Herramientas Básicas de Calidad

Manual del Participante
HERRAMIENTAS BSICAS DE
CALIDAD
D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

.
1. HOJA DE VERIFICACIN.
QUE ES LA HOJA DE
VERIFICACIN?
Es un formato que sirve para
registrar, analizar y procesar
fcilmente los datos registrados en
l.
Las condiciones para aplicar
eficientemente esta hoja son:
1. Investigacin.
2. Verificacin.
3. Registros.
Investigacin.
Se utilizan para analizar e
investigar situaciones de
preocupacin especiales,
permitiendo conocer el tipo de
defectos, su distribucin,
localizacin y cantidad.
Verificacin.
1. Elaborar la hoja de verificacin

que est de acuerdo con la
finalidad de uso.
2. Debe ser lo ms sencilla posible.
3. Los puntos de verificacin deben
ser estudiado constante mente.
4. Reglamentar el mtodo de
verificacin.
5. Los puntos de verificacin deben
coincidir con el orden de la
operacin.
6. Aclarar la secuencia de datos.
7. Tomar las medidas y
contramedidas oportunamente.
8. Debe de estar diseada de tal
manera que se puedan tomar con
facilidad las acciones correctivas.
COMO USAR LA HOJA DE
VERIFICACIN?
A grandes rasgos, se pueden
clasificar en tres grupos principales:
Con el fin de controlar los

trabajos diarios, se verifican ciertas
actividades peridicamente. De ante
mano se definen los puntos a
revisar y se lleva a cabo la
verificacin de acuerdo a esta hoja.
Registro.
Se toman los datos en forma
tabular para la elaboracin de los
reportes, para tener informacin que
nos permita visualizar la situacin
global de un proceso y para
apreciar sus variaciones a largo
plazo.
En la figura 6.1 se indica el
orden de aplicacin de la hoja de
verificacin.
Diferencias entre hoja de verificacin y lista de verificacin.

HOJA DE VERIFICACIN
Verificar despus que haya concluido la
operacin.
Evaluar la accin y el resultado.
Evaluar "Hasta que grado se est
cumpliendo".
LISTA DE VERIFICACIN
Si se han encontrado puntos de falla
durante La operacin, en el acto tomar
medidas y volver a verificar.
Evitar el error en el trabajo.
Verificar "si se est haciendo" o "No se
est haciendo".

.
2. DIAGRAMA DE PARETO
El diagrama de Pareto est
basado en un principio que
manejaba el economista italiano
Vilfredo Pareto en el siglo
pasado, el cual consiste en el
que el 80% de la poblacin
percibe el 20% de los ingresos
totales y el 20% restante
percibe el 80% de los ingresos.
Este principio puede aplicarse
tambin en muchos otros
aspectos de nuestra vida
cotidiana, por ejemplo:
El 20% de los artculos que
produce una fbrica le generan
el 80% de sus utilidades.
Aplicado al problema podemos
decir que "el 20% de las causas
generan el 80% de los
problemas.
Ninguna empresa o institucin
en el mundo, por grande y
poderosa que sta sea, tiene
los medios suficientes para
resolver el 100% de sus
problemas, por ello tiene que
aplicar sus recursos en forma
eficiente para resolver aquellos
problemas que sean ms
importantes o que su solucin
aporte un beneficio mayor.
El diagrama de Pareto es una
herramienta muy til que nos
ayudar a la identificacin de
aquellos problemas que son
ms graves o cuya solucin
puede aportar mayor beneficio.
2.1 Qu es el diagrama de
Pareto?
El diagrama de Pareto es una

grfica de barras que muestra
en orden descendente de
importancia
(magnitud,
frecuencia, costo, etc.) una
serie de problemas diferentes.
Por ejemplo. defectos, daos,
reclamaciones
de
clientes
(frecuencia,
o
costo),
accidentes, etc.
El diagrama de Pareto es muy
til cuando se tiene una gran
cantidad de problemas y se
necesita jerarquizarlos en orden
de importancia. Se utiliza
tambin para analizar si ha
habido mejora despus de la
aplicacin de alguna accin
correctiva a algn problema.
2.2 Cmo se hace un diagrama
de Pareto?
La elaboracin de un diagrama
de Pareto consta de los pasos
siguientes
1. elaborar una lista de los
problemas y sus valores en
trminos
de
costo,
porcentaje,
frecuencia
o
algn otro tipo de valor.
2. Determinar la fecha en la que
se elaborar otro diagrama
de Pareto para evaluar la
mejora.
3. Elaborar una tabla que
contenga
las
columnas
siguientes:
a) Problemas,
en
orden
descendente de acuerdo
con su valor.
b) Valores: costo, porcentaje,
frecuencia, etc.

.
c) Porcentaje que representa
cada tema del valor total.
d) Porcentaje acumulado.
e) Suma total de la columna
de valores. (b)
n = valor de cada problema.

N = suma total de todos los
valores de todos los problemas.
4. Calcular el porcentaje relativo

de cada problema y anotarlo
en su columna respectiva.
5. Calcular
el
porcentaje
acumulado
en
cada
problema.
(sumas
acumuladas de la columna
del porcentaje).
%=. n .
N
PROBLEMA
I.
II.
III.
IV.
V.
VI.
VII.
GRUMO
TALLONES
ESCURRIDAS
ABOLLADURAS
F/BRILLO
DECOLORACION
OTROS
VALOR
PORCENTAJE
PORCENTAJE
ACUMULADO
50
36
15
10
8
8
5
132
37.87
27.27
11.36
7.57
6.06
6.06
3.78
99.97
37.87
65.14
76.50
84.07
90.13
96.19
99.97
6. Llenar los datos generales en el formado de diagrama de Pareto

(Descripcin del problema, Planta, Departamento, Operacin, Periodo de
tiempo, etc.).
7. En el eje vertical seleccionar la escala adecuada de acuerdo con el valor
mximo de cada problema.
8. En el eje horizontal, en los espacios destinados a ellos anotar los
nombres de cada tema o problema.
9. Elaborar la grfica haciendo una barra por cada problema, comenzando
por la de mayor valor. La altura de la barra ser igual al valor de cada
problema.
10.
En el eje de la derecha escoger la escala adecuada para mostrar
el porcentaje acumulado. El 100% debe coincidir con el valor del eje
izquierdo que represente a la suma de todos los valores de cada
problema.
11.
Dividir en 10 partes iguales o mltiplos de 5 10 el eje de los
porcentajes.
12.
Tomando como referencia el extremo superior derecho de cada
barra y la escala de porcentajes, expresar los porcentajes acumulados
de cada tema con un punto.
13.
Unir los puntos con una lnea continua.

