SESIN 01

MATERIALES:
Calculadora.
Tabla de estadsticas.

1. Xxxxx
2. Xxxxxx
3. EVOLUCIN E HISTORIA DE LA Buscar que un producto rena los atributos de

CALIDAD calidad que desea el cliente ha sido una realidad

La bsqueda por hacer las cosas mejor, ms rpido desde la poca artesanal, cuando la calidad del

y a un menor costo, mediante los tres componentes producto se estableca a travs de la relacin directa

de una estrategia de calidad: innovacin, control y entre el artesano y el usuario. El cliente, en el

mejora, tambin ha provocado un cambio continuo momento en que el artesano le entregaba el

en los conceptos y mtodos de la calidad. Esto producto, revisaba si ste tena las caractersticas

queda claro al analizar la historia reciente del deseadas.

movimiento por la calidad, Cada etapa se ha Con el advenimiento de la era industrial apareci la

construido sobre la siguiente, es decir, una nueva produccin masiva, y con ella la imposibilidad del

etapa es la mezcla de los mejores mtodos, prcticas contacto directo entre el fabricante y el usuario,

e ideas de las etapas anteriores, ms las mejores surgiendo as la necesidad de introducir

ideas y prcticas que han generado los profesionales procedimientos para atender la calidad de los

de la calidad y la administracin. Por ejemplo, la productos masivos. Aqu es donde se empieza a

administracin de la calidad total incluye nuevos responsabilizar a ciertos empleados (inspectores)

supuestos y prcticas sobre la calidad, pero se queda para que evalen la calidad y detecten errores.

con algunos de los mtodos de las etapas previas: Estos inspectores utilizaban estndares (gauges)

inspeccin, control estadstico y aseguramiento. De para detectar las partes que no se ajustaban, lo cual

esta manera, no es posible decir, por ejemplo, que el evidentemente represent un avance, ya que esto

control estadstico sea obsoleto, ms bien es conduca a tener un sistema de inspeccin ms

insuficiente como estrategia de calidad. consistente que cuando sta se realizaba a simple
vista.

3.1 Etapa De La Inspeccin A principios del siglo xx, la inspeccin por

estndares se refin an ms y fue clave en la lnea
de ensamble de Henry Ford y en el sistema
administrativo propuesto por Frederick W. Taylor.
Radford (1922) vincula formalmente la inspeccin
al control de calidad, y por primera vez la calidad es
considerada una responsabilidad independiente de la curso sobre control estadstico de calidad, impartido
administracin. De cualquier forma, durante toda la por la Offi ce of Production Research and
dcada de 1920 se limit a contar y detectar la mala Development. Las personas que prepararon este
calidad. curso fueron el doctor W. Edwards Deming
(discpulo de Shewhart) y los profesores Eugene L.
3.2 Etapa Del Control Estadstico De La Calidad Grant y Holbrook Working (Duncan, 1989).
El conocimiento y las metodologas sobre la calidad
En 1931 Walter A. Shewhart, de Bell Telephone
que se haban logrado desarrollar en Estados
Laboratories, dio un fundamento cientfico a la
Unidos hasta esas fechas empezaron a trasladarse a
calidad mediante la publicacin del libro Economic
Japn, un pas derrotado y devastado por la
Control of Quality of Manufactured Product. En
Segunda Guerra Mundial. En esta nacin se alcanz
este texto se dieron a conocer las cartas de control y
la plenitud de la etapa del control estadstico de
el estudio de la calidad a travs de variables, las
calidad y fue la semilla de nuevos conceptos sobre
cuales es necesario estudiar. Establece que el
calidad.
conocimiento obtenido con la realizacin de
En el verano de 1950, el estadstico estadounidense
estudios estadsticos puede usarse para mejorar el
W. Edwards Deming imparti varias conferencias a
control mediante la estabilizacin y reduccin de la
altos directivos de empresas japonesas y les plante
variacin en el proceso. Con esto los directivos
las ventajas del control estadstico de calidad.
podan aumentar su confianza de que el producto
Siguiendo sus recomendaciones, algunos de ellos
cumple con las especificaciones.
empezaron a reportar incrementos en la
En la misma poca otros dos compaeros de
productividad sin comprar equipos. Durante ese
Shewhart, Harold F. Dodge y Harry G. Roming,
mismo verano, ms de 400 ingenieros japoneses
iniciaron la aplicacin de la teora estadstica a la
recibieron un curso de ocho das sobre control de
inspeccin por muestras y desarrollaron el muestreo
calidad, impartido tambin por el doctor Deming.
de aceptacin como sustituto de la inspeccin al
Su presencia en Japn en 1950 se debi a una
100%.
invitacin expresa de la Unin de Cientficos e
Durante la Segunda Guerra Mundial, el gobierno de
Ingenieros Japoneses (JUSE, por sus siglas en
Estados Unidos promovi la aplicacin del control
ingls). Las conferencias y cursos del doctor
estadstico en la industria. Entre otras cosas invit a
Deming consolidaron algunas actividades previas
un grupo de expertos a elaborar un programa de
sobre control de calidad y desencadenaron una serie
inspeccin por muestreo para el Servicio de
de tareas en pro de la calidad de los productos
Municiones del Ejrcito y propuso un amplio
japoneses, hasta convertirse en un movimiento que
programa educativo para el personal de la industria
gener aportes clave al trabajo por la calidad.
y de las universidades. Entre 1943 y 1945, un total
Deming ense a los ejecutivos e ingenieros
de 810 organizaciones enviaron representantes al
japoneses a estudiar y reducir la variacin mediante
la aplicacin de cartas de control. Asimismo, mostr
los principios del pensamiento cientfico con el
ciclo PHVA: Planear, Hacer, Verificar y Actuar. La
aplicacin de este ciclo permiti aprender a realizar
mejoras. Los japoneses lo utilizaron como un medio
para reconstruir su pas, mientras que en Estados
Unidos este ciclo fue desdeado debido a las
circunstancias de bonanza de la posguerra. En 1951,
la JUSE estableci los premios de calidad
Deming, que con el tiempo se convirtieron en un
fuerte estmulo para la mejora. Para este premio se
utilizaron las regalas de un libro que se basaba en
las conferencias del doctor Deming, esto ayudo a
los japoneses a salir de la crisis econmica en solo
10 aos que traa como consecuencia por la segunda
guerra
Con la influencia de lderes japoneses como Kaoru
Ishikawa, Genichi Taguchi, Shigeo Shingo,
Taichi Ohono, etc., se continu refinando el ciclo
PHVA y la introduccin de otras tcnicas para
apoyar la mejora continua enfocada en los medios
(causas) y no en el producto final (los resultados).
3.3 Etapa Del
Aseguramiento De La Calidad
Durante esta etapa, el concepto de calidad
evolucion de una perspectiva estrecha y centrada
en la manufactura a una intervencin en los
esfuerzos por la calidad en reas como diseo,
ingeniera, planeacin y actividades de servicio. As,
el aseguramiento de la calidad implic un enfoque
ms proactivo por la calidad y aparecieron nuevas
herramientas y conceptos fundamentales para este
movimiento.
Por ejemplo, a principios de la dcada de 1950, dos
de los maestros de la calidad: Armand Feigenbaum
y Joseph Juran empezaron a introducir el concepto
de costos de calidad, que proporcion un poderoso
fundamento econmico al movimiento por la
calidad. Con esto se supo que la mala calidad cuesta
mucho y que al mejorar se reducen los costos de no
calidad. En 1956, Feigenbaum public su libro
sobre control total de calidad, donde seala que el
control inicia con el diseo y termina solamente
cuando el producto se ha entregado en las manos del
cliente, quien debe mostrarse satisfecho. Adems,
afirma que la calidad es trabajo de todos. Las ideas
de Feigenbaum y Juran enfatizan la responsabilidad
de la administracin por la calidad. En 1954, el
doctor Joseph Juran visit por primera vez Japn y
sus enseanzas contribuyeron a que los directivos
de ese pas tuvieran una nueva visin sobre la
responsabilidad de los directivos para mejorar la
calidad y la productividad.
En 1962, el doctor Kaoru Ishikawa formaliz los
crculos de calidad, iniciados desde 1950, y desde
entonces las actividades de stos se difundieron
rpidamente. Los crculos de calidad son la
maduracin de los mltiples estudios y de la
capacitacin sobre el control de calidad dirigido a
supervisores y obreros.
La continuacin de las diversas actividades
(conferencias, publicaciones, cursos) de impulso al
control de calidad en Japn, iniciadas en la dcada
de 1950, empez a dar resultado con un incremento
significativo de la calidad de los productos
japoneses. La competitividad de la industria
japonesa fue ganando terreno hasta convertirse en
lder en varias ramas industriales, como se seala a
continuacin:
As, la versin japonesa del control total de calidad
(Company-Wide Quality Control) fue ms all de la
versin de Feigenbaum: involucr a todas las
divisiones y a todos los empleados en un enfoque
integrado para alcanzar objetivos de calidad, costos
y calidad en el servicio. Para que todos los
empleados trabajaran por la calidad se les
proporcionaba la capacitacin y motivacin
necesarias.
Sobre este ltimo punto, en Estados Unidos
apareci un movimiento muy importante por la
calidad, conocido como Zero Defects, que se
enfocaba en elevar las expectativas de
administracin, as como en motivar y concientizar
a los trabajadores por la calidad de promover un
constante y consciente deseo de hacer el trabajo
bien a la primera vez (Halpin, 1966).
James F. Halpin, director de calidad de Martin
Company, explicaba: La razn detrs de la falta de
perfeccin fue simplemente que sta no se esperaba.
Al mismo tiempo que la administracin demanda
perfeccin, sta ocurre. Este enfoque de la calidad
lo continu Philip B. Crosby, quien tambin trabaj
en Martin Company y durante esta etapa escribi
dos libros muy populares: La calidad no cuesta,
publicado en 1979, y Calidad sin lgrimas, en 1984.
En general, este enfoque de cero defectos, que
enfatizaba la calidad como un problema de
motivacin y expectativas, entr en rivalidad con
enfoques como el de Deming, que aborda la calidad
desde una perspectiva ms integral.
Al final, en esta etapa de aseguramiento de la
calidad, se empieza a poner nfasis en el diseo y
aparecen herramientas para coadyuvar a este fi n,
como la confiabilidad, el diseo de experimentos, el
anlisis de modo y el efecto de falla (AMEF), entre
otros.
3.4 Etapa De La Administracin De La Calidad
Total
En la dcada de 1980, se tom plena conciencia de
la importancia estratgica de la calidad, de su
mejora y de la satisfaccin del cliente, con lo que se
empez a publicitar lo hecho en Japn; adems,
muchas empresas y organizaciones del mundo
occidental iniciaron sus programas de gestin de la
calidad total como una accin estratgica para
la mejorar su competitividad. Tambin se public una
amplia y variada literatura sobre la administracin
de la calidad total y sus herramientas.
Por ejemplo, en 1986 aparece el libro Out of the
Crisis. Quality, Productivity and Competitive
Position, de E. Deming, en el que expone los
principios en los que se debe basar la
administracin de una organizacin para mejorar su
competitividad en forma continua. Esta obra se
convirti en un aporte fundamental para entender
qu es lo que asegura la calidad en las
organizaciones, el papel de la alta direccin en la
calidad y la importancia de la estadstica para
mejorar los procesos y tomar decisiones.
En 1987 aparecieron la serie de normas ISO-9000,
con el objetivo de unificar y estandarizar los
numerosos enfoques de sistemas de aseguramiento
de calidad que hasta a la fecha existan. En
1994, estas normas sufrieron una primera ligera
modificacin, pero es hasta el ao 2000 cuando se
les hace un cambio radical y se reemplaza el
concepto de Sistema de Aseguramiento de la
Calidad por el de Sistema de Gestin de la Calidad.
Con el tiempo, estas normas se han convertido en
un referente fundamental para miles de empresas y
organizaciones que han certificado sus sistemas de
gestin de la calidad basndose en ellas.
Durante las dcadas de 1980 y 1990 se escribieron
cientos de libros que explicaban qu era la calidad,
cmo lograrla y cules eran sus mtodos, y cmo
lograr mejores estilos y hbitos de liderazgo de los
directivos. Adems de E. Deming, algunos de los
autores que ms contribuyeron a la calidad fueron:
Joseph Duran, Kaouro Ishikawa, Philips Crosby,
Masaki Imai, Arman Feigenbaum, Shigeo
Shingo, Taichi Ohono, Genichi Taguchi, Peter
Drucker, Peter Senge, Stephen Covey, Tom Peters,
Michael Porter, etctera.
3.5 Seis Sigma
En 1988,
Motorola inici la aplicacin del programa de Seis
Sigma (6) con el propsito de mejorar la calidad
de productos electrnicos, logrando ahorros
millonarios y el premio estadounidense a la calidad
Malcolm Baldrige. A mediados de los noventa la
estrategia Seis Sigma fue adoptada, enriquecida y
generalizada por un gran nmero de compaas, de
las que destacan Allied Signal en 1994 y General
Electric (GE) en 1995. Esta ltima tuvo xitos
espectaculares con la aplicacin de 6, no slo en
sus procesos de manufactura, sino tambin en sus
divisiones financieras y de entretenimiento.
En la actualidad, 6 sigue siendo una de las
estrategias de mejora de mayor impacto (vea el
captulo 16).
En 1987, en Estados Unidos se estableci por
decreto gubernamental el premio a la calidad
Malcolm Baldrige, el cual se entrega desde 1988. El
galardn se design as en honor de quien fuera el
impulsor del premio y secretario de Comercio en
Estados Unidos desde 1981 hasta su trgica muerte
en un accidente de rodeo en 1987. El propsito del
premio es estimular a las compaas de Estados
Unidos a mejorar su calidad y productividad,
reconocer logros en ese campo y que las
organizaciones premiadas sean un ejemplo para las
otras, adems de establecer pautas y criterios a
seguir que ayuden a las organizaciones a mejorar.
A finales de los ochenta y principios de los noventa,
otros pases y regiones establecen sus propios
premios a la calidad con propsitos similares. Por
ejemplo, el Premio Europeo a la Calidad/
Excelencia se entrega desde 1992 (www.efqm.org).
En Mxico se entrega el Premio Nacional de
Calidad desde 1990, y desde 2008 se basa en un
modelo de competitividad (vea los detalles ms
adelante y en www.competitividad.org.mx). En
Argentina tambin se otorga uno desde 1994
(www.premiocalidad.com.ar). Durante toda la
dcada de los noventa, en muchos pases surgieron
diversos premios de calidad regional y estatal que
an se siguen entregando.
Desarrollar la prctica que se encuentra al final
ANEXO 01
4. LOS GURUS DE LA CALIDAD
En este captulo se estudian los elementos ms
importantes de las ideas de algunos de los maestros
de la calidad, lo cual permite entender mejor el
fundamento y los retos de la mejora de procesos.
La mayora de tales ideas maduraron durante las
dcadas de 1980 y 1990. Es necesario estudiarlas
porque generaron una gran cantidad de cambios en
las organizaciones: evolucionaron los estilos de
direccin, las prioridades, la comprensin de la
calidad, la productividad, la competitividad y el
cliente, etc. Adems, muchas de las propuestas de
los lderes siguen plenamente vigentes, a tal grado
que ahora son parte de la teora de la gestin de las
organizaciones, con lo cual se entiende que la tarea
de dirigir va ms all de la experiencia, el sentido
comn y el aprendizaje sobre el camino.
4.1 William Edwards Deming
Naci el 14 de octubre de 1900 en Wyoming,
Estados Unidos. Estudi fsica y matemticas en la
Universidad de Wyoming y recibi su doctorado en
fsica en Yale. Trabaj en la planta Hawthorne de la
Western Electric de Chicago, en la que 46 000
personas fabricaban telfonos en un mal ambiente
de trabajo y mala remuneracin. Algunas de sus
ideas de la administracin surgieron de su
experiencia en Hawthorne, donde se pagaba a los
empleados de acuerdo con lo que producan.
Entre 1943 y 1945 Deming promovi en su pas un
curso sobre control estadstico de calidad para
personal de la industria y universidades. En 1950
imparti conferencias a altos directivos japoneses
sobre las ventajas del control estadstico de la
calidad, adems de un curso de control de calidad a
400 ingenieros japoneses. Un ao despus, en
Japn, se fund el Premio a la calidad Deming, el
cual se otorgaba en dos categoras: a un individuo
por sus conocimientos en teora estadstica y a
compaas por logros obtenidos en la aplicacin
estadstica. Con el tiempo este galardn alcanz un
alto prestigio como reconocimiento a los logros en
calidad y fue promovido por la Unin de Cientficos
e Ingenieros Japoneses (Union of Japanese
Scientists and Engineers, JUSE). Actualmente sigue
entregndose a empresas de diferentes partes del
mundo (vea www.juse.or.jp/e/deming/).
Para 1980, 30 aos despus de ensear sus mtodos
a los japoneses, el doctor Deming empez a ser
reconocido en Estados Unidos, principalmente a
raz de un programa de televisin titulado
Si Japn puede, por qu nosotros no?, donde se
exaltaba la calidad de los productos japoneses y la
contribucin a ello por parte de Deming.
Sus desarrollos en la dcada de 1980 contribuyeron
a dar forma a una nueva teora para la gestin de las
organizaciones. Deming critic muchas de las h) Desechar el miedo.
i) Eliminar las barreras organizacionales que
formas tradicionales de administrar y evaluar a los
impiden trabajar en equipo para lograr la mejora
trabajadores, tambin propuso ideas ms humanistas
continua.
y fundamentadas en el conocimiento de la variacin
j) Eliminar lemas, exhortos y metas para la mano
natural de los procesos. Sus propuestas inspiraron
de obra.
cambios radicales en muchas de las grandes k) Eliminar las cuotas numricas para la mano de
corporaciones; por ejemplo, Nashua Corporation, obra.
l) Eliminar las barreras que privan a la gente de su
Ford Motor Company,
derecho a estar orgullosa de su trabajo
Florida Power & Light (Gabor, 1990).
m) Estimular la educacin y la automejora de todo
En 1986, Deming public su libro Out of the Crisis
el mundo
(Deming, 1989), en el que expuso lo que se n) Generar un plan de accin para lograr la
considera su ms importante aportacin: los transformacin.
llamados 14 principios para transformar la gestin
en la organizacin. En conjunto, stos se pueden ver 4.2 Joseph M. Juran (1904-2008)
como una teora, una filosofa, que permite entender
El doctor Juran naci en 1904 en la ciudad de
cmo funcionan las cosas y qu es lo que
Braila, ahora parte de Rumania. En 1912 l y su
proporciona la calidad en una organizacin. La obra
familia se trasladaron a Estados Unidos y se
del doctor Deming ha sido una valiosa fuente de
instalaron en Minnesota. Doce aos despus se
ideas de mejora. En la dcada de 1980 muchos
gradu en ingeniera elctrica en la Universidad de
expertos se dedicaron a interpretar y extender los 14
Minnesota e inici su trabajo con Western Electric,
puntos del libro.
en Hawthorne Works, Chicago. En 1928 escribi su
En seguida se explican los 14 principios que
primer trabajo sobre calidad: un folleto de
propuso Deming para transformar la gestin de las
entrenamiento llamado Mtodos estadsticos
organizaciones.
aplicados a los problemas de manufactura. En
a) Crear constancia en el propsito de mejorar el
1937 conceptualiz el principio de Pareto y 17 aos
producto y el servicio.
b) Adoptar la nueva filosofa. ms tarde visit Japn y ayud a gerentes de esta
c) Dejar de depender de la inspeccin de todos los
nacionalidad a entender la calidad. Fue en 1984 que
productos como una forma de asegurar la
por su trabajo recibi la orden del tesoro sagrado de
calidad, ya que esto no la garantiza.
manos del emperador japons Hiro Hito.
d) Acabar con la prctica de hacer negocio slo
Juran fungi como maestro y conferencista en la
con base en el precio.
e) Mejorar constantemente el sistema de Universidad de Nueva York y en la Sociedad
produccin y servicio. Americana de Administracin (American
f) Implantar la formacin (instituir la capacitacin
Accounting Association, AAA). Asimismo, trabaj
en el trabajo)
como consultor de negocios y organizaciones en 40
g) Adoptar el nuevo estilo de liderazgo
pases e hizo muchas otras contribuciones a la
literatura de calidad: ms de 20 libros y cientos de
publicaciones, traducidas a 17 idiomas, as como
docenas de videoprogramas de entrenamiento.
Juran enfatiz la responsabilidad de la
administracin para mejorar el cumplimiento de las
necesidades de los clientes. Una de sus aportaciones
clave es lo que se conoce como la triloga de la
calidad, un esquema de administracin funcional
cruzada que se compone de tres procesos
administrativos
(Juran, 1990 y 1992): planear, controlar y mejorar.
La triloga de la calidad de Juran, en la cual se
aprecia que, a medida que en cada ciclo de mejora
(proyecto) se genera aprendizaje, al aplicarlo se van
produciendo ahorros por la reduccin de los costos
de no calidad.
Al analizar lo que se ha dicho sobre algunos de los
aportes de Juran a la calidad, cabe destacar los
siguientes aspectos que, no obstante el paso de los
aos, siguen siendo vigentes. Juran establece que la
mejora parte de identificar a los clientes y sus
necesidades. Es decir, no slo se debe imaginar
quin es el cliente y lo que requiere, sino que es
necesario identificarlos e investigar sus necesidades.
De esta forma, la mejora no se har en cualquier
direccin, sino en aquella que satisfaga mejor los
requerimientos de los clientes. Adems, seala que
la responsabilidad de la calidad y la mejora de
procesos debe ser parte de la responsabilidad de la
alta direccin y que los esfuerzos de mejora se
deben desplegar hacia abajo. Esto quiere decir que
la alta direccin funge como lder, estableciendo
primero la visin y despus proporcionando los
medios mediante los cuales sea posible alcanzarla.
En otras palabras, la labor de los altos directivos no
se limita a slo establecer las metas de calidad.
Por otro lado, se propone que la mejora se genere a
travs de proyectos clave enfocados a las reas
crticas donde los resultados de calidad no sean los
planeados. Estos proyectos debern ser ejecutados
por equipos de calidad que recibirn el
entrenamiento y el poder para lograr un proyecto
exitoso. Esto, que se ha comentado de Juran, es
parte de la estrategia Seis Sigma, como se ver en el
captulo correspondiente. No obstante, Seis Sigma
va ms all al proponer medidas adicionales para
fortalecer la estrategia de mejora.
La triloga de la calidad es plenamente vigente, ya
que actualmente se sigue trabajando para hacer las
cosas mejor, ms rpidas y ms baratas. Si bien es
cierto que las estrategias han cambiado, y hoy se
aplican estrategias como Lean, Seis Sigma, Lean
Seis Sigma o alguna otra. Pero la clave sigue siendo
cmo integrar adecuadamente los tres elementos de
la triloga de Juran o, en palabras de
Snee y Gardner (2008), la clave es desarrollar un
sistema de gestin que integre los siguientes tres
componentes crticos:
4.3 Kaouro Ishikawa (1915-1989)
Naci en Japn en 1915, se gradu de Ingeniera en
la Universidad de Tokio. Obtuvo el doctorado
tambin en Ingeniera en la misma institucin y fue
promovido a profesor en 1960. Fue acreedor al
premio Deming y a un reconocimiento de la
Asociacin Americana de la Calidad (American
Association for Quality, ASQ). Desempe un papel
relevante en el movimiento por la calidad en
Japn debido a sus actividades de promocin y a su
aporte de ideas innovadoras para la calidad. Se le
reconoce como uno de los creadores de los crculos
de calidad en Japn (grupos de personas de una
misma rea de trabajo que se dedican a generar
mejoras). El diagrama de causa-efecto tambin se
denomina diagrama de Ishikawa, debido a que fue
l quien lo empez a usar en forma sistemtica.
En su libro Qu es el control total de calidad?
sintetiza sus ideas principales y experiencias sobre
la calidad. Por ejemplo, seala que el Control Total
de Calidad (CTC) es una nueva filosofa de
administracin que se debe convertir en uno de los
principales objetivos de la compaa, y para ello se
deben fi jar metas a largo plazo y anteponer a la
calidad en todas las decisiones, empezando por el
rea de compras. Al ser el CTC una nueva filosofa
de administracin, menciona que la alta
administracin debe liderar los esfuerzos de mejora
y que esto debe ser complementado con el papel
fundamental de las gerencias medias. Asimismo,
hace especial nfasis en cmo el CTC slo es
posible cuando la gerencia se compromete con el
proceso y todo el personal se responsabiliza del
autocontrol.
Tambin plante que las gerencias no deben
conformarse con las mejoras en la calidad del
producto sino insistir para que stas siempre vayan
un paso adelante. Tambin destaca que el CTC es
una responsabilidad de todas las personas y reas de
la empresa; es una labor de grupo que debe
orientarse diseo del producto.
El CTC es accin y conocimiento que debe
traducirse en resultados, de lo contrario no es
CTC. Para ello, es indispensable la capacitacin en
esta rea para todos los miembros de la empresa,
desde los trabajadores hasta el presidente.
Ishikawa describe el papel clave que juegan las siete
herramientas bsicas para la calidad, al ayudar a
controlar el proceso y a orientar en la bsqueda de
causas para realizar mejoras. Al tener xito con el
CTC, aumentan las utilidades de la empresa y se
mejoran las relaciones humanas y de trabajo. En
suma, el CTC logra una organizacin superior con
una mejor posicin competitiva en el mercado.
4.4 Philip B. Crosby (1926-2001)
Philip Crosby naci en Wheeling, Virginia, Estados
Unidos, en 1926. Trabaj para Martin-Marietta de
1957 a 1965 y para ITT de 1965 a 1979. A partir de
1979 fund su despacho de consultora y hasta su
muerte, en 2001, se dedic a la calidad.
En Martin-Marietta surgi un movimiento muy
importante por la calidad, conocido como cero
defectos, que se enfocaba a elevar las expectativas
de la administracin y a motivar y concientizar a los
trabajadores por la calidad (promover un constante
y consciente deseo de hacer el trabajo bien a la
primera vez, Halpin, 1966). James F. Halpin,
director de calidad de Martin Company, explicaba:
La razn detrs de la falta de perfeccin fue
simplemente que sta no se esperada. Al mismo
tiempo que la administracin demanda perfeccin,
sta ocurre.
Philip B. Crosby continu y perfeccion este
enfoque de la calidad. Sus libros La calidad no
cuesta, publicado en 1979, y Calidad sin lgrimas,
en 1984, fueron muy populares y ledos por muchos
gerentes, lo que ayud a difundir la importancia de
la calidad. Sus propuestas daban mucha importancia
al problema de motivacin y expectativas, y entr
en rivalidades con enfoques como el de Deming,
que vea la calidad como un problema sistmico en
el que la alta direccin tena la mayor parte de la
responsabilidad. Estas rivalidades entre los maestros
de la calidad en ocasiones propiciaban visiones
excluyentes; sin embargo, a la postre, las ideas de
ambos contribuyeron de manera significativa al
movimiento por la calidad.
Los 13 libros de Philip Crosby, varios de ellos muy
vendidos, ayudaron a definir el papel que los
ejecutivos deben desempear para tener
organizaciones de calidad. Algunas de sus
aportaciones ms relevantes fueron sus 14 pasos, en
los que explica la manera en que una organizacin
poda iniciar y continuar su movimiento por la
calidad. En estos 14 pasos se iban generando
mayores expectativas por la calidad y motivando a
los empleados para que participaran.
Crosby seala que la clave de la calidad es hacerlo
bien a la primera vez, y que este principio, esta
actitud hacia hacerlo bien, es la base del cambio
hacia la calidad, es decir, que sea posible ofrecer un
producto o servicio que cumpla con los requisitos
del cliente. Por lo tanto, se debe construir un
sistema de calidad para la prevencin, cuyo estndar
de desempeo sea cero defectos.
4.5 Armand V. Feigenbaum (1922)
Es el creador de Control total de calidad cual
complet mientras obtena el grado doctoral en
Massachussets Institute of Technology, en 1951, es
el recibidor de numerosas medallas y honores por
parte de asociaciones de calidad alrededor del
mundo.
En 1956 introdujo por primera vez la frase Control
de calidad total.
SU APORTE A LA CALIDAD
Su idea de la calidad es: un modelo de vida
corporativa, un modo de administrar una
organizacin. Control total de calidad es un
concepto que abarca toda organizacin e involucra
la puesta en prctica de actividades orientadas hacia
el cliente.
FILOSOFA
Su filosofa de resumen en sus tres pasos hacia la
calidad:
Liderazgo de calidad: la administracin debe
basarse en una buena planeacin, manteniendo un
esfuerzo constante hacia la calidad.
Tecnologa de calidad moderna: los problemas de
calidad no pueden ser atendidos slo por el
departamento de calidad. No se requiere fomentar
una integracin de todos los que participan en el
proceso para que evalen e implementen nuevas
tcnicas para satisfacer a los clientes.
Compromiso organizacional: debe de llevarse a
cabo una capacitacin y de una motivacin
constante para toda la fuerza laboral que participan
en la organizacin dentro del proceso. Esto
acompaado de una integracin de la calidad en la
planeacin de la empresa.
La idea de Feigenbaum, se ha convertido en un
elemento primordial dentro de los criterios del
Premio Nacional de la Calidad Malcom Baldrige.
 Supongamos un esquema de un proceso de
SEMANA 02 fabricacin determinado que produce cierta pieza
donde la caracterstica de calidad sea Y (medible u
FACTORES QUE DETERMINAN DE LA observable). Se observa que la magnitud de la
CALIDAD DEL PRODUCTO caracterstica vara de unidad a unidad de producto;
esto es, se dice que el producto posee variabilidad,
SEMANA 03 Y 04 objetivo primario o base de la Estadstica.

