originar una derrota deportiva.
Pgina 29
Diagrama de Ishikawa, tambin llamado Espina de pescado o diagrama de

causa - efecto
Hueso grande
Hueso
mediano
Hueso
pequeo
Columna Vertebral
Caracterstica
Efecto
Factores (Causas)
PROF. ARMANDO COLLO / PROF MANUEL MARQUEZ
Caloras
Pgina 30
Animo
Salud
Ejemplo de Diagrama de Ishikawa

Entusiasmo
Nutricin
Comida
Orgullo
Espritu de lucha
Paciencia
Cantidad
Diversin
Devocin
Cuidado
Calma
Descanso
Tiempo
Dormir
Relajamiento
Compostura
Concentracin
Confianza
Que tan bien

Teora
Informacin
Movimiento
Planeacin
Itinerario
Potencia
Estudio del
oponente
Reglas
Anlisis
Sentido
comn
Derrota en
un torneo
deportivo
Observacin
Juicio de la
situacin
Velocidad
Ejercicio
Trabajo en
equipo
Calidad
Consejo
Funcin
Cantidad
Forma
Cooperacin
Estrategia
Experiencia en partidos
Repeticin
Tcnica
Modelos
PROF. ARMANDO COLLO / PROF MANUEL MARQUEZ
Pgina 31
5.2.2. Cmo elaborar diagramas de causa y Efecto.

Procedimiento para elaborar los diagramas de Causa y Efecto para la
identificacin de causas.
Paso 1
Describa el efecto o atributo de calidad
Paso 2
Escoja una caracterstica de calidad y escrbala en el lado derecho de una hoja de
papel, dibuje de izquierda a derecha la lnea de la espina dorsal y encierre la
caracterstica en un cuadrado.
Luego, escriba las causas primarias que afectan a la caracterstica de calidad, en
forma de grandes huesos, encerrados tambin en cuadrados.
Paso 3
Escriba las causas (causas secundarias) que afectan a los grandes huesos
(causas primarias) como huesos medianos, y escriba las causas (causas
terciarias) que afectan a los huesos medianos como huesos pequeos.
Paso 4
Asigne la importancia de cada factor, y marque los factores particularmente
importantes que parecen tener un efecto significativo sobre la caracterstica de
calidad.
Paso 5
Registre cualquier informacin que pueda ser de utilidad.
Pgina 32
6 Grficas de Control
6.1 Qu son las Grficas de Control?
En 1924, W.A. Shewhart, propuso una Grfica de Control para eliminar las
variaciones anormales, distinguiendo las variaciones debidas a causas
asignables de aquellas debidas a causas al azar, es decir, causas no
asignables
Una grfica de Control consiste en una lnea central, un par de lmites de control,
uno de ellos colocado por encima de una lnea central y otro por debajo, y en
ciertos valores caractersticos registrados en la grfica que representa el estado
del proceso. Si todos los valores ocurren dentro de los lmites de control, sin
ninguna tendencia especial, se dice que el proceso est en estado controlado.
Sin embargo, si ocurren por fuera de los lmites de control o muestran una forma
peculiar, se dice que el proceso est fuera de control.
105
Lm ite de
Control
Superior
100
Linea
Central
110
95
08
:0
0
08
:3
0
09
:0
0
09
:3
0
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
15
:0
0
15
:3
0
16
:0
0
90
Lm ite de
Control
Inferior
Valores
del
Proceso
Grfica para estado controlado
105
Lm ite de
Control
Superior
100
Linea
Central
110
95
Grfica para estado fuera de control
08
:0
0
08
:3
0
09
:0
0
09
:3
0
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
15
:0
0
15
:3
0
16
:0
0
90
Lm ite de
Control
Inferior
Valores
del
Proceso
Pgina 33
La calidad de un producto manufacturado por medio de un proceso

inevitablemente sufrir variaciones. Estas variaciones tienen causas y estas
ltimas pueden clasificarse en los siguientes dos tipos:
Causas no Asignables (Causas debidas al azar)
Las variaciones debidas al azar son inevitables en el proceso.
Tratar de eliminarlas puede resultar estril y en la mayora de los casos
extremadamente caro. Por otra parte estas variaciones dentro de ciertos lmites
pueden ser totalmente tolerables y no causan reales disminuciones de la
calidad del producto. Estas variaciones se aceptan, se las consideran
inherentes al proceso, y por lo tanto son variaciones normales. De hecho,
estas variaciones son las que originan la distribucin gaussiana que vimos en la
primera parte de este curso.
Causas Asignables
La variacin debida a Causas Asignables significa que hay factores anormales
que deben ser investigados. Estas variaciones no son normales, no pertenecen al
proceso y no sern aceptadas.
Las Causas Asignables podran originar productos defectuosos, (aunque no
indispensablemente) es decir, contienen caractersticas, que hacen a la calidad
del producto, que podran estar afuera de los lmites que establecen las
especificaciones de calidad del producto.
El objeto del Control de Calidad Estadstico, de proceso o cualquier otro, es
encontrar y separar las Causas Asignables. (Aun cuando no estn causando
defectos).
Estas Causas Asignables tienen necesariamente que ser encontradas y
eliminadas pues producen una disminucin de la calidad del producto.
Cuando los puntos se encuentran fuera de los lmites de control o muestran una
tendencia particular, decimos que el proceso est fuera de control, y esto es a
causa de las Causas Asignables.
Nota: Mas adelante, se retomar este tema, cuando se hable de limites con y
sin valores especificados, all se ver que no siempre que un proceso que
est fuera de control producir defectos, por lo cual estas definiciones que
aqu se mencionan son solo para iniciar el estudio, pero el alumno deber
remitirse a los desarrollos posteriores si se le consulta sobre lo que significa
un proceso en estado controlado y si se cumplen o no con la
especificaciones.
Pgina 34
Cul es el objetivo de una Grfica de Control?

El objetivo, como lo indica su nombre, es controlar el proceso, es decir, mantenerlo
en estado controlado, para ello debemos hacer una grfica que en rigor son dos,
una para la exactitud, o sea, la grfica X, y otra, para la precisin, esta es la
grfica R.
El control siempre deber contener ambas grficas, es decir, la correspondiente a
X y la correspondiente a R. Son indisolubles, no pueden existir independientes,
no existe control con solo una de ellas. Y cualquiera de las dos que este fuera
de control declara al proceso fuera de control.
Para comprender un proceso, y saber si se encuentra bajo control, deberemos
conocer la variacin debida al azar, y este conocimiento lo extraeremos,
precisamente de las grficas de control de proceso. Para esto se tomaran
pequeas muestras cada periodos de tiempo preestablecidos, de forma que en
cada pequea muestra los factores de variacin sean comunes. Por esta razn
las unidades que se toman para cada pequea muestra debern ser una a
continuacin de otra, de esta forma, los factores que varan de unidad a unidad
sern mnimos.
Las cantidades a extraer en cada muestra tomada a perodos regulares sern de 3
a 10 unidades siendo las ms frecuentes de 3 a 6 y la ms recomendable es 5.
Hay varias clases de grficas de control, dependiendo de su propsito y de las
caractersticas de la variable. En cualquier tipo de grfica de control el lmite de
control se calcula usando la siguiente frmula:
(Valor Promedio) 3 x (Desviacin Estndar)
Donde la Desviacin Estndar es la variacin debida al azar.
Este tipo de grfica de control se llama una grfica de control de 3-sigma.
6.2 Tipos de Grficas de Control
Hay dos tipos de Grficas de Control, una para valores continuos y otra para
valores discretos. En cada tipo hay varias alternativas para elegir el par de
medidores necesarios.
Valor caracterstico
Valor continuo
Nombre
X -R
X -
~
X-R
~
X -
Grficas
Valor discreto
Pgina 35
Grficas
np
p
u
c
La tabla siguiente muestra las frmulas que deben utilizarse para calcular los
lmites de control y el valor central, utilizando los medidores X, R .
Las tablas donde figuran los factores son provistas en este apunte y son
equivalentes a las que se encuentran en la Norma Chilena 42.
Tipo de grfica de control
Valor continuo promedio

X
Valor continuo Rangos

R
Valor discreto nmero

de unidades defectuosas
pn
limite superior de control (LCS)

lnea central (LC)
limite inferior de control (LCI)
X A2R
LCS
=
LC
= X
LCI
= X A2R
LCS
LC
LlCI
=
=
=
D4 R
R
D3R
LCs
pn 3
LC
pn
LCi
pn 3
p n(1 p )
p n(1 p )
Los valores de las constantes debe consultarse en las tablas del adjunto o en la
Norma Chilena 42.
_
6.2.1 Grfica X - R
Esta se usa para controlar y analizar un proceso en el cual la caracterstica de
calidad del producto que se est midiendo toma valores continuos, tales como
longitud, peso o concentracin, y esto proporciona la mayor cantidad de
informacin sobre el proceso. El valor X representa un promedio de una pequea
X
muestra o subgrupo, y R el rango de dicho subgrupo. Una grfica
debe
usarse en combinacin con una grfica

un subgrupo.
Pgina 36
R para controlar la variacin dentro de
6.2.2 Grfica pn, Grfica p