.
2.3 Recomendaciones
A) Procurar que los periodos que abarca el diagrama sean uniformes para
poder evaluar las mejoras de un periodo a otro.
B) Para la elaboracin de la tabla y de la grfica se deben elegir slo los
nueve problemas de mayor valor y todos los dems agruparlos en una
ltima columna que se llame "otros".
C) Al seleccionar la escala izquierda se debe poder observar el valor "N"
dentro de la misma.
D) Procurar no dejar espacio entre cada barra, pero en caso de que sea
necesario dejarlos, estos deben ser uniformes.
E) La barra de "otros" siempre debe ir al final no importando su valor.
2.4 Ejemplo de aplicacin del diagrama de Pareto.
RESULTADO
50
40
30
20
10
0
ANTES DEL
MEJORAMIENTO
FECHA:
ELABORO:
40
30
20
10
0
No. DE DEFECTOS
No. DE DEFECTOS
FECHA:
ELABORO:
ANTES DEL
MEJORAMIENTO
Grfica 4.2.- Diagrama de Pareto antes y despus del mejoramiento de

defectos de pintura en vehculos de pasajeros.
PERDIDA POR UN LOTE

8
4
2
TROS
RUGOSI
DAD
FORMA
MATERI
AL
DMENSI
ONES
SUMA PERDIDA
SUMA PERDIDA
6
8
6
REDUCC.
DE
PERDIDA
REDUCD
E PERD
A (52*24
YEN)
4
2
0

.
3. DIAGRAMA CAUSA-EFECTO.
En los procesos de manufactura
existe una variacin natural que
es generada por los elementos
del
proceso
productivo:
materiales, mano de obra,
equipo y/o herramienta, etc.
Cuando esta variacin es
excesiva se generan defectos y
problemas de calidad
Por ello, es necesario contar
con una herramienta que nos
permita
analizar
sistemticamente, las posibles
causas que estn generando
esta
variacin
excesiva,
considerando los factores que
influyen.
Esta
herramienta
fue
desarrollada por el profesor
Kaoru
Ishikawa,
de
la
Universidad de Tokio, en el
verano de 1943, para explicar a
ingenieros de una fbrica de
acero de Kawasaki, la forma de
clasificar y vincular entre s
diversos factores, por lo que
tambin se le conoce como
diagrama de Ishikawa.
3.1 Qu es el diagrama de
causa-efecto?
El diagrama de causa-efecto es
una herramienta analtica que
nos permite encontrar las
posibles causas que generan un
problema a travs de un anlisis
sistemtico exhaustivo de los
factores que pueden influir para
causar un efecto o problema.
Por su forma tambin se le
conoce como diagrama de
espina de pescado.
3.2 Cmo se construye un diagrama causa-efecto?

1. Escoja y describa la caracterstica de calidad que desea analizar (efecto)
2. Escriba la caracterstica de calidad en el lado derecho encerrada en un
cuadro y dibuje una flecha grande en el lado izquierdo.

.
CARACTERISTICA
DE CALIDAD
(EFECTO)
3. Indicar los factores ms importantes que pueden causar la variacin,
trazando flechas secundaria en direccin a la principal. Se recomienda
agrupar los posibles factores causales de dispersin mas generales en
grupos como: materiales, mano de obra, maquinaria y equipo, etc. y
cada grupo formar una rama.
MATERIALES
METODO DE TRABAJO
MANO DE OBRA
CARACTERISTICA
DE CALIDAD
(EFECTO)
MEDIO AMBIENBTE
MAQUINARIA Y EQUIPO
4. Anotar en cada rama. los factores detallados que se pueden considerar

causa de la variacin. en cada causa se pueden anotar ms detalles o
sub causas que formarn ramificaciones de las causas.
MATERIALES
METODO DE TRABAJO
MANO DE OBRA
CAUSA
SUBCAUSA
SUB-SUB-CAUSA
CARACTERISTICA
DE CALIDAD
(EFECTO)
MEDIO AMBIENBTE
MAQUINARIA Y EQUIPO

.
5. Verificar que todos los factores que puedan causar la dispersin estn
incluidos en el diagrama. Si lo estn y si han quedado adecuadamente
ilustradas las relaciones causa y efecto, el diagrama est completo.
6. Anotar los datos generales al pi del diagrama: nombre del producto, del
proceso, rea, fecha, nombre de quin lo elabor, etc.
3.3 Recomendaciones.
1. Para la elaboracin del diagrama causa-efecto se sugiere un intercambio
franco de ideas a travs de la tcnica conocida como "tormenta de
ideas".
2. La descripcin de las caractersticas de calidad debe ser lo mas
especifica posible, ya que si sta es muy general provocara que el
diagrama resulte muy grande y complejo siendo muy difcil llegar a la
verdad de la causa. Por ejemplo:
Si planteamos la caracterstica de calidad como una idea general:
DEFECTOS DE
PINTURA
Entonces no estamos tomando en consideracin que puede haber

muchos defectos de pintura (pintura con basura, escurrida, contaminada,
etc.) que pueden ser provocados por muchas causas y que harn que se
haga muy complicado el diagrama. Una forma mas adecuada de definir
la caracterstica de calidad podra ser: Defectos de pintura en cofre, o
todava mucho mas especifico: pintura escurrida en panel interior de
puerta derecha.
3. Para asegurarse de que todos los factores aparezcan en el diagrama
debe preguntarse repetitivamente: Por qu? Ejemplo:
Por qu se gener la primera escurrida?
Caracterstica de calidad
Por la dispersin del material
Factor
Por qu estaba mal el material?
Porque la viscosidad no era adecuada
Causa
Por qu no era adecuada la viscosidad?
Porque en lugar de tener "x" cps tena "y" cps
Sub causa.
y as sucesivamente.
4. Para llegar a una adecuada formulacin del diagrama causa-efecto es
indispensable conocer con profundidad el proceso o defecto del cual se
est hablando, en caso de que no se cumpla este requisito, el primer
paso es conocer a detalle el defecto y el proceso para no llegar a
conclusiones falsas.

.
5. Para evitar poner causas ajenas al problema pregntese siempre: De
qu manera esta causa se relaciona con el problema de calidad?
6. Cuidar de no confundirse y anotar juntos factores,. causas, acciones
correctivas e ideas.
FACTORES
FACTORES
EN TODAS LAS LINEAS

DIBUJAR LAS FLECHAS
CAUSA (Linea delgada)
PARALELA A LA
ESPINA MAS
GRANDE 2mm MAS
GRUESA
SUBCAUSA
Ms delgada
CARACTERISTICA
DE CALIDAD
(EFECTO)
LINEA GRUESA
LO MAS CONCRETO
POSIBLE
FACTORES
3.4 Diagrama Causa-Efecto de Flujo de Proceso.

Existe una variacin de diagrama causa-efecto, , en sta se anota la
caracterstica de Calidad de la misma forma que el diagrama anterior, por
ejemplo:
ABOLLADURAS
EN LAS
UNIDADES
Posteriormente, debe colocarse el flujo del proceso de produccin que

origina el defecto:
Carroceras
Pintura
Vestidura
Grupos
Mecnicos
Linea
Final
Abolladuras
en las
unidades
Una vez realizado esto, hay que anotar las causas y sub causas que
originan el defecto, en cada uno de los puntos del proceso.
4. HISTOGRAMA DE
FRECUENCIAS
.
con dicha norma o si se puede
llegara a cumplir.
4.1 Qu es el Histograma de
Frecuencias?
Despus de haber colectado

todos los datos a cerca de alguna
caracterstica
o
problema,
requerimos
una
herramienta
estadstica que nos permita
analizar la variacin que existe
de
acuerdo
con
el
comportamiento de los datos.
Esta
herramienta
es
el
Histograma
de
frecuencias,
mediante el cual se podrn
agrupar y organizar los datos de
manera que tengan algn
significado y que den una mejor
visin de la informacin obtenida
para obtener conclusiones y
poder
tomar
las
acciones
correctivas de una manera mas
objetiva y acertada.
Tambin nos permitir analizar el
comportamiento de un proceso y
compararlo
con
la
norma
establecida o variacin permitida,
para poder emitir un juicio acerca
de si se est cumpliendo o no
Norma
Antes del mejoramiento
Es una grfica de barras que

muestra la frecuencia con la que
han ocurrido o se han presentado
una serie de datos o fenmenos,
as como su distribucin, esto se
logra a travs de agrupar los
datos en intervalos definidos y
evaluar cuantos datos estn
contenidos en dichos intervalos
(frecuencia).
Expresando los datos en un
Histograma de frecuencias se
puede conocer y analizar:
1) El comportamiento global de
los
datos
(forma
de
distribucin).
2) Cul es su comportamiento
promedio (posicin central)
3) La magnitud de la variacin de
los datos.
4) Su
comportamiento
con
respecto a la norma o
especificacin
(ndice
de
capacidad del proceso y/o
porcentaje de defectos)
Norma
Despus del mejoramiento
4.2 Cmo se elabora un Histograma de Frecuencias?

