Herramientas de La Calidad

UNIVERSIDAD TECNOLÓGICA
NACIONAL.
FACULTAD REGIONAL RESISTENCIA
INGENIERÍA ELECTROMECÁNICA
Edición Junio de 2014
CÁTEDRA: CALIDAD Y
PRODUCTIVIDAD
TÍTULO:
HERRAMIENTAS PARA LA MEJORA DE CÓDIGO: CYP.HERRAMIENTAS.01
PROCESOS FECHA: 15/06/2014
CAMPO DE APLICACIÓN:
Ingeniería Electromecánica EDICIÓN N ° 1 REVISIÓN N° 0
VALIDEZ :
SÍNTESIS: ESTE APUNTE QUE
REEMPLAZA A LOS ANTERIORES ESTÁ RENUEVA:
ORIENTADO A LOS ALUMNOS DE LA REEMPLAZA A:
MATERIA CALIDAD Y PRODUCTIVIDAD
OTRAS CÁTEDRAS DONDE SE APLICA:
DESTINATARIOS
PARA LA APLICACIÓN PARA INFORMACIÓN
- CÁTEDRA DE ORGANIZACIÓN INDUSTRIAL – - DEPTO ELECTROMECÁNICA

Ingeniería Electromecánica - Director del Departamento
Electromecánica.
- CÁTEDRA DE CALIDAD Y PRODUCTIVIDAD – - SECRETARÍA ACADÉMICA
Ingeniería Electromecánica -Secretario Académico.
UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD REGIONAL RESISTENCIA

INGENIERIA ELECTROMECANICA
ORIENTACIÓN: OPERACIÓN Y MANTENIMIENTO Y GESTION EMPRESARIA
NOMBRE FIRMA
REALIZÓ:
CONTROLÓ:
APROBÓ:
Código:
Unidad 4 CYP.HERRAMIENTAS.01
Herramientas de la Calidad Versión 01
Fecha versión 06/14
Obtención de datos
Cuando se quiere tomar una decisión importante, como resolver de raíz un problema, es necesario
tener información que permita identificar cuándo, dónde y en qué condiciones se da tal problema; es
decir, se debe encontrar su regularidad estadística y sus fuentes de variabilidad. Por desgracia, la
práctica de obtener información antes de actuar, corregir o decidir no es tan socorrida. Los hábitos y
las inercias imperantes en muchas organizaciones las llevan a actuar con la experiencia, con
corazonadas, intuiciones, tradiciones y con base en el método de prueba y error.
La mejora de procesos y los sistemas de calidad requieren que la toma de decisiones se apoye en un
correcto análisis de los datos y la información.
Antes de obtener información sobre un problema o una situación, lo que se debe tener muy claro y
delimitado es el objetivo que se persigue y el tiempo y los recursos de que se dispone para abordar
dicho problema. No hacer lo anterior conduce, con frecuencia, a que la información que se obtiene no
ayude a responder las interrogantes que se tienen y, en última instancia, a tomar decisiones
erróneas.
Una vez localizado el problema, definidos los objetivos perseguidos e identificado el tipo de
información que se necesita, surgen entre otros los siguientes problemas: cómo obtener tal
información, en qué cantidad y cómo analizarla. La respuesta la proporciona esencialmente la
estadística a partir del conocimiento del objeto de estudio (problema), del tipo de acción o decisión
que se desee tomar y de los recursos y el tiempo de que se dispone para abordar el problema.
La estadística en general, y las herramientas básicas que se verán en adelante, en particular,

desempeñan una función importante en la mejora de la calidad.
La variabilidad y el pensamiento estadístico

La variación en los procesos está presente siempre y es generada por materiales, máquinas, mano
de obra, mediciones, medio ambiente y métodos. Estos seis elementos, las 6 M, determinan de ma-
nera global todo proceso, y cada uno aporta parte de la variabilidad (y de la calidad) de los resultados
de un proceso. Por lo que si hay algún cambio significativo en el desempeño del proceso, la razón de
tal modificación se encuentra en una o más de las 6 M.
Así, en un proceso, cada una de las 6 M tiene y aporta su propia variación; por ejemplo, los mate
riales no son idénticos, ni toda la gente tiene las mismas habilidades y entrenamiento. Pero además,
a través del tiempo, ocurren cambios en las 6 M, como la llegada de un lote de material no adecuado
o con características especiales, descuidos u olvidos, desajustes y desgastes de máquinas y
herramientas, etcétera.
Es justo por la posibilidad permanente de que ocurran estos tipos de cambios y desajustes que es
necesario monitorear constantemente los signos vitales de un proceso; por ejemplo, medir las
características clave de los insumos, las condiciones de operación de los equipos y las variables de
salida de los diferentes procesos. Sin embargo, no todos los cambios en las 6 M se reflejan en una
variación significativa en los resultados del proceso, ya que habrá algunos inherentes al
funcionamiento del proceso mismo (causas comunes) y habrá otros cambios que se deban a una
situación particular y atribuible (causas especiales). Por ello, es necesario que el monitoreo se realice
apoyándose en las herramientas básicas, como las que se estudian en adelante, para así decidir cuál
es la reacción o acción más adecuada según el tipo de cambio, que puede ir desde no hacer nada
hasta generar un proyecto de mejora.
7
Código:
Pensamiento estadístico
Lo que se acaba de explicar son aspectos fundamentales del pensamiento estadístico, basado en los
siguientes principios: 1) todo el trabajo ocurre en un sistema de procesos interconectados; 2) la
variación existe en todos los procesos, y 3) entender y reducir la variación son claves para el éxito.
En el primer principio se habla de procesos interconectados para enfatizar que los procesos no
operan de manera aislada, más bien interactúan con el resto del sistema. De tal forma que si no se
toma en cuenta el modo en el que se relaciona un proceso con el resto del sistema, la optimización
de una de las partes puede tener un efecto negativo para el resto del sistema.
El segundo principio reconoce que los resultados de todos los procesos son variables, lo cual ya se
explicó.
El tercer principio es una de las razones y objetivos principales de la mejora: reducir la variabilidad
hasta lograr niveles de excelencia en calidad
Tipos de variables
En un primer nivel de clasificación las variables pueden ser cualitativas o cuantitativas. Las variables
cualitativas (nominales o de atributos) son aquellas cuyas características que se estudian no son
numéricas. Por ejemplo, el tipo de producto, si éste funciona o no, etc. Mientras que las variables
cuantitativas son aquellas cuyas características pueden registrarse numéricamente. Por ejemplo,
peso, longitud, temperatura, etc.
Las variables cuantitativas se clasifican como discretas o continuas. Las discretas sólo pueden
adquirir ciertos valores y casi siempre hay “brechas” entre esos valores. Por ejemplo: número de
clientes atendidos (0, 1, 2, 3, ..., etc.), .número de quejas, número de servicios de mantenimiento. Por
su parte, las variables continuas pueden tomar cualquier valor dentro de un intervalo específico. Por
ejemplo, el tiempo en el que un cliente es atendido. Intuitivamente las variables de tipo continuo son
aquellas que requieren un instrumento de medición para cuantificarse, como peso, volumen, voltaje,
longitud, resistencia, temperatura, humedad, tiempo, dimensiones varias, etcétera.
Un proceso tiene variables de entrada y de salida. Las primeras, también llamadas variables
independientes (las X), por lo general son variables de control del proceso, como temperatura,
velocidad, presión, cantidad y/o características de algún insumo o material, etc. Además entre las
variables de entrada se consideran aquellas que, aunque normalmente no están controladas, influyen
en los resultados de un proceso, como la humedad relativa en el medio ambiente, la habilidad de un
operario, el método de trabajo, etcétera.
En cuanto a las variables de salida, también llamadas variables de respuesta o dependientes (las Y),
son características de calidad del producto y, en general, en ellas se reflejan los resultados obtenidos
por el proceso; a través de los valores que toman estas variables se evalúa la calidad del desempeño
del proceso. Por lo general, las variables de salida tienen especificaciones o tolerancias, porque los
valores que deben tener están especificados. Por ejemplo, en un proceso que produce piezas
metálicas que se van a ensamblar, las dimensiones de éstas deben caer dentro de cierto rango o
especificaciones. Cuando se satisfacen estos requerimientos se dice que el proceso cumple las
especificaciones de calidad. Existen tres tipos de variables de salida o características de calidad, de
acuerdo con el tipo de especificaciones que deben cumplir:
Entre más pequeño mejor. Son variables o características de calidad cuya única exigencia es que no
excedan un cierto valor máximo tolerado o una especificación superior (ES), y entre más pequeño
sea su valor es mejor. Por ejemplo, el porcentaje de impurezas en una sustancia o la cantidad de
sustancias tóxicas en un producto alimenticio.
Entre más grande mejor. Son variables o características de calidad a las que se les exige que sean
mayores que un valor mínimo o que una cierta especifi cación inferior (EI), y entre más grande sea el
8
Código:
valor de la variable es mejor. Por ejemplo, la resistencia de una pieza de plástico inyectado o la
“blancura” de una tela de color blanco.
El valor nominal es el mejor. Variables que deben tener un valor específico y que, por lo tanto, no
deben ser menores que una especificación inferior (EI), pero tampoco mayores que una superior
(ES). Por ejemplo, el diámetro interior de una tuerca o la longitud de una pieza para ensamble; no
pueden ser ni muy chicas ni muy grandes.
Una tarea primordial del control de calidad es conocer qué tanto los valores de una variable de salida
de un proceso son satisfactorios, y saber de esa manera si el proceso es capaz de cumplir las
especificaciones para esa variable. Por ello es necesario tomar datos de esta variable y analizarlos
adecuadamente.
Hay casos en los que para saber el comportamiento (distribución) de un conjunto de datos es
necesario estudiar tres de sus aspectos: tendencia central, variabilidad y forma de su distribución.
Medidas de tendencia central