Estas grficas se usan cuando la caracterstica de calidad se representa por el
nmero de unidades defectuosas o la fraccin defectuosa. Para una muestra de
tamao constante, se usa una grfica pn del nmero de unidades defectuosas,
mientras que una grfica p de la fraccin de defectos se usa para una muestra de
tamaos variable. Otros tipos de grficas por atributos son las grficas c y las
grficas u.
Luego de los ejemplos que se desarrollarn de grficas X - R se dar un
ejemplo de grfica np.
6.3 Especificaciones, Tolerancias, Discrepancias
Antes de entrar a la metodologa de elaboracin de las grficas de control,
deberemos distinguir claramente lo que son las Especificaciones, con sus
Tolerancias y lo que posteriormente llamaremos Limites de Control sin valores
Especificados.
La Especificacin y sus tolerancias, son dadas por el cliente o en su defecto el
diseador del producto. La Especificacin
indica como uno quiere el
producto. Cada variable que tenga que ver con la calidad del producto tendr
que tener su correspondiente especificacin. Por ejemplo, el largo de un
tornillo, el contenido en gramos de un recipiente que contiene un alimento, etc.,
etc. Ahora bien, tenemos que tener muy claro, que las especificaciones tienen que
ver con el producto, con su funcionalidad, su esttica, y todo lo que hace a la
calidad de dicho producto. Adems, se establecen los lmites de tolerancia para
dichas Especificaciones, dentro de las cuales, el producto se considera Bueno,
y se sobreentiende que si se excede dichos lmites el producto ser
defectuoso.
Un ejemplo de Especificaciones y sus Tolerancias son las siguientes:
Para el largo de un perno: 2,54 mm 0,20 mm
Pgina 37
En este ejemplo la Especificacin es 2,54, la tolerancia es 0,40 mm ( de extremo a

extremo) y la discrepancia 0,20mm.
Para el contenido de un envase de crema de leche: 200 c.c. 5 c.c.
La Especificacin es 200 c.c., la Tolerancia es 10 c.c. y la discrepancia 5 c.c.
Podramos hacernos la siguiente pregunta: Porque las tolerancias?
Pues, desde el principio sabemos que los procesos no pueden hacer todos los
productos iguales, por ello tenemos que poner lmites, de forma que cuando se
excedan dichos lmites diremos que se producen defectos. . Por ejemplo, un
perno con un largo de 2,80 mm o un envase de crema de leche con 193 c.c.
En resumen, a) las Especificaciones y sus tolerancias son puestas con criterios
que no necesariamente tienen relacin con los procesos productivos, y, en general
obedecen al diseo o a razones estticas del producto. b) cuando el producto, al
medir la variable de una caracterstica, excede la especificacin se lo declara
defectuoso.
Ahora veamos la mquina y el proceso que tiene que elaborar el producto,
hasta ahora sabemos que dichos procesos presenta variaciones que son
normales, entonces nos preguntamos:
Podr ser capaz, la mquina de producir nuestro producto dentro de las
tolerancias que nos da la Especificaciones que nos entregaron? Ser capaz
de hacer el producto sin defectos?
Los procedimientos estadsticos que estudiaremos a continuacin que
respondern esta pregunta se denominan, por esta razn: Capacidad de
Proceso o Capacidad de Mquina
6.4 Capacidad de Proceso o Capacidad de Mquina
El estudio de la Capacidad de Proceso consta de una serie de pasos. En primer
lugar, se toman una serie de datos del proceso, mediante los cuales se calculan,
usando las frmulas vistas anteriormente, los Lmites Naturales del Proceso,
que de ahora en mas se denominan: Limites de Proceso Sin Valores
Especificados. Es decir son los lmites normales del proceso, es lo que la
mquina pide para trabajar normalmente. Estos lmites son los que si se
trasponen se dice que el proceso esta Fuera de Control, (aunque solo sea un
punto). Pero en este clculo, no han intervenido las especificaciones del producto,
y estos entran a jugar despus de haber conocido los lmites anteriores.
Pgina 38
A partir de las Especificaciones y sus tolerancias, y utilizando las frmulas que se

proveen en los adjuntos, se transforman las Especificaciones y sus Tolerancias en
lo que desde ahora llamaremos Lmites de Proceso Con Valores Especificados.
Estos Lmites de Proceso con Valores Especificados, siguen siendo las
Especificaciones, solo que traducidas a un modo que puedan ser
comparadas a los Lmites de Proceso sin Valores Especificados que pidi
la mquina.
Si el proceso puede trabajar dentro de los Lmites con valores Especificados
estaremos cumpliendo con las especificaciones y no habrn defectos.
Dicho de otra forma, los Lmites Con Valores Especificados, defienden las
Especificaciones.
Una vez que conocemos los lmites con y sin especificacin, procederemos a
comparar ambos juegos de lmites, y podremos contestar si el proceso es o
no es capaz de producir sin defectos.
Si la amplitud de los lmites Con Valores Especificados, es mayor que la
amplitud de los lmites Sin Valores Especificados, podremos decir que el
proceso es capaz de cumplir con lo que se le solicita. Por lo contrario, si la
amplitud de los lmites Con Especificaciones, es inferior a la amplitud de
los lmites Sin Especificaciones, diremos que el proceso no es capaz de
cumplir con las especificaciones y consecuentemente, si se produce, habr
defectos.
Una analoga til es la siguiente, si los lmites Con Valores Especificados, fuera
una caja de zapatos, y los lmites Sin Valores Especificados, fueran los
zapatos, diremos que si la caja es ms grande que los zapatos podremos
acomodar los zapatos adentro y diremos que el proceso es capaz. Si los
zapatos son mas grandes que la caja, stos no podrn entrar en la caja y en
consecuencia, diremos que la Capacidad de Proceso es negativa.
7 Como elaborar una grfica de control
_
7.1 Grfica X - R
La grfica para este control se provee en los adjuntos. Se trata de una grfica que
contiene tres reas, una para el registro de los datos, la segunda para el control de
la exactitud del proceso, y es donde se trazan las medias aritmticas de los datos
y por ltimo, al pie del grfico, el rea donde se controla la precisin del proceso, y
es donde se ponen los rangos.
Pgina 39
La ruta para elaborar una grfica de control es la siguiente:

Paso 1 Recoja los datos, o sea controle el proceso a intervalos regulares y
anote los datos de cada subgrupo.
Paso 2 Calcule los promedios para cada subgrupo,
Paso 3 Calcule el promedio de los promedios.
Paso 4 Calcule R cada subgrupo. ( El Rango R es la diferencia entre el mayor y
el menor valor de cada subgrupo)
Paso 5 Calcule el promedio de R.
Paso 6 Calcule las lneas de control, usando las frmulas provistas.
Paso 7 Dibuje las lneas de control.
Paso 8 Localice los puntos en el grfico y determine si hay puntos que salgan de
los lneas de control, ya sea por exactitud o por precisin.
Paso 9 Registre todos los antecedentes de inters.
A continuacin se provee de una serie de datos que hipotticamente fueron
extrados de un proceso que funciona de acuerdo a una distribucin normal.
El tamao del subgrupo ser para ste caso de 5 unidades. Este tamao puede
variar de 3 a 10 unidades y la eleccin del tamao ser una decisin econmica, si
tengo tiempo y gente para hacerlo, cuanto ms grande pueda extraer la muestra,
mejor ser el control. El mismo criterio vale para la frecuencia, cuanto menos
tiempo tarde en realizar otro control, mejor ser. Si por limitaciones de
disponibilidad de gente, tenemos que elegir entre hacer subgrupos ms grandes o
extraer subgrupos ms frecuentemente, es mejor esto ltimo.
Normalmente, para este tipo de estudios, no deben extraerse menos de 20
subgrupos, ojal, 25. Pero para no hacer largo nuestro estudio, solo procesaremos
10 muestras de 5 unidades cada una.
Supondremos que la dimensin esta expresada en gramos
A partir de ahora llamaremos muestras a los subgrupos de 5 unidades, si bien se
sobreentiende que el total de unidades que se extraiga en el da ser la verdadera
muestra de nuestra produccin.
Pgina 40
Muestras extrados a lo largo del turno:

Hora: 08:30 09:00 09:30 10:00 10:30
N
1
2
3
4
5
1
65,9 68,2 67,2 67,0 66,8
2
67,8 69,1 66,0 67,3 67,6
3
65,4 67,7 69,2 67,5 67,4
4
66,6 68,3 65,2 67,6 66,0
5
67,5 66,9 69,5 68,0 67,6
11:00
6
67,8
68,1
70,3
68,1
67,5
11:30
7
68,3
68,0
67,4
68,6
68,9
12:00
8
66,9
66,6
69,4
67,2
66,8
12:30
9
68,7
65,0
67,5
68,6
68,3
13:00
10
67,3
68,0
67,3
68,2
68,2
Media 66,6
Rango 2,4
68,4
2,8
68,2
1,5
67,4
2,8
67,6
3,7
67,8
0,9
68,0
2,2
67,4
4,3
67,5
1,0
67,1
1,6
Media aritmtica de las medias :

Media aritmtica de los Rangos:
67.6 gr.
2.3 gr.
7.2 Clculo de los Lmites de Control