Para la elaboracin de un Histograma de frecuencias se deben seguir las
etapas que a continuacin se muestran.
10
I.II.III.IV.-
COLECCIN DE DATOS
ELABORACION DE UNA
TABLA DE CONTEO
Y FRECUENCIAS
CONSTRUCCION DEL
HISTOGRAMA DE
FRECUENCIAS
INTERPRETACION
I. COLECCIN DE DATOS
1. Obtener los datos
El Histograma de frecuencias es una herramienta estadstica que permite
analizar el comportamiento de un proceso o fenmeno a travs de una
muestra, por ello es necesario definir dos conceptos:
Poblacin:
Es un conjunto o coleccin de todos los datos u observaciones de un
determinado evento o fenmeno.
Muestra:
Es un conjunto de datos (observaciones) de tamao "n" tomados al
azar de una poblacin.
Con los resultados obtenidos de los anlisis de las muestras se tratara de
interpretar el comportamiento de la poblacin total, entonces, es por ello
importante que dichas muestras sean representativas y tomadas al azar.
Es decir, que deben tener las mismas caractersticas generales de la
poblacin y se deben obtener sin haber sido pre-escogidas.
Por ejemplo. Si tenemos un lote de 60,000 tuercas, para hacer un muestreo
debemos obtener una cantidad "n" de piezas que reflejan las
caractersticas de las 60,000, las debemos tomar de cada caja, algunas
de la parte superior, algunas de la parte inferior y otras de la parte central
de la caja, etc.
Si la muestra "n" fuera de 5 piezas, sera una cantidad pequea, por ello no
seria representativa.
Si la muestra fuera n= 10,000 piezas, sera demasiado grande y requerira
un gran esfuerzo de verificacin.
Como una recomendacin, la muestra debe ser entre 10 y 20% del tamao
de la poblacin. en caso de que la poblacin sea muy grande se pueden
consultar tablas de muestreo publicadas como son la militar standard 105D, Dodge Roming, etc. en donde se indica con precisin dependiendo del
tamao del lote, la cantidad "n" de muestras necesarias.
11

.
Tambin en trminos prcticos el tamao "n" de muestra recomendable es
n=100 n=50.
Pero en caso de que la obtencin de datos sea muy difcil puede tener una
muestra n=30 que sera el mnimo recomendable, ya que si la muestra es
menor no podr observarse la variacin en forma adecuada.
Paralelamente a la explicacin de estos conceptos desarrollaremos un
ejemplo:
Elaborar un Histograma de frecuencias de la estatura de 98 nuevos
empleados varones.
TABLA 4.1
161
163
156
159
158
171
171
166
165
162
161
160
165
167
162
163
170
172
159
160
172
174
173
160
162
164
164
161
160
161
170
171
173
175
169
169
161
161
160
165
168
168
169
161
160
161
164
162
168
168
169
169
166
166
167
164
165
164
164
162
162
163
163
166
168
169
167
162
162
163
164
164
166
168
164
164
163
167
166
167
165
164
163
167
164
164
163
165
165
163
162
164
165
167
165
167
170
170
En el cuadro anterior se tienen los datos, el paso siguiente es agrupar y

organizar los datos de manera que se puedan obtener conclusiones de
ello a travs de la secuencia que a continuacin se menciona:
2. Obtener el rango, es decir, la diferencia entre el dato de mayor valor y el
dato de menor valor.
RANGO = DATO DE MAYOR VALOR - DATO DE MENOR VALOR
Para facilitar esto, se recomienda marcar con un circulo el dato de mayor
valor y con una cruz el de menor valor en cada columna como se muestra
en el cuadro de ejemplo.
Posteriormente debemos marcar con una L el valor mximo y con una S el
valor mnimo de la tabla completa.
Del ejemplo, el valor mximo de la tabla es 175 y el valor mnimo es 156, el
circulo del rango queda como sigue:
RANGO = DATO DE MAYOR VALOR - DATO DE MENOR VALOR
RANGO = L-S
Donde L = Dato mximo
S = Dato mnimo
Del cuadro del ejemplo:
12

.
L = 175
S = 156
R = 175-156
R = 19
2. Seleccionar el numero de intervalos necesarios para agrupar los
datos y organizarlos para manejarlos fcilmente y obtener las
conclusiones necesarias.
El numero mnimo de intervalos seleccionado debe ser 5 y el numero
mximo 15 ya que si seleccionamos menos de 5 intervalos los datos
quedaran tan agrupados que no podremos analizar la variacin y en el
caso de que seleccionramos mas de 15 intervalos la dispersin de los
datos ser tal que no podremos obtener informacin valida.
La seleccin de intervalos puede ser arbitraria respetando lo expuesto en
el prrafo anterior, pero una gua para la seleccin del numero de
intervalos puede ser:
Numero de intervalos = n
donde n = tamao de la muestra
Para nuestro ejemplo
n=98
K = numero de intervalos = 98
K=9.89 10
Por lo tanto el numero de intervalos recomendado ser 10.
Otra gua para la seleccin del numero de intervalos se muestra en el
siguiente cuadro:
Tamao de la
muestra
Hasta - 50
51 - 100
101 - 250
mas de 250
Cantidad de intervalos
(K)
5 - 7
6 - 10
7 - 12
10 - 20
4. Calcule el valor de cada intervalo.

H=
Rango
. =
No de intervalos
R
K
Del ejemplo:
H=R
K
19
10
= 1.9 2
13

.
En caso de que el resultado de esta divisin resulte fraccionario, se deber
redondear al valor entero mas prximo de la unidad mnima de medicin.
En este ejemplo la unidad mnima de medicin son cms, por ello
redondeamos de 1.92 2 cms, que es el valor entero mas prximo a 1.9, si
el valor hubiese resultado menor a 1.5, entonces aproximaramos a 1 que
seria el entero mas cercano al resultado obtenido.
5. Obtener el limite de cada intervalo, de la forma siguiente:
Limite inferior del primer intervalo:
LI = Valor mnimo - Unidad mnima de medicin
2
continuando con el ejemplo.
LI =156 2
1 . = 155.5
La unidad mnima de medicin es:

1
Si manejamos datos con valores
enteros
.1
Si manejamos datos con dcimas
.01
Si
manejamos
datos
con
centsimas
.001
Si manejamos datos con milsimas
De la misma forma cuando se tienen datos con diezmilsimas
Este clculo es necesario debido a que si tomamos nmeros enteros
solamente, podr haber alguna confusin, por ejemplo, supongamos que
los valores limites de un intervalo fueran 155-157 y del siguiente fueran
157-159, si tuviramos el dato 157 En cual de los dos intervalos lo
registraramos?
Para evitar esta confusin se divide esta la unidad mnima de medicin entre
dos y se le resta el valor mnimo.
Una vez definido el valor del limite inferior del primer intervalo, agregar
consecutivamente el valor del intervalo (H) para obtener los dems
intervalos:
Limites del primer intervalo 155+2=157.2
entonces los limites sern 155.5-157.5
Limites del segundo intervalo 157.5+2=159.5
y los limites sern 157.5-159.5
Limites del tercer intervalo 159.5+2=161.5
14

