Está en la página 1de 33

Tema 1.

Calidad y control estadístico


Introducción
¿Dónde quedaría el queso?

Hoy en día la demanda de los clientes por la excelencia en la calidad de los productos y
servicios es mayor que en décadas pasadas. Los clientes o consumidores relacionan el
concepto con el derecho que tienen por pagar por un artículo o recibir un servicio; por lo que
las empresas cada vez más establecen un compromiso y un estrecho vínculo con los clientes,
a fin de cumplir con sus expectativas y brindar un producto o servicio de acuerdo a los
parámetros declarados.
Por tal motivo, las empresas se encuentran en procesos de mejora continua e implementación
de sistemas de calidad específicos, que les permitan cumplir con los requerimientos del
mercado nacional y extranjero. Sin embargo, existen compañías que aún no se apegan al
cumplimiento de especificaciones o peor aún, falsean la información; ante ello, distintas
organizaciones federales realizan inspecciones periódicas para informar al consumidor sobre
la calidad del producto y su relación con el precio.
Tal es el caso de la Procuraduría Federal del consumidor (Profeco), que en el año 2012
analizó 52 productos etiquetados de queso Oaxaca e informó que varias marcas no cumplen
con las especificaciones declaradas en la etiqueta, ni con la denominación “queso”, ya que
para recibir este nombre, el producto debe contener grasa animal y la mayoría de las muestras
presentaban grasa vegetal. Asimismo, dejó al descubierto que por su composición deben ser
clasificados como “imitaciones de quesos”.
De este caso podemos analizar la importancia de que las empresas cumplan con las
especificaciones de calidad de producto y de tu futuro papel como profesionista para trabajar
en la mejora continua de los procesos.

Explicación
1.1 Definición de calidad
El concepto de calidad ha evolucionado con el paso del tiempo; hasta la mitad del siglo XX,
la calidad era vista como un problema que se solucionaba mediante herramientas de
inspección. Se le entendía también en relación con un sistema de producción enfocado a
satisfacer la demanda de clientes con alta capacidad de pago y frecuencia de compra.
La ventaja competitiva de esas compañías era producir bienes sin defectos, con la desventaja
de los elevados costos de producción, ya que el inspector de calidad se dedicaba a revisar al
100% los bienes y retirar los defectos de la línea, pero su alcance no le permitía implementar
sistemas de control para evitar que dichos defectos llegaran al cliente.
Por ello, en 1922 aparece el concepto de control estadístico con Walter Andrew Shewhart,
debido a la necesidad de monitorear constantemente la calidad de los productos e
implementar técnicas estadísticas que permitieran operar sistemas de producción redituables,
capaces de cumplir con las especificaciones establecidas con los clientes.
Actualmente, el modelo que las empresas han adoptado como parte de su filosofía es el
de calidad total, cuyo objetivo está centrado en la satisfacción continua del cliente, interno y
externo, más que en la elaboración de bienes sin defectos; porque reconocen que para
alcanzar las metas trazadas en la planeación estratégica, deben idear la forma de ser
altamente competitivos y el medio para lograrlo es escuchando al cliente.
Las etapas de la evolución del concepto de calidad son (Evans y Lindsay, 2008):

Asimismo, existen varias definiciones que los expertos en calidad han propuesto, por ejemplo,
Juran (citado en Gutiérrez y de la Vara, 2013) sostiene que calidad es que un producto sea
adecuado para su uso. Así, la calidad consiste en la ausencia de deficiencias en aquellas
características que satisfagan al cliente; mientras que en la American Society for
Quality (ASQ), la calidad tiene dos significados, se puede definir como características de un
producto o servicio que le confieren su aptitud para satisfacer necesidades explícitas o
implícitas, o también como un producto o servicio libre de deficiencias; en las Normas
ISO9000:2005 se define calidad como el grado en el que un conjunto de características
inherentes cumplen con los requisitos (Gutiérrez y de la Vara, 2013).
De acuerdo a Gutiérrez y de la Vara (2013), la calidad se relaciona con la satisfacción del
cliente, que está ligada a las expectativas que éste tiene con respecto al producto o servicio.
Las expectativas son generadas de acuerdo con las necesidades, los antecedentes, el precio
del producto, la publicidad, la tecnología, la imagen de la empresa, etc.
Se dice que hay satisfacción cuando el cliente percibe el producto o servicio como al menos lo
que esperaba.
Por otra parte Evans y Lindsay (2008) comentan la importancia de entender las diferentes
perspectivas desde las cuales se ve la calidad, a fin de apreciar por completo el papel que
desempeña en las organizaciones. Estas perspectivas son:

Con base en
el juicio

Con base en
el producto

Con base en
el usuario

Con base en
el valor
Con base en
la manufactura

 La calidad con base en el juicio: es una percepción intangible de los clientes, es


aquí donde se asocia el término con la superioridad y la excelencia.
 La calidad con base en el producto: la calidad es medible, objetiva, específica y con
atributos definidos.
 La calidad con base en el usuario: se basa en la suposición de que la calidad se
determina de acuerdo con lo que el cliente quiere.
 La calidad con base en el valor: se asocia con la relación de la utilidad o satisfacción
con el precio, es decir el costo-beneficio para el cliente.
 La calidad con base en la manufactura: define la calidad como el resultado
deseable de la práctica de ingeniería o la conformidad con las especificaciones.

En resumen, calidad se refiere a realizar bien las cosas y a la primera.


1.2 Parámetros y especificaciones de calidad
Para conocer las necesidades de los clientes y cumplir con sus expectativas, las empresas
realizan investigaciones como estudios de mercado y grupos de enfoque. Los resultados
obtenidos son analizados con la finalidad de diseñar productos acorde a sus necesidades; en
algunos casos es necesario adaptar las características técnicas de los procesos a las de los
productos. A estas características se les conoce como especificaciones detalladas del
producto y del proceso.
Para evaluar el cumplimiento de las especificaciones de los productos, las industrias emplean
técnicas estadísticas; por ejemplo, en la industria refresquera se retira de manera aleatoria
cierto número de botellas de la línea de producción para evaluar los grados Brix (% de azúcar
contenido), la calidad del sellado, la temperatura, el sabor, etc. Una vez realizado este
muestreo se registra el resultado y se procesa en gráficas de control, donde se verifica que
dicho resultado no sobrepase los rangos establecidos; en caso de detectar anomalías se
procede a ajustar el proceso. De esta manera se garantiza que el producto no salga
defectuoso al mercado.
1.3 Control estadístico de calidad

El grupo Western Electric, dirigido por Walter Shewhart, introdujo la era del control estadístico
de la calidad (statistical quality control, SQC), que consiste en aplicar técnicas y métodos
estadísticos para controlar la calidad. El SQC va más allá de la inspección para
concentrarse en la identificación y eliminación de los problemas que causan defectos.