CONTROL ESTADISTICO DE LA CALIDAD

Definimos el Control Estadstico de la Calidad

como la aplicacin de diferentes tcnicas
estadsticas a procesos industriales (mano de obra,
materias primas medidas, mquinas y medio
ambiente), procesos administrativos y/o servicios
con objeto de verificar si todas y cada una de las
partes del proceso y servicio cumplen con unas
ciertas exigencias de calidad y ayudar a cumplirlas,
entendiendo por calidad la aptitud del producto y/o
1. Parmetros estadsticos.
servicio para su uso.
Es una constante que describe una caracterstica de
La aplicacin de tcnicas estadsticas al control est
una poblacin. Para poder calcular el valor de un
basada en el estudio y evaluacin de la variabilidad
parmetro, se requiere conocer a ciencia cierta el
existente en cualquier tipo de proceso que es
estado de naturaleza de la poblacin o realizar un
principalmente el objeto de la Estadstica.
censo. Principales tipos de parmetros son:
Las fuentes que producen la variabilidad objeto de
Parmetros de tendencia central o de resumen,
estudio en la Estadstica, se clasifica en
siendo los ms importantes:
variabilidad controlada o corregible que no
La media o promedio ()
entra dentro de nuestro campo pero si es posible La mediana (Me)
detectarla por causar una variabilidad muy grande La moda (Mo)
(ajuste incorrecto de la mquina, errores humanos, Parmetros de variabilidad, siendo los ms
siendo posible eliminar la causa o causas que la han importantes:
producido, y la variabilidad debida al azar, La variancia o varianza ()
tambin denominada variabilidad no controlable La desviacin estndar ()
El coeficiente de variabilidad (C.V.)
que no puede ser asignada a una causa nica sino al
efecto combinado de otras muchas.
2. Poblacin y muestra. datos de una muestra, con el objetivo de estimar o
2.1. Poblacin.- Agregado de unidades
inferir caractersticas de una poblacin o modelo
elementales, que poseen alguna caracterstica o
estadstico.
propiedades comunes. El estudio de toda la
poblacin constituye un CENSO.
Una poblacin puede ser finita o infinita. En
relacin al tamao de la poblacin, sta puede
Donde
ser:
Finita, como es el caso del nmero de personas ( x ) Representa la Media para la muestra,
que llegan al servicio de urgencia de un hospital
(n) Al tamao de la muestra y
en un da; y se conoce el tamao N de la
(Xi) representa cada uno de los valores observados.
poblacin.
Infinita, si por ejemplo estudiamos el
mecanismo aleatorio que describe la secuencia 2.2.2. Media poblacional ( )
de caras y cruces obtenida en el lanzamiento
repetido de una moneda al aire. Tambin se
considera infinita, a pesar que las poblaciones
son pequea, no se puede saber con exactitud el
tamao de la poblacin Donde
2.2. Muestra.- Es una parte de la poblacin. Se
( ) Representa la media
espera que la muestra sea representativa de la
poblacin, es decir reproduzca las caractersticas (N) representa el tamao de la poblacin

ms importantes. El proceso de obtener la (Xi) representa cada uno de los valores de la

muestra de denomina muestreo. poblacin.

Ventajas de la utilizacin de las muestras
El costo es menor y se puede obtener un
3. Distribucin discreta.
mejor rendimiento del dinero invertido.
La mediana es el valor central de la variable, es
Se obtiene una disminucin notable del
decir, supuesta la muestra ordenada en orden
tiempo necesario para alcanzar la
creciente o decreciente, el valor que divide en dos
informacin
partes la muestra.
.Clculo de mediana.
Muestra aleatoria.- cuando la muestra ha sido
obtenida empleando algn procedimiento del azar: Para calcular la mediana debemos tener en cuenta si
sorteo, extraccin al azar, nmeros aleatorios, etc. la variable es discreta Tendremos en cuenta el
2.2.1. Media muestral ( x ) tamao de la muestra.
En estadstica un estadstico (muestral) es una
medida cuantitativa, derivada de un conjunto de
Si N es Impar, hay un trmino central, el variacin permite decidir con mayor claridad
trmino que ser el valor de la mediana. sobre la dispersin de los datos.

Es el elemento que ocupa la posicin (n+1) /2 s

Coeficiente.de. var iacin CV (100)
X
Me=X n +1
2

4. Distribucin contina.
a) a Clculo de mediana
Ejemplo: Calcular la Me de los siguientes valores:
Donde la mediana bale:
32, 34, 31, 42, 36, 41, 32, 45, 37, n=9
Ordenando: 31, 32, 32, 34, 34, 36, 37, 41, 42, 45.
Me Li 2

Ame * n Fme1
Observamos el valor central: f me
Me=36 (representa el 5to. dato)
n es par. La mediana es igual al promedio o la
semisuma de los valores centrales.

Donde Ai es la amplitud del intervalo

a) b Varianza
a) Varianza: Es una medida que nos ayuda a
comprender la variabilidad de los datos, que tan S2 = (Xi -
distanciados estn de la media.
x)2 f
n -1
( xi x ) 2
s2 a) c Desviacin estndar
n 1