.
y los limites sern 159.5-161.5
As sucesivamente hasta terminar con el intervalo que contenga el dato de
mayor valor que sern 173.5-175.5
6. Obtener el valor central de cada intervalo (marca de clase), con
objeto de tener una idea precisa de que datos estn contenidos en
cada intervalo y cual es su valor central, as como para identificar
mas fcilmente cada intervalo.
Marca de clase = suma de limites
2
Del ejemplo:
Marca de clase 1er intervalo: 155.5 + 159.5 = 313 = 156
2
2
Marca de clase "o intervalo: 157.5 + 159.5 = 317 = 156.5
2
2
Y as sucesivamente.
II. ELABORACIN DE UNA TABLA DE CONTEO.
La tabla de conteo nos permitir agrupar todos los datos de la muestra en
una tabla mas sencilla y mas til para el estudio del comportamiento del
proceso, como se muestra a continuacin.
Marca de clase
Limites de los
Tablas de conteo
intervalos
Punto medio de cada Limite
Limite Datos incluidos de
intervalo
inferior
cada
intervalo
superior
expresados
por
rayas
I
II
III
II
I
La tabla de conteo se elabora a partir de los datos de la tabla inicial (tabla
4.1) registrando cada dato en la columna correspondiente, en el intervalo
respectivo y utilizando una pequea raya para el conteo.
15

.
Marca de clase
156.5
158.5
160.5
162.5
164.5
166.5
168.5
170.5
172.5
174.5
Limites de intervalos
155.5 157.5
157.5 - 159.5
159.5 - 161.5
161.5 - 163.5
163.5 - 165.5
165.5 - 167.5
167.5 - 169.5
169.5 - 171.5
171.5 - 173.5
173.5 - 175.5
Tabla de conteo
I
III
IIII IIII IIII
IIII IIII IIII III
IIII IIII IIII IIII III
IIII IIII IIII
IIII IIII II
IIII III
III
II
Ahora ya tenemos los datos agrupados en la tabla de conteo, pero todava

no tenemos la informacin total.
La columna de frecuencias es un resumen o sumario de la tabla de conteo
que sirve como paso previo para la construccin del Histograma de
frecuencias. consiste bsicamente en una columna adicional que se
denomina frecuencia y contiene la suma de los datos comprendidos en
cada intervalo.
Marca de clase
156.5
158.5
160.5
162.5
164.5
166.5
168.5
170.5
172.5
174.5
Limites de
intervalos
155.5 157.5
157.5 - 159.5
159.5 - 161.5
161.5 - 163.5
163.5 - 165.5
165.5 - 167.5
167.5 - 169.5
169.5 - 171.5
171.5 - 173.5
173.5 - 175.5
Tabla de conteo
I
III
IIII IIII IIII
IIII IIII IIII III
IIII IIII IIII IIII III
IIII IIII IIII
IIII IIII II
IIII III
III
II
Frecuencia
1
3
14
18
23
14
12
8
3
2
f = 98
Esta columna nos permite asegurarnos de que todos los datos han sido
asegurados e incluidos, ya que la suma debe ser igual al tamao de la
muestra.
III.CONSTRUCCIN DEL HISTOGRAMA DE FRECUENCIAS
Una vez que han sido agrupados y organizados los datos, ahora es
necesario representarlos en una forma ilustrativa y fcil de interpretar.
16

.
Para la construccin del Histograma de frecuencias se desarrollan los pasos
siguientes:
a)
Se trazan o s ejes a una escala conveniente. en el eje vertical se
indican las frecuencias y en el eje horizontal los intervalos
1
Frecuencia
0.8
0.6
0.4
0.2
0
Intervalos
b)
Se identifica cada intervalo indicando su marca de clase o bien
sus limites. Tambin se marca la escala de frecuencias en el eje vertical:
30
25
Frecuencias
20
15
10
5
0
156.5 158.5 160.5 162.5 164.5 166.5 168.5 170.5 172.5 174.5
Intervalos
c) Se trazan los rectngulos o barras, donde la altura indicara la

frecuencia y la base el intervalo. se recomienda dejar uno o dos
espacios antes de la primera barra.
17

.
25
20
Frecuencias
15
10
5
0
156.5 158.5 160.5 162.5 164.5 166.5 168.5 170.5 172.5 174.5
Intervalos
d) Anotar los datos generales del Histograma: elabor, fecha, nombre

del proceso, tamao de la muestra, etc.
Estatura de empleados de nuevo ingreso
25
Elabor:
Fecha:
Frecuencias
20
15
10
5
0
156.5 158.5 160.5 162.5 164.5 166.5 168.5 170.5 172.5 174.5
Intervalos
Grfica 4.7 Histograma de los empleados de nuevo ingreso.

IV.INTERPRETACIN DEL HISTOGRAMA DE FRECUENCIAS.
Como se menciono al principio de esta seccin, a travs del Histograma
de frecuencias analizaremos la variacin que presenta un proceso o
fenmeno determinado.
Para hacer una correcta interpretacin de la variacin del proceso
necesitamos definir el polgono de frecuencias, el cual nos dar una mejor
idea de la distribucin de frecuencias del fenmeno que se esta
analizando.
18

.
1. El polgono de frecuencias.
Es una curva que se obtiene al unir con una lnea continua los puntos
medios o extremos superiores de cada barra consecutiva del Histograma
de frecuencias.
Estatura de empleados de nuevo ingreso

25
Elabor:
Fecha:
Frecuencias
20
15
10
5
0
156.5 158.5 160.5 162.5 164.5 166.5 168.5 170.5 172.5 174.5
Intervalos
19

.
En algunas ocasiones el Histograma se comporta en forma extraa o poco
usual, a continuacin se muestran algunos ejemplos y su posible causa:
A. Forma de islote solitario.
Se presenta cuando:
hay demasiada variacin en un
proceso.
hay variacin en el material que se
esta usando.
Al hacer el muestreo se mezclan
datos de dos procesos diferentes.
Se hizo un ajuste errneo en el
proceso.
B. forma de dos montaas
Esta forma se presenta cuando:
Se estn tomando datos de
productos
o
de
procesos
diferentes (diferentes maquinas
aunque
hagan
la
misma
operacin).
Se toman diferentes lotes de
materia prima dentro de un solo
proceso.
C. Forma Desdentada.
Puede significar que:
Existe un desajuste en el aparato
de medicin o un error en el
mtodo de medicin. (Se presenta
cuando se aproximan lecturas, por
ejemplo, la lectura de un vernier en
9.76 mm y se aproxima a 9.8. esto
puede generar este tipo de
comportamiento).
Tambin una grfica as pude ser
generada
por
un
muestreo
inadecuado (muestra reducida).
defectuosas.
D. Forma de Precipicio.
Esta forma se presenta cuando:
En el proceso o lote muestreado
han sido previamente eliminados
los
productos
fuera
de
especificacin.
Cuando el lote muestreo ha sido
20

.
inspeccionado al 100% y se han
seleccionado las piezas
Para un conocimiento preciso de la variacin del proceso se requiere un
procedimiento matemtico para su evaluacin, pues la simple grfica no
es confiable, ya que si seleccionamos un mayor numero de intervalos los
datos aparecern muy dispersos (mucha variacin) como se muestra en
la siguiente figura:
156
158
160
162
164
166
168
170
172
174
Fig 4.9 Histograma con mayor nmero de intervalos

O en caso contrario, si escogemos un numero de intervalos menor, habr
poca dispersin (variacin).
157.5 161.5 165.5 173.5
Fig 4.8 Histograma con menor nmero de intervalos.