Por ello, el objetivo de llevar el control estadístico en las organizaciones es disminuir la


variabilidad del proceso y evitar que los defectos aparezcan al final. Esto permite tener
procesos más rentables y seguros, debido a que se analiza el proceso de fabricación etapa
por etapa, permitiendo parar cuando se requiera realizar los ajustes necesarios, y no esperar
al final del proceso cuando ya no se pueda corregir y se hayan generado todos los costos de
fabricación.
El control estadístico planifica y determina cuando los procesos se encuentran fuera de
control. Su objetivo es mejorar las operaciones de las organizaciones, con ayuda de técnicas
estadísticas, ya que con ellas es posible establecer especificaciones para medir, detectar,
corregir variaciones, entre otros.
Un caso de éxito es la compañía Motorola, Inc. que, tal como lo refieren Evans y Lindsay
(2008), se encuentra entre las corporaciones industriales más grandes de Estados Unidos y
fue pionera en la reducción continua de defectos y tiempos de ciclo en todos los procesos de
la compañía, desde el diseño, el acceso de pedidos, la manufactura y la comercialización,
hasta las funciones administrativas.
Los empleados en cada función del negocio notan los defectos y emplean técnicas
estadísticas, como las gráficas de control, análisis de valor (tiempos teóricos o tiempos deltas)
y los estudios de capacidad y habilidad para examinar los resultados.
Los productos que antes tardaban semanas en fabricarse, ahora se terminan en menos de
una hora. Incluso se ha reducido el tiempo necesario para el cierre de libros financieros. Lo
que antes tardaba un mes, ahora sólo requiere cuatro días.
De acuerdo a la norma ISO 9001:2008, la calidad se define como el grado con el que un
conjunto de características inherentes cumple los requisitos. Las características pueden ser
cualitativas o cuantitativas.
Glosario
Proceso. Se define como la acción u operación que transforman las entradas en una
respuesta (producto final).
Variación. Se entiende por los cambios o variaciones en los valores de la característica
medida en un proceso determinado.
Cierre
El estudio de este tema te ha dado una visión del concepto de calidad, de la importancia de
cumplir con las expectativas del cliente y de respetar las especificaciones declaradas,
principalmente en la etiqueta o ficha técnica de los productos.
Es posible que a lo largo de tu vida encuentres muchas definiciones de calidad, ya que Evans
y Lindsay (2008) mencionan que el significado sigue evolucionando conforme la profesión de
la calidad crece y madura.
Después de revisar este primer tema te darás cuenta que la calidad es la parte esencial en
todos los giros de negocios, tanto de servicios como manufactura, ya que esto es lo que atrae
a los clientes.
Tema 2. Causas y medidas de la variabilidad
Introducción
Este tema es uno de los más importantes del curso, ya que conocerás el término opuesto a la
calidad de los productos y servicios: la variabilidad.
¿Sabías que los restaurantes certificados en sistemas de calidad como ISO 9001
(International Organization for Standarization) y HACCP (Hazard Analysis and Critical Control
Points) están obligados a servirte el platillo muy similar o idéntico al que eliges en la carta?,
esto por dar cumplimiento al principio de estandarización del sistema y ser congruentes a las
raíces del término ISO, cuyo significado es “igual”.
Por lo tanto, si alguna vez percibes un platillo distinto al de la fotografía de la carta, con
confianza lo puedes regresar.
Entonces, ¿por qué siempre existe un grado de variabilidad en los platillos preparados en el
mismo restaurante, con los mismos utensilios, por el mismo chef y a la misma hora?
Para dar respuesta a esta interrogante te invito a conocer el concepto de variabilidad y las
causas que la generan.

Explicación
2.1 Definición de variabilidad

La variabilidad se refiere a la diversidad de resultados de una variable o de un proceso. Este


término está presente en todas nuestras actividades cotidianas; por ejemplo, el tiempo que
tardamos en bañarnos no es el mismo día con día, ya que depende de diversos factores,
como disponibilidad del área, calidad del agua, tiempo para realizar la actividad, estado de
ánimo, clima, entre otros.

La variabilidad existe en todos los procesos, entender y reducir la variación son claves para el
éxito y objetos de estudio del control estadístico y de 6 sigma. Por ello, distintas empresas
lucrativas y no lucrativas realizan esfuerzos para disminuir la variabilidad, ya que entre mayor
sea su índice, mayor serán los costos.
Evans y Lindsay (2008) mencionan algunos ejemplos como la Cruz Roja estadounidense (The
American Red Cross) que implementó un sistema de calidad a largo plazo, que costó varios
millones de dólares, para mejorar la eficacia y su proceso de donación, análisis y distribución
de sangre. Su estrategia se enfoca en mantener en cero la variabilidad, la desviación y los
errores mediante iniciativas como las siguientes:

 Usar nuevas tecnologías para reducir la posibilidad de errores humanos.


 Reestructurar y aumentar el nivel del personal de aseguramiento de la calidad.
 Crear un sistema de capacitación más ágil e integral.
 Aplicar la reingeniería a los procesos de manufactura de alto impacto para hacerlos
más eficientes y sencillos a fin de reducir y evitar errores.
 Invertir en instalaciones para permitir una adopción más eficiente y eficaz de la nueva
tecnología.
Asimismo, en México se tiene el caso de éxito de la organización médica OCA Hospital quien
en el año 2009 obtuvo la certificación ISO 9001-2008 en todos sus departamentos,
garantizando así la máxima seguridad a sus pacientes y el control estandarizado de sus
procesos.
Otras empresas de giro industrial que han implementado estrategias para disminuir la
variabilidad en sus procesos son Grupo BIMBO, Coca Cola y CEMEX.
2.2 Causas de variabilidad
Las fuentes de variación se definen como todos aquellos factores que provocan diversidad de
resultados en las características de calidad (Gutiérrez y De la Vara, 2013).
Las causas de variación en un proceso se dividen en dos grandes grupos:

 Las causas comunes, también conocidas como no asignables, son aquellas que
permanecen día a día, lote a lote; son aportadas de forma natural por las condiciones
de las 6M. Se refieren a aquellas fuentes de variación que se encuentran en control
estadístico. Esto significa que todas las mediciones de los datos de variables como
temperatura, peso y volumen están dentro de los límites de variación normal.

 Las causas especiales también son conocidas como asignables. Se refiere a


cualquier tipo de factor o factores que causan variación en un momento determinado.
Cuando en el proceso existen causas especiales de variación, la distribución del
proceso es impredecible.