Con las mediciones de una característica de calidad de tipo cuantitativo el primer aspecto a investigar
es la tendencia central de los datos, es decir, identificar un valor en torno al cual los datos tienden a
aglomerarse o concentrarse. Esto permitirá saber si el proceso está centrado; es decir, saber si la
tendencia central de la variable de salida es igual o está muy próxima a un valor nominal deseado.
Media muestral
Suponga que x1, x2, x3, ... , xn son las observaciones numéricas de una muestra, entonces la medida
más usual de tendencia central es la media (o promedio) muestral, que es igual a la media aritmética
de todos los datos:
x  x 2  ...  x n x i
x 1  i 1
n n
Por ejemplo, los siguientes datos representan el sueldo semanal de siete trabajadores de cierta área
de una empresa: 1100; 1300; 1000; 1500; 800; 1600; 1100; entonces x  1200
por lo que el sueldo promedio de los trabajadores es de 1200 pesos. Es claro que esto no quiere decir
que todos o la mayoría de los trabajadores ganen 1200 pesos, es más, en el ejemplo nadie gana tal
cantidad.
Si para calcular la media se utilizaron todos los elementos de la población (el universo sobre el que se
quiere tomar decisiones, por ejemplo, el sueldo de todos los trabajadores), entonces el promedio
calculado es la media poblacional y se denota con la letra griega mu, µ. Cabe destacar que la media
del proceso µ es igual a cierto valor, aunque no siempre se conoce; mientras que el valor de x se
obtiene para cada muestra y es diferente (variable) de una muestra a otra, ya que su valor depende
de los elementos que se seleccionan en la muestra. Por lo anterior, el valor que se observa de la
media muestral, x , es por lo general diferente de la media del proceso, µ. Luego, hay que tener
cuidado con las afi rmaciones que se hacen con base en xsobre la media del proceso o población.
Mediana o percentil 50
Otra medida de tendencia central de un conjunto de datos es la mediana, que es igual al valor que
divide a la mitad los datos cuando éstos están ordenados de menor a mayor. Para calcular la
mediana cuando el número de datos es impar, los datos se ordenan de manera creciente y el que
9
Código:
quede en medio de dicho ordenamiento será la mediana; y 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. Así, los datos que son menores o, a lo más, igual que la mediana constituyen 50% de
los datos; mientras que los que son mayores o iguales son el restante 50%. Por ello la mediana
también se le conoce como el percentil 50.
Por ejemplo, en el caso de los sueldos de los trabajadores, para calcular la mediana se ordenan los
datos: 800; 1 000; 1 100; 1 100; 1 300; 1 500 y 1 600;
Entonces, como el número de datos es impar (n = 7), la mediana es 1100, con lo que es posible
asegurar que la mitad de los trabajadores de la muestra gana 1100 pesos semanales o menos.
Moda
Otra medida tradicional de la tendencia central de un conjunto de datos es la moda, que es igual al
dato que se repite con más frecuencia. En el caso de los sueldos de los trabajadores la moda es
1100. De aquí se desprende que no siempre la media es el dato más frecuente, ya que en este caso
la media es 1200, y no 1100.
Cuando en un grupo de datos hay algunos valores bastante diferentes del resto, ya sean muy
pequeños, o bien, muy grandes, entonces la media no es una buena medida de tendencia central.
Por ejemplo, en el caso de los sueldos de los trabajadores, suponga que en esa área hay un
trabajador más que gana 7600 pesos por mes, con lo que ahora los sueldos son 1000; 1100; 1100;
1300; 1500; 1600 y 7600. En este caso la media es 2000. Resulta evidente que el 2000 no refleja la
tendencia central de los sueldos, ya que sólo un trabajador gana más que la media. En estos casos la
mediana es mejor medida de tendencia central, ya que no resulta afectada por datos “raros”. Por
ejemplo, en el caso de los trabajadores, cuando uno gana mucho más que el resto, la mediana es
igual a (1100 + 1300)/2 = 1200. Este valor sí refleja la tendencia central de la mayoría de los sueldos.
De lo anterior se desprende que, para describir la tendencia central de los datos, es importante
apoyarse tanto en la media como en la mediana. Y en caso de que la media sea mucho más grande
que la mediana, es señal de que existen datos más grandes que el resto, los que hacen que la media
esté “inflada”. Por el contrario, si la media es significativamente menor que la mediana, entonces eso
indica la presencia de datos mucho más pequeños que el resto, los cuales hacen que la media esté
“subestimada”. Tomar en cuenta lo anterior es de importancia primordial en la toma de decisiones, ya
que no siempre la media refleja la verdadera tendencia central.
Medidas de dispersión o variabilidad
Además de la tendencia central de un conjunto de datos, es necesario conocer qué tan diferentes son
entre sí, es decir, es importante saber su variabilidad (o dispersión). Esto es un elemento vital en el
análisis estadístico de un conjunto de datos, particularmente cuando se quiere hacer un estudio de
capacidad de un proceso.
La desviación estándar muestral es la medida más usual de variabilidad e indica qué tan esparcidos
están los datos respecto a la media; se denota con S y se calcula mediante la siguiente expresión:
∑௡௜ୀଵ(‫ݔ‬௜ െ ‫ݔ‬ҧ
)ଶ
ܵൌ ඨ
݊െ ͳ
ܵ
donde xi, son las observaciones numéricas de la muestra y  es la media muestral. Como se puede
apreciar, S mide la distancia que en “promedio” hay entre los datos y la media; por ello, entre más
grande sea el valor de S, mayor variabilidad habrá en los datos. La desviación estándar está
10
Código:
expresada en las mismas unidades de medición (gramos, milímetros, etc.) que los datos. Además, S
no refleja la magnitud de los datos, sólo lo retirado que están los datos de la media, y al igual que
ésta, se ve afectada por datos atípicos.
Desviación estándar poblacional o del proceso, σ. Si para calcular la desviación estándar se

utilizan todos los elementos de la población o proceso, entonces se obtiene la desviación estándar
poblacional y se denota por la letra griega sigma, σ.
Por otra parte, el cuadrado de la desviación estándar, S2, se conoce como varianza muestral, que es
muy importante para propósitos de inferencia estadística. Y en forma equivalente, σ2 es la varianza (o
variancia) poblacional.
Otra medida de dispersión es el rango (o recorrido), R, que es igual a la diferencia entre el dato mayor
y el dato menor de un conjunto de datos, por lo que R mide la amplitud de la variación de un grupo de
datos y también es independiente de la magnitud de los datos. Por ejemplo, sean los dos conjuntos
de datos:
A = {10, 12, 14} y
B = {159, 161, 163},
entonces se ve que la magnitud de los datos es diferente, y eso lo refleja la media, que es de 12 y
161, respectivamente. Pero en cuanto a la variabilidad, los datos de ambos conjuntos están
igualmente dispersos, como lo indica la desviación estándar que es igual a 2 en ambos casos, y el
rango que es de 4 para los dos conjuntos.
Relación entre  y S
Una forma de apreciar más claramente el significado de la desviación estándar como medida de
dispersión en torno a la media es a través de la relación entre la media y la desviación estándar, por
la siguiente regla: en muchos de los datos que surgen en la práctica y que tienen una distribución
normal, tipo campana de Gauss, se cumple que
Todos los intervalos anteriores son válidos sólo para los datos muestrales y no necesariamente para
toda la población o proceso. Sin embargo, si los intervalos se calculan con la media y la desviación
estándar del proceso o población, entonces serán válidos para toda la población. Por lo que en la
medida en la que se tengan muestras aleatorias grandes y representativas, los intervalos anteriores
podrán dar una idea aproximada de lo que ocurre en el proceso.
Ejemplo de aplicación
En un gran restaurante se tiene una fórmula específica para elaborar una cantidad determinada de
salsa, la cual contempla agregar 500 gramos de azúcar. Es claro que resulta de suma importancia
añadir exactamente esa cantidad de azúcar, ya que, de lo contrario, ésta queda muy dulce o ácida.
Aunque a los cocineros se les ha insistido sobre lo anterior, es frecuente que no pesen el azúcar y la
agreguen al tanteo. Al considerar la calidad de la salsa como un aspecto clave, se decide diseñar un
procedimiento a prueba de olvidos: comprar bolsas que contengan 500 gramos de azúcar. Suponga
dos marcas de azúcar que cuentan con la presentación de 500 gramos; ahora es necesario decidir
qué marca comprar. Con este propósito se pesan 40 bolsas de ambas marcas. Al pesarse arrojan los
resultados de la tabla.
11
Código:
En la tabla se ve que la media y la mediana para la muestra de la marca A son 502.3 y 502,
respectivamente; mientras que para la marca B son 498.1 y 498.5. Además, la moda es 502 y 498
para las marcas A y B, respectivamente. Por lo que la tendencia central para cada marca se aleja
aproximadamente lo mismo respecto al peso requerido de 500 gramos. De aquí que al tomar en
cuenta únicamente las medidas de tendencia central, no se puede decidir cuál de las dos marcas
satisface mejor el requerimiento de peso. Por lo general, como en este caso, decidir con base en el
promedio puede resultar equivocado. A continuación se analizará cómo al considerar también la
variabilidad de los datos se pueden tomar decisiones más acertadas.
A partir de la tabla se obtiene:
Marca A: S = 7,23; R = 31;
Marca B: S = 3,68; R = 16.
De aquí se desprende que la muestra de bolsas de azúcar de la marca A tienen una dispersión dos
veces que la de la marca B, tanto en términos de S como de R. Por lo tanto, como las muestras son
representativas de ambas marcas y tienen un tamaño moderado, esto es una evidencia a favor de la
marca B, ya que éstas proporcionan un peso más cercano al peso deseado (500 gramos).
Si la discrepancia entre las desviaciones estándar hubiera sido menor, entonces para decidir si tal
discrepancia es significativa o si podría atribuirse a variaciones debido al muestreo, se hace una
prueba de hipótesis. Se puede consultar en la bibliografía específica cómo se realizan las pruebas de
hipótesis.
Si se analiza la relación entre valor medio y desviación estándar, se tiene que el intervalo   3S está
dado por:
Marca A: 502,3 - 3(7,23) = 480,61; 502,3 + 3(7,23) = 523,99
Marca B: 498,1 - 3(3,68) = 487,06; 498,1 + 3(3,68) = 509,14
De esto se deduce que alrededor de 99% de los pesos de las bolsas de muestra de la marca A varía
entre 480,61 y 523,99 gramos. Mientras que en el caso de la marca B, esta variación está entre
487,06 y 509,14 gramos. Con esto se confirma la evidencia a favor de la marca B.
12
Código:
Recopilación de datos
Los datos son la base de cualquier proceso de mejora de la calidad que emprendamos.
Los datos pueden ser de muy distinto tipo, por ejemplo: tiempo (segundos, horas, ….), de
secuencia, económicos ($, u$s, etc), dimensionales (cm, m, …), atributos (pasa, no pasa…).
Los datos servirán de base para adoptar una serie de medidas y decisiones.
La recogida de datos puede servir para:
- Ayudar a comprender una situación real. Por ejemplo: conocer la evolución de lo fabricado
en cuanto a cantidad, % defectuoso, etc.
- Analizar un problema. Por ejemplo: examen de la relación entre un defecto y una causa.
- El control del proceso. Por ejemplo: verificar si el proceso seguido es normal o han variado
las condiciones.
- Regular los medios de fabricación. Por ejemplo: temperatura de un horno, mezcla de
componentes, etc.
- Aceptar o rechazar lo producido. Por ejemplo: mediante el empleo de técnicas adecuadas
aceptar o rechazar un lote de producción.
¿De donde se obtienen los datos?.