7.2.1 Clculo de Lmites Sin Valores Especificados
Nota: los decimales a usar en los clculos debern guardar coherencia con los
decimales que tengan los datos. El alumno deber usar las calculadoras
correctamente, es decir, realizar los clculos utilizando todos los decimales que
genera la calculadora, para luego aproximar la respuesta a los decimales que
sean coherentes con los datos.
Para estos clculos se utilizarn las tablas adjuntas donde figuran los valores de
las constantes.
_
Grfica X
Para el control de la Exactitud del proceso.
De tablas: A2 : 0.58
=
LC = X = 67.6 gr.
=
_
LSC = X + A2 R = 67.6 + 0.58 x 2.3 = 68.9 gr.
=
_
LIC = X - A2 R = 67.6 - 0.58 x 2.3 = 66.3 gr.
Pgina 41
Grfica R
Para el control de la Precisin del proceso.
De tablas: D4 : 2.11
_
LC = R = 2.3 gr.
_
LCS = D4R = 2.11 x 2.3 = 4.9 gr.
L I C = Como lmite inferior debe tomarse cero, esto simplemente significa que
todos los datos podran ser iguales, por lo cual, el valor mximo menos el valor
mnimo es igual a cero, pues son el mismo nmero.
Los lmites calculados, para ambos casos, se trasladan al grfico, se trazan como
lneas destacada a lo largo de todo el ancho del grfico. Debe destacarse tambin,
las lneas centrales.
Luego se anotan como un punto las medias de los valores de cada subgrupo. Y
los rangos. Todos los puntos deben unirse formando una linea quebrada que
interpreta el comportamiento del proceso.
Una vez realizado esto se deben destacar los puntos que eventualmente excedan
los lmites establecidos. Estos puntos, de existir, declaran al proceso fuera de
Control, si no los hay, decimos que el proceso est bajo control.
7.2.2 Clculo de los Lmites con Valores Especificados

Estos Lmites son otra expresin de las Especificaciones, no dejan de ser las
Especificaciones, lo que sucede es que tenemos la tarea de querer compararlos
con los lmites de Control Sin especificaciones, por lo cual, tendremos que
traducir las especificaciones que son para valores individuales, a lmites para
subgrupos de n unidades. En nuestro caso n=5.
Una especificacin la hemos definido como un valor determinado por el cliente o
el diseador y ciertas tolerancia dentro de las cuales el producto continua siendo
satisfactorio.
Ejemplo:
Pgina 42
Para el largo de un clavo 8,0 cm

Supongamos que se establece una tolerancia de 0,2 cm para ambos lados del
valor central. De tal forma que expresaremos la Especificacin con sus Tolerancias
de la siguiente manera:
Especificacin: 8,0 0,2 cm
Para nuestros clculos llamaremos M a la Especificacin y D a la Discrepancia
(en este caso 0.2 cm).
Se define como Tolerancia a 2 veces D, en este caso 0,4 cm.
La tolerancia es entonces todo el ancho a travs del cual se puede desplazar mi
medida sin que constituya defecto.
Para poder establecer la comparacin entre el universo verdadero del proceso y
los datos de las Especificaciones, tendremos que establecer algunos supuestos
bsicos, los cuales son:
a) Que la media del Universo de datos a producir, coincida con la Especificacin
b) Que la amplitud de la Especificacin sea capaz de contener adentro del su
intervalo la distribucin normal de los datos del proceso. Esto significa que
suponemos que la Tolerancia es igual a 6 , o, lo que es lo mismo, que D sea
igual a 3
_
x=M
De acuerdo con esto, los lmites son:
LIMITE SUPERIOR : M +
LINEA CENTRAL :
LIMITE INFERIOR : M -
Para los intervalos ser :
D
n
D
n
= D/3
LIMITE SUPERIOR :
D2
Pgina 43
D
3
Otros lmites para los intervalos, no tienen valor prctico.

Para poder resolver los lmites y luego compararlos con los Valores sin
Especificacin, tendremos que establecer unas Especificaciones para el proceso
que hemos ejemplificado antes.
Supongamos que las Especificaciones fueran : 67.8 4.0 gr.
Aplicando las frmulas anteriores, los resultados son:
Limite Superior Con Valores Especificados:
Lnea Central:
Lmite Inferior Con Valores Especificados:
69.6 gr.
67.8 gr.
66.0 gr.
Limite Superior para los Rangos:
6.6 gr.
El valor D2 debe buscarse en tablas, y vale 4.92

7.2.3 Comparacin de los Lmites Con y Sin Especificaciones. Resultado de
la Capacidad de Proceso.
Control de la Exactitud (X)
Lmite de Control Superior
Lnea central
Lmite de Control Inferior
Control de la Precisin (R)
Lmite de Control Superior
Sin Especificacin
68.9
67.6
66.3
4.9
Con Especificacin
69.6
67.8
66.0
6.6
Comparando los valores de la tabla, y teniendo en cuenta los conceptos

explicados, vemos que los lmites Con Especificacin, tanto para la Exactitud
como para la Precisin, son ms amplios que los Lmites Sin Especificacin.
Por esta razn podemos decir que la Capacidad de Proceso es Positiva, es decir
el proceso puede cumplir con las especificaciones y por lo tanto esta habilitado el
proceso.
(La caja es mas grande que los zapatos)
Pgina 44
En Clase deber discutirse el siguiente tema:

Cual de los lmites debern usarse para los das subsiguientes?
En la siguiente pgina se provee una planilla tpica para el control por variables.
7.2.4 Grfica de control de proceso por variables, grfica X - R

Muestra n 1
1
2
3
4
10
Pgina 45
5
Suma
Promedios
Rangos
Promedios (Control de la exactitud del proceso)
Rangos (Control de la precisin del proceso)
7.2.6
Algunos casos de lecturas de grficas de control por variables.
Si bien el objetivo primario de las grficas es que los puntos se encuentres dentro
de los lmites, hay ocasiones donde la tendencia o racha" de los puntos nos
anticipa claramente lo que va a suceder si no nos anticipamos.
Pgina 46
Una "racha" es cuando hay una sucesin de datos a un solo lado de la lnea
central, una sucesin de ms de siete puntos a un solo lado es estadsticamente
muy poco probable. (La probabilidad de 7 puntos es de 0.78%)
Una racha de 7 puntos es anormal (a - b)
Una racha de 10 de 11 puntos de un solo lado tambien es
anormal (c - d)
110
105
100
95
90
a
Una tendencia es cuando hay una serie de puntos que consistentemente se

alinean y evidencian que en algn momento los puntos caern fuera de los lmites.
Estadsticamente las lneas de control nos puede dar ms informacin, pero ese
anlisis corresponde ya a los especialistas en la materia.
TENDENCIA de 7 puntos ASCENDENTES (a - b)

TENDENCIA DESCENDENTE DRASTICA (c - d)
110
105
100
95
90
a
7.3 Grfica np, (grfica por atributos).

1
100
14
100
2
3
4
5
6
7
8
9
10
11
12
13
100
100
100
100
100
100
100
100
100
100
100
100
2
0
5
3
2
4
3
2
6
1
4
1
15
16
17
18
19
20
21
22
23
24
25
total
Pgina 47
100
100
100
100
100
100
100
100
100
100
100
2500
2
3
1
6
1
3
3
2
0
7
3
68
7.4 Clculo de los lmites de control

LCs p n 3 p n (1 p )
LC p n
LCi p n 3 p n (1 p )
pn
68
0.0272
kN
25 * 100
LC pn 0.0272 * 100 2.72

LSC 2.72 3 2.72(1 0.0272) 7.60
LIC 0
Los lmites calculados se traslada al grfico y luego se anotan los valores de cada
subgrupo.
7.5 Grfico de Control de Proceso por Atributos.

PRODUCTO:........................................................................
Pgina 48
FECHA:.................................
CLASE DE DEFECTO A CONTROLAR:
Tamao
de la
muestra:
Frecuenci
a del
control:
Cantidad de defectuosos
Caracterstica
MAYOR
MENOR
1
0
11 1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
11 1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
9
8
7
6
5
4
3
2
1
0
Muestra n
Hora
Minutos
Inspector:
Total:
Fraccin defectuosa Total de defectos Total controlado
CRITICO
Pgina 49
7.6 Indice de la Capacidad de Proceso

A continuacin se desarrolla una manera de calcular si un proceso puede o no
satisfacer las Especificaciones que se nos est solicitando cumplir.
Mediante la extraccin en el proceso de una muestra adecuada, podremos hacer
la distribucin de frecuencias y el correspondiente Histograma. Este nos mostrar
la forma de la distribucin y como consecuencia si el proceso obedece la
Distribucin Normal.
El la gran mayora de los casos, la respuesta ser positiva. Siguiendo los pasos
que se estudiaron oportunamente de este apunte, podemos calcular la Desviacin
Tpica de la muestra obtenida. Si suponemos que esta corresponde tambin a la
poblacin o universo del proceso, podemos hacer el siguiente clculo, llamado
Indice de la Capacidad de Proceso:
ICp
Es Ei
6
donde ES es la especificacin superior y EI la inferior, y es la desviacin tpica

de la muestra tomada.
De acuerdo a esto podemos evaluar con el siguiente criterio:
Si 1.33 < ICp
Tendremos un proceso satisfactorio, capaz

de cumplir con las Especificaciones
Si 1.00 < ICp< 1.33
Tendremos un proceso poco satisfactorio que

podra cumplir con las Especificaciones, aunque
probablemente con problemas, pues su variabilidad
est muy parecida a la amplitud de las
Especificaciones.
Si
Tenemos un proceso inadecuado, que con

seguridad no podr cumplir con las
Especificaciones.
ICp < 1.00
7.7 Los cuatro casos posibles de los lmites con y sin especificaciones.
Cuando comparemos la capacidad de nuestro proceso con las Especificaciones
que hay que cumplir, nos encontraremos siempre con alguna de las cuatro
siguientes situaciones (y solo estas):
Pgina 50
a- El proceso est bajo control y no hay productos defectuosos.