En la siguiente figura se muestran las fuentes de variabilidad conocidas como las 6M. Cada
una aporta una parte a la variación total observada, e impacta las características de calidad.

Figura 1. Fuentes de variabilidad


Gutiérrez, H. y De la Vara, R. (2013). Control estadístico de la calidad y Seis Sigma (3a ed.) México: McGraw-Hill.

Los siguientes son ejemplos de cómo influye cada fuente de variabilidad en la calidad del
producto, revísalos haciendo clic aquí.
Mano de obra

 Es todo el personal directo que participa en la fabricación del


producto.
 La falta de capacitación y experiencia provoca variabilidad en el
proceso y por consecuencia variabilidad en los productos.

Materiales

 Son la materia prima, envase y envoltura indispensables para la


fabricación del producto.
 La falta de calidad de los materiales provocan variabilidad en los
productos y los alejan de cumplir las especificaciones.

Maquinaria

 Son todos los equipos que participan en la fabricación del producto,


a excepción de los equipos de medición.
 La falta de mantenimiento y los paros por fallas mecánicas del
equipo provocan variabilidad en los productos por interrupciones
en el proceso.

Medio ambiente

 Son el área y las condiciones ambientales que rodean al proceso


de producción, como el calor, la humedad, la presión, el frío, la
iluminación y el ruido.
 La alteración de las condiciones ambientales provoca variabilidad
en el proceso; por ejemplo, las temperaturas bajas influyen en el
rendimiento del operario.

Medición

 Son todos los sistemas de medición y los equipos de metrología,


como básculas y termómetros utilizados en la fabricación del
producto.
 La falta de precisión de los sistemas de medición provoca
variabilidad en la fabricación del producto.

Métodos

 Son todos los procedimientos e instructivos necesarios para la


fabricación del producto.
 La falta de cumplimiento de los procedimientos e instructivos
provoca variabilidad en los productos porque no se sigue el
estándar. Sólo con la estandarización se puede garantizar el
cumplimiento de las especificaciones.
Figura 2. Ejemplos de fuentes de variabilidad
2.3 Relación entre calidad y variabilidad
La variación se define como la diferencia entre las dimensiones reales que el cliente espera y
las que recibe.

 A menor variabilidad, se esperan procesos más capaces y por ende, mejor calidad de
producto.
 A mayor variabilidad, se esperan procesos menos capaces y por ende, menor calidad
de producto.

La mala calidad no solo trae como consecuencia clientes insatisfechos, también altos costos
para la compañía; por ello, las empresas implementan estrategias efectivas para reducir la
variabilidad y aumentar los niveles de calidad.

Una estrategia muy común es la capacitación oportuna del personal, ya que se infiere que el
personal capacitado se apega más al cumplimiento de estándares y provoca menos
variabilidad a la tarea que está desempeñando. Otra estrategia es la calibración continua de
maquinaria, que ayuda a tener mediciones más asertivas del proceso y detectar anomalías
antes de liberar lotes al mercado.

Descarga la aplicación Hook de Ooyala para ver el video en dispositivos con sistema
operativo Android.

Cierre
El estudio de este tema te ha permitido conocer el concepto de variabilidad y comprender que
siempre estará presente en los procesos de manufactura y de servicio. Tu papel como futuro
profesionista es habilitarte en el diseño y análisis de variabilidad posible.

Tema 3. Capacidad y estabilidad de un proceso


Introducción
Las variables de un proceso deben cumplir con ciertos parámetros o especificaciones, a fin
de que sea posible considerar que este funciona de manera satisfactoria. Por ello, una
tarea primordial del control de la calidad es conocer la capacidad o habilidad de un
proceso, que consiste en determinar la amplitud de la variación natural del mismo para una
característica de calidad dada.
Esto permitirá saber en qué medida tal característica de calidad es satisfactoria.
¿Sabías que los controles implementados en la industria farmacéutica son muy estrictos?, el
uso de herramientas estadísticas les permite medir constantemente la capacidad de
cumplimiento de las especificaciones.
Sin duda, como clientes demandamos la calidad suprema o cero defectos en este tipo de
productos, ya que un error en la formulación puede ocasionar daños irreversibles en la salud.
Tal es el caso del producto Tylenol extra fuerte, de la compañía Johnson & Johnson, que en
1982 pasó por una crisis debido a la contaminación por cianuro que ocasionó la muerte de 7
consumidores en Chicago y en distintas ciudades de Estados Unidos.
La compañía retiró del mercado alrededor de 93,000 envases de Tylenol asociados con los
fallecimientos registrados; el costo aproximado fue de 150 millones de dólares. Pese a que la
empresa estaba completamente convencida de que no había hecho nada incorrecto en su
proceso, nunca pudo encontrar al responsable de provocar estos fallecimientos ni la raíz del
problema; por lo que tuvo que implementar controles más estrictos en la elaboración y
distribución de sus productos para garantizar seguridad de los consumidores. Diseñó un
nuevo envase con garantía de inviolabilidad para asegurar que el Tylenol no había sufrido
manipulaciones ni cambios en su contenido.
3.1 Medidas de tendencia central y de dispersión TODO ES IMPORTANTE

Las medidas de tendencia central permiten identificar si un proceso se encuentra centrado, es


decir, si los valores o datos tienden a aglomerarse o concentrarse en el medio de las
especificaciones.
Las medias tendencias centrales son: media o promedio, mediana y moda.

 Media
También llamada “promedio aritmético”, se obtiene sumando todos los datos, después
se divide el resultado entre el número de datos. Su fórmula es la siguiente:

 Mediana o percentil 50
La mediana es igual al valor que divide a la mitad al conjunto de datos cuando son
ordenados de menor a mayor.

En caso que los datos sean impares, éstos se ordenan de manera creciente y el que
quede en medio de dicho ordenamiento será la mediana. Pero si el número de datos
es par, entonces la mediana se calcula dividiendo entre dos la suma de los números
que están en el centro del ordenamiento.
 Moda
Otra forma de medir la tendencia central de un conjunto de datos es mediante la
moda, que es igual al dato que se repite más veces. Si varios datos tienen la
frecuencia más grande, entonces cada uno de ellos es una moda y se dice que el
conjunto de datos es multimodal.