De la información ya existente. Averiguando si hay datos en Control de Calidad, Ingeniería,
Seguridad e Higiene, Contabilidad, etc., dependiendo del problema.
De la observación o verificación. Si no existen datos, se observan las operaciones, herramientas,
máquinas, etc. que se deseen estudiar y se recogen datos en planillas adecuadas.
Hoja De Inspección
Utilícela cuando necesite reunir datos basados en la observación de las muestras, con el fin
de empezar a detectar tendencias. Este es el punto lógico de inicio en la mayoría de los ciclos de
solución de problemas. Son formularios para recoger información relativa a un tema y representarla
de forma organizada, de modo que se pueda comprender con claridad el problema o situación que se
estudia y se facilita su resolución o representación gráfica posterior.
Las hojas de inspección son formas fáciles de comprender para contestar a la pregunta ¿con
qué frecuencia ocurren ciertos eventos?. Empieza el proceso de convertir “opiniones” en “hechos”.
Para la elaboración de una Hoja de Inspección se requiere de lo siguiente:
 Estar de acuerdo sobre qué evento está exactamente siendo observado. Todos deben enfocar lo
mismo. Decidir que datos pueden interesar. Es útil recoger más información de la que en principio
parece necesaria, eso puede ahorrar tiempo en el futuro.
 Decidir el período de tiempo durante el cual serán recolectados los datos. Esto puede variar de
horas a semanas o meses.
 Diseñar una forma que sea clara y fácil de usar. Asegúrense de que todas las columnas estén
claramente descriptas y de que haya suficiente espacio para registrar los datos. Por ejemplo:
piezas defectuosas en el taller, ¿cómo interesa agruparlas?, ¿por tipo de defecto?, ¿por
máquina?, ¿por producto?, ¿por materiales?, ¿por turnos?.
 Obtener los datos de una manera consistente y honesta.
 Asegúrese de que se ha dedicado el tiempo necesario para esta labor
13
Código:
Mes
Problema Total
1 2 3
A // // / 5
B / / / 3
C //// // //// 12
Total 8 5 7 20
Consejos para la elaboración en interpretación de las hojas de inspección
 Asegúrese de que las muestras/observaciones sean representativas.

 Asegúrese de que el proceso de muestreo es eficiente de manera que las personas tengan
tiempo de hacerlo.
 La población (universo) a ser muestreada debe ser homogénea, si no lo es, el primer paso debe
ser la estratificación (agrupación) para el análisis de las muestras el cual debe ser hecho
individualmente.
Ejemplo de Manufactura: Tipos de defectos
Mayo
Defecto Total
6 7 8 9
Tamaño erróneo //// / //// //// /// //// // 26

Forma errónea / /// /// // 9
Depto. erróneo //// / / / 8
Peso erróneo //// //// //// //// //// //// //// // //// //// //// 52
Mala uniformidad // /// / / 7
Total 29 22 25 26 102
Ejemplo de Administración/Servicios: Errores mecanográficos en el departamento A
Marzo
Error Total
1 2 3
Centrado // /// /// 8
Deletreo //// // //// //// / //// 23
Puntuación //// //// //// //// //// //// //// //// 40
Párrafo omitido // / / 4
Nros. Equivocados /// //// /// 10

Nros. Equivocados
/ / // 4
en página
Indice //// //// //// 13
Total 34 35 33 102
14
Código:
Ejemplo de la vida diaria: Razones de desacuerdo
Día de la semana
Razón Total
L M M J V
Dinero //// // / //// //// / 20
Sexo // // // // // 10
Niños //// // //// // / //// 19
Total 12 6 10 8 13 49
Grilla de las Tres Dimensiones

El primer modelo surge de considerar estas tres variables:
a - Gravedad
b - Urgencia
c - Tendencia
a) La gravedad se refiere al grado con que un problema afecta a Ia relación con el cliente. La mejor
medida de este impacto la da el Precio del Incumplimiento, a tal punto de que tanto más relevante
es un problema cuanto más significativo es el PDI.
b) La urgencia considera el tiempo disponible para actuar sobre el problema. El sentido de urgencia
puede llevarnos a privilegiar una determinada cuestión, porque, independientemente de su
gravedad necesitamos atacarla inmediatamente.
c) La tendencia está relacionada con la evolución del problema.

Esto implica preguntarle al problema:
 Si no hacemos nada, ¿la situación tiende a empeorar, mejorar o mantenerse estacionaria?
Calificaremos estas tres variables en Alta, Media o Baja según nuestro criterio nos lo indique,
en la tabla de prioridades, eligiendo primero aquél cuya combinación de gravedad, urgencia y
tendencia resulte más significativo:
TEMA/PROBLEMA GRAVEDAD URGENCIA TENDENCIA
Rotura del extremo de dirección A A M
Filamento de lámpara quemado B M M
Cuando se trate de un grupo recién formado se considerará también la facilidad de solución.

Será beneficioso trabajar con problemas simples al principio para que los miembros adquieran
confianza.
15
Código:
Diagrama de Flujo
Utilícelo cuando necesite identificar la trayectoria actual e ideal que sigue un producto o
servicio con el fin de identificar desviaciones.
El diagrama de flujo es una representación gráfica que muestra todos los pasos de un
proceso. Puede ser una herramienta muy útil para examinar como se relacionan unos con otros los
pasos de un proceso. El diagrama de flujo utiliza símbolos fáciles de reconocer para representar el
tipo de operación realizada y la mayor parte de los diagramas de flujo pueden realizarse con unos
pocos símbolos básicos.
El símbolo de actividad es un rectángulo, en el cual se hace una breve descripción

de ella
El símbolo de decisión es un rombo con el que se indica un punto de decisión a

partir del cual el proceso de bifurca en dos o más caminos. El camino a tomar
depende de la respuesta a la pregunta que aparece en el rombo. Cada camino
está indicado en función de la respuesta a la pregunta.
El símbolo de terminal en un rectángulo redondeado que se utiliza indistintamente

para identificar el principio o el fin de un proceso, según la palabre indicada en su
interior, “Inicio” o “Principio” indican el punto de partida del flujo. “Fin” indica el final
El símbolo de documento representa el correspondiente documento utilizado en el

proceso
La línea de flujo indica un camino del proceso que conecta distintos elementos, por
ejemplo, actividades, decisiones, etc. Las flechas indican la dirección que sigue el
flujo
El conector es un círculo que se utiliza para indicar la continuación de un diagrama

de flujo
Estudiando estos diagramas por lo general se descubren vacíos que son fuentes potenciales
de problemas. Estos diagramas de flujo pueden ser aplicados en cualquier área, por ejemplo en la
elaboración de una factura, el flujo de materiales, o los pasos necesarios para hacer una venta, así
como en la utilización de un producto.
Es mucho más fácil mejorar un proceso cuando todos lo conozcan, lo entiendan y se pongan
de acuerdo al respecto.
Una forma de empezar es:

1 ) Dibujar cómo funciona el proceso actualmente.
2) Trazar un Diagrama de Flujo del proceso, indicando los pasos que el mismo debería seguir
si estuviera correcto.
3) Comparar los diagramas para encontrar las diferencias, ya que allí radican los problemas.
Consejos para la elaboración e interpretación de diagramas de flujo:
 Definir claramente los límites del proceso

 Utilizar los símbolos más sencillos posibles
 Asegurarse de que cada paso tenga una salida
 Por lo general solamente sale una flecha de los bloques de proceso, de no ser así, podría
requerirse el uso de un bloque de decisión
16
Código:
Ejemplo de Manufactura:
“Flujo de tablero de circuitos impresos”:
Material que entra

 Componentes
 Tablero de circuitos
impresos
Proveedor
Reparado
C.C. Rechazado
Usese como
está
Aceptado
Inserción automática
Proceso/
C.C. Rechazado desecho
Aceptado
Ensamble manual
C.C. Rechazado
Aceptado
Soldadura y limpieza
Proceso/
C.C. Rechazado desecho
Aceptado
Retoque después del ensamble
C.C. Rechazado
Aceptado
Auto- Proceso/
prueba Rechazado desecho
Aceptado
Despacho
17
Código:
Ejemplo de Administración/Servicios: Proceso de Radiología
Un médico del Serv.

de Emerg. solicita una
radiografía
¿Se
dispone de
un formulario No Escribir a mano la
Obtener un
preparado por formulario información sobre el
computadora? paciente
Si
El médico completa el
formulario de admisión
¿Puede
el paciente ir No Obtener un Acompañar al paciente
a solas a acompañante a radiología
radiología?
Si
Llegada del
paciente
Se entrega el formulario
al empleado
¿Fue Llamar al Serv. de

No Completar el
completado el Emergencias para más formulario
formulario? información
Si
Registro del
paciente
Fin 18
Código:
Ejemplo de la vida diaria:

Encendidio de un televisor
Encender
televisor
¿Aparece No Si
¿Está conectado
imagen? el televisor?
Si No
Conectar
el televisor
Si Si ¿Aparece No Llamar al
¿Es buena
la imagen? imagen? técnico
No
Ajustar ¿Es buena No

Controles la imagen?
Si
Ver
Programa
19
Código:
Diagrama De Pareto.
Utilícelo cuando necesite mostrar la importancia relativa de todos los problemas o condiciones
a fin de seleccionar el punto de inicio para la solución de problemas o para la identificación de la
causa fundamental de un problema.
El Diagrama de Pareto es una forma especial de gráfico de barras verticales el cual ayuda a
determinar qué problemas resolver y en qué orden. El hecho de hacer un Diagrama de Pareto basado
en las Hojas de Inspección o en otras formas de recolección de datos nos ayuda a dirigir nuestra
atención y esfuerzos a los problemas realmente importantes. Obtendremos mejores resultados al
analizar los problemas en orden de importancia.
El principio de Pareto, aplicado al control de calidad permite clasificar a las causas de los
defectos en dos categorías: las pocas esenciales, y las muchas triviales.
Esto es así pues, en muchos casos, la mayoría de los defectos y el costo de los mismos
surgen de un número relativamente pequeño de causas. Identificadas éstas será posible eliminar la
mayor parte de las pérdidas y costos derivados de los defectuosos concentrando la atención, los
esfuerzos y los recursos en unas pocas causas realmente importantes.
Con este método, que aplica la ley del economista italiano Wilfredo Pareto, es posible indicar,
en un gráfico estadístico de barras ordenado secuencialmente, las cantidades y los números de
niveles de un problema, clasificando la información obtenida, por causa o fenómeno en lo que se
refiere a productos defectuosos, quejas y pérdidas, o cualquier otro tipo de problemas en los lugares
de trabajo. De este ordenamiento se extraen las conclusiones de cuál es el principal problema a ser
abordado.
¿Cómo construir un Diagrama de Pareto?
Paso 1: Decidir cuáles son los problemas que deben investigarse o compararse y cómo se obtendrá
la información.
1) Decida cuales son los problemas que deben investigarse o compararse. Para ello puede
basarse en los datos existentes (por ejemplo: “para establecer las áreas problemáticas
más importantes veamos los reportes de calidad generados durante el mes pasado por
el Departamento A”), o en lluvia de ideas (por ejemplo “¿cuáles son los principales
problemas en el departamento A?”)
2) Decida que información necesitará y como la clasificará (por ejemplo: por tipo de defecto,
ubicación, proceso, máquina, obrero, método, etc.). Agrupe los rubros que aparecen con
poca frecuencia bajo el encabezamiento de “otros”.
3) Determine el método para recabar información y el período de tiempo a ser estudiado.
Paso 2: Diseñar una hoja de anotaciones, con un listando de los rubros y dejando espacio suficiente
para registrar los totales. (Tabla 1)
Paso 3: Completar la hoja de anotaciones y calcular los totales.
Paso 4: Preparar una hoja de datos con un listado de los rubros, sus totales individuales, totales
acumulados, porcentajes parciales y porcentajes acumulados. (Tabla 2)
Paso 5: Disponga los rubros por orden de cantidad decreciente, y complete la hoja de datos. El rubro
“otros” debe colocarse en la última línea, sin importar la cantidad que fuera. Esto se debe a que se
halla compuesto por un grupo de rubros, cada uno de los cuales es más pequeño que el menor de los
listados en forma individual.
Paso 6: Trazar el diagrama: dibuje dos ejes verticales y uno horizontal

1) Ejes verticales
a) Eje vertical izquierdo: marque en este eje en una escala de 0 al total general
b) Eje vertical derecho: marque este eje en una escala que abarque de 0% a 100%
20
Código:
2) Eje horizontal: divida este eje por el número de intervalos de la cantidad de rubros
clasificados, ubicándolos en orden decreciente, de izquierda a derecha
Paso 7: construya un diagrama de barras, dibujando arriba de cada rubro o clasificación una barra
cuya altura represente la cantidad de esa clasificación.
Paso 8: Trace la curva acumulativa (Curva de Pareto): marque los puntos representativos de los
valores acumulativos (total acumulativo o porcentaje acumulativo), encima de la esquina superior
derecha de cada barra, partiendo de la esquina superior derecha de la barra más a la izquierda y
yendo de izquierda a derecha. Luego una los puntos por medio de una línea.
El diagrama se completa con las leyendas y cantidades pertinentes a la información relevada.
A continuación un ejemplo de las hojas de anotaciones y datos y del Diagrama de Pareto en

el caso de investigación de defectos en un lote de 5.000 piezas.
Tabla 1
Tipo de defecto Cuenta Total
Rajadura //// //// 10
Raspón //// //// //// / / / / …. //// // 42
Mancha //// / 6
Veta //// //// //// //// ……. //// //// 104
Grieta //// 4
Porosidad //// //// //// //// 20
Otros //// //// //// 14
Total 200
Tabla 2
Cantidad de Porcentaje del Porcentaje

Tipo de defecto Total acumulativo
defectos total general acumulativo
Veta 104 104 52 52
Raspón 42 146 21 73
Porosidad 20 166 10 83
Rajadura 10 176 5 88
Mancha 6 182 3 91
Grieta 4 186 2 93
Otros 14 200 7 100
Total 200 - 100 -
21
Código:
Costo de Rectificación de Quejas en el Campo:
13 % del Costo Total
20000
18000
16000
14000
12000
$ 10000
8000
6000
4000
2000
0
Varios
Instalación
Documentación
Embarque
Entrega
2) Analiza los diferentes grupos de datos, por ejemplo, por producto, por máquina, por turno, etc.
Nota: si no surgen diferencias claras, reagrupe los datos. Use su imaginación.
Análisis de Pareto del número de defectos:
A B C
Tipo de defecto
2 3 1 4
Máquina
23
Código:
3 1 2
Turno
3) Mide el impacto de los cambios hechos en un proceso, por ejemplo, antes y despúes de las
comparaciones.
Nota: usted no sabe que tan mejor está actualmente si no sabía donde estaba antes del cambio.
Defectos en componentes (estación Nº 2)
Antes 65%
100
A – Capacitores
B – Soldadura
% C – Terminales Doblados
50 D – Cortos
E - Otros
0
A B C D E
Después 14%
100
A – Capacitores
B – Soldadura
% C – Terminales Doblados
50
D – Cortos
E - Otros
0
A B C D E
24
Código:
4) Desglosa ampliamente las causas en más y más partes específicas

Nota: elimine la causa, no el síntoma
Tipos de herida
30
Ojos
Espaldas
25
# de Accidentes
20
Manos
15
10
5
0
Causas de heridas en los ojos

Residuos de
Terminales
Cortados
25
Salpicaduras de
# de Accidentes
20
Soldaduras
15
10
Polvo
Consejos para la elaboración e interpretación de Diagramas de Pareto
- Utilice el sentido común – los eventos más frecuentes o más costosos no son siempre los más
importantes, por ejemplo, dos accidentes fatales requieren más atención que 100 cortaduras en
los dedos
- Marque el Diagrama claramente para mostrar el patrón de medición ($, %, #)
25
Código:
Tercer paso: elabore el diagrama de la siguiente forma:

a) Coloque la característica de calidad analizada dentro de un cuadro en el costado derecho de la
hoja
b) Anote las causas principales que afectan la característica de calidad, como si fueran huesos
grandes, también dentro de cuadros
c) Escriba las causas secundarias que afectan a las causas primarias como si se trataran de huesos
medianos y anote las causas terciarias que afectan a las causas secundarias como si fueran
huesos pequeños. Por cada causa pregúntese “¿por qué sucede?” y liste las respuestas como
ramificaciones.
Cuarto paso: asigne un grado de importancia a cada factor y marque los factores individuales
importantes, que aparentemente afectan a la característica de calidad en forma significativa.
Quinto paso: registre cualquier información que sea necesaria, como ser título, nombre del producto,
proceso o grupo, lista de participantes, fecha, etc.
Consejos para la elaboración e interpretación del Diagrama de Causa y Efecto.
 Procure no ir más allá del área de control del grupo a fin de minimizar posibles frustraciones.
 Si las ideas tardan en llegar, utilice las principales causas como catalizadores, por ejemplo, “¿qué
estará causando en los materiales……..?”
 Sea conciso, use pocas palabras.
 Asegúrese de que todos estén de acuerdo en la fase descriptiva del problema.
 Exprese la característica lo más concretamente posible.
 La cantidad de diagramas causa-efecto debe ser igual al número de características.
Agregando el Método de los 5 “¿por qué?” al Análisis Causa – Efecto.