b- El proceso est bajo control pero hay productos defectuosos.
c- El proceso est fuera de control pero no hay productos defectuosos.
d- El proceso est fuera de control y tambin hay unidades defectuosas.
El primer caso es el que debiera ser todo el tiempo, es decir, un proceso en estado
controlado que se desenvuelve correctamente dentro de los lmites especificados.
El Indice de capacidad de Proceso deber ser preferentemente superior a 1.3
El segundo caso, significa que el proceso, aun cuando anda bien, pues est bajo
control, por lo tanto no hay causas asignables que buscar y eliminar, pero las
especificaciones son muy estrechas para la mquina y no es capaz de cumplirlas.
En este caso, el Indice de Capacidad de proceso ser inferior a uno y no deber
producirse en estas condiciones.
El tercer caso, significa que los lmites de proceso con valores especificados son
extremadamente amplios y soportan las causas asignables del proceso fuera de
control, sin que estos lleguen a ser defectos. El Indice de Capacidad de Proceso
es muy amplio, por ejemplo superior a dos o ms.
No debe producirse en estas condiciones, pues la variabilidad puede ser advertida
por el cliente y produce una baja imagen del producto, por otra parte es probable
que se produzca una prdida de insumos, o sea de dinero.
Lo que corresponde hacer es reducir la amplitud de los lmites especificados a
valores de Indice de Capacidad de Proceso cercano , por ejemplo a dos.
O sea, hay que achicar la caja de los zapatos.
El ltimo caso es el peor de todos y significa que estamos con el proceso
inadecuado y la mquina equivocada, y no deberemos producir bajo ninguna
circunstancia.
Pgina 51
Caso a: El proceso est bajo control y no hay productos defectuosos.

Diagnstico:
Estado de la grfica:
Bajo control
La distribucin satisface las especificaciones
El Indice de Capacidad de Proceso es razonablemente mejor que 1.3
110
108
Lm ite de Control
Superior C/E
106
104
Lm ite de Control
Superior S/E
102
Valores del Proceso
100
98
96
94
92
08
:0
0
08
:3
0
09
:0
0
09
:3
0
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
90
Linea Central del

proceso
Lm ite de Control
Inferior S/E
Lm ite de Control
Inferior C/E
Esta es la situacin normal, significa que existe concordancia entre la

capacidad de proceso y las especificaciones
Pgina 52
Caso b: El proceso est bajo control pero hay productos defectuosos.

Diagnstico:
Bajo control
La distribucin no satisface las especificaciones
El Indice de Capacidad de Proceso es menor que uno.
115
110
Lm ite de Control
Superior S/E
105
Lm ite de Control
Superior C/E
Valores del Proceso
100
95
Linea Central del

proceso
Lm ite de Control
Inferior C/E
90
Lm ite de Control
Inferior S/E
08
:0
0
08
:3
0
09
:0
0
09
:3
0
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
85
En esta situacin no se debe trabajar. El proceso est bajo control pues los
valores no superan los lmites naturales Sin Especificacin, pero exceden
los lmites Con Especificacin. Corresponde mejorar la mquina para que el
proceso entre dentro de las especificaciones.
Pgina 53
Caso c: El proceso est fuera de control pero no hay productos defectuosos.

Diagnstico:
Estado de la grfica: Fuera de control;
La distribucin satisface las especificaciones
El ndice de Capacidad de Proceso es Muy superior a 1.3, por ejemplo tres.
130
120
Lm ite de Control
Superior C/E
110
Lm ite de Control
Superior S/E
100
Valores del Proceso
90
80
Linea Central del

proceso
Lm ite de Control
Inferior S/E
08
:0
0
08
:3
0
09
:0
0
09
:3
0
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
70
Lm ite de Control
Inferior C/E
Los limites especificados son muy amplios y soportan que el proceso est
fuera de control, sin que se produzcan defectos pues no se transgreden los
lmites especificados. Exige una revisin de la mquina y una revisin de los
lmites especificados que debern reducirse convenientemente.
Pgina 54
Caso d:
Fuera de control
La distribucin no satisface las especificaciones
El Indice de Capacidad de Proceso es inferior a uno.
130
120
110
Lm ite de Control
Superior C/E
Lm ite de Control
Superior S/E
Valores del Proceso
100
Linea Central del
proceso
90
Lm ite de Control
Inferior S/E
80
Lm ite de Control
Inferior C/E
08
:0
0
08
:3
0
09
:0
0
09
:3
0
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
70
En este caso se dan todas las condiciones desfavorables. No puede

trabajarse en estas condiciones.
8 Normas
8.1 Control Estadstico de la Calidad.
Esta tabla contiene todo lo visto en nuestro capitulo 7 y define adems el mtodo
de clculo llamado del falso cero para el clculo de la media aritmtica y de la
desviacin tpica. En ste apunte, al mtodo del falso cero se lo llam el mtodo
de Compilacin.
Las frmulas son coincidentes con las tablas del adjunto de este libro.
Pgina 55
8.1.1 NORMA: RESUMEN DE GRAFICOS DE CONTROL POR VARIABLES
cualquiera
~
X
n25
n>25
Observaciones
Lmites
Tamao subgrupo
Lnea Central
X
n25
sin
Mediana
con
n25
n25
n>25
Especificaciones
Media
sin
Parmetro
Control de la Exactitud
Para grficos tipo X , (muestras

grandes)
X A2
1)para grficos X , (muestras

pequeas)
3
2) A 2
c2 n
X A2R
1)para grficos
pequeas)
3
2) A 2
d2 n
3
~
X 1.25
n
~
X
~
X 1.25A1
~
X
~
X 1.25A2R
X, R
(muestras
n
~
Para grficos tipo X
, (muestras
grandes)
~
Para grficos tipo X
, (muestras
pequeas)
~
Para grficos tipo X
,R
con
Cualquiera
M 1.25
Pgina 56
Observaciones
Lmites
Lnea Central
Tamao subgrupo
n 25
n 25
n > 25
n 25
n > 25
Especificaciones
sin
sin
Desviacin Normal
con
Intervalo
Parmetro
8.1.2 Control de la Precisin
L.S. D 4 R
L. I. D 3 R
L.S. D 2
d2
L. I.
D1
D4
D2
d2
D3
D1
d2
D1=(d2-d3)
D2=(d2+d3)
3
2n
L.S. B 4
L. I. B 3
2n
n 25
con
c2
Pgina 57
L. I. B1
3
c 2
L.S. B 2
si n > 25 es c21
entonces:
c 2
8.1.3 NORMA: Factores para grficos de control por variables.
n
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Mas
de 25
MEDIAS
A1
A2
3.76 1.88
2.39 1.02
1.88 0.73
1.60 0.58
1.41 0.48
1.28 0.42
1.17 0.37
1.09 0.34
1.03 0.31
0.97 0.29
0.92 0.27
0.88 0.25
0.85 0.23
0.82 0.22
0.79 0.21
0.76 0.20
0.74 0.19
0.72 0.19
0.70 0.18
0.68 0.17
0.66 0.17
0.65 0.16
0.63 0.16
0.62 0.15
3
n
d2
1.13
1.69
2.06
2.33
2.53
2.70
2.85
2.97
3.08
3.17
3.26
3.34
3.41
3.47
3.53
3.59
3.64
3.69
3.73
3.78
3.82
3.86
3.90
3.93
-
INTERVALOS
d3
D1
D2
0.89 0
3.69
0.88 0
4.36
0.86 0
4.70
0.85 0
4.92
0.85 0
5.08
0.83 0.20 5.20
0.82 0.39 5.31
0.81 0.55 5.39
0.80 0.69 5.47
0.79 0.81 5.53
0.78 0.92 5.59
0.77 1.03 5.65
0.76 1.12 5.69
0.75 1.21 5.74
0.75 1.28 5.78
0.74 1.36 5.82
0.74 1.43 5.85
0.73 1.49 5.89
0.73 1.55 5.92
0.72 1.61 5.95
0.72 1.66 5.98
0.72 1.71 6.00
0.71 1.76 6.03
0.71 1.80 6.06
-
D3
0
0
0
0
0
0.08
0.14
0.18
0.22
0.26
0.28
0.33
0.31
0.35
0.36
0.38
0.39
0.40
0.41
0.42
0.43
0.44
0.45
0.46
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
1.74
1.72
1.69
1.67
1.65
1.64
1.62
1.61
1.60
1.59
1.57
1.57
1.56
1.55
1.54
DESVIACIONES TIPICAS
c2
B1
B2
B3
0.56 0
1.84
0
0.72 0
1.86
0
0.80 0
1.81
0
0.84 0
1.76
0
0.87 0.03
1.71
0.03
0.89 0.10
1.67
0.12
0.90 0.17
1.64
0.18
0.91 0.22
1.61
0.24
0.92 0.26
1.58
0.28
0.93 0.30
1.56
0.32
0.94 0.33
1.54
0.35
0.94 0.36
1.52
0.38
0.95 0.38
1.51
0.41
0.95 0.41
1.49
0.43
0.95 0.43
1.48
0.45
0.96 0.44
1.46
0.47
0.96 0.46
1.45
0.48
0.96 0.48
1.44
0.50
0.96 0.49
1.43
0.51
0.96 0.50
1.42
0.52
0.97 0.52
1.41
0.53
0.97 0.53
1.41
0.54
0.97 0.54
1.40
0.55
0.97 0.55
1.39
0.56
1
3
2n
3
2n
3
2n
Los tamaos de muestra mas frecuentes son de 3 a 6, y los datos estn en el rea
sombreada.
B4
1.27
2.57
2.27
2.09
1.97
1.88
1.81
1.76
1.72
1.68
1.62
1.65
1.59
1.57
1.55
1.53
1.52
1.50
1.49
1.48
1.47
1.45
1.44
1.43
1
3
2n
Pgina 58
Pgina 59
8.2 Norma para seleccin de muestras al azar.