Ejemplo fuera de contexto y tema  ... para mediana… bien fun…

k Lím. Lím. Frec. Frec. Frec. MC MCxF Med. MC- (MC-Ma)^2


Inf. Sup. Abs Relativ Relativa (Xi) a Arit. Med.
(f) a (h) Acumulad Arit.
a (M)
1 405 537 4 0.1 0.1 471 1884 840.07 - 136216.35
5 369.075 56
2 538 670 7 0.175 0.275 604 4228 840.07 - 55731.405
5 236.075 63
3 671 803 7 0.175 0.45 737 5159 840.07 - 10624.455
5 103.075 63
4 804 936 8 0.2 0.65 870 6960 840.07 29.925 895.50562
5 5
5 937 1069 4 0.1 0.75 1003 4012 840.07 162.925 26544.555
5 63
6 1070 1202 10 0.25 1 1136 11360 840.07 295.925 87571.605
5 63
40 1 33603 317583.88
38

Medidas de dispersión o variabilidad


Además de conocer la tendencia central de un conjunto de datos es necesario saber qué tan
diferentes son entre sí, es decir, determinar su variabilidad o dispersión, esto es un elemento
vital en el estudio de capacidad de un proceso.
La desviación estándar es la medida más usual de variabilidad e indica qué tan esparcidos
están los datos con respecto a la media; se denota con la letra S y se calcula mediante la
siguiente expresión:

Donde:
S = Desviación estándar
Σ = Sumatoria
xi = Valor de un dato
= Valor de la media
El siguiente ejemplo muestra la aplicación de los conceptos analizados.
En un proceso de panificación, la altura de los productos es una característica de calidad, ya
que el cliente relaciona la altura con suavidad. Se tiene una especificación de 5.16 a 6.87 cm.
El fabricante quiere saber si los productos se comportan dentro de los valores establecidos
para evitar inconformidad por parte de los clientes.

Para realizar un análisis de la capacidad de este proceso, es necesario conocer la altura


promedio de los pastelitos, la altura con mayor frecuencia y la variabilidad de la altura entre los
pastelitos. Revisa los datos y los resultados obtenidos haciendo clic aquí.

3.2 Calidad de los sistemas de medición


Parte de la variabilidad observada en el producto se debe a la variabilidad de las mediciones.
Un punto clave es entender que cualquier proceso de medición genera un error. Por lo tanto,
lo que se observa no es exactamente la realidad, más bien es la realidad más un error de
medición. Esto se traduce en que la variación total observada en unos datos es el resultado de
la variación propia del producto más el error del proceso de medición.
Las fuentes principales que contribuyen al error del proceso de medición son el equipo de
medición, los operadores (reproducibilidad) y la variación dentro de la muestra.
La variabilidad del equipo se divide en:

 Calibración: la exactitud y linealidad del instrumento.


 Estabilidad: el cambio del instrumento con el transcurso del tiempo.
 Repetibilidad: la variación observada cuando un operador mide de manera repetida la
misma pieza con el mismo instrumento.

Los objetivos de un sistema de medición son:

 Proporcionar dirección y apoyo para la mejora continua.


 Identificar las tendencias y el progreso de los procesos.
 Identificar las fuentes de variación.
 Facilitar el entendimiento en las relaciones de causa y efecto.

El sistema de medición debe ser:


Preciso y exacto
Repetible
Reproducible
Estable en el tiempo

Los sistemas de medición aplican para procesos que generan mediciones a escala continua
como kilogramos, resistencia, temperatura u otros, y para procesos a escala discreta, donde
se incluyen evaluaciones subjetivas realizadas por inspectores, que clasifican las piezas con
base en sus sentidos (vista, tacto, olfato, oído, gusto). Por lo tanto, verificar la calidad de las
mediciones en estos casos pasa por valorar la consistencia de los criterios utilizados por las
personas que realizan este tipo de evaluaciones.
Para garantizar la calidad de los sistemas de medición se realizan estudios de variabilidad
llamados R&R (repetibilidad y reproducibilidad), que pueden ser a corto o largo plazo. El
primero permite evaluar de manera rápida la variabilidad del sistema de medición sin separar
la repetibilidad y reproducibilidad, el segundo separa la repetibilidad y reproducibilidad. Este
tipo de estudios se deben aplicar constantemente para conocer el estado del proceso de
medición.
Existen otros tipos de estudios, como los de estabilidad, que se basan en el uso de cartas de
control, donde el objetivo es monitorear permanentemente el desempeño de un sistema de
medición, verificando cada cierto intervalo una o varias piezas. Tiene la ventaja de que en
cualquier momento proveen información clave acerca del proceso de medición, lo que es de
gran utilidad para decidir los intervalos de calibración o el momento de realizar un estudio R&R
largo o corto (Gutiérrez y de la Vara, 2013).
Cuando un proceso se evalúa con un sistema que tiene un error de medición grande,
entonces la capacidad del proceso que se reporta es más mala de lo que en realidad es, por
ello es de gran importancia el mantenimiento periódico de los instrumentos de medición y la
capacitación continua de los operarios de los mismos.
3.3 Capacidad y estabilidad de un proceso

La capacidad del proceso es una evaluación de la precisión y de la exactitud inherentes al


proceso (D´Alessio, 2009).

El estudio de capacidad de los procesos es la comparación entre el rendimiento del proceso y


las especificaciones de ingeniería de la pieza que se produce o ensambla o del servicio que se
brinda. Por lo general, la capacidad del proceso se define dentro de las seis desviaciones
estándar de la media (99.73) de la densidad de la distribución normal.
Gutiérrez y De la Vara (2013) mencionan que el estudio de capacidad es conocer la amplitud
de la variación natural de un proceso en relación con sus especificaciones y su ubicación
respecto al valor nominal, para una característica de calidad dada y así saber en qué medida
cumple con los requerimientos.
Un proceso tiene al menos una o más características medibles que son utilizadas para el
resultado final. Las cuales son utilizadas para analizarse de forma estadística. Si se tiene
mayor cantidad de datos para analizar las diferentes variables de un proceso esto es más
preciso y se tiene un resultado con una mejor estimación. A partir de un aproximado de 17
datos ya es posible hacer los primeros cálculos para revisar variaciones de nuestro proceso.

Índice de capacidad Cp
El índice de capacidad potencial (Cp) del proceso compara el ancho de las especificaciones
o la variación tolerada para el proceso con la amplitud de la variación real. La fórmula del Cp
se define de la siguiente manera:
Donde:

 LSE: corresponde al límite superior especificado para la característica de la calidad.


 LIE: corresponde al límite inferior especificado para la característica de la calidad.
 σ: representa a la desviación estándar del proceso.

Para interpretar el índice Cp se debe considerar que cuanto mayor sea el índice, mayor será la
capacidad. Para que el proceso sea considerado potencialmente capaz de cumplir con las
especificaciones, requiere que la variación real (natural) siempre sea menor que la variación
tolerada.

Cp = 2 Indica que el proceso tiene calidad 6 sigma.

Cp > 1 Indica que el proceso es aceptable.

Cp < 1 Indica que existe evidencia de suponer que el proceso no cumple con las
especificaciones.