s=
b) Desviacin estndar : La desviacin estndar s2
mide el grado de dispersin de los datos con
respecto a la media, se denota como s para una 5. Parmetros de distribucin
muestra 5.1. Distribucin Binomial.
Es frecuente que en control de calidad se den
( xi x ) 2 variables del tipo pasa, no pasa.
s n 1 Por ejemplo, un artculo cumple con
especificaciones o no, una pieza resiste cierta fuerza
c) Coeficiente de variacin: Permite determinar la
o no, una lmpara enciende o no. Un experimento
razn existente entre la desviacin estndar (s) y
aleatorio donde los posibles resultados de cada
la media. Se denota como CV. El coeficiente de
ensayo son: xito o fracaso se conoce como
experimento
Bernoulli. Un experimento aleatorio que consiste en
una secuencia de n ensayos
Bernoulli donde adems se cumple que:
1. Los ensayos son independientes.
2. La probabilidad de xito en cada ensayo,
denotada por p, permanece constante.
Entonces este experimento recibe el nombre de
experimento binomial. La variable aleatoria X, que
es igual al nmero de ensayos donde el resultado es
un xito, tiene una distribucin binomial (n, p). La
funcin de probabilidades de X es,
La media y la distribucin estndar de la
distribucin son:
Ejemplo:
En un proceso de fabricacin donde se produce una
gran cantidad de artculos, se sabe que en promedio
2% de ellos estn defectuosos. Los artculos son
empacados en cajas de 10, y se quiere saber cul es
la probabilidad de no haya ningn artculo
defectuoso en cada caja
5.2. Distribucin Poisson.
Una tercera distribucin de probabilidades discretas
se llama distribucin de probabilidad e Poisson, por
Simeon Poisson, quien la describi en 1837. La
distribucin se puede aplicar en muchos casos
donde intervienen observaciones por unidad de
tiempo: por ejemplo, contar automviles que llegan
a una caseta de autopista en intervalos de 1 min, la
cantidad de descomposturas de una mquina en 1
da y la cantidad de clientes que entran a un
almacn en intervalos de 5 minutos. Tambin se
puede aplicar esa distribucin a casos acerca de
observaciones por unidad de cantidad; por ejemplo
contar las no conformidades de tejido en 1000 m2
de tela, la cantidad de
no conformidades por
nmero de peticiones
de servicio por semana, y la cuenta de remaches no
conformes en un vehculo recreativo.
En cada una de las situaciones anteriores hay
muchas oportunidades iguales e independientes para
la ocurrencia de un evento.
Cada remache en un vehculo recreativo tiene igual
oportunidad de ser no conformidad; sin embargo,
slo habr unas pocas no conformidades en los
cientos de remaches.
La distribucin de Poisson tambin se aplica
cuando n es bastante grande y p0 es pequea.
Ejemplo:
Una empresa se reciben en promedio 5 quejas
diarias por mal servicio. Si el nmero de quejas por
da se distribuye Poisson con = 5, cul es la
probabilidad de no recibir quejas en un da?
5.3. Distribucin Normal
La distribucin normal es probablemente la
distribucin continua ms importante, tanto en
estadstica terica como aplicada. Si X es una
variable aleatoria normal, entonces su funcin de
densidad de probabilidades est dada por:
Donde es su media, y su desviacin estndar. Al
graficar la funcin f (x) se obtiene una grfica
simtrica y unimodal, cuya forma es similar a una
campana; El centro de sta coincide con , y la
amplitud est determinada por .
Propiedades de la distribucin normal
Si X es una variable aleatoria con distribucin
normal con media y varianza 2, N (, 2),
entonces se cumple que:
1. P ( < X < + ) = 0.6827
2. P ( 2 < X < + 2) = 0.9545
3. P ( 3 < X < + 3) = 0.9973
4. P(X = a) = 0 para cualquier nmero a.
Estas propiedades sealan la proporcin de la
distribucin normal que se localiza en torno a la
media . Por ejemplo, entre ms menos una
desviacin estndar de la media se ubica en 68.27%
del rea; y en la media ms menos tres veces se
encuentra 99.73% de la distribucin.
Esta ltima es la razn de cmo se obtienen los
lmites reales de un proceso.
Clculo de probabilidades
Si una variable aleatoria X se distribuye normal con
media y varianza 2, y se quiere encontrar la
probabilidad de que esta variable tome valores entre
dos nmeros cualesquiera, a y b por ejemplo,
entonces lo que se tiene que hacer es calcular el rea
bajo la curva entre a y b, y esto se realiza mediante
mtodos numricos, ya que la integral de la funcin
de distribucin no tiene solucin analtica. Cuando
es una distribucin normal con parmetros = 0 y
2 = 1, entonces a la distribucin se le conoce como
distribucin normal estndar (N (0, 1)).
Estandarizar una variable es fcil, puesto que si X
tiene una distribucin normal con E(X)
= y V(X) = 2, entonces la variable
(estandarizada)
Ejemplo: La dimensin de una pieza se distribuye
normal con = 82.0 mm, y = 0.5. Se desea
calcular el porcentaje de m piezas que cumplen con
especificaciones 821.
PRCTICA A DESARROLLAR; PRESENTAR
LA SIGUIENTE SEMANA
1. Una poblacin normal tiene una media de 80
una desviacin estndar de 14.0
a. Calcule la probabilidad de un valor
localizado entre 75.0 y 90.0.
b. Calcule la probabilidad de un valor de
75.0 menor.
c. Calcule la probabilidad de un valor
localizado entre 55.0 y 70.0.
2. Los montos de dinero que se piden en las normalmente, hallar cuntos estudiantes
solicitudes de prstamos en Down River pesan:
a. Entre 60 kg y 65 kg.
Federal Savings tiene una distribucin normal,
b. Ms de 90 kg.
una media de $70,000 y una desviacin c. Menos de 64 kg.
d. 64 kg.
estndar de $20,000. Esta maana se recibi
e. 64 kg o menos.
una solicitud de prstamo. Cul es la 6. La temperatura durante setiembre est
probabilidad de que: distribuida normalmente con media 18,7C y
a. El monto solicitado sea de $80,000 o
desviacin standard 5C. Calcule la
superior
probabilidad de que la temperatura durante
b. El monto solicitado oscile entre $65,000
setiembre est por debajo de 21C.
y $80,000
c. El monto solicitado sea de $65,000 o (considerar 30 das al mes)
7. En una ciudad se estima que la temperatura
superior.
3. El fabricante de una impresora lser informa mxima en el mes de junio sigue una
que la cantidad media de pginas que distribucin normal, con media 23 y
imprime un cartucho antes de reemplazarlo desviacin tpica 5. Calcular el nmero de
es de 12,200. La distribucin de pginas das del mes en los que se espera alcanzar
impresas por cartucho se aproxima a la mximas entre 21 y 27. (considerar 30 das
distribucin de probabilidad normal y la al mess
8. El consumo mensual de una persona elegida
desviacin estndar es de 820 pginas. El
aleatoriamente a partir de la poblacin de un
fabricante desea proporcionar lineamientos a
pas es una variable normal con media
los posibles clientes sobre el tiempo que
aritmtica de 500 y desviacin estndar de
deben esperar que les dure un cartucho.
100. Cul es el nivel tal que exista 76.73%
Cuntas pginas debe indicar el fabricante
de probabilidad que dicha variable supere tal
por cartucho si desea obtener 99% de certeza
nivel?
en todo momento?
9. Los pesos de los paquetes recibidos en un
4. En una ciudad se estima que la temperatura
almacn tienen una media de 300 libras, con
mxima en el mes de junio sigue una
una desviacin estndar de 50. Cul es la
distribucin normal, con media 23 y
probabilidad de que 25 paquetes puestos al
desviacin tpica 5. Calcular el nmero de
azar excedan el lmite de seguridad de este
das del mes en los que se espera alcanzar
que es de 8200 libras?
mximas entre 21 y 27.(considerar 30 das
10. Ciertos focos fabricados por una compaa,
al mes)
5. La media de los pesos de 500 estudiantes de tiene una duracin media de 800 horas y una

un Instituto es 70 kg y la desviacin tpica 3 desviacin tpica de 60 horas. Hallar la

kg. Suponiendo que los pesos se distribuyen probabilidad de que una muestra al azar de
 16 tubos tomada de entre ellos tenga una 14. La cantidad real de caf instantneo que
duracin de entre 790 y 810 horas. vierte una mquina en jarras de 4 onzas vara
11. Las ventas mensuales de silenciadores en el
de una jarra a otra, y se puede fijar como una
rea de Richmond, Virginia tiene una
variable aleatoria que tiene una distribucin
distribucin normal, con una media de 1200
normal con desviacin estndar de 0.04
y una desviacin estndar de 225. Al
onzas. Si solo el 2% de las jarras va a
fabricante le gustara establecer niveles de
contener menos de 4 onzas de caf. Cul
inventario de manera que solo haya 5% de
debe ser el contenido medio de estas jarras?
probabilidad que se agoten las existencias.
15. Una empresa fabrica juntas tericas para el
Dnde se deben establecer los niveles de
trasbordador espacial de la NASA. Las
inventario?
cuales se han diseado para sellar conexiones
12. La media del dimetro interior de una
y piezas en el sistema de combustible a fin de
muestra de 200 lavadoras producidas por una
impedir fugas. Un tipo de juntas ha de tener 5
mquina es 1,275 cm. y la desviacin tpica
centmetros de dimetro para que encaje
de 0,0125 cm. El propsito para el cual se
como es debido; no puede variar arriba o
han diseado las lavadoras permite una
abajo en ms de 0,25 cm. sin provocar una
tolerancia mxima en el dimetro de 1,26cm
fuga peligrosa. La empresa afirma que esta
a 1,29 cm., de otra forma las lavadoras se
junta tiene 5 cm. de media con una
consideran defectuosas. Determinar el
desviacin tpica de 0,17 cm. Si estas cifras
porcentaje de lavadoras defectuosas
son correctas y se supone una distribucin
producidas por la mquina, suponiendo que
normal de los dimetros, los funcionarios de
los dimetros estn distribuidos
la NASA desean determinar:
normalmente.
a. La proporcin de juntas que se adaptarn
13. En un proceso industrial el dimetro de una
correctamente.
arandela es muy importante. El comprador
b. La proporcin de juntas que son
establece en sus especificaciones que el
defectuosas.
dimetro debe ser de 3,0 0,01 mm. La c. La probabilidad de que cualquier junta
condicin es que no acepta ninguna arandela tenga un dimetro superior a 5,3 cm.
que se salga de estas especificaciones. Se d. La probabilidad de que una junta tenga
sabe que en el proceso el dimetro de las un dimetro comprendido entre 4,9 y 5,2
arandelas tienen distribucin normal con cm.
media de 3,0 mm y una desviacin estndar e. La probabilidad de que una junta elegida

de 0,005 mm. Qu porcentaje de arandelas al azar tenga un dimetro entre 5,3 y 5,5

ser rechazado? cm.

16. Un proceso controlado de fabricacin es este lote sea aceptado en la primera muestra
0.2% defectuoso. Cul es la probabilidad de de 80?
a) 0.432
encontrar 2 o ms defectuosos en 100 piezas
b) 0.726
a) 0.2174
c) 0.514
b) 0.1174
d) 0.897
c) 0.0174
e) NA
d) 0.0014
20. De los artculos de una lnea continua de
e) NA
17. Si la probabilidad es 0.075 de que un solo producto, 30% son defectuosos. Una muestra
artculo sea defectuoso en un proceso al azar de 2 artculos va a ser tomada. Cul
continuo de fabricacin, Cul es la es la probabilidad de que halla 0 defectuosos
probabilidad de que 2 artculos sean en esta muestra?
a) 0.19
defectuosos en una muestra al azar de 4
b) 0.29
tomados del proceso? En una distribucin c) 0.39
d) 0.49
binomial.
e) NA
a) 0.0028
21. Si la probabilidad es 0.25 de que un solo
b) 0.0289
c) 0.0089 artculo sea defectuoso; Cul es la
d) 0.0123
probabilidad de que una muestra de 50
e) NA
18. Un lote de 10 artculos contiene 3 contenga exactamente 15 defectuosos.
a) 0.039
defectuosos. Una muestra al azar de 2
b) 0.189
artculos se va a seleccionar de este lote. c) 0.289
d) 0.089
Cules es la probabilidad de que esta
e) NA
muestra al azar no contenga ningn 22. Un procedimiento de aceptacin exige tomar
defectuoso? una muestra de 80 de lotes muy grandes. Si
a) 2/15.
no se hallan defectuosos en la muestra, el lote
b) 7/15
c) 4/15 es pasado. Si se encuentran 2 o ms
d) 6/15
defectuosos, el lote es rechazado. Si se
e) NA
19. Un procedimiento de aceptacin exige tomar encuentra exactamente un defectuoso, se
una muestra de 80 de lotes muy grandes. Si requiere tomar una segunda muestra. Si un
no se hallan defectuosos en la muestra, el lote lote 0.4% defectuoso es sometido para
es pasado. Si se encuentran 2 o ms aceptacin Cul es la probabilidad de que el
defectuosos, el lote es rechazado. Si se lote sea rechazado en una primera muestra de
encuentra exactamente un defectuoso, se 80?
a) 0.023
requiere tomar una segunda muestra. Si un
b) 0.079
lote 0.4% defectuoso es sometido para c) 0.141
d) 0.041
aceptacin Cul es la probabilidad de que
e) NA
23. En cierto lote de 20 artculos de los cuales se a) 2
sabe que el 30% es defectuoso, se extrae en b) 13
forma aleatoria 4 artculos para un ensayo c) 25
destructivo. Cul es la probabilidad que en d) 37
dicha muestra no se encuentre ningn e) 44
defectuoso? 26. La mquina A produce en promedio 5% de
piezas defectuosas. Se extrae una muestra
a) 0.2066
aleatoria de 4 piezas de la produccin de esta
b) 0.3102
mquina. Cul es la probabilidad de que la
c) 0.4605
muestra de sta produccin tenga 1 pieza
d) 0.5068
defectuosa?
e) 0.7689
24. La mquina B produce en promedio 10% de a) 0,465
piezas defectuosas. Se extrae una muestra b) 0,321
aleatoria de 4 piezas de la produccin de esta c) 0,258
mquina. Cul es la probabilidad de que la d) 0,1714
muestra de sta produccin tenga 2 pieza e) NA
defectuosa? 27. De los artculos de una lnea continua de
producto, 30% son defectuosos. Una muestra
a) 0,0235
al azar de 2 artculos va a ser tomada. Cul
b) 0,0486
es la probabilidad de que halla 1 defectuosos
c) 0,0684
en esta muestra?
d) 0,0864
e) NA a) 0.02
25. Una mquina produce artculos con un b) 0.22
promedio de 10% de defectuosos. Se le ha c) 0.42
encargado a usted que inspeccione la d) 0.62
produccin de esta mquina cada hora e) NA
mediante una muestra. Si la muestra no 28. De una lnea de productos 20% defectuosos,
contiene artculos defectuosos usted permitir se toma una muestra al azar de 25 artculos.
a la mquina seguir trabajando en caso Cul es l a probabilidad de que la muestra
contrario la detendr. Determine el tamao contenga exactamente 5 defectuosos?
mximo de la muestra de modo que la
a) 0.196
probabilidad de que la mquina no sea
b) 0.354
detenida sea menor o igual a 0,01
c) 0.571
 d) 0.863
e) NA
SEMANA 06 Y 07
1. CARTAS DE CONTROL DE PROCESOS.
El mundo se caracteriza por su variabilidad; por
ejemplo, en el trayecto a la escuela o al trabajo no
siempre se hace el mismo tiempo, el porcentaje de
artculos defectuosos de lote a lote es variable, la
capacitacin y habilidad entre los trabajadores no es
idntica, cada cliente es diferente. En las
organizaciones, continuamente se observan cambios
(variacin), por ejemplo, de una semana a otra
pueden presentarse cambios en las ventas o en el
desempeo de los procesos. En este contexto, uno
de los aspectos crticos en la administracin de
cualquier organizacin es decidir ante qu tipo de
cambios se debe actuar oportunamente antes de que
las cosas vayan peor. Tambin es igualmente
importante saber en forma adecuada y oportuna si
las acciones que se estn ejecutando cumplen sus
objetivos.
El problema en este tipo de reacciones no son las
reacciones en s, sino la forma de hacerlo: se
atienden los aspectos superficiales, se corrigen los
efectos y no las causas; adems, no se conduce a la
ejecucin o revisin de un plan de mejora, no se
parte de un anlisis objetivo de los antecedentes del
problema y se ignora la variabilidad que tiene el
proceso o sistema.
De lo antes expuesto se concluye que tiene que
pensarse en buscar cmo cambiar la forma en que se
atiende este tipo de situaciones (problemas); por
ejemplo, ser ms objetivos, ir al fondo, trabajar en
modifi car el sistema, atacar los problemas con
proyectos y no con ocurrencias, ser metdicos,
tomar en cuenta la variabilidad, distinguir entre
cambios especiales y comunes. En todo esto las
herramientas estadsticas, y en particular las cartas
de control, juegan un papel primordial.
2. CAUSAS COMUNES Y CAUSAS
ESPECIALES DE VARIACIN
Como ya dijimos, el mundo se caracteriza por su
variabilidad; por ejemplo, en el trayecto a la escuela
o al trabajo no siempre se hace el mismo tiempo, el
porcentaje de artculos defectuosos de lote a lote es
variable, la capacitacin y habilidad entre los
trabajadores no es idntica, cada cliente es diferente,
etc. Desde luego, los procesos siempre tienen
variacin, ya que en l intervienen diferentes
factores sintetizados a travs de las 6M: materiales,
maquinaria, medicin, mano de obra (gente),
mtodos y medio ambiente. Bajo condiciones
normales o comunes de trabajo, todas las M
influyen
(Aportan variacin) sobre las variables de salida del
proceso, en forma natural o inherente, pero adems
pueden influir (aportar variacin) de manera
especial o fuera de lo comn, ya que a travs del
tiempo las 6M son susceptibles de cambios,
desajustes, desgastes, errores, descuidos, fallas, etc.
As, hay dos tipos de variabilidad: una debida a
causas comunes y la otra a causas especiales o
atribuibles.
Resulta fundamental distinguir en forma eficiente
entre ambos tipos de variacin, para as tomar las
medidas adecuadas en cada caso.
2.1. La variacin por causas comunes (o por
azar) es aquella que permanece da a da, lote a
lote; la aportan en forma natural las actuales
condiciones de las 6M. Esta variacin es
inherente a las actuales caractersticas del
proceso y es resultado de la acumulacin y
combinacin de diferentes causas difciles de
identificar y eliminar, debido a que son
inherentes al sistema y porque la contribucin
individual de cada causa es pequea; no
obstante, a largo plazo representan la mayor
oportunidad de mejora.
2.2. La variacin por causas especiales (o
atribuibles) es generada por situaciones o
circunstancias especiales que no estn
permanentemente en el proceso. Por ejemplo, la
falla ocasionada por el mal funcionamiento de
una pieza de la mquina, el empleo de
materiales no habituales o el descuido no
frecuente de un operario. Las causas especiales,
por su naturaleza relativamente discreta, a
menudo pueden ser identificadas y eliminadas si
se cuenta con los conocimientos y condiciones
para ello.
Se dice que un proceso que trabaja slo con
causas comunes de variacin est en control
estadstico o es estable, porque su variacin a
travs del tiempo es predecible.
Independientemente de que su variabilidad sea
mucha o poca, el desempeo del proceso es
predecible sobre el futuro inmediato, en el
sentido de que su tendencia central y la
amplitud
de su
variacin se espera que se mantengan al
menos en el corto plazo. Un proceso en
el que estn presentes causas especiales de
variacin se dice que est fuera de control
estadstico (o que simplemente es inestable).
Este tipo de procesos son impredecibles sobre el
futuro inmediato porque en cualquier momento
pueden aparecer de nuevo esas situaciones que
tienen un efecto especial sobre la tendencia central
o sobre la variabilidad.
No distinguir entre estos dos tipos de variabilidad
lleva a cometer dos errores en la actuacin sobre los
procesos. Error 1: reaccionar ante un cambio o
variacin (efecto o problema) como si proviniera de
una causa especial, cuando en realidad surge de algo
ms profundo en el proceso, como las causas
comunes de variacin. Error 2: tratar un efecto o
cambio como si proviniera de causas comunes de
variacin, cuando en realidad se debe a una causa
especial.
3. Elementos Bsicos De Una Carta De Control
El objetivo bsico de una carta de control es
observar y analizar el comportamiento de un
proceso a travs del tiempo. Esto permitir
distinguir las variaciones por causas comunes de las
debidas a causas especiales (atribuibles), lo que
ayudar a caracterizar el funcionamiento del
proceso y as decidir las mejores acciones de
control y de mejora.
La figura, muestra una carta de control tpica, la
cual se compone bsicamente de tres lneas
paralelas, comnmente horizontales, que rematan a
la izquierda en una escala numrica en las unidades
del estadstico w, que se grafica en la carta.
En la parte inferior, paralela a las lneas hay un eje
que sirve para identificar la procedencia de los
datos. En caso de que este eje sea una escala
cronolgica, entonces los puntos consecutivos se
unen con una lnea recta para indicar el orden en el
que ha ocurrido cada dato.
La lnea central de una carta de control representa el
promedio del estadstico que se est graficando,
cuando el proceso se encuentra en control
estadstico. Las otras dos lneas se llaman lmites
de control, superior e inferior, y estn en una
posicin tal que, cuando el proceso est en control
estadstico, hay una alta probabilidad de que
prcticamente todos los valores del estadstico
(puntos) caigan dentro de los lmites.
De esta manera, si todos los puntos estn dentro de
los lmites, entonces se supone que el proceso est
en control estadstico. Por el contrario, si al menos
un punto est fuera de los lmites de control,
entonces esto es una seal de que pas algo especial
y es necesario investigar su causa.
En general, los lmites de control son estimaciones
de la amplitud de la variacin del estadstico
(promedio, rangos, etc.) que se grafica en la carta.
Lo que se observa en una carta de control no slo es
que un punto caiga fuera de los lmites de control,
sino tambin cualquier formacin o patrn de
puntos que tenga muy poca probabilidad de ocurrir
en condiciones normales, lo cual ser una seal de
alerta de posibles cambios debidos a causas
especiales.
LCS (Lmite de Control Superior).
Una lnea superior que marca el lmite superior de
control
LCC (Lmite central de control).
Lnea central, Una lnea central que generalmente
indica el promedio histrico de la caracterstica de
calidad evaluada.
LCI (Lmite de Control Inferior).
Una lnea inferior que marca el lmite inferior de
control
Los lmites de control superior e inferior que estarn
equidistantes a la lnea central o valor promedio
respectivamente. No siempre se tienen dos lmites
superior e inferior, esto depende de la caracterstica
que se est evaluando, si se evala tiempo de
servicio no tendr lmite inferior porque entre
menor sea el tiempo de atencin es mejor, si se
evala productividad no tendr lmite superior
porque entre mayor sea la productividad ser mejor.
 4.2. Segundo paso: Eliminar las causas
Los puntos interiores corresponden asignables.
cronolgicamente al valor de la variable bajo Se deben identificar las causas asignables y se
control, de muestras tomadas del proceso, segn la
deben eliminar. Por ejemplo, si el proceso produce
frecuencia de muestreo fijada.
resultados errticos porque una mquina est