El procedimiento para evaluar la variacin se muestra a continuacin:
3. Calculo de la media o promedio.
La media o promedio matemtico es una unidad que servir como referencia
para que a partir de ese punto se mida la variacin de un proceso.
La media o promedio se localiza al centro del Histograma de frecuencias y lo
divide en dos, es por ello que servir como punto de referencia para medir
la variacin el proceso hacia arriba y hacia abajo del promedio.
21

.
La media o promedio matemtico esta definida como el resultado de dividir
la suma de los datos entre el numero de datos. Y se representa con una X
(equis testada).
5. GRAFICAS DE CONTROL
5.1 Qu es la grfica de control?
Un Histograma de frecuencias es como una fotografa de un proceso en
un momento determinado, pero necesitamos una herramienta que nos
permita vigilar si un proceso se comporta de la misma manera a travs del
tiempo, es decir, si el proceso es estable; en caso de no serlo, es
necesario identificar las fuentes que estn originando l aviacin, para
eliminarles y/o reducirlas. Esta herramienta es la grfica de control, la cual
consiste en observar a
travs del tiempo una caracterstica
predeterminada de un producto a la salida de un proceso, lo que servir
para analizar la estabilidad del proceso y para identificar las causas de
variacin, de manera que se tomen acciones que permitan evitar la
recurrencia de defectos.
La grfica de control es como una pelcula, es decir, es una sucesin de
fotografas del proceso a travs del tiempo. Las grficas de control se
pueden usar con dos fines:
1) Grfica de control para el anlisis.
Se utiliza para investigar si el proceso esta en estado estable.
2) Grfica de control para controlar el proceso
Se usa para mantener estable el proceso.
5.2 Clase y seleccin de la grfica de control.
Existen diferentes tipos de grficas de control que se explican en el cuadro
siguiente:
22

.
Valor
promedio
rango
Varios datos
por cada muestra
Grficas
de control
Variables
(Datos de
mediciones)
Atributos
(Datos de
conteo)
Un solo dato
por cada muestra
% de defectos
cantidad de piezas
defectuosas
Nmero de de
defectos por
unidad de muestreo
X-R
Mediana
Rango
X-R
Valor promedio
desviacin
X-
X - Rs Rango movil
Tamao de muestra
constante
tamao de muestra
no constante
Tamao de muestra
constante
tamao de muestra
no constante
5.3 Grfica de control X-R (Promedio- Rango).

Qu es una grfica de control X-R?
Es una grfica que muestra en una seccin los promedios (valores
promedios del proceso) y en otra seccin los rangos (valores del
proceso).
La gran ventaja que tienen estas grficas es el hecho de que podemos
vigilar el comportamiento promedio del proceso al mismo tiempo que su
variacin, lo cual puede permitir que se tomen las acciones preventivas
que permitan evitar la ocurrencia de defectos.
Cmo se elabora una grfica X-R?
Se obtienen los datos a travs de muestreos de alguna caracterstica del
proceso para analizar su comportamiento, el procedimiento se muestra a
continuacin:
23

.
I.-
COLEECION DE DATOS
II.-
CALCULO DE LOS LIMITES

DE CONTROL
III.-
INTERPRETACION DEL
CONTROL DEL PROCESO
IV.-
INTERPRETACION DE LA
HABILIDAD DEL PROCESO
I. COLECCIN DE DATOS.
Durante esta etapa se debe decidir el tamao y la frecuencia de la muestra.
Tamao: Es el numero de datos y observaciones que deber contener cada
muestra (Por experiencia se manejan sub - grupos de 5).
Frecuencia: Es el intervalo de tiempo que transcurrir entre una muestra y
otra y puede ser de 0.5 a 2 horas. Al inicial el anlisis se recomienda que
sea cada 0.5 horas.
La recopilacin de los datos se har en la parte inferior de la grfica.
Muestras en funcin del tiempo
FECHA
HORA
1.
2.
3.
4.
5.
SUMA
X
R
NOTA: Ver formato en la seccin anexo.
Ejemplo: Si utilizamos los mismos datos de la tabla 4.1 y nos imaginamos el
muestreo a las 7:00 de la maana tomando 5 datos consecutivos por
cada muestra, los datos quedaran registrados como se muestra en la
siguiente tabla:
FECHA
HORA
1.
2.
3.
4.
5.
SUMA
X
R
7.00
8.00
9.00
10.00
11.00
12.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
161
163
156
159
158
171
171
166
165
162
161
160
165
167
162
163
170
172
159
160
172
174
170
160
162
164
164
161
160
161
170
171
173
175
169
169
161
161
160
165
168
168
169
161
160
161
164
162
168
168
169
169
166
166
167
164
165
164
164
162
162
163
163
166
168
169
167
162
162
163
164
164
166
168
164
164
163
167
166
167
24

.
Nota: No se incluyeron los tres ltimos 3 datos de la tabla debido a que
forzosamente "n" es 5 para cada caso.
Una vez que se tengan los datos de cada muestra se deben obtener la
suma, el promedio o media (X) y el rango, los cuales se anotan en el
rengln correspondiente de esa muestra, por ejemplo:
La primera muestra de 5 datos.
Calculo promedio:
X = X = 797 = 159.4,
n
5
X = 159.4
(este resultado se anota en el rengln marcado con X)

Donde:
X = Es cada uno de los datos.
n = Tamao de la muestra (5)
X = suma de los datos.
1. Calculo de rango.
Rango = R = Dato mayor - Dato menor
R = 163 - 156 = 7
R = 7 (tambin este resultado se anota en el rengln
correspondiente)
Este mismo procedimiento debe realizarse para cada una de las muestras
para que finalmente el cuadro que de la forma siguiente:
FECHA
HORA
1.
2.
3.
4.
5.
SUMA
X
R
7.00
8.00
9.00
10.00
11.00
12.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
161
163
156
159
158
797
159.4
7
171
171
166
165
162
835
167
9
161
160
165
167
162
815
163
7
163
170
172
159
160
824
164.8
13
172
174
170
160
162
838
167.6
14
164
164
161
160
161
810
162
4
170
171
173
175
169
858
171.6
6
169
161
161
160
165
816
163.2
9
168
168
169
161
160
826
65.2
9
161
164
162
168
168
823
164.6
7
169
169
166
166
167
837
167.4
3
164
165
164
164
162
819
163.8
3
162
163
163
166
168
822
164.4
6
169
167
162
162
163
823
164.6
7
164
164
166
168
164
826
165.2
4
164
163
167
166
167
827
165.4
4
Una vez concluido el calculo de los promedios y de los rangos de cada

subgrupo ahora se debern calcular: el promedio de promedios (X) y el
promedio de rangos (R).
2.
Promedio de promedio o media de medias.
25

.
Se calcula sumando los promedios de cada subgrupo entre el numero total
de subgrupos y se representa con una
X
= promedio de promedios = X =
N
(Equis doble testada).