Índices Cpi, Cps y Cpk


La desventaja del índice Cp es que no toma en cuenta el centrado del proceso, debido a que
en la fórmula no incluye la media del proceso µ. Una forma de corregir esto consiste en
evaluar por separado el cumplimiento de la especificación inferior y superior a través del índice
de capacidad para la especificación inferior, Cpi y el índice de capacidad para la
especificación superior, Cps. La fórmula para calcularlos es:

Nota: para considerar que el proceso es el adecuado, el valor de Cpi o Cps debe ser mayor a
1.25.
Cpk: es el valor mínimo entre el Cpi y Cps

Donde:

 LSE: corresponde al límite superior especificado para la característica de la calidad.


 LIE: corresponde al límite inferior especificado para la característica de la calidad.
 σ: representa a la desviación estándar del proceso.
 µ: media del proceso.

El siguiente ejemplo muestra la aplicación de los conceptos analizados.


Estabilidad del proceso
Es la variación de un proceso a través del tiempo. Si está estable (bajo control estadístico)
indica que los datos caen dentro de los límites de control y fluctúan de manera aleatoria, sin
un orden, sin un patrón de comportamiento.
Según Gutiérrez y De la Vara (2013) existen 5 patrones:

1. Desplazamiento o cambios en el nivel de procesos: ocurre cuando uno o más


puntos se salen de los límites de control o cuando hay una tendencia larga a que los
puntos consecutivos caigan de un solo lado de la línea central.
2. Tendencias en el nivel del proceso: consiste en una tendencia hacia arriba o hacia
debajo de los puntos en la carta.
3. Ciclos recurrentes: son desplazamientos cíclicos de un proceso que se detectan
cuando se dan flujos de puntos consecutivos que tienden a crecer, seguidos de flujos
de puntos consecutivos pero descendientes.
4. Mucha variabilidad: se manifiesta mediante una alta proporción de puntos cerca de
los límites de control, en ambos lados de la línea central y pocos puntos en la parte
central de la carta.
5. Falta de variabilidad (estatificación): es una señal de que hay algo especial en el
proceso y se detecta cuando todos los puntos se concentran en la parte central de la
carta de control.

La gerencia es la responsable de la capacidad del proceso. Si los valores no son


satisfactorios, la administración debe iniciar las acciones correctivas y los procedimientos
necesarios. Por lo que el personal operativo (operadores, supervisores, personal de
mantenimiento, entre otros) debe mantener el proceso para tener el control de los límites.
Cierre
El estudio de este tema te ha permitido conocer los conceptos de estabilidad, capacidad y
habilidad del proceso y comprender que una parte fundamental para realizar un correcto
análisis es la calidad de las mediciones.
Después de estudiar este tema te darás cuenta que la capacidad de un proceso te sirve para
saber si tu proceso se encuentra bajo control (es decir que los puntos se encuentran dentro de
los límites de control) o fuera de control (en donde los puntos se encuentran fuera de los
límites).
Tema 4. Gráficas o cartas de control para variables
Introducción
Las gráficas o cartas de control son herramientas que ayudan a visualizar y analizar el
comportamiento de un proceso a través del tiempo, con la finalidad de identificar la
variabilidad, conocer sus causas y proponer mejoras que contribuyan a tener procesos de
calidad 6 sigma.

Los límites inferior y superior definen el inicio y final del rango de variación. Es importante
aclarar que éstos no son las especificaciones, tolerancias o deseos para el proceso. Por el
contrario, se calculan a partir de la variación del estadístico (datos).
Un modelo general para una carta de control es el siguiente:
Sea w el estadístico que se va a graficar en la carta, su media µw y su desviación estándar
σw, entonces el límite de control inferior (LCI), la línea central y el límite de control superior
(LCS) están dados por:

 LCI = µw - 3 σw
 Línea central = µw
 LCS = µw + 3 σw

Existen dos tipos generales de cartas de control: para variables y para atributos.
Las cartas de control para variables se aplican a características de calidad con naturaleza
continua; por ejemplo, el peso, la estatura, la temperatura, el tiempo, etc.
Las cartas de control para atributos se aplican a características de calidad con naturaleza
discreta; supone solo dos valores: bueno o malo, aprobado o reprobado. Los atributos no se
pueden medir, pero se pueden observar y contar (D’Alessio, 2009).

Explicación
4.1 Gráficas o cartas de control X - R
Gutiérrez y De la Vara (2013) mencionan que este tipo de cartas aplica para procesos
industriales de tipo masivo y de variables de salidas con naturaleza continua.
Consiste en observar de forma periódica un subgrupo de productos, medirlos y calcular la
media y el rango, para registrarlos en la carta correspondiente.

 La carta X detecta cambios significativos en la media de los procesos.


 La carta R detecta cambios significativos en la amplitud de la dispersión.

Límites para X
A continuación se muestran los límites de control para X en un estado inicial:
Donde:

: representa el promedio de las medias


: representa a una constante determinada por el tamaño del subgrupo
: representa el promedio de los rangos
Estas gráficas indican si han ocurrido cambios en la tendencia central de un proceso, los
cuales podrían deberse a factores como desgaste de herramientas, aumento de temperatura,
etc.
Cuando ya conoces la media y la desviación estándar del proceso (µ y σ), entonces los límites
se obtienen de la siguiente manera:

Límites para R
Con esta carta se detectarán cambios en la amplitud de la variación del proceso; sus límites
se determinan a partir de la media y desviación estándar de los rangos de los subgrupos.
A continuación se muestran los límites para la carta R:
Donde D3 y D4 (ver Tabla de constantes para gráficos de control) son constantes y dependen
del tamaño del subgrupo.
4.2 Gráficas o cartas de control X - S
Son utilizadas para procesos masivos en los que se requiere tener mayor potencia para
detectar pequeños cambios. Por lo general el tamaño de los subgrupos es n > 10.

 Límites

 Ejemplo:

Una fábrica de embutidos acaba de lanzar al mercado un nuevo producto con alta calidad
proteica. Dicho producto se produce en una máquina automática que está programada para
llenar cada tira con la fórmula cárnica especificada, 63.5 gramos de pasta. Para mantener bajo
control el proceso de llenado, cada cuatro horas se sacan de forma aleatoria cuatro tiras de la
línea de producción. Para ver más de este ejemplo, da clic aquí.