4. Criterios para determinar si un proceso est funcionando incorrectamente, se debera reparar.

bajo control
Aqu desaparecera esta fuente de variabilidad que
Uno de los grandes pilares de la Gestin de la
afecta a la distribucin habitual.
Calidad Total (TQM) es la conformidad con las
especificaciones. El Control Estadstico de la 4.3. Tercer paso: Conocer la distribucin de las
Calidad o Control Estadstico de los causas comunes
Procesos (SPC, por sus iniciales en ingls) nos No es factible conocer cules son las causas
permite conocer si el resultado de cualquier proceso comunes, pero se puede acotar su comportamiento a
que est bajo anlisis cumple con lo especificado o una distribucin estadstica. Esto permite contar con
no. Sin mayor profundidad estadstica ni un patrn de comportamiento facilitando su anlisis.
matemtica intentaremos dar una nocin de su En general, poseen una distribucin normal.
importancia y sus aplicaciones. En futuras
publicaciones se ahondar ms en sus detalles. La distribucin de las causas comunes se caracteriza
por 3 parmetros fundamentales:
4.1. Primer paso Conocer la variabilidad de La media. Es el promedio aritmtico de las
nuestro proceso. observaciones
Por ms controlado que se encuentre nuestro La dispersin. El desvo estndar nos indica

proceso, posee indefectiblemente qu dispersin tienen los valores de todas las

una variabilidad de los resultados que produce. observaciones con respecto a la media.
La simetra. Indica si el patrn de la
Todas las piezas que salen de una lnea son
distribucin es simtrico con respecto a la media
diferentes, todos los resultados de una campaa de
o es sesgado.
marketing son diferentes, la facturacin mes a mes
es diferente. 4.4. Procesos bajo control
Un proceso con comportamiento normal debera
Podemos conocer las causas ms importantes de
verse armnico, con suaves variaciones, sin
esta variabilidad, estimarlas muy bien pero nunca
exceder las cotas y sin tendencias. Por ejemplo,
conoceremos exactamente qu suceder.
la siguiente grfica corresponde a un proceso
bajo control:
 Un punto fuera del lmite superior

4.5. Procesos fuera de control

Existen diversos casos en los que se deben analizar
5 puntos consecutivos bajo la lnea central
las causas (y actuar sobre ello), en los que se
considera que el proceso est fuera de control:

5 puntos consecutivos sobre la lnea central

Comportamiento errtico

2 puntos consecutivos cerca del lmite inferior

Un punto fuera del lmite inferior

2 puntos consecutivos cerca del lmite superior


5 puntos consecutivos con tendencia ascendente
5 puntos consecutivos con tendencia descendente
Para calcular los lmites de control se debe actuar de
forma que, bajo condiciones de control estadstico,
los datos que se grafican en la carta tengan una alta
probabilidad de caer dentro de tales lmites. Por lo
tanto, una forma de proceder es encontrar la
distribucin de probabilidades de la variable,
estimar sus parmetros y ubicar los lmites de
manera que un alto porcentaje (99.73%) de la
distribucin est dentro de ellos. Esta forma de
proceder se conoce como lmites de probabilidad.
Sea W el estadstico que se va a graficar en la carta,
supongamos que su media es w y su desviacin
estndar w, entonces el lmite de control inferior
(LCI), la lnea central y el lmite de control superior
(LCS) estn dados por
LCI = w 3w
Lnea central = w
LCS = w + 3w
La forma de estimar la media y la desviacin
estndar de W a partir de las observaciones del
proceso depender del tipo de estadstico que sea W,
ya sea un promedio, un rango o un porcentaje. Esto
se ver en las prximas secciones.
5. TIPOS DE CARTAS DE CONTROL
Las cartas de control para variables se aplican a
caractersticas de calidad de tipo continuo, que
intuitivamente son aquellas que requieren un
instrumento de medicin (peso, volumen, voltaje,
longitud, resistencia, temperatura, humedad, etc.).
Las cartas para variables tipo Shewhart ms usuales
son:
X (de medias).
R (de rangos).
S (de desviaciones estndar).
X (de medidas individuales).
Las distintas formas de llamarle a una carta de
control se deben al correspondiente estadstico que
se representa en la carta, y por medio de la cual se
busca analizar una caracterstica importante de un
producto o proceso.
Existen caractersticas de calidad de un producto
que no son medidas con un instrumento de
medicin en una escala continua o al menos en una
numrica.
En estos casos, el producto se juzga como conforme
o no conforme, dependiendo de si posee ciertos
atributos; tambin, al producto se le podr contar el
nmero de defectos o no conformidades que tiene.
Este tipo de caractersticas de calidad son
monitoreadas a travs de las cartas de control para
atributos:
p (proporcin o fraccin de artculos defectuosos).
np (nmero de unidades defectuosas).
c (nmero de defectos).
u (nmero de defectos por unidad).
Existen dos tipos generales de cartas de control:
para variables y para atributos.
5.1. CARTAS POR ATRIBUTOS.
En el presente captulo se estudian las cartas de
control para atributos ms bsicas, as como la
implantacin y operacin de una carta de control.
5.1.1. Cartas p y np (para defectuosos):
Existen muchas caractersticas de calidad del tipo
pasa o no pasa y, de acuerdo con stas, un producto
es juzgado como defectuoso o no defectuoso
(conforme o no conforme), dependiendo de si
cumple o no con las especificaciones o criterios de
calidad. En estos casos, si el producto no tiene la
calidad deseada no se permite que pase a la
siguiente etapa del proceso; adems, es segregado y
se le denomina artculo defectuoso.
5.1.1.1. Carta p (proporcin de
defectuosos).
En esta carta se muestran las variaciones en la
fraccin o proporcin de artculos defectuosos por
muestra o subgrupo. La carta p (proporcin de
defectuosos) es ampliamente usada para evaluar el
desempeo de una parte o de todo un proceso,
tomando en cuenta su variabilidad con el propsito
de detectar causas o cambios especiales en el
proceso. La idea de la carta es la siguiente:
De cada lote, embarque, pedido o de cada
cierta parte de la produccin, se toma una
muestra o subgrupo de ni artculos, que
puede ser la totalidad o una parte de las
piezas bajo anlisis.
Las ni piezas de cada subgrupo son
inspeccionadas y cada una es catalogada
como defectuosa o no. Las caractersticas o
atributos de calidad por los que una pieza es
evaluada como defectuosa, pueden ser ms
de uno. Una vez determinados los atributos
bajo anlisis, es preciso aplicar criterios y/o
anlisis bien definidos y estandarizados.
Si de las ni piezas del subgrupo i se
encuentra que di son defectuosas (no pasan),
entonces en la carta p se grfica y se analiza
la variacin de la proporcin pi de unidades
defectuosas por subgrupo:
di
Pi=
ni
Donde n es el tamao de subgrupo y p es la
proporcin promedio de artculos defectuosos en el
proceso. De acuerdo con esto, los lmites de control
de la carta p con tamao de subgrupo
Constante, estn dados por: importancia de no dejar pasar paquetes con aire. Sin
embargo, como no se llevaba un registro de la

LCS= p +3
p ( 1 p )
n
magnitud del problema, no existan bases tangibles
para detectar cambios en el desempeo de las
mquinas, ni haba forma de saber si las medidas
tomadas para reducir el problema haban dado

LC=p resultado.
De ah surgi la necesidad de registrar los
resultados y analizarlos mediante una carta de
control. Cada hora se registra el nmero de paquetes
detectados con aire di y del contador de la mquina
LCI= p 3
p ( 1 p )
n se obtiene el total de paquetes ni durante esa hora.
Los datos obtenidos durante tres das en una
mquina se muestran en la tabla.

Ejemplo: PAQUETES
SUBGRUP PAQUETES
CON AIRE
En una empresa del ramo alimenticio, mediante O ni
di
ciertas mquinas se empaquetan salchichas en 1 595 15
2 593 5
sobres o paquetes.
3 607 8
Un problema que se ha tenido es que dentro del 4 596 10
sobre queda aire (falta de vaco). El problema se 5 602 6
6 599 5
detecta mediante inspeccin visual; los paquetes
7 600 5
con aire son segregados y despus se abren para 8 590 7
recuperar las salchichas y volverlas a empaquetar. 9 599 2
10 601 4
El atributo de falta de vaco es importante debido a 11 598 9
que si un paquete con aire llega al mercado, la vida 12 600 17
13 597 4
de anaquel se acorta, por lo que despus de algunos
14 594 5
das la salchicha empieza a cambiar de color y a 15 595 3
perder su frescura; y eso puede ocurrir en el 16 597 10
17 599 7
refrigerador del distribuidor o del consumidor. Esta 18 596 5
situacin repercute en clientes insatisfechos y 19 607 4
genera una mala imagen de la compaa. 20 601 9
21 594 7
Por lo anterior, a los operadores de las diferentes 22 606 5
mquinas continuamente se les recordaba la 23 601 7
24 598 4
25 599 2 LCI=n p 3 n p (1 p )
26 590 3
27 588 5
28 597 3
29 604 6
30 605 5 Ejemplo: Del anlisis de los datos de inspecciones y
31 597 7
pruebas finales de un producto ensamblado se
32 603 9
33 596 5 detect a travs de una estratificacin y un anlisis
34 597 3 de Pareto que la causa principal por la que los
35 607 8
36 596 15 artculos salen defectuosos est relacionada con los
37 598 4 problemas de un componente en particular (el
38 600 6
componente k12). Por lo tanto, se decide analizar
39 608 8
40 592 5 ms de cerca el proceso que produce tal
componente. Para ello, de cada lote de componentes
5.1.1.2. Carta np (nmero de defectuosos) k12 se decide inspeccionar una muestra de n = 120.
Los datos obtenidos en 20 lotes consecutivos se
En ocasiones, cuando el tamao de subgrupo o muestran en la tabla.
muestra en las cartas p es constante, es ms COMPONENT
conveniente usar la carta np, en la que se grafica el MUESTRA E

nmero de defectuosos por subgrupo di, en lugar de DEFECTUOSO

1 9
la proporcin. Los lmites de control para la carta 2 6
np se obtienen estimando la media y la desviacin 3 10
4 8
estndar de di, que bajo el supuesto de distribucin
5 5
binomial estn dadas, donde n es el tamao de 6 5
7 14
subgrupo y P es la proporcin promedio de 8 12
9 9
artculos defectuosos. De aqu que los lmites de
10 8
control de la carta np estn dados por: 11 10
12 20
13 12
14 10
LCS=n p +3 n p (1 p )
15 10
16 0
17 13
18 5
19 6
LC=n p 20 11
5.1.2. Cartas c y u (para defectos) 5.1.2.1. Carta c (nmero de defectos)

Es frecuente que al inspeccionar una unidad (unidad

El objetivo de la carta c es analizar la variabilidad
representa un artculo, un lote de artculos, una
del nmero de defectos por subgrupo, cuando el
medida lineal metros, tiempo, una medida de
tamao de ste se mantiene constante. En esta carta
rea o de volumen) se cuente el nmero de defectos
se grafica ci que es igual al nmero de defectos o
que tiene en lugar de limitarse a concluir que es o
eventos en el i-simo subgrupo (muestra).
no defectuosa.
Los lmites de control se obtienen suponiendo que
Algunos ejemplos de unidades que se inspeccionan
el estadstico ci sigue una distribucin de Poisson;
para contar sus defectos son: una mesa, x metros de
por lo tanto, las estimaciones de la media y la
rollo fotogrfico, un zapato, z sartenes de tefln, una
desviacin estndar de este estadstico estn dadas
prenda de vestir, w metros cuadrados de pintura, etc.
por:
Cada una de estas unidades puede tener ms de un
defecto, suceso o atributo y no necesariamente se
total de defectos
C =c =
cataloga al producto o unidad como defectuoso. i
total de subgrupos
Por ejemplo, un mueble quiz tenga algunos
defectos en su acabado pero puede cumplir con
C =c
i

relativa normalidad la funcin para la que fue

fabricado. Aunque se detecten defectos en la
operacin intermedia de un proceso, la unidad Por ello, los lmites de control de la carta c se
inspeccionada podra pasar a la siguiente etapa, caso obtienen con las expresiones
contrario de lo que ocurre en las cartas p y np. Otro
LCS=C +3 C
tipo de variables que tambin es importante evaluar,
que cuentan el nmero de eventos o sucesos en

LC=C
lugar de defectos, son las siguientes: nmero de
errores por trabajador, cantidad de accidentes,
nmero de quejas por mal servicio, nmero de
LCI=C3 C
nuevos clientes, cantidad de llamadas telefnicas en
un periodo de tiempo, clientes atendidos en un lapso
de tiempo, errores tipogrficos por pgina en un
Ejemplo:
peridico, nmero de fallas de un equipo, etc. Note
que en estas variables la unidad de referencia es En una fbrica de muebles se inspecciona a detalle
cierto periodo de tiempo o una cantidad de el acabado de las mesas cuando salen del
actividades que se realizan. departamento de laca. La cantidad de defectos que
son encontrados en cada mesa son registrados con el
fi n de conocer y mejorar el proceso. En la tabla 8.3
se muestran los defectos encontrados en las ltimas 5.1.2.2. Carta u (nmero de defectos por
30 mesas. Es claro que estamos ante una variable unidad)
que debe ser analizada con la carta c, debido a que
una misma mesa puede tener varios defectos de Cuando en el tipo de variables que se comentaron al
diferente tipo; adems, los defectos son inicio de esta seccin (con distribucin Poisson), el
relativamente menores, y aunque influyen en la tamao del subgrupo no es constante, se usa la
calidad final del producto, no causan que la mesa carta u, en la cual se analiza la variacin del
sea rechazada. nmero promedio de defectos por artculo o unidad,
en lugar del total de defectos en el subgrupo. As, en
DEFECTOS esta carta, un subgrupo lo forman varias unidades.
MESA ci De manera que para cada subgrupo se grfica,
1 7
2 5
3 10 ci
4 2 ui=
ni
5 6
6 5 Donde ci es la cantidad de defectos en el subgrupo i
7 4
y ni es el tamao del subgrupo i. Para calcular los
8 9
9 7 lmites es necesario estimar la media y la desviacin
10 5 estndar del estadstico ui, que bajo el supuesto de
11 6
12 7 que ci sigue una distribucin Poisson,
13 8
14 4
total de defectuoso
15 5 u =u =
i
total de articulos inspeccionados
16 12
17 8
18 10
19
20
21
4
7
3
u =
i
u
n

22 10 Donde n es el tamao de subgrupo. De esta manera,

23 6 los lmites de control en la carta u estn dados por:
24 6
25 7
26
27
28
4
5
6
LCS=u +3
u
n

29 8 LC=u
30 5
 LCi=u 3
u
n
5.2. CARTAS DE CONTROL POR VARIABLES.

5.2.1. Carta de control X R

Ejemplo: Cuando n no es el mismo en todos los
subgrupos, entonces se sustituye por el tamao Existen muchos procesos industriales considerados
promedio de subgrupo, n de tipo masivo, en el sentido de que producen
muchos artculos, partes o componentes durante un
En una fbrica se ensamblan artculos electrnicos y
lapso de tiempo pequeo.
al final del proceso se hace una inspeccin por
Por ejemplo: lneas de ensamble, mquinas
muestreo para detectar defectos relativamente
empacadoras, procesos de llenado, operaciones de
menores. En la tabla.
soldadura en una lnea de produccin, moldeo de

DEFECTOS piezas de plstico, torneado de una pieza metlica,

LOTE TAMAO DE ENCONTRADOS, el corte de una tira en pedazos pequeos, etc.
MUESTRA ni ci Para establecer un par de grficas de control para el
1 20 17
promedio y el rango (R), es preferible apegarse a un
2 20 24
3 20 16 procedimiento establecido. A continuacin se
4 20 26 presentan los pasos de este procedimiento:
5 15 15
6 15 15 1. Seleccionar la caracterstica de calidad.
7 15 20 2. Escoger el subgrupo racional.
8 25 18
3. Reunir los datos.
9 25 26
10 25 10 4. Determinar en forma tentativa la lnea central y
11 25 25 los lmites de control.
12 30 21
5. Establecer la lnea central y los lmites de control
13 30 40
14 30 24 revisados.
15 30 46 6. Alcanzar el objetivo.
16 30 32
17 30 30 El procedimiento que se presenta en esta seccin se
18 30 34 refiere a una grfica y R.
19 15 11
20 15 14
Tambin se presenta informacin sobre las
21 15 30
22 15 17 grficas s.
23 15 18
24 15 20

SEMANA 08
 Nota: Para el desarrollo de los ejercicios
imprimir el Anexo denominado: tabla de control
Los lmites tentativos de control para las grficas se
estadstico
establecen en 3 desviaciones estndar del valor
central, como se indica en las siguientes frmulas:

5.2.2. Cartas X Y Desviacin Estndar (S).

LCS X = X +3 X

LCI X = X 3 X X -R se quiere tener mayor

Cuando con una carta

LCS R = R+3 R potencia para detectar cambios pequeos en el

proceso, se incrementa el tamao de subgrupo, n.