Xa + Xb + Xc ++ Xn
N
= Xa + Xb + Xc ++ Xn
N
Donde:
Xa, Xb, Xc,Xn = Los promedios de cada subgrupo
n = Nmero total de subgrupos.
Continuando con el ejemplo:
X
= 3132.2 = 164.8
19
= 164.8
Este valor obtenido se anota en la parte superior de la grfica en el espacio

destinado para ello (ver formato en la seccin anexos).
3.
Promedio de rangos.
El rango promedio se calcula sumando los rangos de cada subgrupo y

dividindolo entre el numero total de subgrupos y se representa con un R (R
testada).
R = Rango promedio = R = Ra + Rb + Rc ++ Rn
N
N
Donde:
Ra, Rb, RcRn = Rango de cada subgrupo.
Del ejemplo.
R = 123 = 6.473 = 6.47
19
26

.
Y anotarlo en la parte media de la grfica en el espacio destinado para ello.
(ver formato en la seccin de anexos).
II. CALCULO DE LOS LIMITES DE CONTROL
Una definidos X y R, calcularemos los limites de control.
Qu son los limites de control?
Son lneas de referencia que nos servirn para identificar si un proceso se
comporta o no dentro del control estadstico.
Estas lneas nos ayudaran a vigilar el comportamiento del proceso y a
identificar las principales fuentes de desperdicio, eliminarlas o reducirlas.
existen limites de control tanto para la seccin de rangos como para la
seccin de promedios y se identifican de la forma siguiente:
LSCR = Limite Superior de Control para Rangos
LICR = Limite Inferior de Control para Rangos
LSCX = Limite Superior de Control para Promedios
LICX = Limite Inferior de Control para Promedios
Los limites de control se calculan tomando en cuenta los datos obtenidos (X
y R) y las frmulas siguientes:
1. Limite superior de control para rangos.
LSCR D4 R
Donde:
D4 = Factor constante ( ver valores en la tabla de la seccin anexos).
R = Rango promedio del proceso.
2.
Limite inferior de Control para Rangos.
LICR = D3 R
Donde:
D3 Factor constante (ver valores en la tabla de la seccin de anexos)
Nota: Para subgrupos menores de 7, no est definido el factor D 3, por lo
tanto no puede calcularse el limite inferior, entonces se considera LIC R = 0
3.
Limite inferior de Control para Promedios
27

.
LSCX =
+ A2 R
1. Limite inferior de control para promedios

LICX =
- A2 R
donde:
X
= Promedio de promedios del proceso.

A2 = Factor constante (ver tabla anexa).
Calcularemos ahora los limites de control para el ejemplo LSC R = D4R
Buscando el factor para un tamao de muestra n = 5, se obtiene 2.11, y
considerando R = 6.47
entonces:
LSCR = (2.11)*(6.47) = 13.65
LSCR = 13.65
El limite inferior es cero, ya que el tamao de los subgrupos es menor de 7
(n = 5) entonces:
LICR = 0
Limite superior de control para promedios:
LSCX =X + A2 R
Buscando el factor A2 para n = 5 y tomando X = 164.8 y R = 6.47 entonces::
LSCX =164.8 + (0.58) (6.47)
LSCX =164.8 + 3.75
LSCX =168.55
El limite inferior de control para promedios:
LSCX =X - A2R
LSCX = 164.8 - (0.58) (6.47)
LSCX = 164.8 - 3.75
LSCX = 161.05
Teniendo definidos los promedios de rangos y promedios, los limites de
control y utilizando una escala adecuada, graficamos en la seccin que
28

.
corresponda los promedios y los rangos de cada subgrupo0. Esto se hace
atravesando toda la grfica con lneas continuas para el R y el X y con
lneas discontinuas los limites de control-.
Recomendaciones.
1) Al seleccionar la escala adecuada procurar que sea usando mltiplos
de 1, 2 ,5 10.
2) utilizar la mayor parte de las divisiones marcadas en la grfica para
facilitar su visualizacin.
3) Los limites de control deben estar contenidos en la escala y tambin los
datos de X y R.
4) Al iniciar la grfica, llenar todos los datos generales incluyendo tamao
y frecuencia de la muestra.
5) Utilizar como referencia para trazar los puntos de las grficas las
intersecciones de las lneas verticales y horizontales.
6) Unir con lnea continua todos los puntos consecutivos de la seccin de
promedios y rangos.
7) Trazar los limites de control con lnea discontinua o con un color
diferente.
Continuando con el ejemplo, la grfica se vera como se muestra en la
siguiente pagina:
PROMEDIOS
175
170
LSCX
165
X
LICX
160
155
150
RANGOS
14
12
LSCR
10
8
6
R
LICR
4
2
0
29

.
FECHA
HORA
1.
2.
3.
4.
5.
SUMA
X
R
7.00
8.00
9.00
10.00
11.00
12.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
161
163
156
159
158
797
159.4
7
171
171
166
165
162
835
167
9
161
160
165
167
162
815
163
7
163
170
172
159
160
824
164.8
13
172
174
170
160
162
838
167.6
14
164
164
161
160
161
810
162
4
170
171
173
175
169
858
171.6
6
169
161
161
160
165
816
163.2
9
168
168
169
161
160
826
65.2
9
161
164
162
168
168
823
164.6
7
169
169
166
166
167
837
167.4
3
164
165
164
164
162
819
163.8
3
162
163
163
166
168
822
164.4
6
169
167
162
162
163
823
164.6
7
164
164
166
168
164
826
165.2
4
164
163
167
166
167
827
165.4
4
III.- INTERPRETACION DEL CONTROL DEL PROCESO.

Una vez elaborada la grfica, se requiere identificar cualquier variacin
anormal del proceso para evitarla o reducirla y poder definir de quin es la
responsabilidad de llevar acabo dicha correccin, para ello, es necesario
llevar una bitcora para cada grfica con el fin de registrar anomalas que
se presenten durante el llenado.
Qu es la interpretacin del proceso?
Es el anlisis de los datos registrados en la grfica con el objeto de
identificar las fuentes de variacin de un proceso. La interpretacin de la
grfica nos debe mostrar si el proceso es estable y si se esta
comportando en forma normal.
Cmo se hace la interpretacin del control del proceso?
Analizando si en la grfica aparecen:
a) Puntos fuera de los lmites de control.
b) Adhesin a las lneas de control.
c) Series.
-Tendencias (5 o mas puntos consecutivos para arriba o para abajo)
-Corridas (5 o mas puntos consecutivos por arriba o por abajo del
promedio).
Si la grfica presenta una o varias de estas seales dice que el proceso est
fuera de control estadstico.
Cuando en las grficas aparezcan estas seales se debe siempre verificar:
si los puntos o lneas de control fueron bien calculados y/o bien
graficados.
De no realizarse este anlisis inicial se pueden cometer varios errores en las
conclusiones y generar acciones que no se necesitan.
a) Puntos fuera de los lmites de control.
Son los puntos que cuando se trazan los lmites de control quedan por
encima de los lmites superiores o por debajo de los lmites inferiores
tanto para promedios como para rangos.
30

.
LSC
XoR
LIC
Lo primero que se debe hacer al encontrar un punto fuera de los lmites de

control es encerrarlos en un crculo de preferencia rojo, para hacerlo
resaltar y observar en ese momento el proceso para determinar qu lo
est causando.
INTERPRETACION:
La existencia de uno o ms puntos fuera de los lmites de control es
evidencia de que el proceso est fuera de control. y alguna causa
especial (falla local) est asociada a ellos.
1 Puntos por encima del lmite superior de control.
Puede significar:
Para rangos:
- Que la variacin del proceso ha empeorado de una pieza a otra, en un
momento o como parte de una tendencia ( desgaste de una herramienta,
desajuste de un dispositivo, etc.).
- Que el sistema de medicin ha sido modificado : procedimiento,
inspector, calibrador (cambio a un calibrador de mayor precisin, modificacin
de la secuencia de medicin, forma de preparacin de las piezas a medir, etc.).
Para promedios:
- Que el proceso ha cambiado en ese punto en una sola vez o como
parte de una tendencia (desajuste de un dispositivo de sujecin, desgaste de
un buje, exceso de rebaba en un dispositivo, desgaste de un perno del
dispositivo de sujecin, etc.).
- Que el sistema de medicin ha cambiado (recalibracin de una
herramienta de medicin, cambio de inspector, etc.).
2.- Puntos por debajo del lmite inferior de control.
31