Esta norma formaliza el mtodo de extraccin de las unidades representativas del
lote o poblacin mediante la determinacin de cuales sern las unidades a
controlar siguiendo las tablas de nmeros al azar que conforman la norma.
Este procedimiento debe tomarse cada vez que se necesite rigurosidad absoluta
en la extraccin al azar de las muestras.
8.3 Inspeccin por atributos. Tablas y procedimientos de muestreo.
8.3.1 Alcance
Esta norma establece planes y procedimientos de muestreo para la inspeccin por
atributos.
8.3.2 Nivel de Calidad Aceptable (AQL)
8.3.2.1 Uso
El AQL junto con la letra cdigo del tamao de la muestra, se usa para identificar
los planes de muestra descritos en esta norma.
8.3.2.2. Definicin de AQL
Se define como AQL, al porcentaje defectuoso de un lote que tiene una
probabilidad cercana al 95 % de ser aprobado.
8.3.3 Inspeccin Normal, Rigurosa y Reducida.
Todo inicio de proceso productivo, debe comenzar con la Inspeccin Normal.
Cuando una sucesin predeterminada de lotes (10 lotes?) se obtienen con
resultados aprobados, puede hacerse una reduccin de la carga de trabajo,
disminuyendo la cantidad inspeccionada. Este procedimiento no disminuye la
seguridad de la inspeccin. La tabla da otras condiciones para poder realizar el
cambio.
Pgina 60
En caso contrario, cuando 2 lotes de cada 5, resultan rechazados, se deber

utilizar la Inspeccin Rigurosa.
El uso prolongado de la Inspeccin Rigurosa exige un replanteo del proceso con la
finalidad de mejorarlo tecnolgicamente.
8.3.4 Plan de muestreo.

Un plan de muestreo indica el nmero de unidades de producto que deben ser
inspeccionadas en cada lote y los criterios para determinar la aceptabilidad
del lote (nmeros de aceptacin y rechazo).
8.3.5 Nivel de inspeccin

El nivel de inspeccin determina la relacin entre el tamao del lote y el tamao de
la muestra. el nivel de inspeccin debe ser determinado por la autoridad
responsable. El nivel ms utilizado es el nivel II.
8.3.6 Tipos de planes de muestreo

Las tablas 2, 3 y 4 dan tres tipos de planes de muestreo: simple, doble y mltiple.
La eleccin de la conveniencia de dichos planes se basa en la comparacin de las
dificultades administrativas y el tamao medio de las muestras de los planes
disponibles.
El tamao medio de las muestras de los muestreos mltiples suele ser menor que
el de los planes dobles y estos que los del muestreo simple. Sin embargo la
administracin de los planes tienen relacin inversa.
Pgina 61
9 Bibliografa de la parte 1
Control de Calidad de Garca y Arrondo, Instituto Argentino de Control de
Calidad.
Herramientas estadsticas bsicas para el mejoramiento de la calidad de
Hitoshi Kume, Editorial Norma.
Estadstica de Murray R. Spiegel . Serie Schaum Mc Graw Hill.
Control de Calidad Estadstico de Eugene Grant, Compaa Editorial Continental
S:A.
Parte 2:
Pgina 62
Gestin del Control de Calidad
Gestin de Calidad
Introduccin:
Mucho se habla de Gestin de Calidad, pero no siempre se tiene claridad de lo
que significan estos trminos. En la Gestin por Calidad el objetivo de la
Empresa es la Satisfaccin del Cliente. Se parte de la base de que esa
satisfaccin es la nica manera de garantizar la permanencia de la Empresa en el
mercado al largo plazo.
Como resumen de lo que sigue a continuacin, podramos decir que para lograr
ese objetivo se realizan una serie de acciones para mejorar todo el entorno de la
Empresa, y eso trae como resultado la satisfaccin total de los clientes.
El concepto del Control Total de Calidad tiene como caractersticas principales:
a)
b)
c)
d)
El nfasis en los procesos y no solo en los resultados.

La calidad est en cada etapa del proceso.
Los atributos del producto son definidos por los clientes.
Todas las personas de la empresa participan.
Las consecuencias de esa poltica se traducen en mejoramientos de los procesos,

menos errores, menores costos, mejor motivacin del personal, etc., etc.
10 Control Total de Calidad (CTC)
10.1 Evolucin Histrica del concepto
Sin duda el concepto de Calidad es muy antiguo, as lo demuestran los dibujos de
los frisos egipcios. En el 2150 antes de Cristo, se poda leer en el Cdigo de
Hammurab : ...si un albail ha construido una casa y ,no siendo sta
suficientemente slida, se hunde y mata a sus ocupantes, el albail deber ser
ejecutado.
Los fenicios, eran menos drsticos, si las violaciones a los requisitos de calidad
sucedan con frecuencia inapropiada, los inspectores tomaban una solucin que
impedan la repeticin de los defectos, la los artesanos que haban elaborado un
producto no conforme, les cortaban las manos!!.
Ya en los comienzos de este siglo, Ford aplica en gran escala los principios de
Frederick W. Taylor. Esto permiti fabricar productos de alta tecnologa con bajo
costo.
En este punto aparece la inspeccin como parte del proceso. El objetivo de la
inspeccin era la de separar los productos buenos de los malos.
Pgina 63
Poco despus, en las fbricas, se comienza a separar la funcin de control de la

de produccin.
En 1920, Western Electric instala un por primera vez un departamento de calidad.
Uno de los miembros es, nada menos que Walter Shewhart.
W. Shewhart, introduce por primera vez, la estadstica como herramienta de
trabajo. En 1931, publica su Tratado, donde explica el principio de los grficos de
Control, con una serie de tablas que aun conservan vigencia y se utilizan como
herramienta didctica. (ver Parte Dos, Grficas de control de Shewart, Control de
Calidad Estadstico de Eugene Grant)
J.M.Jurn y W.E. Deming, son discpulos de Shewhart.
En 1941, Dodge y Romig, publican las primeras tablas de muestreo.
Al finalizar la segunda guerra mundial, el General D.MacArthur, la nueva autoridad
del Japn, trae al pas, las tcnicas estadsticas, que haban sido durante la
guerra, secreto militar.
En 1945, A. V. Feigenbaum, publica su primer artculo, La Calidad como
Gestin. A su lado, los dos discpulos de Shewhart,W.Edward Deming y J. M.
Juran, alcanzan lugar destacado.
En 1949, la JUSE, ( Japanese Union of Scientis and Engineers) forma un grupo de
investigacin donde comienza su destacada labor, el mximo cientfico del Control
de Calidad en Japn, el Seor Kaoru Ishikawa.
En 1950, Deming comienza una serie de visitas al Japn, que a la postre resultan
decisivas en el desarrollo de la calidad en Japn.
Los japoneses, utilizan las nuevas tcnicas con gran inters, y desarrollan un plan
de capacitacin a gran escala,. Estos cursos comienzan en 1950. Uno de los
medios que utilizan para la capacitacin a gran escala es la radio por ondas
cortas.
En 1951, Feigenbaum, publica su libro, Control Total de la Calidad. Este libro se
considera como la gnesis del concepto del CTC, pero no ser hasta fines de siglo
que el concepto se impondr en todo el mundo, comenzando en Japn.
En 1951, Juran publica su primer Tratado de Calidad, Quality Control Handbook.
En 1954, es invitado al Japn para participar con Deming, en la formacin de los
Directivos de las empresas en asuntos de Gestin de Calidad.
Ambos fueron condecorados por el emperador Hiroito con la ms alta
condecoracin.
En 1962, la JUSE, publica en su revista de gestin de Control de Calidad, el
manual de Control de Calidad de K. Ishikawa, del cual rpidamente se venden
200.000 ejemplares.
Tambin en 1962, se forma el primer Crculo de Calidad.
Debemos aclarar en este punto, que un Circulo de Calidad, es un grupo de gente,
coordinados por un Lder, que se rene a estudiar y aprender.
Como consecuencia de su aprendizaje, y aplicando los nuevos conocimientos
adquiridos, se pueden solucionar eficazmente problemas de la empresa.
Actualmente, existen pases como China que tienen 70 millones de personas
formndose en los conceptos del CTC, lo que hace predecir que en el futuro
cercano, seremos inundados por productos chinos de la mejor calidad y a bajo
precio.
Pgina 64
Los Crculos de Calidad han tenido buena aceptacin en pases como Francia,
pero sobre todo en otros pases de Oriente.
10.2 Conceptos del CTC

10.2.1 CTC Segn Armand V.Feigenbaum
La Calidad Total es hoy un imperativo, la competencia mundial es global, Hoy en
da la competencia exige que para tener xito con nuestros productos, debemos
disearlos fabricarlos y venderlos con el potencial de obtener la supremaca
internacional.
La ley de Murphy, dice que si puede aparecer un competidor, a nivel internacional,
para nuestro producto, aparecer.
Por ello, la calidad se ha convertido en la clave mas poderosa para obtener:
La satisfaccin total de los clientes,
El liderazgo en recursos humanos,
Los costos ms bajos.
En los ltimos 20 aos, a quedado claro, que una estrategia rentable ha sido
producir ms rpido, entregar antes y cobrar menos, pero en esta dcada, ya no
es suficiente, adems hay que producir... mejor !!
En el mercado actual, un cliente satisfecho se lo cuenta a 5 conocidos, un cliente
insatisfecho se lo cuenta a 15, conocidos y desconocidos.
El autor e iniciador del Control Total de la Calidad, A. V. Feigenbaum, nos provee
de diez puntos de referencia del CTC para sta dcada que est a punto de
finalizar.
a) La calidad es un proceso que involucra a toda la Compaa
b) La calidad es lo que el cliente dice que es.
c) La calidad y el costo son una suma y no una diferencia.
La calidad es una estrategia fundamental del negocio y una oportunidad
excepcional de lograr una alta rentabilidad . Por esta razn es fundamental tener
un sistema que nos permita conocer el costo de la Calidad. En esta presentacin
veremos ms adelante los detalles para un programa de Costos de Calidad.
Pgina 65
d) La calidad requiere de un fanatismo, tanto individual como colectivo.