LCI R= R3 R
Pero si n > 10, la carta de rangos ya no es eficiente
para detectar cambios en la variabilidad del proceso,
y en su lugar se recomienda utilizar la carta S, en la

Los clculos se simplifican usando que se grafican las desviaciones estndar de los
subgrupos.
Carta x
6.1.1.1. Lmites de control de la carta S
LCS X = X + A2 R

A cada subgrupo se le calcula S, que al ser una
variable aleatoria, sus lmites se determinan a partir
LCI X = X A 2 R de su media y su desviacin estndar.
Como por lo general en un estudio inicial no se
conoce, sta puede estimarse, pero ya no a travs
del mtodo de rangos, sino ahora con:
Carta R
S
=
C4

LCS R =D4 R
SUB SUB
GRUP GRUP RANG

LCI R=D3 R O MEDIA RANGO O MEDIA O
301.1 302.0
1 2 1.9 21 0 4.6
300.9 299.0

R 2 6 1.0 22 2 3.5
Una estimacin de = 3 301.1 3.6 23 299.5 3.1
d2
 6 0 LCS X = X + A3 S
300.5 300.3
4 0 1.0 24 0 2.3
301.2 301.6 LCI X = X A 3 S

5 8 2.5 25 4 3.4
299.9 300.8 Carta S
6 2 2.3 26 8 2.9
300.0 301.2
7 0 2.3 27 8 1.8
301.8 300.7 LCS S =B 4 S
8 6 1.5 28 5 1.5
301.5 301.6
9 2 2.3 29 0 3.1 LCI S =B3 S
302.8 300.5
10 0 0.4 30 3 2.8
299.0 300.4
11 1 3.0 31 1 1.4 EJEMPLO: 01
300.0 300.1
12 2 2.5 32 9 2.1
300.1 301.1
13 0 2.3 33 2 3.4 muestra,
301.2 300.8
subgrup peso de los costales kg
14 8 3.4 34 0 3.2
301.0 300.2 o
1 50,2 49,9 49 50,1
15 2 1.1 35 7 3.4
2 50,3 50,2 50 49,3
300.7 300.9
3 49,8 50 50 49,7
16 0 3.9 36 1 2.7 4 50 49,4 50,1 50,5
301.2 300.4 5 50,2 49,8 49,1 49,9
17 0 3.1 37 8 3.2 6 49,2 50,7 49,1 49,8
300.9 302.0 7 49,6 49,9 49,5 49,9
18 6 3.1 38 0 1.8 8 50,2 49,8 49,5 50,6
300.2 299.2 9 50,1 49,3 49 49,43
10 50,8 49,6 49,8 50,4
19 4 3.7 39 2 3.5
301.8 300.5 11 50,7 48,8 49,7 50,1
12 50,3 49,6 49,4 49,3
20 6 2.7 40 9 3.0 13 49,3 49,3 49,2 50,5
14 48,8 50,2 49,5 49,6
15 50,9 49,5 49,3 49,9
16 49,7 48,8 49,6 49,5
17 49,4 49,3 49,4 50,2
18 49,9 49,7 49,9 49,1
Carta X 19 49,7 49,2 49,4 49,7
20 50,6 49,6 49,6 49,9 11 326.2 310.1 338.5
21 49,9 49,9 50 49,7 12 328.8 325.0 322.0
22 49,6 50,2 49,9 48,7 13 328.8 306.3 305.6
23 49,6 48,9 50,2 49 14 318.7 320.8 310.3
15 326.7 316.7 327.3
16 313.4 307.4 329.5
17 337.3 312.9 324.4
18 316.3 314.1 323.0
Ejemplo 02: Se desea que la resistencia de un
19 327.2 338.2 340.9
artculo sea de por lo menos 300 psi. Para verificar 20 337.8 343.0 337.4
que se cumple con tal caracterstica de calidad, se 21 309.2 321.7 310.5
22 314.3 321.6 318.0
hacen pequeas inspecciones peridicas y los datos
23 318.9 322.2 333.5
24 303.7 326.3 337.1
se registran en una carta X -R. El tamao del
25 319.3 338.8 320.9
subgrupo que se ha usado es de tres artculos, que 26 317.0 327.4 312.5
27 310.6 318.5 336.7
son tomados de manera consecutiva cada dos horas.
28 319.5 326.0 333.2
Los datos de los ltimos 30 subgrupos se muestran 29 308.6 321.7 306.0
en la tabla Conteste: 30 316.2 321.6 328.5

a) Dado que la media de medias es 320.73, el

proceso cumple con la especificacin inferior
(EI=300)? Explique. Ejemplo 03 En una industria alimenticia se quiere

X garantizar que la concentracin mnima de grasa de

b) Calcule los lmites de la carta -R e
un producto sea de 1.8%. En la tabla 7.6 se
interprtelos.
muestran los datos obtenidos para un estudio inicial,
c) Obtenga las cartas e interprtelas (puntos fuera,
con tamao de subgrupo de 4.
tendencias, ciclos, alta variabilidad, etctera).
a) Realice un estudio de estabilidad mediante la

carta X -R.

b). Comente los resultados obtenidos en cuanto a

DATOS
SUB GRUPO Estabilidad.
1 315.6 319.2 303.8
2 318.8 309.2 321.4
3 311.2 312.1 342.9
4 322.0 321.1 329.1
5 315.2 327.4 300.6
SUB
6 310.3 319.8 338.5
GRUPO GRASA
7 320.6 315.9 318.3
1 1.88 1.93 1.98 1.88
8 322.2 303.6 323.4
2 1.93 1.97 1.89 1.94
9 329.1 306.7 312.4
3 1.92 1.95 1.90 1.98
10 322.4 318.8 299.7
4 1.89 1.89 1.90 1.94
5 1.95 1.93 1.90 1.93 distintos aspectos de la situacin de inters, y que se
6 2.00 1.95 1.94 1.89 podran analizar mediante una carta de control.
7 1.95 1.93 1.97 1.85
8 1.87 1.98 1.96 2.04 5. De la lista anterior, hacer una preseleccin de las
9 1.96 1.92 1.98 1.88 variables que se cree ayudaran a cumplir con el
10 1.99 1.93 2.01 2.02
objetivo descrito antes. En esta preseleccin dar
11 1.93 1.95 1.90 1.93
12 1.95 1.98 1.89 1.90 prioridad a las variables que mejor reflejen la
13 1.88 1.93 1.88 1.90 magnitud del problema, en trminos de calidad,
14 1.97 1.88 1.92 1.96
costos, productividad o tiempo de ciclo. Adems,
15 1.91 1.91 1.96 1.93
16 1.98 1.90 1.92 1.91 considerar la dificultad humana, en equipos y en
17 1.93 1.94 1.95 1.90 costo, para medir con calidad y oportunidad las
18 1.82 1.92 1.95 1.94
19 2.00 1.97 1.99 1.95 variables candidatas.
20 1.98 1.94 1.96 1.88 6. De la preseleccin del inciso previo, elegir una
primera variable para analizarla mediante una carta
de control, y para sta, desarrollar las siguientes
actividades, las cuales se deben repetir para cada
Implantacin y operacin de una carta de una de las variables que finalmente se decida
control estudiar con una carta de control.
Una carta de control es til en la medida que atienda 7. Elegir la carta apropiada para la variable
una necesidad percibida por los responsables del seleccionada. Para tomar esta decisin, apoyarse en
proceso y, desde luego, depender de qu tan bien lo hecho en los puntos anteriores en la tabla 8.5 y en
se implemente y se utilice. Por ello, en esta seccin las siguientes situaciones tpicas en las que se aplica
veremos algunas actividades a desarrollar para una cada una de las cartas que vimos en el captulo
mejor implantacin y operacin de cualquiera de las anterior y en las secciones previas de este captulo:
cartas que hemos visto tanto en el captulo anterior
como en ste. Cartas X -R ; X -S Considerar como buena
1. Describir la problemtica o situacin que se
alternativa estas cartas en algunas de las siguientes
percibe en el rea donde se tiene la idea de
situaciones:
implantar una carta de control.
Se inicia un nuevo proceso; o se va a desarrollar
2. Explicar con detalles por qu cree que la carta de
un nuevo producto con un proceso ya existente.
control sera til para evaluar, entender y mejorar la
En procesos con mal desempeo con respecto a
situacin de inters.
especificaciones.
3. Definir en forma concreta y preliminar el o los
Actualmente se mide la variable, pero se conoce
objetivos de la carta de control.
poco acerca de la misma.
4. Hacer una lista exhaustiva de las diferentes
variables que pueden aportar informacin sobre los
 Se quieren definir o redefinir especificaciones para muestran los datos obtenidos para un estudio inicial,
una caracterstica de calidad. con tamao de subgrupo de 4.
Ya se han usado cartas de atributos, pero el SUBGRU
PO GRASA
proceso es muy inestable y/o su capacidad sigue 1.88 1.93 1.98
siendo mala. En ese caso es mejor una carta para 1 1.88
1.93 1.97 1.89
variables continuas, ya que stas aportan ms 2 1.94
informacin acerca del desempeo del proceso. 1.92 1.95 1.90
3 1.98
Se pretende reducir la cantidad de inspeccin. 1.89 1.89 1.90
4 1.94
Procesos en los que hay desgastes o desajustes 1.95 1.93 1.90
naturales, y que es necesario compensarlos de 5 1.93
2.00 1.95 1.94
manera apropiada. 6 1.89
1.95 1.93 1.97
Tiene que demostrarse continuamente (a clientes o
7 1.85
la gerencia) que el proceso es estable y capaz. 1.87 1.98 1.96
8 2.04
1.96 1.92 1.98
Cartas p, np, c o u. Considerar como alternativa 9 1.88
1.99 1.93 2.01
estas cartas en algunas de las siguientes situaciones: 10 2.02
1.93 1.95 1.90
La variable candidata es de atributos y no se tiene 11 1.93
informacin acerca de su estabilidad y capacidad. 1.95 1.98 1.89
12 1.90
El proceso consiste en operaciones complejas de 1.88 1.93 1.88
ensamble y la calidad del producto se mide en 13 1.90
1.97 1.88 1.92
trminos de la ocurrencia de defectos, o con 14 1.96
1.91 1.91 1.96
criterios del tipo pasa o no pasa. 15 1.93
Es necesario que el proceso sea estable y capaz 1.98 1.90 1.92
16 1.91
pero no se pueden obtener mediciones de tipo 1.93 1.94 1.95
17 1.94
continuo.
1.82 1.92 1.95
Se requiere tener informacin sobre la evolucin 18 1.94
2.00 1.97 1.99
del desempeo global del proceso. 19 1.95
1.98 1.94 1.96
20 1.88

PRCTICA CARTAS DE CONTROL

Realice la carta X y R,

1.- En una industria alimenticia se quiere garantizar 2.- En una empresa en la que se fabrican corcholatas

que la concentracin mnima de grasa de un o tapas metlicas para bebidas gaseosas, un aspecto

producto sea de 1.8%. En la siguiente tabla se importante es la cantidad de PVC que lleva cada
corcholata, el cual determina el espesor de la
pelcula que hace que la bebida quede bien cerrada.
El peso de los grnulos de PVC debe estar entre 212 forma aleatoria se le pide a cinco clientes atendidos
y 218mg. Si el peso es menor a 212, entonces, entre que contesten una encuesta de satisfaccin en el
otras cosas, la pelcula es muy delgada y eso puede servicio, la escala de satisfaccin va de 0 a 100. Los
causar fugas de gas en la bebida. Pero si el peso es datos obtenidos durante el ltimo mes se muestran a
mayor a 218g, entonces se gasta mucho PVC y continuacin:
aumentan los costos. Para asegurar que se cumple
con las especificaciones, de manera ordinaria se usa
una carta de control: cada 30 minutos se toma una
muestra de cuatro grnulos consecutivos de PVC y
se pesan. En la siguiente tabla se muestran las
ltimas 25 medias y los rangos obtenidos del
proceso.
SUB SUB
MEDI RANG MEDI RANG
GRUP GRU
A O A O
O PO
214.1 213.
1 8 2.5 14 74 3.2 SEMANA 09
213.4 214.
2 8 2.7 15 26 1.2 MUESTREO DE ACEPTACION
213.9 214.
3 8 2.2 16 18 2.2
214.1 1) INTRODUCCIN:
4 2 1.8 17 214 1
214.4 213. En las actividades de control de calidad es frecuente
5 6 2.5 18 6 2
213.3 214. inspeccionar lotes de materia prima, partes o
6 8 2.7 19 2 2.7
productos terminados para asegurar que se cumplan
231.5 214.
7 6 2.3 20 38 0.8 ciertos niveles de calidad con un buen grado de
214.0 213.
8 8 1.8 21 78 2 seguridad. El muestreo de aceptacin es el proceso
231.7 213. de inspeccin de una muestra de unidades extradas
9 2 2.9 22 74 1.6
214.6 213. de un lote con el propsito de aceptar o rechazar
10 4 2.2 23 32 2.4 todo el lote. Este tipo de muestreo se puede ver
213.9 214.
11 2 2.4 24 02 3.2 como una medida defensiva para protegerse contra
213.9 214.
12 6 3.6 25 24 1.1
la amenaza del posible deterioro en la calidad. En
13 214.2 0.4 este captulo se estudian los conceptos y tcnicas de
este tipo de muestreo.
Realice las cartas X- R, X-S
3.- En la prestacin de servicios en una empresa se 2) MUESTREO DE ACEPTACIN
registra diariamente la evaluacin de los clientes. La
forma operativa es la siguiente: todos los das en
Una situacin tpica del muestreo de aceptacin es
la siguiente: una compaa recibe un lote de algn
producto de cierto proveedor; este producto puede
ser materia prima o cualquier otro componente que
utiliza la compaa. Se selecciona una muestra del
lote y se inspecciona de acuerdo con ciertos
criterios de calidad. Con base en la informacin
obtenida con la inspeccin se tomar una decisin:
aceptar o rechazar todo el lote. Si se acepta el lote,
pasa directamente a utilizarse, pero si se rechaza,
entonces se devuelve al proveedor o queda sujeto a
alguna otra disposicin (por ejemplo, inspeccin de
todos los productos del lote, inspeccin 100%
pagada por el proveedor).
Si los criterios de calidad con los que se inspecciona
son variables de atributos del tipo pasa-no pasa,
entonces un plan simple de muestreo de aceptacin
est definido por un tamao de lote, N, un tamao
de muestra, n, y el nmero de aceptacin, c. Por
ejemplo, el plan
N= 6000, n= 200 y c=2
se disea el plan se estn alcanzando. Por lo tanto,
es una estrategia defensiva ante el posible deterioro
de la calidad.
Cuando se pretende enjuiciar un lote se tienen tres
alternativas:
Inspeccin al 100%,
Cero inspecciones.
Muestreo de aceptacin.
Esta ltima es una decisin intermedia entre las
otras dos alternativas opuestas, y a veces resulta la
ms econmica a nivel global. A continuacin
explicamos cundo se aplica cada una de ellas.
1. Cero inspecciones (aceptar o mandar el lote sin
inspeccin). Esta alternativa es adecuada cuando se
ha demostrado que el proceso que fabric el lote
cumple de manera holgada los niveles de calidad
acordados entre el cliente y el proveedor.
Tambin se aplica cero inspecciones cuando la
prdida global causada por las unidades defectuosas
es pequea en comparacin con el costo del
muestreo.