.
Para rangos ( Slo en el caso de subgrupos mayores de 7):
- Que la variacin del proceso ha disminuido es decir que ha mejorado
(ajuste de un dispositivo de ensamble, cambio de un buje, cambio de
herramientas, etc.).
Esta situacin deber ser analizada para definir y confirmar la causa de
la mejora e incorporarla definitivamente al proceso.
- Que el sistema de medicin ha cambiado (procedimiento, inspector o
calibrador) incluyendo tambin la alteracin o invencin de datos (cambio de
dispositivo de medicin por uno de menor precisin, redondeos al momento de
hacer la medicin o invencin de datos).
Para promedios:
- Que el proceso cambio su valor en ese punto por una sola vez o como
parte de una tendencia (desgaste de herramienta, desajuste de un dispositivo
de ensamble, cambio de herramienta con ajuste incorrecto, etc.).
- Que el sistema de medicin ha cambiado (desajuste de dispositivo de
medicin, recalibracin inadecuada, falta de limpieza para hacer la medicin,
etc.).
3.- Reclculo de los lmites de control.
Cuando en una grfica se presentan puntos fuera de los lmites de control, es
seal inequvoca de inestabilidad en el proceso y se dice que est fuera de
control estadstico.
En la grfica del ejemplo podemos ver dos puntos fuera de los lmites de
control en promedios y uno en rangos.
Se deben investigar las causas especiales que generaron estos puntos fuera
de los lmites de control y eliminarlas en forma definitiva.
Una vez que halla sido hecho lo anterior, se debern suprimir de la grfica los
subgrupos de los puntos fuera de los lmites de control tanto para rangos como
para promedios y realizar nuevamente el calculo de los lmites de control sin
tomar en cuenta los subgrupos eliminados.
El recalculo de los lmites se har con objeto de verificar sino hay ms puntos
fuera de estos y si hay, repetir la operacin de anlisis del proceso, eliminacin
de causas especiales que lo generaron, supresin de los subgrupos de esos
puntos en las grficas y reclculos en los lmites de control.
En la grfica del ejemplo despus de recalcular los lmites podemos ver un
punto ms fuera de los lmites en rangos, si al hacer el segundo recalculo de
los lmites se presentan nuevamente puntos fuera, quiere decir entonces que,
el proceso est fuera de control y que resulta ms conveniente iniciar un nuevo
anlisis de proceso , observando definitivamente todas aquellas condiciones
32

.
del mismo que pudiera estar generando los puntos fuera de control, es decir,
las causas de esta variacin anormal en el proceso.
Cuando aparezcan ms de tres puntos fuera de los lmites de control tambin
resultara ms conveniente reiniciar el estudio del proceso.
PRIMER RECALCULO
PROMEDIOS
172
170
168
166
164
162
160
158
156
LSCX
X
LICX
XPRO
LSCX
LIC
RANGOS
12
10
LSCR
8
R
LICR
4
2
0
RPRO
LSCR
LIC
SEGUNDO RECALCULO
PROMEDIOS
172
170
168
166
164
162
160
158
156
LSCX
X
LICX
XPRO
LSCX
LIC
33

.
RANGOS
12
LSCR
10
8
6
4
2
0
LICR
RPRO
LSCR
LIC
b) Adhesin a las lneas de control.

El primer requisito para que un proceso est dentro de control, es que no tenga
ningn punto fuera de los lmites, tanto en promedios como en rangos.
El segundo requisito para confirmar su comportamiento normal, es que no
presente adhesin a las lneas de control (lmites y/o lneas promedio).
Qu es adhesin a las lneas de control?
Cuando ms del 90% de los puntos estn muy cerca de la lnea promedio, se
dice que hay adhesin a la lnea promedio.
Cuando ms del 60% de los puntos se encuentran muy cerca de los lmites
de control se dice que hay adhesin a los lmites de control.
LSC
XoR
LIC
Adhesin a la lnea central (90% o ms puntos muy cerca de la lnea

central)
34

.
LSC
XoR
LIC
Adhesin a los lmites de control (60% o ms puntos muy cerca de los

lmites de control).
Cmo se analiza si hay o no hay adhesin en los lmites de control?
Para iniciar el anlisis de adhesin se define inicialmente un factor (a) que ser
utilizado para calcular el tercio superior e inferior de cada seccin y de esta
forma contar cuantos puntos estn contenidos dentro de cada tercio.
Si en el tercio central se encuentra ms del 90% de los puntos se dice que hay
adhesin a la lnea promedio.
Si la suma de puntos en los dos tercios exteriores es ms del 60% del total de
puntos se dice que hay adhesin a los lmites de control.
LSC
90%o mas de los

puntos en el tercio
central
TS
XoR
TI
LIC
Adhesin a los limites de control
TS
XoR
TI
60% o m as
de los
puntos en
los tercios
exteriores
LIC
El factor a se define de la siguiente manera:

a = LSC - LIC
3
Donde:
35

.
LSC = Lmite superior de control.
LIC = Lmite inferior de control.
Y los tercios:
Tercio superior = T.S. = LSC - a
Tercio inferior = T.I. = LIC a
Continuando con el ejemplo que hemos venido desarrollando y usando los
promedios y lmites recalculados por segunda vez, entonces:
LSCX = 167.8
LICX = 161.3
LSCR = 13.65
LICR = 0
Para promedios:
a = LSCX - LICX = 167.8 - 161.3 = 6.5 = 2.166
3
3
3
a = 2.166 = 2.17
TS = LSCX - a = 167.8 - 2.17 = 165.63 = 165.6
TI = LSCX + a = 161.3 +2.17 = 163.47 = 163.5
El 90% de 15 puntos = 13.5 = 14
El 60% de 15 puntos = 9
En el tercio central hay 10 puntos por lo que no hay adhesin a la lnea de
control central.
En los tercios exteriores hay 5 puntos por lo que no hay adhesin a la lnea de
control.
172
170 LSC
168
166
TS
164
162
160
158
TI
LIC
156
PRO
LSCx
LICx
X TSx
TI
Para rangos: a = LSCR -LICR = 13.65 - 0 = 13.65

3
3
3
36

.
a = 4.55
TS = LSCR - a = 13.65 - 4.55 = 9.10
TI = LICR + a = 0 + A
TI = 4.55
Al igual que para promedios tenemos que:
El 90% de los puntos = 14
El 60% de los puntos = 9
No hay adhesin a la lnea central o de promedios ya que hay 9 puntos en el
tercio central.
No hay adhesin a los lmites de control ya que en los tercios exteriores hay 6
puntos.
INTERPRETACIN.
Cuando se presenta adhesin a los lmites de control o las lneas promedio,
tambin se dice que el proceso est fuera de control debe de haber una causa
especial que lo est provocando, al igual que cuando existen puntos fuera de
los lmites se deben de investigar y eliminarlas definitivamente.
Adhesin a la lnea central.
Cuando existe esta adhesin es necesario verificar si:
1) Los lmites de control han sido mal calculados o los puntos fueron mal
graficados.
2) Los datos son falsos.
3) Se mezclaron dos tipos de datos diferentes en el sub-grupo o se incluyeron
datos de factores diferentes).
Adhesin a los lmites.
Es necesario verificar si:
1) Los lmites han sido mal calculados o los puntos mal graficados.
2) El proceso o el mtodo de muestreo es tal, que los sub-grupos contienen
mediciones de dos o ms factores diferentes.
3) Los valores que se alejan mucho del promedio de R fueron alterados u
omitidos.
37