4.3 Gráficas de mediciones individuales


Es un diagrama para variables de tipo continuo que se aplica a procesos lentos, donde hay un
espacio largo de tiempo entre una medición y la siguiente. Algunos ejemplos de este tipo son:

 Procesos en los que las mediciones cercanas solo difieren por el error de medición
 Procesos cuyas mediciones se obtienen cada día, cada semana o más; como el
consumo de energía, el desperdicio mensual, etc.
 Procesos que trabajan por lotes

Para el cálculo de los límites deberás seguir las siguientes fórmulas:

 Para el gráfico de control de datos individuales:


 Y para el gráfico de control de rangos móviles:

Como notarás, en las fórmulas aparecen constantes D3 y D4 (ver Tabla de constantes


para gráficos de control), debes buscarlas con base en el tamaño de muestra en la
tabla de factores para las gráficas de control.

Ejemplo:
En la producción de tequila se estudian los grados Brix residual para medir la eficacia del
proceso de molienda. Después de moler cada lote se determina el °Brix residual, por lo que se
considera un proceso lento que es más apropiado analizar con una carta de individuales. En
la tabla 4.3.1se muestran los datos de los últimos 40 lotes molidos y se agregó una columna
para el rango móvil de orden 2 (significa que el valor de n para determinar la constante en
tablas será 2), que se obtiene del rango entre los dos datos consecutivos más recientes.

La media y el rango medio de los datos son 1.95 y 0.43, respectivamente. De aquí que los
límites de control preliminares para el Brix son:
Para la carta de individuales los límites son:
Para la carta de rangos móviles los límites son:

Interpretación:
La carta de control correspondiente a la de individuos muestra que no hay tendencias ni
ningún patrón especial, salvo un punto fuera del LCS correspondiente al lote 15. Por lo tanto,
en la molienda de ese lote ocurrió algo que usualmente no sucede.
La carta de rango móvil muestra que la diferencia entre dos mediciones consecutivas del
grado Brix residual del proceso de molienda del agave varía entre 0 y 1.41, se observa que no
hay un punto fuera de los límites de control, tampoco se observa un patrón especial. Se
concluye que el proceso está en control estadístico en cuanto a variabilidad.

Tema 5. Gráficas o cartas de control para atributos


Introducción
Las gráficas X y R no se aplican cuando se muestran atributos, los cuales se clasifican como
defectuosos y no defectuosos. La medición de los defectuosos implica contarlos; por ejemplo,
el número de botellas imperfectas en un lote, el número de quejas o inconformidades en los
servicios otorgados.
Otro ejemplo que podemos mencionar es el de una línea de aseguramiento de calidad para
televisores, al momento de hacer la prueba de encendido para saber si funciona o si no pasa
la prueba.

Explicación
5.1 Gráficas o cartas p y np
Las gráficas p son el medio principal para controlar atributos. Aunque los atributos buenos o
malos siguen una distribución binomial, puede utilizarse la distribución normal para calcular los
límites cuando el tamaño de muestra sea grande (Gutiérrez y de la Vara, 2013).

Los límites de control se calculan de la siguiente manera:


Donde p es la proporción promedio de artículos defectuosos en el proceso y se obtiene
dividiendo el total de defectos entre el tamaño total de piezas inspeccionadas.
En ocasiones cuando el tamaño de subgrupo o muestra en las cartas p es constante, es
más conveniente utilizar la carta np. En la cual se grafican los defectos por subgrupo en lugar
de la proporción.
Los límites de control se calculan de la siguiente forma:
Ejemplo:
Una compañía de servicios acaba de adquirir un software diseñado para facilitar la atención
del cliente, el capturista ingresa los datos y en menos de dos minutos aparece el historial
crediticio del solicitante, permitiendo que rápidamente se le informe si es merecedor de
obtener un crédito o no.

En la tabla 5.1.1 se muestra el trabajo de 10 capturistas. Se examinaron 100 registros


capturados por cada uno de ellos para determinar si tenían algún error; se calculó la fracción
defectuosa de cada muestra.
Z=3, porque se deben establecer límites de control que incluyan 99.7% de la variación
estándar en el proceso de captura cuando éste se encuentra bajo control.
Al aplicar la fórmula se obtuvo el siguiente resultado:

5.2 Gráficas o cartas c y u


El objetivo de la carta c es analizar la variabilidad del número total de defectos por subgrupo, a
niveles constantes.
Los límites de control se calculan de la siguiente forma:
Donde c: se obtiene dividiendo el total de defectos entre el total de subgrupos
Ejemplo:
En una empresa que elabora agroquímicos se tiene un problema de intoxicación de los
trabajadores debido al contacto con agentes tóxicos. Para evaluar el número de obreros
intoxicados por mes en los últimos años, se recurre a los registros de enfermería de la
empresa. Los datos obtenidos se muestran en la tabla 5.2.1; se obtiene que el número
promedio de intoxicados por mes es:

Solución:
Como primer paso debes obtener el promedio de los defectos:
Posteriormente los límites de control:

Finalmente la gráfica y conclusión del ejercicio:


Esta pantalla se obtuvo directamente del software que se está explicando en la computadora, para fines educativos.

Interpretación:
Se aprecia que en el mes 12 hubo una situación especial que causó un alto número de
intoxicados, más de los que ordinariamente se esperarían. Al recurrir a los expedientes de la
enfermería, se encontró que ese punto fuera de los límites ocurrió cuando se introdujo por
primera vez cierto tóxico, sin dar las instrucciones adecuadas a los trabajadores.
Por otra parte, el objetivo de la carta u es analizar la variación del número promedio de
defectos por artículo o unidad de referencia y se utiliza cuando el tamaño del subgrupo no es
constante.
Los límites de control se calculan de la siguiente forma:

Donde es el límite central y se obtiene dividiendo el total de defectos entre el tamaño del
subgrupo.
Ejemplo:
Empresas Ross desea llevar un indicador de defectos por unidades fabricadas del producto
líder en refrigeradores de acero inoxidable, con la finalidad de implementar 6 sigma en su
proceso, por ello requiere tener la certeza de que su proceso de calidad tiene ya una cultura
de mejora continua que se refleja en el control de defectuosos. Se presenta el número de
defectos observados en 10 lotes consecutivos, el número de refrigeradores inspeccionados en
cada lote es variable (ver tabla 5.2.2).

El número de subgrupo se obtiene dividiendo el total de unidades observadas entre el número


de subgrupos:

Después obtienes los límites central, inferior y superior:


Finalmente la gráfica e interpretación:

Esta pantalla se obtuvo directamente del software que se está explicando en la computadora, para fines educativos.