2. Inspeccin al 100%. Consiste en revisar todos

Significa que de un lote de 6 000 unidades se
los artculos del lote y quitar los que no cumplan
seleccionan e inspeccionan 200; y si entre stas se
con las caractersticas de calidad establecidas. Los
encuentran dos o menos piezas defectuosas,
que no cumplen podran ser devueltos al proveedor,
entonces el lote completo es aceptado. Pero si
reprocesados o desechados. La inspeccin al 100%
aparecen tres o ms piezas defectuosas el lote es
se utiliza en aquellos casos en que los productos son
rechazado.
de alto riesgo y si pasan defectuosos se puede
Se debe tener claro que el muestreo de aceptacin es
generar una gran prdida econmica.
una forma particular de inspeccin, en la que
Tambin es til cuando la capacidad del proceso de
simplemente se aceptan y rechazan lotes, pero no
fabricacin del lote es inadecuada para cumplir las
mejora la calidad. Es decir, este muestreo no es una
especificaciones.
estrategia de mejora de la calidad, sino ms bien
Se pensara que la inspeccin al 100%, aunque
una estrategia para proporcionar cierto nivel de
costosa, es una buena estrategia para garantizar la
seguridad de que los niveles de calidad con los que
calidad; sin embargo, esto no es as, pues con este
tipo de inspeccin se corre el riesgo de caer en la
monotona, en mayores errores de inspeccin y en
ocasiones el producto se daa. Incluso, hay casos en
los que debido a los primeros dos problemas de la
inspeccin al 100% se tiene como poltica que las
unidades se inspeccionen dos veces (inspeccin al
200%).
3. MUESTREO DE ACEPTACIN (inspeccin
por muestras).
Esta opcin es til cuando se tienen una o varias de
las siguientes situaciones:
Cuando la inspeccin se realiza con pruebas
destructivas (como pruebas de tensin y resistencia)
es indispensable la inspeccin por muestras, de lo
contrario todos los productos seran destruidos por
las pruebas.
Cuando el costo de inspeccin al 100% es
demasiado alto en comparacin con el costo de
pasar unidades defectuosas.
En los casos en que la inspeccin al 100% es
imposible en trminos tcnicos o econmicos.
Cuando el lote est formado por la gran cantidad
de artculos que se debe inspeccionar y la
probabilidad de error en la inspeccin
suficientemente alta, de manera que la inspeccin al
100% podra dejar pasar ms unidades defectuosas
que un plan de muestreo.
En situaciones donde, histricamente, el vendedor
ha tenido excelentes niveles de calidad y se desea
una reduccin en la cantidad de inspeccin, pero la
capacidad del proceso no es suficientemente buena
como para no inspeccionar.
Cuando es necesario asegurar la confiabilidad del
producto, aunque la capacidad del proceso
fabricante del lote sea satisfactoria.
4. VENTAJAS Y DESVENTAJAS DEL
MUESTREO DE ACEPTACIN
El muestreo de aceptacin con respecto a la
inspeccin al 100% tiene las siguientes ventajas:
a. Tiene menor costo porque se inspecciona
menos, a pesar de algunos costos adicionales
generados por la planificacin y administracin
de los planes de muestreo.
b. Requiere de menos personal en las actividades
de inspeccin, con lo cual se simplifica el
trabajo de coordinacin y se reducen costos.
c. El producto sufre menos dao porque hay
menos manipulacin.
d. Es aplicable en pruebas destructivas.
e. A menudo reduce el error de inspeccin y la
monotona.
f. El rechazo de lotes completos por la existencia
de artculos defectuosos proporciona una
motivacin al fabricante del lote para que
mejore su calidad.
es
El muestreo de aceptacin presenta algunas
desventajas como las siguientes:
a) Existe cierto riesgo de aceptar lotes malos y
rechazar los buenos, aunque en un plan de
muestreo de aceptacin estos riesgos estn
previstos y cuantificados.
b) Proporciona menos informacin acerca del nivel
de calidad del producto o de su proceso de
fabricacin; aunque bien utilizada, la
informacin obtenida es suficiente.
c) Se requiere ms tiempo y conocimiento para
planificar y documentar el muestreo, comparado
con la inspeccin al 100 por ciento.
Las ventajas que tiene el muestreo de aceptacin
con respecto a la inspeccin al 100% lo convierten
en una herramienta importante cuando
condiciones para aplicarlo son propicias.
En este sentido, muchas empresas, sobre todo
pequeas y medianas, aplican inspeccin al
100% cuando en realidad lo ms apropiado sera
aplicar el muestreo de aceptacin.
Por otro lado, no es raro escuchar de algunos
expertos en calidad que el muestreo de aceptacin
ya no debe usarse, que es obsoleto, que ya no es un
concepto vlido.
5. PLAN DE MUESTREO POR ATRIBUTOS
5.1. Tipos de planes de muestreo
Un primer nivel de clasificacin de los planes de
muestreo de aceptacin est en funcin del tipo de
caracterstica de calidad bajo anlisis, que puede ser
de atributos o por variables continuas.
En los planes por variables se toma una muestra
aleatoria del lote y a cada unidad se le mide una
caracterstica de calidad de tipo continuo (longitud,
peso, etc.). Con las mediciones se calcula un
estadstico que por lo general est en funcin de la
media, la desviacin estndar muestral y las
especificaciones, y al comparar el valor de tal
estadstico frente a un valor de tablas, se aceptar o
rechazar todo el lote. Ms adelante en la seccin
Muestreo de aceptacin por variables se estudiar
este tipo de planes.
En los planes por atributos se extrae de manera
aleatoria una o ms muestras de un lote y cada pieza
de la muestra es clasificada de acuerdo con ciertos
las atributos como aceptable o defectuosa; la cantidad
de piezas defectuosas es usada para decidir si el lote
es aceptado o no.
En general, los planes ms usuales son los de
atributos, a pesar de que con los planes por
variables se requiere un menor tamao de muestra
para lograr los mismos niveles de seguridad. Esta
aparente contradiccin se puede deber a la tradicin,
pero tambin a que en los planes por variables es
necesario disear un plan para cada caracterstica de
calidad. Adems, en ocasiones, las mediciones en
los planes por variables son ms costosas. En
cualquier caso se debe evaluar cul de los dos tipos
de planes es ms adecuado en una situacin en
particular.
5.2. Muestreo Por Atributos:
Los planes por atributos se clasifican como simple,
doble o mltiple dependiendo del nmero de
muestras que se toman para llegar a una decisin.
Por ejemplo, en
5.2.1. Plan de muestreo simple (n, c) se toma una
muestra de tamao n, y si en sta se
encuentra c o menos unidades defectuosas,
el lote es aceptado, o en otro caso es
rechazado.
5.2.2. Plan de muestreo doble se pueden tomar
5.2.3. Plan de muestreo mltiple es una extensin
hasta dos muestras para tomar la decisin de
del concepto del muestreo doble, donde se
aceptar o no. La idea es tomar una primera
toma una muestra inicial considerablemente
muestra de tamao ms pequeo que el plan
ms pequea que el plan simple, y si con
simple para detectar los lotes que son muy
ella ya se tiene evidencia suficiente para
buenos o los que son muy malos. En los
sentenciar el lote la decisin que proceda se
casos que con la primera muestra no se
toma en consecuencia, de lo contrario se
puede decidir, entonces se toma la segunda
toma una segunda muestra y se intenta
muestra para llegar a una conclusin
decidir; pero si esto todava no es posible se
definitiva.
contina con el proceso hasta tomar la
Por ejemplo, un plan doble de la forma
decisin de aceptar o rechazar el lote en la
N = 3 000,
n1 = 80, c1 = 1, ltima muestra considerando todos los
n2 = 80, c2 = 4.
defectuosos encontrados.
Significa que: Con los planes de muestreo doble y mltiple
N = tamao de lote por lo general se requiere menos inspeccin
n1 = tamao de la primera muestra que con el simple, pero es ms difcil
c1 = nmero de aceptacin para la primera muestra administrarlos.
En cuanto a los riesgos, pueden ser
n2 = tamao de la segunda muestra
diseados de modo que produzcan
c2 = nmero de aceptacin para las dos muestras
resultados equivalentes.

Por lo tanto, del lote de 3 000 piezas se toma una

6. FORMACIN DEL LOTE Y SELECCIN
muestra inicial de 80 y, con base en la informacin
DE LA MUESTRA
aportada por esta primera muestra, se toma una de
La formacin de un lote influye en la eficacia
las siguientes tres decisiones
del plan de muestreo de aceptacin, por lo que
se sugiere atender las siguientes
a) Aceptar el lote cuando la cantidad de unidades
recomendaciones para formar los lotes que sern
defectuosas sea menor o igual que c1 = 1.
sometidos a un plan de inspeccin.
b) Rechazar el lote cuando el nmero de piezas
defectuosas sea mayor que c2 = 4.
c) Tomar una segunda muestra de n2 = 80 unidades 6.1. Los lotes deben ser homogneos.
Las unidades que forman un lote en particular
cuando no ocurra ninguno de los dos casos
deben haber sido fabricadas en condiciones
anteriores. Si la cantidad de unidades
similares en cuanto a mquinas, operadores,
defectuosas en las dos muestras es menor o
materia prima, tiempo (fechas), etc. Cuando el
igual que c2 = 4, el lote es aceptado; pero si es
lote se forma mezclando unidades de diferentes
mayor, el lote es rechazado.
 fuentes, la variacin dentro del lote aumenta y el Todos los planes de muestreo de aceptacin basan
muestreo de aceptacin pierde efectividad. su funcionamiento en que las unidades
Adems, la existencia de lotes no homogneos seleccionadas para la inspeccin son representativas
hace ms difcil identificar las causas de los de todo el lote. De aqu que la seleccin de las
problemas de calidad y con ello ser ms unidades que forman la muestra debe hacerse
complicado tomar acciones correctivas para aplicando un mtodo de muestreo aleatorio.
eliminar las causas.
6.2. Los lotes deben ser formados de manera
8. NDICES PARA LOS PLANES DE
que no compliquen su manejo durante la
MUESTREO DE ACEPTACIN
inspeccin.
En una relacin cliente-proveedor en la que existe
Todos los artculos de los lotes deben ser
un plan de muestreo de aceptacin de por medio hay
empaquetados y embarcados con un mnimo de
dos intereses: por un lado, el proveedor quiere que
riesgo y de manera que la seleccin de las
todos los lotes que cumplen con un nivel de calidad
unidades de la muestra sea relativamente fcil.
aceptable sean aprobados; y por el otro, el cliente
desea que todos los lotes que no tienen un nivel de
6.3. Con las reservas del caso, los lotes deben
calidad aceptable sean rechazados.
ser tan grandes como sea posible. Esto debido a
Por desgracia, no es posible satisfacer de manera
que en los lotes grandes es necesario
simultnea ambos intereses mediante un plan de
inspeccionar, de manera proporcional, menos
muestreo de aceptacin y la razn de ello se explic
que en los lotes pequeos; adems, los planes
cuando vimos la curva CO ideal. Ante esta
que resultan de tamaos de lotes grandes tienen
situacin, lo que se hace para atender de manera
mayor poder para detectar los lotes de mala
parcial ambos intereses es disear planes de
calidad. Por lo que se tendr un menor costo y
muestreo que tengan una alta probabilidad de
mayor eficacia de la inspeccin. Sin embargo,
aceptar lotes buenos y una baja probabilidad de
esta recomendacin puede tener un aumento
aceptar lotes malos.
significativo en los inventarios en procesos y en
El punto de partida para esto es definir ndices que
producto terminado, con el consecuente
establezcan, para una situacin especfica, lo que se
aumento de los costos y del tiempo de ciclo del
considerar como calidad aceptable, intermedia y no
proceso. De aqu que la recomendacin de
aceptable, con sus correspondientes probabilidades
referencia slo se debe aplicar en la medida que
de aceptacin. Esto se explica a continuacin:
no se afecten sensiblemente los aspectos
comentados.
8.1. Nivel de calidad aceptable, NCA o AQL
(Aceptancing Quality Level).
7. SELECCIN DE LA MUESTRA
El NCA se define como el porcentaje mximo de
unidades que no cumplen con la calidad
especificada, que para propsitos de inspeccin por
muestreo se considera como satisfactorio o un riesgo de no rechazar este tipo de lotes.
aceptable como un promedio para el proceso (al
NCA tambin se le conoce como nivel de calidad
del productor).
De acuerdo con lo anterior, si un lote tiene un nivel
de calidad igual al NCA, entonces la probabilidad
de aceptarlo debe ser alta (0.90, 0.95) y a esa
probabilidad se le designa con 1 . Note que la
probabilidad de aceptar lotes con un NCA no es
igual a 1 y por lo tanto hay un riesgo de no aceptar
lo que se considera un nivel de calidad satisfactorio.
A este riesgo que tiene una probabilidad igual a ,
por lo general pequea (0.05, 0.10), se le conoce
como riesgo del productor.
Debido a este riesgo, el NCA debe ser un nivel de
calidad de referencia para el proceso de produccin
del productor y de ninguna manera un valor
objetivo.
Ms an, el productor debe buscar que su proceso
opere con un mejor nivel que el NCA.
8.2. Nivel de calidad limite, NCL o LQL
(Limiting Quality Level).
Es el nivel de calidad que se considera como no
satisfactorio y que los lotes que tengan este tipo de
calidad casi siempre deben ser rechazados. El NCL
en algunos planes especficos se conoce como
porcentaje defectivo tolerado del lote, PDTL o
LTPD.
Por lo antes dicho, si un lote tiene calidad igual al
NCL entonces la probabilidad de aceptarlo debe ser
muy baja (por lo general de 0.05, 0.10), y a esta
probabilidad se le designa con la letra la
probabilidad de aceptar lotes de calidad no
satisfactoria (NCL) no es cero y, por lo tanto, hay
A este riesgo, que tiene probabilidad igual a , se le
conoce como riesgo del consumidor.
8.3. PARA EL USO DE TABLAS
8.3.1. Inspeccin normal
Se implementa al iniciar el esquema de muestreo de
acuerdo con el MIL STD 105E.
8.3.2. Inspeccin severa
Se establece en un esquema MIL STD 105E cuando
el proveedor ha tenido un mal desempeo en cuanto
a la calidad convenida.
8.3.3. Inspeccin reducida
Se utiliza en un esquema MIL STD 105E cuando el
proveedor ha tenido un buen comportamiento en
cuanto a la calidad.
8.3.4. Niveles generales
De inspeccin I, II y III Niveles en el MIL STD
105E que permiten modificar la cantidad de
inspeccin sin afectar el riesgo del productor pero
cambiando el riesgo del consumidor.
8.3.5. Niveles especiales
De inspeccin S1-S4 Niveles en el MIL STD 105E
que se utilizan cuando se requieren muestras
pequeas y se pueden tolerar riesgos altos.
Ejemplo:
El NCA = 0.4%. Si el tamao de lote es de N = 6
000 unidades y se utiliza el nivel de inspeccin II,
entonces, de acuerdo con la tabla 12.6, la letra
cdigo para el tamao de muestra es L. Con esta
letra se obtienen los planes para inspeccin normal,
severa y reducida.
Plan de muestreo normal. En la tabla 12.7, en el
rengln de la letra L y la columna NCA = 0.4%, se
encuentra que n = 200 y c = 2 (en la tabla aparece
Ac). Bajo este plan se rechaza al lote cuando se
obtienen tres (Re = 3) defectuosos o ms. Este plan
es relativamente similar al que se dise por el
mtodo de Cameron en el ejemplo 12.2 de la
seccin anterior, donde adems de tener NCA =
0.4% se fij NCL = 2.5%.
Plan de muestreo severo. Se obtiene n = 200, Ac =
1, Re = 2. As, en este plan se toma el mismo
tamao de muestra que en inspeccin normal, pero
se es ms estricto ya que el nmero de aceptacin es
menor.
Plan de muestreo reducido. Se obtiene n = 80, Ac =
1, Re = 3.
De esta manera, es claro que si en la muestra se
encuentran uno o cero defectuosos el lote es
aceptado, si se encuentran tres o ms, entonces el
lote es rechazado. Pero si se encuentran dos
unidades malas el lote es aceptado, aunque al
siguiente lote se le debe aplicar el plan de
inspeccin normal.
9. REGLAS DE CAMBIO
Los requisitos que establece el estndar para hacer
cambios entre los tres tipos de inspeccin se
enuncian a continuacin:
9.1. De inspeccin normal a inspeccin severa.
Cuando se efecta inspeccin normal y con sta
se rechazan dos de cinco lotes consecutivos,
entonces se aplica la inspeccin severa.
9.2. De inspeccin severa a inspeccin normal.
Si al estar aplicando el plan de inspeccin
severa se aceptan cinco lotes consecutivos,
entonces se aplica la inspeccin normal.
9.3. De inspeccin normal a inspeccin
reducida. Para realizar estos cambios se deben
cumplir las siguientes cuatro condiciones:
Diez lotes consecutivos han sido aceptados.
El nmero total de defectuosos encontrados
en los 10 lotes anteriores es menor o igual al
nmero dado
La produccin es continua; esto es,
recientemente no han ocurrido problemas
como mquinas descompuestas, escasez de
material u otros contratiempos.
Si la autoridad responsable del muestreo
considera que es deseable una inspeccin
reducida.
9.4. De inspeccin reducida a normal. Si en la
actualidad se aplica inspeccin reducida y
ocurre cualquiera de las cuatro condiciones
siguientes:
Un lote o una serie de lotes son rechazados.
La inspeccin del lote termina sin decisin,
es decir, el nmero de defectuosos en el lote
es mayor que Ac pero es menor que Re.
Si la produccin es irregular o retardada.
Si se dan otras condiciones que de alguna manera
justifiquen la aplicacin de la inspeccin normal,
tales como los deseos del cliente.
9.5. Suspensin de inspeccin. En caso de que
10 lotes consecutivos continen bajo inspeccin
severa (o cualquier otro nmero que seale la
autoridad responsable), de acuerdo con el
 estndar la inspeccin deber ser suspendida en
espera de que se mejore la calidad del material
sometido a inspeccin.
10. MUESTREO DE ACEPTACIN POR
VARIABLES
En este tipo de planes se toma una muestra aleatoria
del lote y a cada unidad de la muestra se le mide
una caracterstica de calidad de tipo continuo
(longitud, peso, espesor, etc.), y en contraste con el
muestreo por atributos, no se trata de clasificar a
cada unidad como defectuosa o no, sino de registrar
la medicin de cada pieza. Con base en estas
mediciones, se calcula un ndice (estadstico) que de
acuerdo con su valor se aceptar o rechazar todo el
lote. Por lo general, el ndice toma en cuenta la
informacin muestral (media, desviacin estndar)
y las especificaciones de la caracterstica de calidad.
La ventaja principal del muestreo por variables es
que el tamao de muestra es considerablemente
menor que el muestreo por atributos, sobre todo
cuando los niveles aceptables de calidad en
trminos de p son muy pequeos. Adems,
muestrear por variables proporciona ms
informacin acerca del proceso, lo cual se puede
utilizar para tomar decisiones y mejorar la calidad;
esto se debe a que las medidas numricas de las
caractersticas de calidad son ms tiles que una
simple clasificacin de los artculos como
defectuosos o no defectuosos.
Las desventajas del muestreo por variables es que
para cada caracterstica de calidad que se desee
inspeccionar debe disearse su propio plan de
muestreo. Adems, las mediciones en un muestreo
por variables podran ser ms costosas, aunque la
reduccin obtenida en el tamao de la muestra por
lo general compensa este costo. Una desventaja ms
es que la distribucin de las caractersticas de
calidad debe ser conocida. La mayora de los planes
de muestreo por variable suponen que tal
distribucin es normal, si esto no es verdad la
confiabilidad de las decisiones puede resultar
afectada de manera importante.
Existen dos tipos de planes de muestreo por
variables: planes que controlan la proporcin de
unidades que no cumplen con especificaciones y
planes que controlan un parmetro del lote o
proceso (usualmente la media). Slo abordaremos
los primeros.
Para disear un plan de muestreo por variables para
el control de la proporcin de artculos que no
cumplen con especificaciones, es necesario que la
variable o caracterstica de calidad que se mide al
producto tenga especificaciones que debe cumplir.
En la figura 12.11 se muestra una caracterstica de
calidad X con distribucin normal con media () y
desviacin estndar (), que debe estar entre la
especificacin inferior y la superior:
 EI Como en el estndar por atributos (MIL STD 105E),
y para encontrar el tamao de muestra tambin se
utilizan letras cdigo para el tamao de sta. Los
tamaos mustrales estn en funcin del tamao de
lote y del nivel de inspeccin.
De acuerdo con la calidad del producto se prev una
inspeccin normal, severa y reducida. Todos los
planes de
Muestreo y procedimientos en el estndar suponen
que las caractersticas de calidad se distribuyen de
manera normal.
ES. El rea bajo la curva a la izquierda de EI
Pasos para disear un plan MIL STD 414
representa la proporcin de artculos, pi, que tienen
1. Determinar el tamao del lote.
un va lor menor que EI; mientras que ps es la
2. Especificar el NCA (o AQL).
proporcin de unidades que exceden la ES. Es
3. Escoger el nivel de inspeccin (usualmente el
evidente que la magnitud de la proporcin total de
nivel IV, que puede ser cambiado si la situacin lo
defectuosos, p = pi + ps, depende de los valores de
justifica). En tanto mayor sea el nivel de inspeccin
y . En la prctica, lo que se hace para controlar la
ms estricto es el plan (ms rpido cae su curva
proporcin de defectuosos es estimar mediante una
CO).
muestra de n artculos la proporcin de artculos que
4. En la tabla 12.16 y de acuerdo con el tamao de
no cumplen con la(s) especificacin(es). Si el valor
lote y el nivel de inspeccin, encontrar la letra
estimado de p excede un valor mximo
cdigo del tamao de la muestra.
especificado, el lote es rechazado; de otra forma, el
5. En la tabla 12.17, de acuerdo con la letra cdigo
lote es aceptado.
y el NCA, se busca el plan simple para inspeccin
normal, que consiste en un tamao de muestra n, y
Military Standard 414 (ANSI/ASQC Z1.9)
del valor M, que es el porcentaje mximo de
defectuosos tolerado en el lote.
El MIL STD 414 es un plan para muestreo de
6. En la misma tabla 12.17, partiendo de los NCA
aceptacin por variables lote por lote. El punto
que estn en la parte inferior, se encuentra el plan
principal de este estndar es el nivel de calidad
que se empleara bajo inspeccin severa, con sus
aceptable (NCA o
correspondientes valores para n y M.
AQL), y comprende porcentajes que van de 0.04 a
7. Seleccionar de manera aleatoria una muestra de
15%. El estndar tiene cinco niveles generales de
tamao n, y a cada pieza de sta se le mide la
inspeccin; al nivel IV se le considera el usual.
caracterstica de calidad. Con los datos obtenidos
calcular la media X y la desviacin estndar
muestral, S.
8. De los siguientes dos ndices, de acuerdo con el
tipo de especificaciones que tenga la caracterstica
de calidad, calcular uno o ambos.
ES X
Z ES= especificaciones superiore ES
S
XEI
Z EI = especificaciones inferior EI
S
Note que ambos ndices: ZEI y ZES, son la
distancia entre la media de la muestra, X , y la
correspondiente especificacin, expresada en
unidades de la desviacin estndar de la muestra, S.
Por lo que el valor de estos ndices ser grande si S
es pequea y si X tiende a estar al centro de
las especificaciones.
9. Estimar la proporcin de unidades defectuosas en
el lote. Para ello, en la tabla 12.18, en la columna de
ZEI y ZES, ubicar su correspondiente valor y
desplazarse por ese rengln hasta la columna del
tamao de muestra del plan de inspeccin, n. El
valor que se localice en la interseccin valor de Z y
n, corresponde a la estimacin del porcentaje de
defectuosos del lote de lado inferior, pi, o del lado
superior, ps, respectivamente
10. Decisin de aceptacin o rechazo:
Para variables slo con especificacin inferior.
Aceptar el lote si pi es menor o igual al valor de
M. En caso contrario rechazarlo.
Para variables slo con especificacin superior.
Aceptar el lote si ps es menor o igual que M. En
caso contrario rechazarlo.
Para variables con doble especificacin. Aceptar
el lote si la suma de los porcentajes inferior y
superior, p = pi + ps, es menor o igual que M.
En caso contrario rechazar el lote.
Ejemplo
En una fbrica de autopartes se han tenido
problemas con la dimensin de cierta barra de acero
en el momento de ensamblarla. La longitud ideal de
la barra es de 100 mm, con una tolerancia de 2mm.
Se decide implementar un muestreo de aceptacin
interno con el propsito de evitar dejar pasar a la
etapa de ensamble a los lotes con una calidad muy
pobre.
El tamao del lote para estas barras es de 3 000. De
acuerdo con los antecedentes y los propsitos se
elige un NCA (AQL) de 1.0%. De esta forma, lotes
con 1.0% de barras fuera de las especificaciones
tendrn una alta probabilidad de ser aceptados para
ensamble. El nivel de inspeccin que se utilizar es
el usual (nivel IV).
Se encuentra que la letra cdigo para el tamao de
la muestra es L. Supongamos que no se conoce la
desviacin estndar del proceso y que sta va a ser
estimada con S.
Por lo que de acuerdo con el paso 6, en la tabla
12.17 se encuentra que el plan de inspeccin normal
es
n = 40, M = 2.71%
Y el plan de inspeccin severa es
n = 40, M = 1.88%
De un lote en particular se seleccionan de manera igual que M. En caso contrario rechazar el
aleatoria 40 barras y se les mide su longitud. Con lote.
los 40 datos se Obtiene
X = 100.15 y S = 0.8.
PRCTICAS DE MUESTREO.