Años de trabajo de consultoría, han reforzado el convencimiento de que unas pocas
herramientas de calidad bien utilizadas, son mejores que docenas de ellas que se utilizan
deficientemente. Una herramienta que es utilizada con frecuencia, aunque no siempre efectivamente,
es el diagrama Causa - Efecto, también llamado diagrama lshikawa o diagrama Espina de Pescado.
Un problema común con los diagramas Causa - Efecto es que el equipo encargado de
resolver los problemas crea diagramas que presentan conclusiones no muy claras. Una buena idea
es incorporar el método de los 5 “¿por qué?”, sobre los diagramas Causa - Efecto y buscar temas en
común.
El método de los 5 “¿por qué?” analiza los problemas como si se “pelara una cebolla”. En
otras palabras, se ponen a prueba las afirmaciones superficiales hasta que surge la causa raíz,
generalmente luego de utilizar los 5 “¿por qué?”. Veamos un ejemplo:
1. Los ensambles se han vuelto deficientes. Por qué?

2. Los componentes no se unen sólidamente. Por qué?
3. El diámetro de calce fue muy grande. Por qué?
4. Las partes fueron medidas incorrectamente. Por qué?
5. La medición no ha sido calibrada. Por qué?
Causa Raíz: Nadie tiene la responsabilidad en la calibración de medidas. Hasta que dicho
problema no sea identificado, el problema, u otro similar, podría resurgir fácilmente.
27
Código:
Ejemplo de Manufactura
Personas Métodos
Operador Manual
Maq.
Automática
Sold.
Manual Inserción
Automática Maq. de
Operador
Soldadura
Prueba
Automática Manual
Grupos de
Ensamble Soldadura Baja
eficiencia
de tablilla
Tablillas impresa
Prueba Aut.
Nº 1
Componentes Maq. de
Dispositivos Soldadura
Dañados
Programas
Faltantes Prueba Aut.
Nº 2
Equivocados Inserción Dispositivos
Automática
Programas
Materiales Maquinaria
28
Código:
Ejemplo de Administración/Servicios
Equipo Políticas
No hay hielo
disponible En proceso Sin denominación stat
No hay Tamaños Múltiples tareas
adecuados No hay centrífuga
disponible
Bolsas Demoras en oficina de
plásticas Roto información
Tiempo para colocar en
bolsas individuales Especificaciones de
No hay pacientes stat distintos laboratorios
En proceso Poca cantidad
Roto Visitas de cortesía
No hay analizadores
disponibles
Demoras en
resultados del
laboratorio por
pacientes del
Mala identificación Paciente fuera de la habitación Departamento
Cultivos de sangre de Emergencia
Tablero PT actualizado En Rayos X
Banda de papel en las muñeca Múltiples
En el baño
resultados
Necesidad de Relacionado al Capacidad de recoger la muestra

extraer las paciente
Hemolizado
muestras Doble función después de las 17:00
Coágulo Incapacidad de
después de
8:30, antes recoger la muestra
Personal de descanso
del envío al
laboratorio No disponible
La muestra no Relacionados con el personal
Demoras en creación
es suficiente Central
de recibos DE Personal de vacaciones, etc
transporte
Despacio Falta de mensajero Cirugía en el día
Incompleto directo al laboratorio Tiempo de alto volumen
Procedimientos Personal
29
Código:
Ejemplo de la vida diaria
Métodos Motor
Cambio de Presión en llantas no

Siempre Velocidad recomentdada
tarde
Manejo
rápido Mala Audición Llantas bajas
Infolink
Volumen alto Mal diseño
de la radio
Impaciente Pivote dañado
No se
escucha Combustible
el motor
Mecánico sin
especificación
Alto
consumo
Combustible de
Mantenimiento equivocado
Entrenamiento No cambio de aceite
deficiente
deficiente
$
$ No sabe cuál
debe ser Mala
Falta de Distracción lubricación
Atención No tiene
Malos hábitos manual No tiene
de manejo manual
No sabe cuál
Aceite debe ser
equivocado
Mano de obra Material
30
Código:
Gráfico De Desarrollo O Series Cronológicas

(o Diagrama de Tendencia).
Este tipo de gráficas se utiliza para mostrar, de modo simple, las tendencias de variables o
promedios de variables o mediciones de cualquier índole efectuadas durante un período determinado.
Es muy simple de construir y usar. Los puntos se grafican de acuerdo a cómo se van
obteniendo. Su uso es común para graficar: tiempo de inactividad de una máquina, material
desperdiciado, promedio de defectuosos por mes a lo largo de un año, errores tipográficos o valores
de productividad y otras variables diversas a medida que cambian con el tiempo. Otros ejemplos de
aplicación: evolución del registro de llamadas telefónicas recibidas por el centro de atención telefónica
en un banco o aseguradora, o en un servicio de remises, o de solicitudes o reclamos a una tarjeta de
crédito. Sus aplicaciones son muy diversas.
Medida
Promedio
Tiempo o secuencia
Existe el peligro de creer, al usar esta gráfica, que cada variación en la información registrada
es importante. El gráfico de tendencia, al igual que las demás técnicas gráficas, debe ser usado para
enfocar la atención en los cambio vitales del sistema. Por ello, uno de los usos más importantes del
diagrama de tendencia es identificar cambios significativos o vitales en el promedio de una variable.
Ejemplo: cuando observamos un sistema, se supone que vamos a encontrar un igual número
de puntos por encima y por debajo del promedio. Podemos decir que, cuando tenemos una corrida de
nueve puntos a uno de los lados del promedio es un indicador (estadísticamente hablando) de que un
evento inusitado o especial a ocurrido y que el promedio ha cambiado. Y estos cambios deben ser
siempre investigados. Si el cambio es favorable, deberá hacerse parte permanente del sistema; si no,
deberá ser eliminado.
Otro caso es cuando se da una tendencia de seis o más puntos que asciendan o desciendan
consecutivamente; basados en los eventos aleatorios se espera que ninguna de estas tendencias
suceda, por lo que si se observan, es un indicador de que ha ocurrido un cambio importante que debe
ser investigado.
Consejos para la elaboración e interpretación de un gráfico de Desarrollo:
 Un punto marcado indica ya sea la medición o la cantidad observada o muestreada en el tiempo

determinado.
 Los puntos de datos deben ser conectados para facilitar su uso e interpretación.
 El período de tiempo cubierto y la unidad de medición deben ser claramente marcados.
 Debe mantenerse el orden de los datos al momento de ser recolectados ya que se está
monitoreando una característica con el tiempo, siendo crítica su secuencia de graficado.
31
Código:
Gráfico de Desarrollo
Ejemplo de Manufactura
% de aceptación en la primera prueba de circuitos impresos
100
90
% de Aceptación
80
70
60
50
40
30
20
10
0
M J J A S O N D E F M A M J J A S O N D E F
Establecimiento Cambio de Reajuste del Probador

de Normas de Materiales y Automático de Capacitores de
Producción Especificaciones Acuerdo a las Especificaciones
Ejemplo de Administración/Servicios
Admisiones en la Sala de Emergencias
50
45
40
# Admisiones
35
30
25
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12
Mes
Ejemplo de la vida diaria
Gastos Mensuales de la Familia
1600
1400
1200
1000
800
$
600
400
200
0
E F M A M J J A S O N D
Mes
32
Código:
Histogramas.
Utilícelo cuando necesite descubrir y mostrar la distribución de datos graficando con barras el
número de unidades en cada categoría.
El análisis mediante histogramas es una herramienta muy efectiva para obtener una visión
total de los datos, de su posición central, media o promedio y del tipo de distribución.
Con un histograma es posible conocer:
1- Tipo de distribución de toda la muestra.

2- Media y desviación standard.
3- Comparación con el standard.
4- Comparación entre distintas clasificaciones (operarios, máquinas, etc.)
También son de gran utilidad los histogramas para analizar y mejorar procesos a través de la
estratificación.
Estratificar significa clasificar los datos de igual categoría en dos o más sub-poblaciones de
acuerdo a la condición que tenían en el momento en que se reunieron los datos. Cada sub-población
se denomina estrato y la división de datos en estratos se llama estratificación. Ejemplos:
Maquinaria: por fabricante, modelo, capacidad, etc.

Materiales: por fabricante, calidad, lote, etc.
Operarios: por puesto, categoría, experiencia, etc.
Los valores observados son acompañados de alguna variación. Por eso, cuando se
estratifican de acuerdo a los factores que se estiman causaron la variación, esas causas se detectan
mas fácilmente, por lo que esta técnica puede usarse para elevar la calidad del producto reduciendo
la variación y para mejorar el promedio del proceso.
Son varios los usos que puede tener un histograma:
1- Para analizar y mejorar procesos productivos a través de la estratificación.