Interpretación:
Se observa que la fabricación de los refrigeradores está en control estadístico porque todos
sus datos se encuentran dentro de los límites. Se recomienda al fabricante validar la
confiabilidad de los datos antes de tomar la decisión de implementar 6 sigma.
5.3 Interpretación de gráficas o cartas para atributos

 Los límites de la carta p reflejan la realidad del proceso; mientras la proporción de


defectos siga cayendo dentro de los límites de control y no haya otro patrón especial,
será señal de que el proceso funciona igual que siempre, es decir, su desempeño se
encuentra dentro de lo previsto.
 Los límites de la carta np indican qué tanto varía la cantidad esperada de piezas
defectuosas por cada número de artículos inspeccionados.
 Los límites de una carta c reflejan la variación esperada para el número de defectos
por subgrupo. Una ventaja que ofrece esta carta es que no solo ayuda a detectar y
prevenir situaciones anormales en la producción, sino que además provoca en la
administración mayor conciencia de la magnitud del problema.
 La carta u se emplea cuando el número de defectos tiene una distribución Poisson.

Cierre
El estudio de este tema te ha permitido conocer el diseño y la interpretación de las gráficas de
control para atributos. Como te diste cuenta son herramientas muy prácticas que nos ilustran
el comportamiento de los procesos, para catalogarlos como adecuados o no adecuados. Te
invito a utilizar Minitab 16.2 y practicar más ejercicios.

Tema 6. Gráficas multivariables

Introducción

En el módulo I revisaste la variabilidad a través del


tiempo de una sola variable, en esta ocasión conocerás la interacción de diversas variables y
cómo impactan en la calidad de los productos.

Para entender cada vez más la complejidad de los procesos, las empresas recurren al uso e
implementación de herramientas estadísticas que ayuden a los analistas a identificar las
causas de variación que provocan defectos en un lote fabricado. Una herramienta muy útil
es la gráfica multivariables, que muestra las principales fuentes de variación de un
proceso, para investigar sus causas, solucionarlas y mejorar la capacidad del proceso.

¿Sabías que en el área de producción constantemente se realizan estudios de variabilidad


entre los turnos para detectar la hora, el operario y las piezas con mayor afinidad a
defectos?

¿Crees que la hora en que se fabrican las piezas tiene que ver con la calidad de las
mismas? ¿Qué piensas sobre la idea de que en los turnos nocturnos se producen más
defectos?

Para dar respuesta a estas interrogantes te invito a revisar e investigar más acerca del tema.

Explicación

6.1 Definición de gráficas multivariables


Las gráficas multivariables fueron desarrolladas por Leonard Seder en 1950. Son un
procedimiento gráfico de descomposición de fuentes de variación. Su objetivo es
mostrar las fuentes de variación, las cuales se clasifican de la siguiente forma:

Interna

Variación en el tiempo

Entre piezas

Variación de fuente

1. Interna: ocurre cuando existe variación en cierta característica de calidad a lo largo de la


pieza. Por ejemplo excentricidad, planicidad, espesor, porosidad, etc. El valor objetivo de
estas características es cero.
2. Entre piezas: es la variación entre piezas o entre lotes fabricados en cierto período corto.
Usando gráficas de control, la gráfica R muestra también este tipo de variación.
3. Variación en el tiempo: es la variación entre piezas o entre lotes fabricados en cierto
periodo largo. Representa la variación en operadores, materia prima, medio ambiente,
entre otros. La gráfica de medias también muestra este tipo de variación.
4. Variación de fuente: es la variación provocada por diferentes fuentes que elaboran el
mismo producto. Por ejemplo, diferentes cavidades, estaciones, etc.

Es importante tomar en cuenta el tamaño de muestra para ello se recomienda que:


6.2 Interpretación de las gráficas multivariables

A continuación se muestran ejemplos de gráficas multivariables y su interpretación:

1. Variación interna y entre piezas

Se ha detectado que el proceso de producción de pernos de acero inoxidable se encuentra


fuera de especificaciones. El diámetro exterior especificado es de 1.50” + 0.01”. Se procede
a realizar un análisis a través de cartas multivariables para identificar la variabilidad entre
las piezas.

Con este fin se realiza un muestreo aleatorio de cuatro diferentes lotes de material que será
procesado en dos diferentes tornos. Se toman cinco muestras para cada torno y para cada
lote, resultando 40 observaciones. La variable de respuesta es el número de pulgadas de
cada perno. En la siguiente tabla puedes observar el muestreo realizado.

Para encontrar el lote que presenta mayor variación será necesario capturar los datos en una
hoja de trabajo en minitab, seleccionar el menú de estadísticas > herramientas de
calidad > gráfica multivariables, colocar la variable de respuesta “Medición (pulg)” y
los factores, en este caso son el grupo, lote A-D y torno. Posteriormente se mostrará la
siguiente gráfica.

Interpretación:
Como puedes observar, existen solo 10 muestras cercanas a las especificaciones (1.50 a
1.51”), resulta bastante preocupante para el encargado del proceso darse cuenta que en la
mayoría de los lotes hay pernos que se tendrán que reprocesar porque no serán útiles.

Para fortalecer este análisis puedes obtener la estadística descriptiva de los datos y observar
con mayor claridad el comportamiento entre los lotes.

En la siguiente tabla puedes observar el torno que muestra mayor variabilidad.

# de Torno Muestras fuera de la especificación

Torno 1 14

Torno 2 16

Para revisar la estadística descriptiva en minitab, selecciona del menú de estadísticas


> estadística básica > mostrar estadísticas descriptivas, se desplegará la siguiente
información:

Como puedes apreciar, el lote D es crítico, ya que arroja una media de 1.4968, la cual está
por debajo de la especificación.

2. Variación en el tiempo y de la fuente

Un fabricante desea analizar las posibles causas de piezas con fugas. G1, G2 Y G3
representan el número de grupos formados por tres piezas cada una. La variable de
respuesta es el número de fugas totales en cada grupo de tres piezas.

Datos del ejemplo de fugas


Operador 1 Operador 2
Grupos
6:00 am 9:00 am 12:00 am 02:00 pm 5:00 pm 8:00 pm
G1 3 3 5 2 3 5
G2 2 3 4 2 3 5
G3 2 4 5 1 2 5

Para encontrar el factor que más influye es necesario capturar los datos en una hoja de
trabajo en minitab, seleccionar el menú de estadísticas > herramientas de calidad > gráfica
multivariables, colocar la variable de respuesta “fugas” y los factores “grupo, operario y
hora”, asimismo, deberás habilitar en opciones: “mostrar puntos de datos individuales”, en
este caso son el grupo, operario y hora.

Posteriormente se desplegará la siguiente gráfica.

Lo anterior se interpreta que de los 3 factores analizados, el que más influye es la hora. Se
observa una tendencia de aumento del número de fugas a medida que el turno avanza. No
se observa un gran efecto de los operadores analizados ni de los grupos.