Y con stos a su vez se calculan los ndices: 1.- En una empresa se ha aplicado un muestreo de

102100.15 aceptacin con base en MIL STD 105E, en el que

Z ES= =2.31
0.8 usan NCA de 1.5%. Conteste lo siguiente:

a) Suponiendo los lotes de 12 000 piezas y usando

100.1598
Z EI = =2.6875 el nivel de inspeccin usual (II) encuentre los planes
0.8
normal, reducido y severo que se aplicarn.

Con estos valores, en la columna de n = 40 de la b) De acuerdo con lo anterior, este plan garantiza

tabla 12.18 y tomando el valor de Z ES igual al valor que no se acepten lotes con un porcentaje de

ms cercano (2.30), se estima que el porcentaje de defectuosos mayor a 1.5%? Explique.

barras en el lote que exceden la especificacin

c) Si el tamao de lote en lugar de 12 000, fuera de
superior es igual a ps = 0.888%.
De la misma manera se encuentra que el porcentaje 32 000, compruebe que de acuerdo con MIL STD
de barras que tienen una longitud menor a la (EI) es
105E el tamao de muestra y el nmero de
pi = 0.236%.
aceptacin seran los mismos. Por qu cree usted
Por lo tanto, el porcentaje total que se estima fuera
que ocurre esto?
de especificaciones es p = 0.888 + 0.236 = 1.124%,
que es menor que M = 2.71%, por lo que el lote es
aceptado.
2.- Un proveedor de sbanas y un hotel han
10. Decisin de aceptacin o rechazo:
decidido evaluar el producto en lotes de 1 000
Para variables slo con especificacin
usando un NCA de 1% con una probabilidad de
inferior. Aceptar el lote si pi es menor o
rechazo de = 0.10.
igual al valor de M. En caso contrario
rechazarlo. a) Use el MIL STD 105E y determine los planes de
Para variables slo con especificacin
muestreo para c = 0, 1, 2.
superior. Aceptar el lote si ps es menor o
igual que M. En caso contrario rechazarlo. b) Si usted fuera el comprador, cul de los planes
Para variables con doble especificacin.
anteriores seleccionara? Por qu?
Aceptar el lote si la suma de los porcentajes
inferior y superior, p = pi + ps, es menor o
3.- Suponga inspeccin normal en MIL STD 414
con el mtodo de la desviacin estndar y
variabilidad desconocida, adems de letra cdigo D
y AQL = 2.5%, y una especificacin inferior de 200
g.
a) Para un tamao de lote N = 40 encuentre el plan
apropiado.
b) Determine si un lote es aceptado o rechazado
usando el mtodo M, dado que los resultados de la
inspeccin fueron los siguientes: 204, 211, 199, 209
y 208 g.
4.- Para aceptar embarques de 400 bultos que deben
pesar 50 kg cada uno, se establece como
especificacin inferior para el peso 49.5 y como
superior 50.5.
a) Si se establece un NCA = 1.0 %, encuentre el
plan apropiado aplicando MIL STD 414 y nivel IV
de inspeccin (n, M).
b) De acuerdo con el plan anterior, cuando se recibe
un embarque, qu se hace?, cmo se decide si se
rechaza o se acepta?
c) Aplicando el plan se selecciona una muestra de
bultos, se pesan y se encuentra que X = 49.8 y S
= 0.2, se acepta o se rechaza el embarque?
Argumente.
5.- Si en el problema anterior se hubiera utilizado
un NCA = 4.0 por ciento.
a) Encuentre el plan de muestreo apropiado.
b) Explique en qu y por qu son diferentes los
planes para NCA = 1.0% y NCA = 4%.
c) Utilizando X = 49.8 y S = 0.2, se rechaza o
se acepta el lote con el plan NCA = 4.0%?
6.- Si usted es vendedor, cul de los dos planes
anteriores preferira? Argumente su respuesta.
7.-En la ficha tcnica de un producto se encuentra
especificado que para evaluar el atributo grado de
maduracin se acepta hasta un 2% de producto no
conforme. Cul es el NAC que debe usarse al
consultar las tablas correspondientes?
8.- Se recibe una remesa de 1850 canastillas de
mandarina, a razn de 100 unidades por canastilla.
Se desea inspeccionar el lote para verificar la
existencia de fruta en estado de descomposicin o
con magulladura por dao mecnico. Cul es la
letra que identifica el tamao de la muestra?
9.- En el ejemplo del caso anterior, se desea
verificar si las canastillas en que se empaca el
producto cumplen con las especificaciones de tener
un fondo sin irregularidades que maltraten la fruta.
Se trata de detectar un defecto menor y por tanto, se
fija como nivel de inspeccin el I.
10.- Para el caso N8 planteado arriba, cual es el
tamao muestra para, a) muestreo reducido, b)
muestreo normal y c) muestreo ajustado.
11.- En el caso de la pregunta 9 cul es el tamao
muestra para, a) muestreo reducido, b) muestreo
normal y c) muestreo ajustado.
11.- Se recibe un lote de 5000 cajas de galletas, con 200
unidades cada una, siguientes atributos, con un NAC del.
05%, una rigurosidad normal y un nivel de inspeccin
III:
i. Estado de conservacin de las cajas externas.
ii. Estado del empaque de cada unidad e integridad
de las galletas (que no estn rotas, fracturadas o
pulverizadas) o que no estn quemadas por horneo.
Realizar el muestreo correspondiente para
determinar si el lote es o no conforme.
12.- Se ha contratado el suministro de fruta fresca
(mango comn) y en las condiciones de negociacin
se ha establecido que no se acepta producto sucio,
con magulladuras o con signos de pudricin.
En las condiciones de negociacin se establece que
para el control de calidad cualitativo se aplicar un
Nivel Aceptable de Calidad (NAC) del 2%, para
defectos mayores, con reposicin del producto no
conforme. El proveedor realiza su primera entrega
que corresponde a un lote de 250.000 unidades
empacadas en canastillas de 100 unidades cada una
(2.500 canastillas). Se realiz el muestreo de
acuerdo con el presente documento y se encontraron
20 unidades magulladas y una con signos de
pudricin.
a. Cul debi ser el tamao de la muestra?
b. Cul debe ser la decisin a tomar?
c. Si solo se hubieran encontrado 21 unidades
magulladas, cul hubiera sido la decisin?
13.- Se recibe una remesa de 1.850 canastillas de
mandarina, a razn de 100 unidades por canastilla.
Se desea inspeccionar el lote para verificar si
cumple con el peso mnimo por unidad exigido en la
ficha de negociacin. Cul es la letra que identifica
el tamao de la muestra?
14.-Una vez realizado el muestreo del caso 11, se
obtuvo la siguiente informacin:
a) abolladuras. De las 315 cajas inspeccionadas
externamente, se encontraron 5 con deformaciones
b) De las 2000 unidades inspeccionadas se
encontraron: 19 galletas quebradas y 6 unidades
quemadas para un total de 25 unidades no
conformes. No se encontr ningn empaque
primario en mal estado. Se debe aceptar el lote?
15.- .-Se recibe una remesa de 1.850 canastillas de
mandarina, a razn de 100 unidades por canastilla.
Se desea inspeccionar el lote para verificar si
cumple con el peso mnimo por unidad exigido en la
ficha de negociacin. Y luego procede como sigue.
(NCL:2%)
Cul es la letra, el tamao de la muestra y Ac, Re;
si en esta primera muestra obtenemos 10 lotes
buenos consecutivos a qu tipo de muestreo
entrara y de entonces Cul es la letra, el tamao de
la muestra y Ac, Re ?.
Luego se encuentra en otro tipo de carta muestral, y
al muestrear se encuentran 10 productos rechazados
entonces se debe pasar al muestreo de tipo; hallar
Cul es la letra, el tamao de la muestra y Ac, Re ?.
Luego de estar en una nueva muestra, de 5 lotes 2
son rechazados entonces estara en la inspeccin de
tipo; aqu encontrar Cul es la letra, el tamao de la
muestra y Ac, Re ?.
Al final con esta muestra se muestrea y se encuentra
18 lotes rechazados; entonces se acepta o rechaza el
lote.
SEMANA 16 Y 17
1. SIX SIGMA.
1.1. Enfoque Six Sigma.
Es un enfoque revolucionario de gestin que mide y
mejora la calidad. Ha llegado a ser un mtodo de
referencia para, al mismo tiempo, satisfacer las
necesidades de los clientes y lograrlo con niveles
prximos a la perfeccin.
Pero qu es exactamente Seis Sigma? Dicho en
pocas palabras, es un mtodo basado en datos para
llevar la calidad hasta niveles prximos a la
perfeccin; es diferente de otros enfoques ya que
tambin corrige los problemas antes de que se
presenten. Especficamente, se trata de un esfuerzo
disciplinado para examinar los procesos repetitivos
de las empresas.
Literalmente cualquier compaa puede beneficiarse
del proceso Seis Sigma. Diseo, comunicacin,
formacin, produccin, administracin, prdidas,
etc., todo entra dentro de su campo. Pero el camino
no es fcil. Las posibilidades de mejora y de ahorro
de costos son enormes, pero el proceso Seis Sigma
requiere el compromiso de tiempo, talento,
dedicacin, persistencia y, por supuesto, inversin
econmica.
Un tpico costo de no calidad, errores, defectos y
prdidas en los procesos, puede suponer el 20% o
30% de las ventas. El campo es amplio, incluso sin
llegar al nivel Seis Sigma (3,4 errores o defectos por
milln de oportunidades), las posibilidades de
mejorar significativamente los resultados son
ilimitadas. Solamente ser necesario que la
organizacin ponga a disposicin sus capacidades y
proceda de manera consistente con sus recursos.
En trminos estadsticos, el propsito de Seis
Sigma es reducir la variacin para conseguir
desviaciones estndar muy pequeas, de manera
que prcticamente la totalidad de sus productos o
servicios cumplan, o excedan, las expectativas de
los clientes
1.2. El comienzo de Seis Sigma
Es esencial que el compromiso con el enfoque Seis
Sigma comience y permanezca en la alta direccin
de la compaa. La experiencia demuestra que
cuando la direccin no expresa su visin de la
compaa, no transmite firmeza y entusiasmo, no
evala los resultados y no reconoce los esfuerzos,
los programas de mejora se transforman en una
prdida de recursos vlidos.
El proceso Seis Sigma comienza con la
sensibilizacin de los ejecutivos, para llegar a un
entendimiento comn del enfoque y comprender los
mtodos que permitirn a la compaa alcanzar
niveles de calidad hasta entonces insospechados.
El paso siguiente consiste en la seleccin de los recursos. Una vez seleccionado el proyecto, se
empleados, profesionales con capacidad y prepara su misin y se selecciona el equipo ms
responsabilidad en sus reas o funciones que van a adecuado, asignndole la prioridad necesaria
ser intensivamente formados para liderar los
La fase de medicin consiste en la caracterizacin
proyectos de mejora. Muchos de estos empleados
del proceso identificando los requisitos clave de los
tendrn que dedicar una parte importante de su
clientes, las caractersticas clave del producto (o
tiempo a los proyectos, si se quiere obtener
variables del resultado) y los parmetros (variables
resultados significativos.
de entrada) que afectan el funcionamiento del
La formacin de estos lderes tiene lugar en cuatro proceso y las caractersticas o variables clave. A
sesiones de cuatro das cada una, a lo largo de un partir de esta caracterizacin, se define el sistema de
periodo de 12 semanas, durante el cual trabajarn en medida y se mide la capacidad del proceso.
un proyecto concreto de mejora que los capacitar
En la tercera fase, anlisis, el equipo analiza los
como candidatos a una nueva profesin, black belts
datos de resultados actuales e histricos. Se
como implantadores de estas avanzadas iniciativas
desarrollan y comprueban hiptesis sobre posibles
de calidad. Esta formacin, impartida por expertos,
relaciones causa-efecto utilizando las herramientas
incluye la seleccin de un proyecto en la primera
estadsticas pertinentes. De esta forma, el equipo
semana y la aplicacin de lo aprendido a dicho
confirma los determinantes del proceso, es decir, las
proyecto antes de la sesin siguiente, mediante un
variables clave de entrada o pocos vitales que
equipo de mejora.
afectan a las variables de respuesta del proceso.
Para alcanzar el nivel black belt los candidatos
En la fase de mejora, el equipo trata de determinar
tienen que demostrar los resultados conseguidos en
la relacin causa-efecto (relacin matemtica entre
el proyecto, y este nivel los capacita para continuar
las variables de entrada y la variable de respuesta
liderando nuevos equipos para nuevos proyectos de
que interese), para predecir, mejorar y optimizar el
mejora.
funcionamiento del proceso. Por ltimo, se
1.3. El mtodo Seis Sigma determina el rango operacional de los parmetros o
variables de entrada del proceso.
El mtodo Seis Sigma, conocido como DMAIC,
consiste en la aplicacin, proyecto a proyecto, de un La ltima fase, control, consiste en disear y
proceso estructurado en cinco fases: definir, medir, documentar los controles necesarios para asegurar
analizar, mejorar, controlar. que lo conseguido mediante el proyecto Seis Sigma
se mantenga una vez que se hayan implantado los
En la fase de definicin se identifican los posibles
cambios. Cuando se han logrado los objetivos y la
proyectos Seis Sigma, que deben ser evaluados por
la direccin para evitar la infrautilizacin de
misin se d por finalizada, el equipo informa a la
direccin y se disuelve
2. HERRAMIENTAS DEL SIX SIGMA
Se detallan las herramientas tradicionales bsicas:
diagrama de Pareto, estratificacin, hoja de
verificacin, diagrama de causa-efecto (diagrama de
Ishikawa), lluvia de ideas y diagrama de dispersin,
adems de otras herramientas de particular utilidad
en Seis Sigma.
2.1. Diagrama de Pareto
Se reconoce que ms de 80% de la problemtica en
una organizacin es por causas comunes, es decir,
se debe a problemas o situaciones que actan de
manera permanente sobre los procesos.
Pero, adems, en todo proceso son pocos los
problemas o situaciones vitales que contribuyen en
gran medida a la problemtica global de un proceso
o una empresa.
Lo anterior es la premisa del diagrama de Pareto, el
cual es un grfico especial de barras cuyo campo de
anlisis o aplicacin son los datos categricos, y
tiene como objetivo ayudar a localizar el o los
problemas vitales, as como sus principales causas.
La idea es que cuando se quiere mejorar un proceso
o atender sus problemas, no se den palos de ciego
al trabajar en todos los problemas al mismo tiempo
atacando todas sus causas a la vez, sino que, con
base en los datos e informacin aportados por un
anlisis estadstico, se establezcan prioridades y se
enfoquen los esfuerzos donde stos puedan tener
mayor impacto.
La viabilidad y utilidad general del diagrama est
respaldada por el llamado principio de Pareto,
conocido como Ley 80-20 o Pocos vitales,
muchos triviales, en el cual se reconoce que pocos
elementos (20%) generan la mayor parte del efecto
(80%), y el resto de los elementos propician muy
poco del efecto total.
El nombre del principio se determin en honor al
economista italiano Wilfredo Pareto (1843-1923).
2.2. Diagrama de dispersin
Dadas dos variables numricas X y Y, medidas
usualmente sobre el mismo elemento de la muestra
de una poblacin o proceso, el diagrama de
dispersin es un grfica del tipo X-Y, donde cada
elemento de la muestra es representado mediante un
par de valores (xi, yi) y el punto correspondiente en
el plano cartesiano X-Y.
El objetivo de esta grfica es analizar la forma en
que estas dos variables estn relacionadas. Por
ejemplo, estudiar en un grupo de estudiantes, la
relacin entre su estatura (X) y su peso (Y); o podra
ser de inters investigar la relacin entre una
variable de entrada (X) de un proceso con el valor
de alguna caracterstica de calidad
(Y) del producto final. Al graficar todos los puntos,
es decir, todas las parejas de valores (x i, yi), si se
observa que los puntos siguen algn patrn
definido, esto ser evidencia de una posible relacin
entre las dos variables.
Ejemplo:
En una fbrica de pintura se desea investigar la
relacin que existe entre la velocidad de agitacin
en el proceso de mezclado y el porcentaje de
impurezas en la pintura. Mediante pruebas
experimentales se obtienen los datos de la tabla.
Mientras que en la figura se muestra el diagrama de
dispersin para estos datos, en donde se ve que hay
una relacin o correlacin lineal positiva, ya que a
medida que aumenta la velocidad de agitacin se
incrementa el porcentaje de impurezas.
Interpretacin de un diagrama de dispersin
En la figura se muestran los patrones ms comunes
que puede seguir un conjunto de puntos en un
diagrama de dispersin. En la figura 6.10c, los
puntos estn dispersos dentro de una banda
horizontal sin ningn orden aparente, lo cual sugiere
una no correlacin entre las dos variables. Por el
contrario, en las figuras 6.10a, b y d los puntos
siguen un patrn bien definido, lo cual indica una
relacin entre las dos variables correspondientes.
En tanto, la figura 6.10a corresponde a una
correlacin positiva, en la que cuando X crece,
tambin lo hace Y en forma lineal, por lo tanto, se
habla de una correlacin lineal positiva. La
correlacin negativa se muestra en la figura 6.10b,
donde se ve que cuando X crece, Y disminuye en
forma lineal, y viceversa. Cuando se sospecha que
s hay relacin y, en la grfica se muestra lo
contrario, es preciso asegurarse de que los datos
fueron obtenidos correctamente.
En ocasiones, en los diagramas de dispersin se
muestran relaciones con un patrn ms dbil, es
decir, menos definido. En esos casos se habla de
una correlacin dbil, y habr que corroborarla
calculando el coeficiente de correlacin que
veremos en seguida. Por otro lado, puede haber otro
tipo de relaciones que no son lineales, como en la
figura 6.10d, donde se muestra una relacin
curvilnea en forma de parbola, de tal forma que
conforme X crece, Y tambin lo hace hasta cierto
punto, y despus empieza a disminuir. Tambin
pueden darse puntos aislados que se salen del
patrn general del resto de los puntos, en ese caso es
necesario investigar a qu se debe: alguna situacin
especial en el comportamiento del proceso, algn
tipo de error, ya sea de medicin, registro o de
dedo. En cualquier caso, se debe identificar la
causa que los motiv, ya que en ocasiones puede ser
informacin valiosa.
Acerca de la posible relacin causa-efecto, es
preciso tener en cuenta que cuando dos variables
estn relacionadas, no necesariamente implica que
una es causa de la otra.
Lo nico que indica el diagrama de dispersin es
que existe una relacin. El usuario es quien debe
tomar esa pista para investigar a qu se debe tal
relacin. Para verificar si efectivamente X influye
sobre Y se debe recurrir tanto al conocimiento del
proceso como a la comprobacin.
De cualquier forma, quien interprete el diagrama de
dispersin debe tomar en cuenta que algunas de las
razones por las que las variables X y Y aparecen
relacionadas de manera significativa son:
X influye sobre Y (ste es el caso que suele
interesar ms).
Y influye sobre X.
X y Y interactan entre s.