.
6.
ESTRATIFICACIN
6.1
QUE
ES
ESTRATIFICACIN?
LA
Estratificacin consiste en clasificar

los
grupos
de
datos
con
caractersticas comunes con el fin
de simplificar el anlisis de datos
para la mejora de procesos o la
solucin de problemas.
Las caractersticas comunes son
referidas a la informacin histrica
de los datos desde su origen (por
ejemplo, quin y con qu material,
maquinaria y equipo se ha
manufacturado y producido, etc) y la
situacin el la cual se ha tomado.
6.2
LA
MANERA
ESTRATIFICAR.
DE
Los datos se deben de tomar

clasificados en categoras, para lo
cual
se
deben
aplicar
los
conocimientos y experiencia tcnica
de los procesos de produccin y de
los mismos productos.
Los tipos de estratificacin que se
usan normalmente en reas de
trabajo son los siguientes:
1. Por material y materia prima.
Por proveedor, por lugar de origen,
por marca, por fecha de compra,
por lote de recibo, por lote de
produccin, por elementos, por
tamao, por partes, por tiempo
de almacenaje, por lugar de
almacenaje, por condiciones y
fecha de produccin, etc.
2. Por equipos y maquinaria.
Por tipo de maquinas, por cantidad
de maquinas, por modelo de
maquina, capacidad, antigedad,

planta, lnea, ajuste de maquina y
equipos, guas y herramientas
que se utilizan.
3. Por operadores
Por individuos, edades, aos de
experiencia, sexo, grupo, turno,
etc.
4. Por mtodo de operacin o
condiciones de operacin.
Por velocidad de lnea, mtodo de
trabajo,
condiciones
de
operacin,
condiciones
de
establecimiento y ajuste. (No. de
revoluciones
de
maquina,
presin, temperatura), por lugar
de operacin, por lote, por
mtodo de medicin, etc.
5. Por tiempo.
En la maana y en la tarde, da y
noche, inmediatamente despus
del
inicio
de
operacin,
inmediatamente antes de la
terminacin, etc.
6. Ambiente,
medio
ambiente,
clima.
Temperatura ambiente, humedad,
despejado, nublado, lluvia, hay
viento o no, tiempo de lluvia,
seco,
cercana
o
lejana
disposicin, iluminacin, etc.
7. Por medicin o inspeccin
Por probadores, por calculadores,
por encargados de medicin, por
inspectores, etc.
8. Por caractersticas especiales.
Si es producto nuevo o existente, si
es la primera pieza, por defectos,
por lugar del producto, por
empaque.
38

.
6.3 EJEMPLO DE
CLASIFICACIN POR
CATEGORA.
En la figura 9.1 se muestra el
ejemplo de obtencin de buenos
resultados
realizando
la
clasificacin por categora para el
mejor
aprovechamiento
del
pigmento A en una fabrica de
teido.
Al
elaborar
la
grfica
de
concentracin, se observo mucha
variacin (desde 50% - 150%). Se
graficaron juntos los datos del horno
1 y 2 y se identifico el Horno No 1
con una "X" y el Horno 2 con una
"O". Resulta que en el horno No1
hay mas puntos altos que el valor
promedio, en cambio que en el
horno No. 2, hay mas puntos bajos
del valor promedio.
Por esta razn se elaboro la grfica

estratificando en horno No 1 y No 2
(por categora). el valor promedio
del horno No 1 es de 124% y en el
horno No 2 de 78%, hay mucha
diferencia.
Tambin se observa que la
variacin en cada uno de los hornos
es la mitad de la variacin total, por
lo tanto, se investigo la causa y se
encontr que la clave de la
diferencia radicaba en el aspa del
agitador.
Se modific el aspa del horno No 2
a la forma presentada por el aspa
del horno No 1 y como resultado, se
mejor la concentracin en 25% y
se redujo la variacin.
Haba
mucha
concentracin
x Horno No 1
o Horno No 2
140
120
100
80
60
40
20
0
variacin
en
la
Lote No
Horno No 2
140
120
100
Clasificado
en
categoras,
diferencias de concentracin
horno No 1 y horno No 2
hubo
entre
80
60
Horno No 1
40
20
0
39

.
Como resultado, la concentracin se
mejoro en un 25% y se redujo la
variacin.
160
140
120
100
80
60
40
20
0
Lote No.
En la figura 9.1 Mejoramiento de aprovechamiento del pigmento A.

En la figura 9.2 se tomaron los datos del histograma de "CHUCKS" de
mquinas automticas clasificndolos en categoras.
Chukc 1
Chukc 2
Chukc 3
Chukc 4
Limite superior
de la trama
Limite inferior
de la trama
Figura 9.2 Clasificacin en categoras de "Chucks" de par de apertura de tapn

del producto A.
As haciendo una buena clasificacin en categoras es mas sencilla la
identificacin de acciones para la mejora del proceso, operaciones, etc.
Para poder tomar los datos clasificados en categoras, es importante:
1. Enumerar las partes y los productos, poner numero, nombre de los
operadores o colocar tarjetas en las cajas con el fin de evitar la mezcla, o
para que aun mezclados se puedan identificar.
2. La bitcora de operacin, hoja de registros de datos y las tarjetas deben de
estar diseadas de tal forma que se puedan tomar datos clasificados en
categoras como los que se han mencionado anteriormente.
En una palabra, definir el sistema para que podamos tomar la informacin
adecuadamente.
40

.
3. Idear el lugar de almacenamiento de partes para operacin y defectuosas.
Por ejemplo, designar anaqueles o envases por tipo de defecto, as
clasificados (en categoras), se puede observar la cantidad de defectos.
4. Tomar datos utilizando la hoja de inspeccin.
41

.
MAPEO DE PROCESOS
El mapeo de procesos consiste en el anlisis de cada proceso en una
organizacin.
Este anlisis se realiza elaborando un Diagrama de flujo de procesos en el que
se describen en forma detallada cada una da la actividades correspondientes a
dicho proceso, asimismo se indica la responsabilidad por la ejecucin de dichas
actividades. En dicho diagrama se anotan los documentos relacionados y que
sirven de base para la operacin exitosa de los procesos.
42

Herramientas Básicas de Calidad

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

Herramientas Básicas de Calidad

Cargado por

Copyright:

Formatos disponibles

Manual del Participante

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

1. Elaborar la hoja de verificacin

Con el fin de controlar los

Diferencias entre hoja de verificacin y lista de verificacin.

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

El diagrama de Pareto es una

Manual del Participante

n = valor de cada problema.

4. Calcular el porcentaje relativo

6. Llenar los datos generales en el formado de diagrama de Pareto

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

Grfica 4.2.- Diagrama de Pareto antes y despus del mejoramiento de

PERDIDA POR UN LOTE

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

3.2 Cmo se construye un diagrama causa-efecto?

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

4. Anotar en cada rama. los factores detallados que se pueden considerar

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

Entonces no estamos tomando en consideracin que puede haber

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

EN TODAS LAS LINEAS

CAUSA (Linea delgada)

3.4 Diagrama Causa-Efecto de Flujo de Proceso.

Posteriormente, debe colocarse el flujo del proceso de produccin que

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

Despus de haber colectado

Antes del mejoramiento

Es una grfica de barras que

Despus del mejoramiento

4.2 Cmo se elabora un Histograma de Frecuencias?

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

En el cuadro anterior se tienen los datos, el paso siguiente es agrupar y

Manual del Participante

4. Calcule el valor de cada intervalo.

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

La unidad mnima de medicin es:

Manual del Participante

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

Ahora ya tenemos los datos agrupados en la tabla de conteo, pero todava

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

c) Se trazan los rectngulos o barras, donde la altura indicara la

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante

d) Anotar los datos generales del Histograma: elabor, fecha, nombre

Grfica 4.7 Histograma de los empleados de nuevo ingreso.

D.R OSCAR ANTONIO SILVA SNCHEZ/GERARDO SILVA SNCHEZ

Manual del Participante