Interpretación:

En la gráfica puedes observar que los factores de grupo y operario no presentan fuerte
variabilidad e impacto en la variable de respuesta llamada “N. de Fugas”, sin embargo, a
medida que transcurre el turno se puede apreciar una tendencia de aumento o incremento en
el número de fugas, por lo que el fabricante debe analizar la elaboración o fabricación de
las piezas, especialmente a las 12:00 am y a las 8:00 pm, ya que es el horario donde se
están generando mayor cantidad de fugas.

¿Qué herramientas recomiendas utilizar al fabricante para encontrar la causa-raíz?

6.3 Gráficas de precontrol

El precontrol es una técnica de control para variables


continuas con doble especificación, que fue propuesta por Shainin para prevenir la
ocurrencia de defectos en procesos con tendencias, así como algunas clases de procesos en
lotes. Shainin y Shainin (1989, citado en Gutiérrez y de la Vara, 2013).

La técnica se basa en que la distribución del proceso tiene a lo más la amplitud de las
especificaciones y que la media está centrada en el valor objetivo. Por lo tanto el precontrol
no es recomendable para procesos con baja capacidad para cumplir con las
especificaciones, se requiere que el Cpk > 1.15.

Si la capacidad es pobre, el precontrol llevaría a la situación insostenible de estar parando y


ajustando continuamente el proceso (Gutiérrez y de la Vara, 2013).

La carta de precontrol es una herramienta utilizada para prevenir cambios en la media y en


la dispersión de la característica de calidad monitoreada, que llevarían a la producción de
defectuosos. En el momento que se detecta un cambio de estos parámetros, el proceso se
para y se investigan las causas.

El precontrol consiste en las siguientes etapas, que son definidas con base en el semáforo:

Zonas verde, amarilla y roja del precontrol


Fuente: Gutiérrez, H. y De la Vara, R. (2013). Control estadístico de la calidad y Seis
Sigma (3a ed.). México: McGraw-Hill.

Donde:

 µ: Media
 LIPC: Límite inferior de precontrol
 LSPC: Límite superior de precontrol
 LIE: Límite inferior especificado
 LSE: Límite superior especificado

Como se observa:

 Si el proceso es normal y centrado, la probabilidad de que caiga en la zona verde es de


0.8664.
 Si el proceso es normal y centrado, la probabilidad de que caiga en la zona amarilla es de
0.0654+0.0654= 0.1308.
 Si el proceso es normal y centrado, la probabilidad de que caiga en la zona roja es de
0.00135+0.00135= 0.0027.

Etapa de calificación

El proceso se califica cuando se observan al menos cinco unidades consecutivas de la


producción en la zona verde. En este caso se procede de la siguiente manera:

Condición Acción correctiva

1. Dos unidades en zona verde Continuar

2. Una en zona verde y otra en zona amarilla Investigar y reiniciar

3. Dos unidades en zona amarilla Investigar y reiniciar

4. Una unidad en zona roja Investigar y reiniciar

Criterios de calificación de precontrol


Fuente: Gutiérrez, H. y De la Vara, R. (2013). Control estadístico de la calidad y Seis Sigma (3a ed.).
México: McGraw-Hill.

La palabra investigar significa ajustar o cambiar de herramienta u operario y reiniciar


implica comenzar de nuevo el conteo hasta lograr al menos cinco unidades consecutivas en
la zona verde.

Si un proceso tiene un Cpk < 1, es difícil pasar de esta etapa, por lo que en este caso no se
debe aplicar el precontrol y más bien se necesita recurrir a las cartas de control, o bien
realizar un proyecto de mejora como el ciclo de Deming, 6 sigma, etc.

Por ejemplo, si el proceso centrado tuviera una capacidad muy pobre, es decir un Cpk =
0.5, la probabilidad de la zona verde se reduce a 0.547, mientras que la zona amarilla crece
hasta 0.32 y la zona roja lo hace a 0.1336. Este incremento de las zonas amarilla y roja da
como resultado que el proceso tenga una pequeña probabilidad de 0.5475 = .05, en caso de
que calificara, el proceso no se podría sostener en la siguiente etapa del precontrol.

Etapa posterior a la calificación

Condición Acción correctiva

1. Dos unidades en zona verde Continuar

2. Una en zona verde y otra en zona amarilla Continuar

3. Dos unidades en zona amarilla Parar, investigar y recalificar el proceso

4. Una unidad en zona roja Parar, investigar y recalificar el proceso

Criterios de calificación de precontrol


Fuente: Gutiérrez, H. y De la Vara, R. (2013). Control estadístico de la calidad y Seis Sigma (3a ed.).
México: McGraw-Hill.

En cuanto a la frecuencia de inspección o muestreo, Shainin y Shainin (1989, citado en


Gutiérrez y de la Vara, 2013) recomiendan seis pares de muestras entre ajustes
consecutivos al proceso.

La razón por la que se recomienda tomar muestras en pares es porque ayuda a disminuir el
riesgo de una falsa alarma y esperar demasiado para tomar acciones (Escalante, 2013).

En el siguiente ejemplo puedes revisar la calificación de un proceso con el arranque


aprobado:

Se tiene un proceso que fabrica clavos de 2”, cuya tolerancia es de más o menos 0.05”. Se
desea aplicar el precontrol. El ingeniero de producción toma un muestreo al inicio de la
producción, con una frecuencia de muestreo de 1 hora, entonces obtuvo los siguientes datos
y tomó las siguientes decisiones para controlar el proceso.
Las cartas precontrol tienen la ventaja de trabajar con especificaciones en lugar de límites
de control y se puede usar en corridas cortas o largas.

Las cartas de precontrol presentan una desventaja debido a que las zonas de semáforo se
calculan sin tomar en cuenta la capacidad de los procesos; por lo tanto, cuando el proceso
tiene muy buena capacidad y en él ocurre un cambio, puede pasar que la carta de precontrol
tarde demasiado tiempo en detectarlo o nunca se detecte.

Cierre

El estudio de este tema te ha dado una amplia visión del concepto de gráficas
multivariables y de precontrol, por lo que es momento de dar respuesta a las interrogantes
planteadas al inicio del tema:

¿Crees que la hora en que se fabrican las piezas tiene que ver con la calidad de las
mismas? ¿Qué piensas sobre la idea de que en los turnos nocturnos se producen más
defectos?

En efecto, la hora de fabricación influye en la mayoría de los casos en la calidad de los


productos elaborados, ya que algunos estudios de variabilidad han demostrado que la hora
de fabricación impacta de manera directa en la calidad de los productos; en los turnos
nocturnos suelen presentarse mayor cantidad de defectos, debido a la fatiga y al sueño. Tal
como lo revisaste en el ejemplo de las piezas con fugas.