Coeficiente de correlacin que se observa en un diagrama, no se debe a una

El coeficiente de correlacin es de utilidad para construccin errnea del diagrama de dispersin

asegurarse de que la relacin entre dos variables, (por ejemplo, el tamao y las escalas), as como
para cuantificar la magnitud de la correlacin lineal alguna de las 6 M. La pregunta bsica para este tipo
en trminos numricos. de construccin es: qu aspecto de esta M se
Para un conjunto de n valores del tipo (xi, yi), refleja en el problema bajo anlisis? Ms adelante
obtenidos a partir de n unidades o productos, este se da una lista de posibles aspectos para cada una de
coeficiente se calcula con: las M que pueden ser causas potenciales de
problemas en manufactura
2.3. Diagrama de Ishikawa (o de causa-efecto)
El diagrama de causa-efecto o de Ishikawa1 es un 2.3.1.1. Aspectos o factores a considerar en
mtodo grfico que relaciona un problema o efecto las 6 M
2.3.1.2. Mano de obra o gente
con los factores o causas que posiblemente lo
Conocimiento (la gente conoce su trabajo?).
generan. La importancia de este diagrama radica en Entrenamiento (los operadores estn
que obliga a buscar las diferentes causas que afectan entrenados?).
el problema bajo anlisis y, de esta forma, se evita Habilidad (los operadores han demostrado

el error de buscar de manera directa las soluciones tener habilidad para el trabajo que realizan?).
Capacidad (se espera que cualquier trabajador
sin cuestionar cules son las verdaderas causas.
lleve a cabo su labor de manera eficiente?).
El uso del diagrama de Ishikawa (DI), con las tres La gente est motivada? Conoce la
herramientas que hemos visto en las secciones importancia de su trabajo por la calidad?
anteriores, ayudar a no dar por obvias las causas,
2.3.1.3. Mtodos
sino que se trate de ver el problema desde diferentes Estandarizacin (las responsabilidades y los
perspectivas.
procedimientos de trabajo estn definidos de
Existen tres tipos bsicos de diagramas de Ishikawa,
manera clara y adecuada o dependen del criterio
los cuales dependen de cmo se buscan y se
de cada persona?).
organizan las causas en la grfica. A continuacin Excepciones (cuando el procedimiento
veremos un ejemplo de cada uno. estndar no se puede llevar a cabo existe un
procedimiento alternativo definido
2.3.1. Mtodo de las 6 M claramente?).
El mtodo de las 6 M es el ms comn y consiste en Definicin de operaciones (estn definidas las

agrupar las causas potenciales en seis ramas operaciones que constituyen los

principales (6 M): mtodos de trabajo, mano o procedimientos?, cmo se decide si la

mente de obra, materiales, maquinaria, medicin y operacin fue realizada de manera correcta?).

medio ambiente. Como se vio en el captulo 1, estos La contribucin a la calidad por parte de esta rama

seis elementos definen de manera global todo es fundamental, ya que por un lado cuestiona si

proceso y cada uno aporta parte de la variabilidad estn definidos los mtodos de trabajo, las

del producto final, por lo que es natural esperar que operaciones y las responsabilidades; por el otro, en

las causas de un problema estn relacionadas con

caso de que s estn definidas, cuestiona si son
adecuados.
2.3.1.4. Mquinas o equipos
Capacidad (las mquinas han demostrado ser
capaces de dar la calidad que se requiere?).
Condiciones de operacin (las condiciones de
operacin en trminos de las variables de
entrada son las adecuadas?, se ha realizado
algn estudio que lo respalde?).
Hay diferencias? (hacer comparaciones entre
mquinas, cadenas, estaciones, instalaciones,
etc. Se identificaron grandes diferencias?).
Herramientas (hay cambios de herramientas
peridicamente?, son adecuados?).
Ajustes (los criterios para ajustar las mquinas
son claros y han sido determinados de forma
adecuada?).
Mantenimiento (hay programas de
mantenimiento preventivo?, son adecuados?).
2.3.1.5. Material
Variabilidad (se conoce cmo influye la
variabilidad de los materiales o materia prima
sobre el problema?).
Cambios (ha habido algn cambio reciente en
los materiales?).
Proveedores (cul es la influencia de mltiples
proveedores?, se sabe si hay diferencias
significativas y cmo influyen stas?).
Tipos (se sabe cmo influyen los distintos tipos
de materiales?).
2.3.1.6. Mediciones
Disponibilidad (se dispone de las mediciones
requeridas para detectar o prevenir
problema?).
Definiciones (estn definidas de manera
operacional las caractersticas que son
medidas?).
Tamao de la muestra (han sido medidas
suficientes piezas?, son representativas de tal
forma que las decisiones tengan sustento?).
Repetibilidad (se tiene evidencia de que el
instrumento de medicin es capaz de repetir la
medida con la precisin requerida?).
Reproducibilidad (se tiene evidencia de que los
mtodos y criterios usados por los operadores
para tomar mediciones son adecuados?)
Calibracin o sesgo (existe algn sesgo en las
medidas generadas por el sistema de
medicin?).
Esta rama destaca la importancia que tiene el
sistema de medicin para la calidad, ya que las
mediciones a lo largo del proceso son la base para
tomar decisiones y acciones; por lo tanto, debemos
preguntarnos si estas mediciones son representativas
y correctas, es decir, si en el contexto del problema
que se est analizando, las mediciones son de
calidad, y si los resultados de medicin, las pruebas
y la inspeccin son fiables
2.3.1.7. Medio ambiente
Ciclos (existen patrones o ciclos en los
procesos que dependen de condiciones Del
medio ambiente?).
Temperatura (la temperatura ambiental influye
en las operaciones?).
2.3.2. Ventajas del mtodo 6 M
el Obliga a considerar una gran cantidad de
elementos asociados con el problema.
Es posible usarlo cuando el proceso no se
conoce a detalle.
Se concentra en el proceso y no en el producto.

2.3.3. Desventajas del mtodo 6 M
En una sola rama se identifican demasiadas
causas potenciales.
Se tiende a concentrar en pequeos detalles del
proceso.
No es ilustrativo para quienes desconocen el
proceso.
2.3.4. Mtodo tipo flujo del proceso
Con el mtodo flujo del proceso de construccin, la
lnea principal del diagrama de Ishikawa sigue la
secuencia normal del proceso de produccin o de
administracin.
Los factores que pueden afectar la caracterstica de
calidad se agregan en el orden que les corresponde,
segn el proceso. La figura 6.7 muestra un diagrama
construido con este mtodo. Para ir agregando en el
orden del proceso las causas potenciales, se realiza
la siguiente pregunta: qu factor o situacin en esta
parte del proceso puede tener un efecto sobre el
problema especificado? Este mtodo permite
explorar formas alternativas de trabajo, detectar
cuellos de botella, descubrir problemas ocultos, etc.
Algunas de las ventajas y desventajas del diagrama
de Ishikawa, construido segn el flujo del proceso,
se presentan a continuacin.
2.3.4.1. Ventajas
Obliga a preparar el diagrama de flujo del
proceso.
Se considera al proceso completo como una
causa potencial del problema.
Identifica procedimientos alternativos de
trabajo.
Hace posible descubrir otros problemas no
considerados al inicio.
Permite que las personas que desconocen el
proceso se familiaricen con l, lo que facilita su
uso.
Se emplea para predecir problemas del proceso
poniendo atencin especial en las fuentes de
variabilidad.
2.3.4.2. Desventajas
Es fcil no detectar las causas potenciales,
puesto que las personas quizs estn muy
familiarizadas con el proceso y todo se les
haga normal.
Es difcil usarlo por mucho tiempo, sobre
todo en procesos complejos.
Algunas causas potenciales pueden aparecer
muchas veces.
2.4. Pasos para la construccin de un diagrama
de Ishikawa
1. Especificar el problema a analizar. Se recomienda
que sea un problema importante y, de ser posible,
que ya est delimitado mediante la aplicacin de
herramientas como Pareto y estratificacin.
Tambin es importante que se tenga
cuantificacin objetiva de la magnitud
problema.
2. Seleccionar el tipo de DI que se va a usar. Esta
decisin se toma con base en las ventajas y
desventajas que tiene cada mtodo.
3. Buscar todas las probables causas, lo ms
concretas posible, que pueden tener algn efecto
sobre el problema. En esta etapa no se debe discutir
cules causas son ms importantes; por el momento,
el objetivo es generar las posibles causas. La
estrategia para la bsqueda es diferente segn el
tipo de diagrama elegido, por lo que se debe
proceder de acuerdo con las siguientes
recomendaciones:
Para el mtodo 6 M: trazar el diagrama de
acuerdo con la estructura base para este
mtodo e ir preguntndose y reflexionando
acerca de cmo los diferentes factores o
situaciones de cada M pueden afectar el
problema bajo anlisis.
Mtodo flujo del proceso: construir un
diagrama de flujo en el que se muestre la
secuencia y el nombre de las principales
operaciones del proceso que estn antes del
problema, e iniciando de atrs hacia delante.
Es preciso preguntarse: qu aspectos o
factores en esta parte del proceso afectan al
problema especificado?
Mtodo enumeracin de causas: mediante
una lluvia de ideas generar una lista de las
posibles causas y despus agruparlas por
afinidad. Es preciso representarlas en el
la diagrama, considerando que para cada grupo
del corresponder una rama principal del
diagrama; tambin, se asigna un ttulo
representativo del tipo de causas en tal
grupo.
4. Una vez representadas las ideas obtenidas, es
necesario preguntarse si faltan algunas otras causas
an no consideradas; si es as, es preciso agregarlas.
5. Decidir cules son las causas ms importantes
mediante dilogo y discusin respetuosa y con
apoyo de datos, conocimientos, consenso o votacin
del tipo 5,3,1. En este tipo de votacin cada
participante asigna 5 puntos a la causa que
considera ms importante, 3 a la que le sigue, y 1 a
la tercera en importancia; despus de la votacin se
suman los puntos, y el grupo deber enfocarse en
las causas que recibieron ms puntos.
6. Decidir sobre cules causas se va a actuar. Para
ello se toma en consideracin el punto anterior y lo
factible que resulta corregir cada una de las causas
ms importantes. Con respecto a las causas que no
se decida actuar debido a que es imposible, por
distintas circunstancias, es importante reportarlas a
la alta direccin.
7. Preparar un plan de accin para cada una de las
causas a ser investigadas o corregidas, de tal forma
que determine las acciones que se deben realizar;
para ello se puede usar nuevamente el DI. Una vez
determinadas las causas, se debe insistir en las
acciones para no caer en slo debatir los problemas
y en no acordar acciones de solucin.
 se logra concentrar ms la atencin de los
participantes en el objetivo. Incluso, esta lista puede
encargarse de manera previa a la sesin.
4. Los participantes se acomodan de preferencia en
forma circular y se turnan para leer una idea de su
lista cada vez. A medida que se leen las ideas, stas
se presentan visualmente a fin de que todos las
vean. El proceso contina hasta que se hayan ledo
todas las ideas de todas las listas. Ninguna idea debe
tratarse como absurda o imposible, aun cuando se
considere que unas sean causas de otras; la crtica y
2.5. Lluvia de ideas
la anticipacin de juicios tienden a limitar la
Las sesiones de lluvia o tormenta de ideas son una
creatividad del grupo, que es el objetivo en esta
forma de pensamiento creativo encaminada a que
etapa. En otras palabras, es importante distinguir
todos los miembros de un grupo participen
dos procesos de pensamiento: primero pensar en las
libremente y aporten ideas sobre determinado tema
posibles causas y despus seleccionar la ms
o problema. Esta tcnica es de gran utilidad para el
importante. Realizar ambos procesos al mismo
trabajo en equipo, ya que permite la reflexin y el
tiempo entorpecer a ambos. Por eso, en esta etapa
dilogo con respecto a un problema y en trminos
slo se permite el dilogo para aclarar alguna idea
de igualdad. Se recomienda que las sesiones de
sealada por un participante. Es preciso fomentar la
lluvia de ideas sean un proceso disciplinado a travs
informalidad y la risa instantnea, pero la burla debe
de los siguientes pasos:
prohibirse.
1. Definir con claridad y precisin el tema o
5. Una vez ledos todos los puntos, el moderador le
problema sobre el que se aportan ideas. Esto
pregunta a cada persona, por turnos, si tiene
permitir que el resto de la sesin slo est enfocada
comentarios adicionales. Este proceso contina
a ese punto y no se d pie a la divagacin en otros
hasta que se agoten las ideas. Ahora se tiene una
temas.
lista bsica de ideas acerca del problema o tema. Si
2. Se nombra un moderador de la sesin, quien se
el propsito era generar estas ideas, aqu termina la
encargar de coordinar la participacin de los dems
sesin; pero si se trata de profundizar an ms la
participantes.
bsqueda y encontrar las ideas principales, entonces
3. Cada participante en la sesin debe hacer una
se deber hacer un anlisis de las mismas con las
lista por escrito de ideas sobre el tema (una lista de
siguientes actividades.
posibles causas si se analiza un problema). La razn
6. Agrupar las causas por su similitud y
de que esta lista sea por escrito y no de manera oral
representarlas en un diagrama de Ishikawa,
es que as todos los miembros del grupo participan y
considerando que para cada grupo corresponder
una rama principal del diagrama, a la cual se le
asigna un ttulo representativo del tipo de causas en
tal grupo. Este proceso de agrupacin permitir
clarificar y estratificar las ideas, as como tener una
mejor visin de conjunto y generar nuevas
opciones.
7. Una vez realizado el DI se analiza si se ha
omitido alguna idea o causa importante; para ello,
se pregunta si hay alguna otra causa adicional en
cada rama principal, y de ser as se agrega.
8. A continuacin se inicia una discusin abierta y
respetuosa dirigida a centrar la atencin en las
causas principales. El objetivo es argumentar en
favor de y no de descartar opciones.
Las causas que reciban ms mencin o atencin en
la discusin se pueden sealar en el diagrama de
Ishikawa resaltndolas de alguna manera.
9. Elegir las causas o ideas ms importantes de entre
las que el grupo ha destacado previamente.
Para ello se tienen tres opciones: datos, consenso o
por votacin. Se recomienda esta ltima cuando no
es posible recurrir a datos y en la sesin participan
personas de distintos niveles jerrquicos, o cuando
hay alguien de opiniones dominantes. La votacin
puede ser del tipo 5,3,1 (vea el paso 5 de las
recomendaciones presentadas antes para construir
un diagrama de Ishikawa). Se suman los votos y se
eliminan las ideas que recibieron poca atencin;
ahora, la atencin del grupo se centra en las ideas
que recibieron ms votos. Se hace una nueva
discusin sobre stas y despus de ello una nueva
votacin para obtener las causas ms importantes
que el grupo se encargar de atender.
10. Si la sesin est encaminada a resolver un
problema, se debe buscar que en las futuras
reuniones o sesiones se llegue a las acciones
concretas que es necesario realizar, para lo cual se
puede utilizar de nuevo la lluvia de ideas y el
diagrama de Ishikawa. Es importante dar nfasis a
las acciones para no caer en el error o vicio de
muchas reuniones de trabajo, donde slo se debaten
los problemas pero no se acuerdan acciones para
solucionarlos.
ANEXOS:

ANEXO 01.

ETAPAS DE LA CALIDAD
Control estadstico Aseguramiento de la Administracin
Criterios y Inspeccin
calidad
consideraciones de la calidad de la calidad total

Fecha de inicio
Preocupacin

principal

La calidad se ve

como:

nfasis

Mtodos
Papel de los
profesionales

de la calidad

Quin tiene la
responsabilidad
por la calidad
Orientacin y
enfoque

ANEXO 02

ETAPAS DE LA CALIDAD
FILOSOFIA
GUR CONCEPTO DE APORTACIONES APLICACI
CALIDAD N
Fecha de inicio
ANEXO: TABLA DE CONTROL ESTADSTICO
ANEXO TABLA DE MUESTREO.