La calidad es trabajo de todos. No deben existir islas de calidad entre los
distintos grupos de produccin, sin puentes que los unan.
Pgina 66
c) La calidad es un modo de dirigir.

La buena direccin significa un liderazgo personal que hace posible el
conocimiento de la calidad, las habilidades y las actitudes de cada miembro de la
organizacin, para reconocer que realizar la calidad con correccin obliga a que
cada quien trabaje correctamente en la Empresa.
d) La calidad y la innovacin son mutuamente dependientes.
Cuando un producto nuevo se lanza al mercado, debe incluirse a la calidad como
un elemento esencial del desarrollo, y no en segunda instancia cuando los
problemas del producto en el mercado lo hace necesario y evidente.
e) La calidad es una tica.
El concepto de la excelencia es uno de los motivadores bsicos del
comportamiento humano. Debe aprovecharse esta cualidad para hacer de la
calidad un liderazgo.
f) La calidad requiere una mejora constante.
El concepto bsico debe ser el de que nunca se alcanza el objetivo de calidad, es
decir, siempre se deber subir y subir el lmite buscado, de manera que exista una
permanente bsqueda de calidad. Esto se llama Mejoramiento Continuo.
g) La calidad es la ruta a la productividad ms eficiente en costo y menos
intensiva en capital.
Cuando la calidad no es el medio para lograr la productividad, existe en las
fbricas verdaderas
plantas ocultas para el reproceso de las unidades
defectuosas. Este esfuerzo para el reprocesamiento debera utilizarse para
evitarse la generacin de defectos en lnea.
h) La calidad se implementa con un sistema total unido a los clientes y
proveedores
Hoy en da la capacidad tcnica de las compaas no es el problema principal de
la calidad. Lo que diferencia a los lderes de la calidad de los seguidores de la
calidad es la disciplina de la calidad, y que los hombres y mujeres de la
organizacin entiendan, crean en, y sean parte de los procesos claros de la
calidad del trabajo.
Los diez puntos descritos hasta aqu, en sntesis nos dicen, que la calidad es un
modo de enfocar totalmente a la Empresa en el cliente, ya sea el usuario final, o el
puesto de trabajo que nos sigue a continuacin.
Pgina 67
Las Empresas que an no comprenden esta situacin, se hace evidente que la

calidad no es an un inters de los ms altos ejecutivos, y piensan aun que la
calidad es un trabajo de los especialistas y que estos operan en un nivel
secundario en los intereses reales de la empresa.
En estas Empresas, subdesarrolladas, la calidad no es todava una lnea principal
de actividad en el desarrollo y la ingeniera. En estas Empresas, se piensa que la
innovacin es la llave del xito y que lograr la calidad es una tarea menos
desafiante, ms al alcance de la mano y por lo tanto de segundo lugar.
En estas Empresas, tienen esta cultura muy bien asimilada, por lo cual, las
personas a cargo del rea financiera, no se hacen mucho problema frente a los
errores de facturacin, los cuales provocan muchas veces ms irritacin que la
misma devolucin de un producto defectuoso. Tampoco hacen mella en los
responsables de Marketing quienes piensan que el producto debe venderse, aun
cuando el rea productiva no los estn haciendo bien.
En los mercados actuales, la excelencia de la calidad es una demanda de valor
total que incluye no solamente las expectativas del buen funcionamiento del
producto en si, sino tambin el soporte alrededor del producto, como el servicio
tcnico y otros a partir de todas las reas de la Empresa proveedora.
El mercado actual, no pide solamente una reduccin de las cosas que anden mal,
sino tambin un incremento de las cosas que anden bien.
Pgina 68
10.2.2 CTC Segn Kaoru Ishikawa

Sin lugar a dudas, K. Ishikawa es el terico de mayor influencia en el xito de la
industria japonesa, y uno de los hombres que mejor han interpretado las reglas
del CTC:
En este breve estudio, se tratar de resumir los conceptos de tan brillante maestro
del CTC.
Las siguientes, son algunas de las citas de su libro: Que es el control de
Calidad? :
1.- El Control de Calidad al estilo japons es una revolucin conceptual en la
gerencia.
2.- Control de Calidad es hacer lo que se debe hacer en todas las industrias.
3.-El Control de Calidad comienza con educacin y termina con educacin.
4.-Para aplicar el Control de Calidad tenemos que ofrecer educacin continuada
para todos, desde el presidente hasta los obreros.
5.-El Control de Calidad aprovecha lo mejor de cada persona
6.-El primer paso en el Control de Calidad es conocer los requisitos de los
consumidores.
7.-Otro paso es saber que comprarn los consumidores.
8.-El Control de calidad llega a su estado ideal cuando ya no requiere
vigilancia (inspeccin)
9.-El control de calidad debe incorporarse dentro del diseo y de cada proceso. No
se puede crear con la inspeccin.
10.-El control de calidad que hace hincapi en la inspeccin es anticuado.
11.-El concepto bsico subyacente en el control es la prevencin de errores
repetidos.
12.-Elimnese la causa bsica, no los sntomas.
13.-El control de calidad es responsabilidad de todos los empleados y de todas las
divisiones.
Pgina 69
14.-Si no hay liderazgo desde arriba no se puede insistir en el Control Total de

Calidad
Kaoru Ishikawa, junto con otros eminentes ingenieros, comenzaron con la larga
tarea de la transformacin de la industria japonesa, con los programas educativos.
Estos programas entre los cuales se inclua su libro de donde se extrae muchos
de los conceptos que se exponen en esta conferencia, se transmitieron por la
Radiodifusora Japonesa de Onda Corta, por la Radiodifusora Japonesa NHK,
tambin se recurri a los cursos por correspondencia. Tambin fue muy importante
el apoyo de las revistas especializadas.
Para los primeros aos de 1960, se pudo diagnosticar que la disciplina de estudio
de los obreros y capataces mostraban fallas por lo cual se recomend la formacin
de grupos de estudio, con un lder, y as se los llam Crculos de Calidad.
Segn las propias palabras del Sr. Ishikawa:
Quienes no conocen las actividades de CC piensan que estos grupos son
organizados para mejorar las condiciones de trabajo. Esto es un error. Los grupos
se organizan con el fin de estudiar, y estudian para no repetir errores.
Una caracterstica fundamental de estos crculos es el carcter voluntario para

integrar estos grupos de trabajo.
En 1967, se establecen los principios bsicos del Control de Calidad en Japn,
estos son:
1 Control de Calidad en toda la Empresa. Participacin de todos los miembros de
la organizacin.
2 Educacin y capacitacin en Control de Calidad
3 Actividades de Crculos de Calidad.
4 Auditoria de CC.
5 Utilizacin de mtodos estadsticos.
6 Actividades de promocin del Control de Calidad.
En esta etapa debe hacerse algunos alcances acerca de la cultura japonesa,

El obrero japons es de una baja rotacin en su empleo, esto trae como resultado
que la educacin es muy rentable, pues al contrario de lo que sucede en
occidente, las personas a medida que se educan producen mejor dentro de la
empresa que les est brindando cultura. Por esta razn los programas son
ambiciosos, por la duracin de los programas, que son a largo plazo,
Pgina 70
La otra gran diferencia la establecen los propios gestores del control de calidad,
mientras que en occidentes la tarea es encarada por los especialistas con miras a
sus propios honorarios por conceptos de asesora, en Japn, las personas
encargadas, visitan las empresas llevando su propio almuerzo.
El control de calidad japons es una revolucin en el pensamiento de la gerencia.
Representa un nuevo concepto de la gerencia.
La definicin de K.Ishikawa es la siguiente:
Practicar el control de calidad es desarrollar, disear, manufacturar, y
mantener un producto de calidad que sea el ms econmico, el ms til y
siempre satisfactorio para el consumidor.
Algunos puntos importantes son:
Hacemos control de calidad con el fin de producir artculos que satisfagan los
requisitos de los consumidores
Se debe hacer hincapi en la orientacin hacia el consumidor. El antiguo
pensamiento de que el fabricante le hace un favor al consumidor por venderle su
producto es absolutamente caduco.
En su interpretacin mas estrecha, calidad significa calidad de producto.
Pero en su interpretacin ms amplia, calidad significa calidad de trabajo,
calidad de servicio, calidad de la informacin, calidad del proceso, calidad de la
divisin, calidad de las personas incluyendo a los trabajadores, ingenieros,
gerentes y ejecutivos. calidad del sistema, calidad de la empresa, calidad de los
objetivos, etc. El objetivo primario es controlar la calidad en todas sus
manifestaciones.
Quejas por productos defectuosos

Ishikawa da especial importancia a la atencin de este problema.
Las quejas de los consumidores no siempre son visibles, cuando el producto es
costoso, muy probablemente nos vamos a enterar, pero cuando no lo es,
simplemente el consumidor no se queja, pero nos castiga de la peor manera,
cuando vuelve a comprar, acude a otra marca!
Algunos gerentes o ejecutivos chapados a la antigua, ocultan las quejas o
dificultan el pronto conocimiento de las divisiones interesadas en corregir. Esta
prctica es el mejor rumbo a la quiebra de la empresa. Es fundamental averiguar,
investigar que dificultades tienen los clientes con nuestros productos y traer la
informacin a nuestra empresa lo ms rpido posible para corregirlo.
Pgina 71
La prctica responsable de cambiar los productos malos por buenos, incluso

despus de haber vencido el periodo de garanta, es necesaria e indispensable,
pero una vez hecho esto el asunto no termina all, hay que averiguar si otros
clientes podran sufrir el mismo inconveniente y retirar el producto potencialmente
defectuoso, aun sin la queja del cliente, especialmente, si el defecto podra
amenazar la integridad del consumidor.
Evitar que los errores se repitan
Ishikawa distingue tres pasos,
a) eliminar los sntomas,
b) eliminar las causas y
c) eliminar las causas fundamentales
.Solo los pasos b y c evitan la repeticin de los errores, pero solo el paso c) es
verdadera prevencin.
Que es el Control Total de Calidad?
Pueden haber muchas definiciones, pero en su esencia significa el control de la
administracin misma.
Ishikawa reconoce que el gestor del concepto, es el Seor Feiguenbaum, pero
establece diferencias fundamentales con el occidente. Mientras que en USA y
Europa, el CTC queda en manos de los especialistas, en Oriente, se le entrega el
control a las bases, pero cuidado, estas bases son ahora gente culta, gente con
instruccin en estadstica, en conceptos de Control de Calidad, son personas con
discernimiento, con capacidad de decidir, lo que es bueno y lo que es malo, son
capaces de corregir los procesos sin esperar que venga el tcnico o el que
supuestamente sabe ms para detener o cambiar el proceso.
La diferencia marc el camino del xito.
Ishikawa resalta que dentro de la Empresa, nuestro cliente es el que sigue en la
lnea del proceso, es decir, tenemos clientes internos que deberemos satisfacer,
pero lo interesante de esto es su interpretacin de quienes son los clientes de los
Directores y gerentes: son los obreros y las lneas de proceso mas bajas,
aquellos que hacen el producto y que son los que necesitan ms asistencia.
A ellos deben dedicar su tiempo en funcin de lograr la calidad y la productividad,
asistirlos para que tengan todo lo necesario para producir ms y mejor, en menor
tiempo y anticipndose a los errores. Es un falla gerencial creer que eso lo debe
hacer otras personas, o los especialistas. Mientras eso no se entienda no habr
CTC.
Pgina 72
El CTC es una revolucin conceptual en la Gerencia

Segn la experiencia de K. Ishikawa, las empresas que tuvieron xito con la
aplicacin del CTC, en Japn, lo lograron con las siguientes caractersticas:
1. Primero la calidad: no a las utilidades a corto plazo.
2. Orientacin hacia el consumidor; no hacia el productor. Pensar desde el punto
de vista de los dems
3. El proceso siguiente es su cliente: hay que derribar las barreras del
seccionalismo.
4. Utilizar datos y nmeros en las presentaciones, utilizacin de mtodos
estadsticos.
5. Respeto a la humanidad como filosofa administrativa: administracin totalmente
participante.
6. Administracin interfuncional .
Pgina 73
10.2.3 CTC Segn J. M. Juran

Los puntos claves del pensamiento de Juran son los siguientes:
El factor clave en la competicin por conseguir el liderazgo en calidad es la
tasa de la mejora de la calidad.
Las prdidas por costos de calidad mas importantes son los que se producen
de manera interdepartamental, es decir en el interior de la Empresa, En los
Estados Unidos, Juran estima que un tercio de lo que se hace consiste en rehacer
lo que se fabric previamente, debido a deficiencias de la calidad.
Las mejoras de Calidad no deben ser actos voluntarios, deben ser exigidos de
algn modo por la ms alta direccin y deben estar auditados convenientemente.
El rendimiento de la inversin en la mejora de la calidad se encuentra entre los
ms altos que se conocen.
La mejora de la calidad no utiliza inversiones intensivas, pero tampoco sale
gratis.
El primer paso para la mejora consiste en la creacin de un consejo de
calidad.
Las mejoras de calidad deben encararse proyecto a proyecto.
Es fundamental, que el primer proyecto sea exitoso.
La integracin del mejoramiento continuo como parte integrante de los planes
empresariales puede llevar aos implementarla.
No es suficiente que los directivos establezcan polticas y luego lo deleguen a
los subordinados.
Para convencer a los subordinados de que se tiene la intencin de que la
mejora de calidad siga adelante, hace falta que los altos directivos realicen cosas
sin precedentes.
El establecimiento de la gestin de calidad por toda la empresa implica
cambios profundos, alguno de los cuales pueden no ser bien recibidos.
El consejo de calidad tiene la obligacin perentoria de obtener datos fidedignos
de los costos de la mala calidad y la concentracin de los mismos para
proporcionarlos a los altos directivo
10.3
Pgina 74
Ruta para implementar un programa de Control de Calidad Total
10.3.1 Etapas de un programa de calidad total.

El ordenamiento sugerido es solo una gua, estos pasos dependen del estado
inicial de la empresa, el tamao, la preparacin del personal, e innumerables
factores que seria difcil detallar. Cada empresa tendr un programa distinto, pero
habr mucho en comn con los que siguen:
10.3.2 Etapa previa.
a) Decisin, definicin, sensibilizacin de la alta gerencia en torno a la necesidad
de obtener la Calidad Total. Debe estar clarsimo que el proceso requiere el
absoluto compromiso por parte de la Gerencia General. Si esto no es as, no se
deber continuar.
b) Diagnstico de la realidad de la empresa, conocimiento del momento cero,
anlisis de la real situacin actual desde todo punto de vista.
c) Designacin de un comit para la calidad total, y elaboracin de un cuidadoso
plan, coherente con l diagnostico anterior, para un programa de calidad total.
Debe incluir etapas a realizar, objetivos, plazos, coordinacin y organizacin. En
esta etapa deber estar, revisada, actualizada y definida la Poltica de Calidad de
la empresa y sus objetivos
10.3.3 Etapas de un programa de Calidad Total en marcha
a) Introducir el tema de la calidad en la empresa. Este concepto tiene que pasar a
ser obsesivo para todo el personal, en todos sus niveles.
b) Re definir, replantear, poner en duda, todos los procesos de produccin de la
empresa, las operaciones, las funciones, las especificaciones tcnicas y todo lo
que existe. Por otra parte se deber lograr un lenguaje comn. Se deber re
elaborar todo el Sistema de Calidad lo cual incluye el Plan de Calidad, y ste
deber estar incluido dentro del Manual de Calidad.
c) Capacitacin en profundidad, de los gerentes y directivos. K. Ishikawa, dice que
el programa empieza enseando y termina enseando. Los temas de educacin
debern ser generosos en conceptos de calidad desde gestin hasta las
herramientas estadsticas bsicas.
Pgina 75
d) Capacitacin de Supervisores. Este programa debe ser complementario del

anterior. Aqu tiene especial importancia los conocimientos estadsticos, (las 7
herramientas).
e) Identificar y comenzar el plan de transformacin con los procesos que se sabe,
se obtendrn xitos inmediatos. Es importante comenzar con evidencias de que el
plan da resultado para incentivar a toda la empresa.
f) Mejorar las comunicaciones internas. Identificar los proveedores y clientes
internos, crear mejores lazos de comunicacin para eliminar errores y crear un
espritu de colaboracin.
g) Estudiar los proveedores y trabajar con ellos. Este programa exige proveedores
de alta calidad.
h) Conocer mejor a los clientes y conocer sus necesidades y que es lo que
esperan de nosotros.
i) Capacitar a ultranza a los trabajadores en todo aquello que necesiten y mucho
ms aun.
10.3.4 Elementos esenciales en una empresa que hace Control Total de
Calidad:
a)
b)
c)
d)
e)
Compromiso real de la Gerencia General con la Calidad.

Polticas de calidad establecidas, conocidas y funcionando.
Costos de Calidad .
Auditorias Internas de Calidad.
Control de Calidad Estadstico establecido en cada punto de los procesos
que hacen a la calidad del producto.
f) Programas establecidos de mejoramiento continuo de la calidad.
No es posible...
No es posible el Control Total de Calidad, sin el compromiso de la Gerencia, no
es posible hacer Control Total Calidad si no existe una Poltica de Calidad que
indique los lineamientos y los objetivos de calidad, no es posible medir el xito o
detectar el fracaso de nuestra poltica de calidad si no tenemos funcionando el
termmetro llamado Costos de Calidad, no es posible corregir los desvos y
conocer lo que sucede con nuestro objetivo de calidad si no hacemos Auditorias
de Calidad Interna, verdadero motor del Mejoramiento Continuo y no es posible
conocer si se cumplen con las especificaciones de nuestros productos, si no
hacemos Control Estadstico de la Calidad en todos aquellos lugares que hacen a
la Calidad del producto.
Pgina 76
11 Costos de calidad
Durante los anlisis anteriores hemos destacado la importancia fundamental de
tener buenos controles de los costos de calidad, a continuacin daremos una gua
acerca de los principales conceptos.
11.1 Costos de Prevencin
11.2 Costos de Evaluacin
11.3 Costos de Fallas
Pgina 77
C O S T O S D E L A C A L ID A D
E S T R U C T U R A D E L O S C O S T O S D E C A L ID A D
C O S T O S D E P R E V E N C IO N
A N A L IS IS D E L A F A B R IC A C IO N
P L A N E A C IO N D E L A IN S P E C C IO N
E V A L U A C IO N D E L P R O V E E D O R
A C T IV ID A D E S D E P R E P R O D U C C IO N
S IS T E M A D E C A L ID A D
C O N T R O L Y A N A L IS IS D E L
D E S A R R O L L O D E L A C A L ID A D
DEL PRO DUCTO
A U D IT O R IA D E C A L ID A D
D E L O S S IS T E M A S
G E S T IO N Y A D M IN IS T R A C IO N
D E L A S A C T IV ID A D E S
D E C A L ID A D
C A P A C IT A C IO N
P R O G R A M A S M O T IV A C IO N A L E S
C O S T O S D E E V A L U A C IO N
IN S P E C C IO N D E R E C E P C IO N
IN S P E C C IO N D E L P R O C E S O
IN S P E C C IO N F IN A L
A U D IT O R IA D E C A L ID A D
DEL PRO DUCTO
P R U E B A S E S P E C IA L E S
C O S T O S D E F A L L A S IN T E R N A S
DESECHOS
REPROCESO
R E IN S P E C C IO N
S E L E C C IO N
A N A L IS IS D E D E F E C T O S
D E G R A D A C IO N
CO STO S DE FALLAS EXTERNAS
L A S R E C L A M A C IO N E S
G A R A N T IA S
DESCUENTO S
R E T IR A D A
Pgina 78
12 Mtodos de Aseguramiento a Nivel Nacional e Internacional.

12.1. Sistema Nacional de Acreditacin
En clase se entrega una copia de la informacin del INN sobre el Sistema de
Nacional de Acreditacin y se discute los propsitos de este Sistema.
12.2 Internacionales, Familia ISO 9000
Se desarrollan en clase utilizando las normas originales.
Se conoce como las Normas de la Familia ISO 9000, las siguientes:
ISO 9000 en sus partes 1, 2, y 3
Se consideran guas para la seleccin y uso de las normas 9001, 9002 y 9003.
ISO 9001
Sistemas de calidad - Modelo de aseguramiento de calidad en diseo, desarrollo,
produccin, instalacin y servicio.
ISO 9002
Sistemas de calidad - Modelo de aseguramiento de calidad en produccin,
instalacin y servicio.
ISO 9003
Sistemas de calidad - Modelo de aseguramiento de calidad en la inspeccin y
ensayos finales.
ISO 9004 en sus partes 1, 2, 3, y 4.
Gestin de calidad y elementos del sistema de calidad.
Se consideran directrices y guas para el establecimiento de un sistema de calidad
y mejoramiento continuo.
Serie ISO 10.011 en sus partes 1, 2 y 3
Pgina 79
Son guas para las auditorias.
13 Concepto de las auditorias en el contexto de las Normas ISO 9000

13.1 La auditoria y su significado.
Es un examen sistemtico e independiente para determinar si las actividades
y los resultados relacionados con la calidad cumplen disposiciones
preestablecidas, y si las disposiciones se aplican en forma efectiva y son
aptas para alcanzar los objetivos.
Esencialmente, la auditoria de calidad se aplica a un sistema de calidad o a los

elementos del mismo, a los procesos, a los productos, o a los servicios, pero
tambin se puede aplicar a otros conceptos. Tales auditorias a menudo se
denominan auditoria del sistema de calidad del proceso, auditoria de calidad del
producto y auditoria de calidad del servicio
Las auditorias de calidad son efectuadas por personal que no tenga
responsabilidad directa en las reas auditadas, pero preferiblemente, trabajando
en colaboracin con el personal correspondiente.
Uno de los propsitos de una auditoria de calidad es evaluar la necesidad de
mejoramiento y de accin correctiva. No se debe confundir una auditoria con las
actividades de supervisin de la calidad o de inspeccin efectuadas con
propsitos de control de proceso o de aceptacin del producto.
13.2 Tipos de auditoria
Auditoria interna, es aquella auditoria iniciada por el propio responsable con
personal propio. En general tiene como objetivo producir un mejoramiento,
conocer el alcance de la aplicacin de la poltica de calidad, obtener la confianza
de la gerencia, etc.
Auditoria externa, esta auditoria es llevada a cabo por personal ajeno a la
empresa. puede tener variados objetivos y orgenes, puede ser solicitada por la
propia gerencia, por un cliente, o tener fines de certificacin.
Otra manera de clasificar las auditorias es la siguiente:
Auditoria de primera parte: es cuando el auditor pertenece a la propia empresa.
Pgina 80
Auditoria de segunda parte: es cuando el auditor es enviado por un cliente de la

empresa que ser auditada. Tiene como objetivo dar confianza al cliente.
Auditoria de tercera parte: Es cuando el auditor pertenece a un organismo ajeno
al cliente y al auditor. Puede ser un ente de certificacin.
13.3 Elementos de una auditoria
Elemento uno: la realidad, lo que se ve, lo que sucede, o sea:
LO QUE SE HACE
Elemento dos: la referencia con la cual debemos comparar lo que se hace, los
procedimientos, las reglas escritas, que se han desarrollado para alcanzar los
objetivos propuestos, es decir:
LO QUE SE DEBE HACER
Elemento tres: el tercer elemento lo constituye el objetivo, a donde se quiere
llegar, es decir:
LO QUE SE QUIERE HACER
Pgina 81
Salida
REFERENCIA
REALIDAD
E 1
ESPECIFICACIONES
REGLAMENTOS
NORMAS
PROCEDIMIENTOS
MANUAL DE CALIDAD
LO QUE
HACER
SE
PROCESOS
DEBE
LO QUE SE HACE
Entrada
E 3
E 2
OBJETIVO
MEJORAMIENTO
SATISFACCION DEL
CLIENTE
CERTIFICACION
LO QUE
HACER
SE
QUIERE
Pgina 82
Las desviaciones entre estos tres elementos, en un momento dado, constituyen la

comprobacin de la situacin por auditar:
E 1 representa la desviacin entre lo que se debe hacer y lo que se hace
E 2 seala la adecuacin de la referencia al objetivo por alcanzar
E 3
pone en evidencia las desviaciones entre la realidad y el objetivo por
alcanzar
Pgina 83
14 Bibliografa.
Normas Chilenas del INN (42, 43, 44, 2000, familia ISO 9000)
Control Total de la Calidad de Armand V. Feigenbaum
Manual de Control de Calidad de J.M: Juran y F.M. Gryna
Tratado de la Calidad Total de Vincent Laboucheix
Que es el Control Total de Calidad? de Kaoru Ishikawa
Practica de los Crculos de Control De Calidad de K. Ishikawa
Juran y el Liderazgo para la Calidad de J.M: Juran
Gestin por Calidad de Ricardo Riquelme Cataln y John Franklin Arce
Control de Calidad I del E. Garcia y A. Arrondo del Instituto Argentino de
Control de Calidad

Apuntes Sobre Estadistica para La Gestion de La Calidad en Produccion

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes Sobre Estadistica para La Gestion de La Calidad en Produccion

Cargado por

Copyright:

Formatos disponibles

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Nota a los alumnos

El presente trabajo tiene como finalidad dar un amplio panorama de

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Parte 1: Control de Calidad Estadstico

Distribuciones de frecuencia e histogramas

Medidores de tendencia central y de dispersin

Comprensin del concepto de Distribucin Continua, Distribucin

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Qu son las grficas de control?

Como elaborar una grfica de control

Control Estadstico de la Calidad

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Bibliografa del Control de Calidad Estadstico

Gestin del Control de Calidad

Control Total de Calidad (CTC)

Evolucin Histrica del concepto

Bibliografa de la Gestin del Control de Calidad

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Parte 1: Elementos del Control de Calidad Estadstico

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

1.2 Definicin de la calidad

Juran explica lo que es un defecto haciendo un juego de palabras:

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

La variacin en los materiales, en las condiciones de la mquina, en los mtodos

Defectos mayores: producen una disminucin en el correcto funcionamiento o

Defectos menores: producen una disminucin leve en el correcto funcionamiento

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Unidad 2, Distribuciones de frecuencia e Histogramas

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Los atributos son aquellas caractersticas de calidad no mensurables, cuya

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Marca de Clase (mediana) (x)

Una vez obtenido este cuadro procedemos al recuento y anotamos la frecuencia:

Este cuadro es el diagrama de frecuencias obtenido de los 40 datos obtenidos

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

3 Medidores de tendencia central y de dispersin

Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse:

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Mide la dispersin de los valores con respecto al valor central.

Esta frmula puede derivarse mediante sencillos clculos a esta otra:

Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse:

Desviacin tpica: 13.72

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

tengan los datos, nunca menos. En particular en estos clculos es costumbre

La DS es la raz cuadrada de la varianza de la distribucin

As la varianza es la media de los cuadrados de las diferencias entre cada valor de la

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

En este caso, N = 6 porque hay seis datos:

i=nmero de datos para sacar desviacin estndar

2. Calcular la desviacin estndar

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

ste es el valor de la desviacin estndar.

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

4 Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal

Un histograma se construye a partir de un cierto nmero de datos. Pero que le

Propiedades de la Distribucin Normal

La curva caracterstica queda determinada totalmente por dos parmetros:

Si bien en este curso no tenemos espacio para desarrollar el concepto de

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Un suceso es ms o menos probable segn la frecuencia con que ocurre. a mayor