2- Para chequear la capacidad del proceso.
3- Para confirmar los efectos después de las pruebas.
4- Para comparar las características de un producto con las especificaciones.
Pasos para la elaboración de un Histograma
Inicie con una serie desorganizada de números tal como la siguiente:
9,9 9,3 10,2 9,4 10,1 9,6 9,9 10,1 9,8

9,8 9,8 10,1 9,9 9,7 9,8 9,9 10,0 9,6
9,7 9,4 9,6 10,0 9,8 9,9 10,1 10,4 10,0
10,2 10,1 9,8 10,1 10,3 10,0 10,2 9,8 10,7
9,9 10,7 9,3 10,3 9,9 9,8 10,3 9,5 9,9
9,3 10,2 9,2 9,9 9,7 9,9 9,8 9,5 9,4
9,0 9,5 9,7 9,7 9,8 9,8 9,3 9,6 9,7
10,0 9,7 9,4 9,8 9,4 9,6 10,0 10,3 9,8
9,5 9,7 10,6 9,5 10,1 10,0 9,8 10,1 9,6
9,6 9,4 10,1 9,5 10,1 10,2 9,8 9,5 9,3
10,3 9,6 9,7 9,7 10,1 9,8 9,7 10,0 10,0
9,5 9,5 9,8 9,9 9,2 10,0 10,0 9,7 9,7
9,9 10,4 9,3 9,6 10,2 9,7 9,7 9,7 10,7
9,9 10,2 9,8 9,3 9,6 9,5 9,6 10,7
33
Código:
Estos números se refieren al espesor de ciertos materiales claves en el proceso.
Primer paso: cuente el número de datos en la serie. Para el ejemplo mostrado arriba es de 125 datos
(n = 125 )
Segundo paso: Determine el rango, R, de los datos. El rango es la diferencia entre el valor más
grande y el más pequeño del conjunto de datos. En nuestro caso, el rango es igual a 10,7 menos 9.0
así que R =1, 7.
Tercer paso: Divida el valor del rango entre un cierto número de clases referidas como Nc. La tabla
de abajo es una guía que nos muestra para diferentes cantidades de datos eI número recomendado
de clases a utilizar. Para nuestro ejemplo, se recomienda usar entre 7 y 12 clases. Tomaremos : N =
10
Número de Datos: Número de Clases (Nc):

Menos de 50 5-7
50-100 6-10
100-250 7-12
Más de 250 10-20
Cuarto paso: Determine el intervalo H, de la clase. Una fórmula adecuada para hacer esto es la
siguiente:
H = R = 1,7 = 0,17
Nc 10
En este caso, como en la mayoría, es conveniente redondear H a un número adecuado para nuestros
propósitos; 0,20 parece serlo; no olvide que este intervalo debe ser constante a través de toda la
distribución de frecuencias.
Quinto paso: Determine los límites de clase. Para una determinación sencilla de los límites de clase
tome la menor medición individual de los datos. Use este número redondeándolo hacia un número
menor. Este será el punto inferior de nuestro primer límite de clase. En nuestro ejemplo, la medición
más pequeña fue 9,00. Tome este número y sume el intervalo de clase 9,00 + 0,20 = 9,20. En
consecuencia el próximo límite de clase inferior comenzaría en 9,20. La primera clase incluye al 9,00
hasta 9,19. La segunda clase empieza en 9,20 hasta 9,39. Esto hace que cada clase sea
mutuamente excluyente, con lo que cada uno de nuestros datos corresponderá a una sola categoría.
Finalmente, sume consecutivamente el intervalo de clase, 0.20, al límite de clase inferior hasta que
obtenga el número correcto de clases, aproximadamente 10, que contiene todos nuestros números.
Sexto paso: Construya una tabla de frecuencias basada en los valores obtenidos (número de clases,
intervalo de clase y límite de clase). La tabla de frecuencias es actualmente un Histograma en forma
tabular. Una tabla de frecuencias basada en los datos de nuestro ejemplo es la siguiente:
34
Código:
Clase Límite de Valor

Frecuencia Total
# clase medio
1 9,00 –9,19 9,1 / 1
2 9,20 – 9,39 9,3 //// //// 9
3 9,40 – 9,59 9,5 //// //// //// / 16
4 9,60 – 9,79 9,7 //// //// //// //// //// // 27
5 9,80 – 9,99 9,9 //// //// //// //// //// //// / 31
6 10,00 – 10,19 10,1 //// //// //// //// // 22
7 10,20 – 10,39 10,3 //// //// // 12
8 10,40 – 10,59 10,5 // 2
9 10,60 – 10,79 10,7 //// 5
10 10,80 – 10,99 10,9 0
Séptimo paso: Construya el Histograma basado en la tabla de frecuencias. Un Histograma es una

representación gráfica de una tabla de frecuencias. El Histograma nos muestra una vista rápida de la
distribución de la característica medida. El Histograma de nuestro ejemplo es mostrado abajo. Sobre
el histograma se dibujan los valores límites de las especificaciones, si las hay. En una zona libre del
histograma se anotan los antecedentes de los datos (el período durante el cual se anotaron los datos,
etc.) el número de datos n, la media x y la desviación standard s.
35 Valor Central Especificaciones USL

9 + 1,5
30
25
Frecuencia
20
15
10
0
9,0 9,2 9,4 9,6 9,8 10,0 10,2 10,4 10,6 10,8
Espesor (Min.)
Como lo mencionamos anteriormente el histograma es una herramienta de diagnóstico muy

importante ya que nos muestra una vista panorámica de la variación en la distribución de los datos.
En nuestro caso los datos parecen tener su tendencia central entre 9,8 y 9,99 y parecen seguir una
distribución normal. La especificación para nuestra característica (espesor) es de 7,5 a 10,5 con su
valor central en 9. Por lo tanto podemos ver que el proceso, alcanza valores altos y que se está
fabricando material defectuoso.
35
Código:
Tipos de histogramas
Es posible obtener información útil sobre una serie observando la forma del histograma.
Aparte de conocer la forma de distribución de los datos, se puede saber lo siguiente:
a) Si la dispersión de la curva cae dentro de las especificaciones. Si no es así, que cantidad cae
fuera de las mismas. (Variabilidad).
b) Si la curva está centrada en el lugar debido. Podemos saber si la mayoría de los datos caen en el
lado alto o en el lado bajo.(Sesgo).
A continuación mostramos formas típicas, y podemos usarlas como guías para analizar
procesos.
a) Tipo general b) Tipo cresta
c) Tipo sesgado positivo d) Tipo precipicio - lado izq.
e) Tipo meseta f) Tipo pico mellizo
g) Tipo pico aislado

36
Código:
a) Tipo general: (Simétrico o con forma de campana):

El valor promedio del histograma está en el centro del rango de los datos. La frecuencia es el
punto más alto en la mitad y gradualmente reduce hacia los extremos. La forma es simétrica.
Nota: Este tipo de figura es la que se ve con más frecuencia.
b) Tipo de cresta: (modo múltiple):

En cada clase puede descender o ascender la frecuencia.
Nota: Este tipo de figura se ve cuando el número de unidades de datos, incluidos en la clase varía
de clase en rango o cuando hay una tendencia particular en la forma en que los datos son
redondeados.
c) Tipo de sesgado positivo: (o sesgado negativo):

El valor promedio del histograma se sitúa a la izquierda (derecha) del centro del rango. La
frecuencia decrece de algún modo abruptamente hacia la izquierda (derecha), pero levemente
hacia la derecha. Asimétrico.
Nota: Este tipo de figura se ve cuando el límite inferior (superior) se controla ya sea teóricamente
o mediante un valor específico o cuando los valores descienden (ascienden) de un cierto valor
que no aparece.
d) Tipo precipicio a la izquierda: (o a la derecha):

El valor promedio del histograma se sitúa hacia la izquierda (derecha) del centro del rango. La
frecuencia decrece abruptamente a la izquierda (derecha) y suavemente hacia la derecha
(izquierda). Asimétrico.
Nota: Este tipo de figura ocurre con frecuencia cuando ante un proceso de baja capacidad
productiva se tomó un muestreo al 100%.
e) Tipo meseta:
La frecuencia en cada rango forma una meseta porque los rangos tienen más o menos la misma
frecuencia de no ser aquellos que están en los extremos.
Nota: Esta figura aparece cuando se mezclan varias distribuciones que tiene valores promedios
diferentes.
f) Tipo de 2 picos:
La frecuencia es baja, cerca de la mitad del rango de los datos y hay un pico en cada extremo.
Nota: Esta figura aparece cuando se mezclan 2 distribuciones con promedios bastante diferentes.
g) Tipo de picos aislados:

Hay un pico pequeño aislado que se añade al histograma de tipo general.
Nota: Esta figura aparece cuando se incluye unos pocos datos de distribuciones diferentes, como
ocurre en el caso de anomalía de proceso, de las medidas o inclusión de datos de un proceso
diferente.
Comparación de Histogramas con límites de especificaciones
Si hubiera una especificación, dibuje líneas de límites de especificaciones en el histograma para

comparar la distribución con las especificaciones. Luego vea si el histograma se sitúa entre los
límites. Describimos abajo algunos casos típicos que pueden servir como referencia para evaluar la
serie.
1. El histograma satisface la especificación :

a) Todo lo que se necesita es mantener el estado presente, ya que el histograma satisface
ampliamente la especificación.
b) La especificación se satisface, pero no hay un margen extra. Por lo tanto es mejor reducir la
variación por un pequeño grado.
37
Código:
Ei Es Ei Es
a) b)
2. El histograma no satisface la especificación:

c) Es necesario tomar medidas para acercar el promedio a la media de la especificación.
d) Se requiere acción para reducir la variación.
e) Se necesitan medidas descriptas en c) y d).
Ei Es Ei Es
c) d)
Ei Es
d)
Estratificación de Histogramas:
Cuando los valores observados se dividen en dos o más sub-poblaciones de acuerdo con la
condición que tenían en el momento en que se reunieron los datos, cada sub-población se denomina
estrato y la división de datos en estratos se llama estratificación.
Los valores observados son acompañados por alguna variación. Por eso cuando los datos se
estratifican de acuerdo con los factores que se consideran que causaron la variación, esas causas se
detectan más fácilmente. Este método puede usarse efectivamente para elevar la calidad del
producto reduciendo la variación y para mejorar el promedio del proceso.
38
Código:
Por lo general se hace estratificación de acuerdo con materiales, máquinas, condiciones de operación
y operarios.
Por ejemplo el primer histograma muestra los rendimientos obtenidos en una determinada
reacción química. Puesto que se utilizaron dos recipientes, A y B, para esta reacción, se pensó que
quizás existía una diferencia entre los dos recipientes. Se llevó a cabo una estratificación conforme a
los dos recipientes de reacción, diferenciando los datos obtenidos con el recipiente A de los obtenidos
con el recipiente B, y así se hallaron diferencias entre los dos recipientes de reacción.
83 84 85 86 87 88
Histograma total
83 84 85 86 87 88
Histograma del recipiente A
83 84 85 86 87 88
Histograma del recipiente B
39
Código:
Histogramas. Ejemplos
Ejemplo de manufactura: Densidad de impresión
8
7
6
Frecuencia
5
4
3
2
1
0
0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4
Obscuridad de densidad en la impresión
Ejemplo de Administración/Servicios: Tiempo de respuesta promedio a llamadas de pacientes
140
120
# de Respuestas
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11
Minutos
Ejemplo de la vida diaria: Altura de 100 hombres
35
30
# de Hombres
25
20
15
10
5
0
63 64 65 66 67 68 69 70 71 72 73 74 75
Altura (pulgadas)
40
Código:
Consejos para la elaboración e interpretación de histogramas
 El número de clases (barras en las gráficas) determina el tipo de imagen en la distribución

 Las distribuciones de algunos procesos son sesgadas por naturaleza. No espere que cada
distribución sea normal.
 Analice detenidamente el tipo de distribución obtenida y su ubicación con respecto a los límites de
especificación. Así observe el intervalo de la distribución con el fin de tener una idea de su
variabilidad.
 Observe si la distribución es bimodal, lo que significaría que la información proviene de dos o más
fuentes diferentes, por ejemplo, turnos, máquinas, etc.
41
Código:
Diagrama De Dispersión (Ó De Correlación).

Se trata de un diagrama que permite agrupar dos tipos de datos que están probablemente
relacionados entre sí, poniéndolos en respectivos ejes de coordenadas. Es una herramienta para
descubrir los factores a ser controlados y/o mejorados, a través de identificar cuando existe una real
correlación entre datos y en qué medida lo están.
En la práctica, frecuentemente resulta esencial la relación de dos variables que guardan

correspondencia entre sí. Por ejemplo: ¿En qué medida variará la medida de una pieza mecanizada
al variar la velocidad de un torno? O, suponiendo que se desee controlar la concentración de un
material y averiguar si resulta más conveniente sustituir la medición de la concentración por el peso
específico, porque en la práctica resulta más fácil de medir. Para estudiar la relación de dos variables,
tales como la velocidad del torno y la dimensión de una pieza, o la concentración y el peso específico,
se puede utilizar el denomina diagrama de dispersión.
Las dos variables con las que trabajaremos son:

a) una característica de calidad y un factor que la afecta; (dureza del acero y temperatura
de templado)
b) dos características de calidad relacionadas entre sí (terminación y precio)
c) dos factores relacionados con una misma característica de calidad (presión y
temperatura).
Para poder captar la relación existente entre ellas, resulta importante, en primer lugar, la
realización de un diagrama de dispersión y poder, así, comprender la relación total. El diagrama no
puede probar que una variable causa la otra, pero sí aclara si existe alguna relación y la intensidad
que pudiera tener la misma.
¿Cuándo utilizar Diagramas de Dispersión?
- Para investigar correlaciones.

- Para encontrar el valor óptimo de control (ejemplo: la temperatura de reacción ideal para
lograr el mejor resultado).
El Diagrama de Dispersión se traza de forma que el eje horizontal (Eje X) represente los
valores de una variable y el eje vertical (Eje Y} represente los valores de otra. Un Diagrama de
Dispersión Típico sería el mostrado abajo:
Variable 2
Variable 1
Obsérvese cómo los puntos graficados forman un patrón determinado.

La dirección y Ia unión de la agrupación le da la idea sobre la fuerza de la relación entre la
variable 1 y la variable 2. Cuanto más se asemeje este patón a una línea recta, más fuerte será la
relación entre las variables.
42
Código:
Cómo confeccionar diagramas de dispersión
Para confeccionar un diagrama de dispersión se procede a:
Primer Paso: Obtener pares de valores (x,y) entre los cuales se desea estudiar las relaciones
e ingresar la información en una tabla. Resulta conveniente contar con, por lo menos, 30 pares de
valores.
Segundo Paso: Determine los valores máximo y mínimo tanto para el eje de las abscisas (x)
como para el de las ordenadas (y). Determine las escalas para dichos ejes: horizontal y vertical.
Conviene realizarlo de modo que la longitud de ambos ejes sea aproximadamente igual, para que la
lectura del diagrama resulte más fácil.
Mantenga la cantidad de divisiones entre 3 y 10 para cada eje y utilice números enteros para
facilitar la lectura. Cuando las dos variables involucradas sean un factor y una característica de
calidad, utilice el eje horizontal x para representar el factor, y el vertical y para la característica de
calidad.
Tercer Paso: Diagrame los datos sobre papel. Cuando se obtengan los mismos valores
provenientes de observaciones diferentes, indíquelo por medio de círculos concéntricos o diagrame el
segundo punto inmediatamente junto al primero.
Cuarto Paso: Ingrese todos los datos necesarios. Asegúrese de que los siguientes datos
hayan sido incluidos para que, además del autor del diagrama, cualquier otra persona pueda
entender el diagrama a simple vista:
a) Intervalo de tiempo
b) Cantidad de pares de datos
c) Títulos y unidades de cada eje
d) Título del gráfico
e) Nombre de la persona que confeccionó el diagrama.
Ejemplo
Un fabricante de tanques de plástico que empleaba el método de moldeo por soplado tuvo
problemas con tanques defectuosos, que presentaban paredes delgadas. Se sospechó que la presión
de aire, que variaba diariamente, constituía la causa de la no-conformidad. En la tabla se pueden
observar datos sobre la presión de aire y el porcentaje correspondiente de defectuosos.
Confeccionemos un diagrama de dispersión utilizando estos datos, conforme a los pasos indicados
arriba.
Primer Paso
Tal cual se puede observar en la Tabla 1, existen 30 pares de datos.
Segundo Paso
En este ejemplo la presión de soplado se indicará sobre el eje horizontal x y el porcentaje de
defectuosos sobre el eje vertical y.
Entonces,
2
El valor máximo de x: xmax = 9,4 Kg/cm ,
2
El valor mínimo de x: xmin = 8,2 Kg/cm ,
El valor máximo de y: ymax = 0,928 %,
El valor mínimo de y: ymin = 0,864 %.
Se establecen las siguientes marcas:

2 2
En el eje horizontal, divisiones de 0,5 kg/cm ; desde 8,0 hasta 9,5 Kg/cm ,
En el eje vertical, divisiones de 0.01 %, desde 0,85 a 0,93%.
43
Código:
Tercer Paso
Elabore el diagrama.
Cuarto Paso
Ingrese el lapso en el que se obtuvo la muestra (1° de Octubre al 9 de Noviembre); cantidad

2
de muestras (n=30); nombre de los ejes: horizontal (presión de aire de soplado Kg/cm y vertical
(porcentaje de defectuosos %) y finalmente, el título del diagrama.
Diagrama de dispersión de presión de aire de soplado y

porcentaje de tanques plásticos defectuosos
(Octubre 1º-Noviembre 9)
44
Código:
Gráficas para el control de variables
Introducción
La variación
Uno de los axiomas o verdades evidentes de la fabricación es que nunca se producen dos
objetos que sean exactamente iguales. Esta es una ley inherente a la naturaleza. La variación puede
ser grande o pequeña.
Existen tres clases de variaciones en la producción de las partes por piezas:

1. Variación en la pieza misma. Ejemplo de este tipo de variación es el diferente grado de
aspereza de la superficie de una pieza, en la que un área puede ser más áspera que otra;
el ancho de uno de los extremos del ojo de una cerradura es distinto del otro extremo.
2. Variación de una pieza a otra. Este tipo de variación se produce en piezas que se
fabrican al mismo tiempo. Por ejemplo, la intensidad luminosa que producen cuatro focos
fabricados por una máquina, uno después de otro, es distinta.
3. Variación de una hora a otra. Ejemplo de esta variación son las diferencias que hay en los
productos fabricados a distintas horas del día. Lo que se fabrica en la mañana podrá ser
diferente de lo que se fabrica más tarde; o conforme se desgastan las herramientas de
corte, así también se modifican las características de corte.
La variación es algo inherente a todo proceso, debido al efecto conjunto de equipo,

materiales, entorno y operarios.
La primera causa es el equipo. En ésta figuran el desgaste de la herramienta, las vibraciones

de la máquina, el equipo de sujeción de trabajo y del posicionamiento de dispositivos así como las
fluctuaciones hidráulicas y eléctricas.
La segunda causa de variación es debido al material. Características relacionadas con la

calidad como la resistencia a la tensión, ductilidad, grosor, porosidad y contenido de humedad,
contribuyen a la variación total del producto final.
Una tercera causa de variación es el entorno. La temperatura, la luz, la radiación, el tamaño

de las partículas, la presión y la humedad contribuyen todas a las variaciones en el producto.
Una cuarta causa de variación es el operario. En esta causa figura también el método que
emplea el operario para realizar determinada operación. El bienestar físico y emocional del operario
también contribuye en la variación. Un dedo cortado, un tobillo torcido, un problema personal, o un
dolor de cabeza pueden ser motivo de la alteración en la eficiencia de un operario. La falta de
comprensión de un operario sobre las variaciones del equipo y del material debido a una falta de
capacitación hará necesario efectuar continuos ajustes de máquina, con lo que la variabilidad se hace
más compleja. Conforme el equipo es más y más automatizado, el efecto del operario en la variación
disminuye.
Aparte de las causas anteriores, se habla también de una variación vinculada a las tareas de
inspección. Un mal equipo de inspección, o la inadecuada aplicación de una norma de calidad, o una
excesiva presión ejercida en un micrómetro, todas pueden ser causas de un erróneo informe sobre la
variación. Conviene tener presente que en las tareas de inspección figuran tres de las causas
anteriores: un inspector, equipo de inspección y el entorno.
Siempre que estas fuentes de variación fluctúan de manera natural o prevista, se producirá un
patrón estable de diversas causas fortuitas (causas aleatorias) de la variación. No es posible eliminar
las causas fortuitas de la variación. Debido a que son muchas, y cada una de ellas por separado
reviste poca importancia, es difícil detectarlas o descubrirlas. Aquellas causas de variación cuya
magnitud es grande, gracias a lo cual se las puede identificar fácilmente, se las clasifica como causas
50
Código:
aparecen fuera de los límites o adoptan una forma peculiar, que se describen más adelante, se
considera que el proceso se halla fuera de control (no es estable).
Los gráficos de control pues, se usan para saber si los procesos son estables o no, y también
para estabilizarlos. Un proceso es estable si se encuentra en estado de control estadístico, esto es, si
del mismo han sido eliminadas todas las causas especiales de variación.
Es inevitable que la calidad de un proceso o de un producto elaborado sea variable y que

existen numerosas causas para estas variaciones, a las que clasificamos en Causas Comunes o
Aleatorias y Causas Especiales o Asignables.
Las Causas Comunes o Aleatorias no pueden ser eliminadas y ocurren en forma inevitable en
un proceso, aunque las operaciones se lleven a cabo con materias primas y métodos estandarizados.
No es factible eliminar las causas aleatorias de variación, ni técnica ni económicamente, al menos en
la actualidad. Pero sí es posible reducir estas variaciones en cantidad y magnitud.
Las variaciones por Causas Especiales o Asignables indican que existen factores
significativos que deben investigarse; son eliminables y no deben pasarse por alto; son provocadas
en muchos casos por negligencia respecto de ciertos standards o por aplicación de éstos en forma
inadecuada. Con los gráficos de control es posible juzgar correctamente si la distribución de calidad
es causada en una situación controlada, o si es causada en una situación sin control.
Cuando los puntos caen fuera de los límites de control o adoptan una forma peculiar, se dice
que un proceso se halla fuera de control y esto equivale a decir que "aquí existen causas de variación
asignables y el proceso se halla fuera de control". Para controlar el proceso será necesario eliminar
las causas asignables y encarar las acciones preventivas para evitar que ocurran y tener presente
que pueden presentarse variaciones provocadas por causas aleatorias.
Para confeccionar un gráfico de control es necesario estimar las variaciones por causas
aleatorias. Para ello, se dividen los datos en subgrupos dentro de los cuales el lote de materias
primas, máquinas, operarios y otros factores sean comunes a todos los subgupos, con lo que la
variación dentro de un sub-grupo puede considerarse igual a la variación por causas aleatorias.
Existen diferentes tipos de gráficos de control, conforme a los valores característicos o el

propósito de los mismos. En cualquier tipo de gráfico de control, el limite de control se calcula
mediante la fórmula:
(valor promedio) ± 3 x (desviación standard),
en donde la desviación standard es la variación producida por las causas aleatorias. Estos gráficos de
control se denominan Gráficos de Control 3-Sigma.
Vale aclarar que generalmente se trabaja con los promedios de los subgrupos y su amplitud
(gráfico x - R). Los valores individuales de las muestras en este caso no tienen relación alguna con
los límites de control. Es decir, el que una observación en particular sea mayor o menor que un límite
de control, es irrelevante. Lo que se toma en cuenta son los valores promedios de cada subgrupo.
Es importante tener en cuenta que si el proceso está bajo "control" no significa

necesariamente que el producto o resultado del proceso reúna los requisitos o cumpla las
especificaciones. De hecho un proceso bajo control estadístico puede no cumplir las especificaciones.
Debe recordarse siempre que las especificaciones son lo que se piensa que se necesita del proceso
(condiciones fijadas por el hombre), mientras que los límites de control (LC) son lo que el proceso es
capaz de hacer en forma consistente o estable (los LC son creados por los datos del proceso). Se
puede apreciar en la gráfica siguiente:
52
Código:
Objetivos de las gráficas para control de variables.
Las gráficas para controlar variables proporcionan la siguiente información:

1. Para mejorar la calidad
2. Para definir la capacidad del proceso. Durante un ciclo de mejoramiento de la calidad, la
gráfica de control indicará cuando ya no es posible mejorar más si no se está dispuesto a
hacer un fuerte desembolso de dinero. En este momento es cuando se ha conseguido la
verdadera capacidad del proceso.
3. Para tomar decisiones relativas a las especificaciones del producto. Una vez que se
obtiene la verdadera capacidad del proceso, ya se pueden calcular las especificaciones
efectivas correspondientes.
4. Para tomar decisiones relacionadas con el proceso de la producción. Es decir, la gráfica
de control sirve para saber si se trata de un patrón natural de variación, y por lo tanto, no
hay nada que hacerle al proceso, o si se trata de un patrón no natural, en cuyo caso
habrá que emprender acciones para detectar y eliminar las causas de la perturbación o
motivos atribuibles. Con relación a esto último, se considera que el desempeño del
personal de operaciones es el adecuado en tanto los puntos graficados queden dentro de
los límites de control. Si el anterior desempeño no es satisfactorio la responsabilidad no
es atribuible al operario, sino al sistema.
5. Para tomar decisiones relativas a productos recién elaborados. En este caso la gráfica de
control sirve como fuente informativa para poder decidir si un producto o productos
pueden pasar ya a la siguiente fase de la secuencia o si deberá adoptarse alguna medida
alterna, por ejemplo, separar o reparar.
Se utilizan dos tipos de gráficos de control: uno para constatar si el proceso se encuentra
estabilizado o no, y verificar el grado de distribución; el otro es para mantener la estabilidad del
proceso. Así tenemos:
Gráficos de control de variables medibles:
- Gráfico x -R (valor medio y rango)

- Gráfico x (valor medido)
Gráficos de control por atributos:
- Gráfico pn (número de piezas defectuosas)

- Gráfico p (porcentaje de piezas defectuosas)
- Gráfico c (cantidad de defectos)
- Gráfico u (cantidad de defectos por unidad)
Gráfico x - R
Se utiliza para controlar y analizar un proceso, empleando valores continuos de calidad

medibles del producto o proceso, tales como longitud, peso, concentración, tiempo, etc., y de esto se
obtiene la mayor parte de la información sobre el proceso. Consiste en un gráfico x para controlar los
cambios en los valores brutos, y en un gráfico R para verificar los cambios en la distribución ( x
representa el valor promedio y R representa el rango). Dado que es más efectivo utilizarlos juntos, el
gráfico combinado se denomina x -R.
Gráfico x
Cuando los datos de un proceso se obtienen luego de un intervalo prolongado o cuando el

agrupamiento en sub-grupos no resulta efectivo, se indican los valores en forma individual, pudiendo
utilizarse los mismos para confeccionar un gráfico de control. Debido a que, en este caso, no existen
54
Código:
sub-grupos y por ende no se puede calcular R, se utiliza el rango móvil Rs de datos consecutivos
para el cálculo de los límites de control de x.
Gráfico p y Gráfico pn
Estos gráficos se utilizan en el control del proceso productivo cuando la característica de

calidad a controlar es el porcentaje de piezas defectuosas (p) o el número de piezas defectuosas (pn)
Para una muestra del tamaño constante, se utiliza el gráfico pn (para utilizarlo, se debe
establecer en número de piezas); se emplea el gráfica p de fracción defectuosa para una muestra de
tamaño variable.
Gráfico c y Gráfico u
Se utilizan para el control y análisis de procesos tomando en cuenta los defectos de un

producto o proceso determinado, tales como rayaduras sobre un material, soldaduras defectuosas en
un aparato de TV, o fallas en un tejido.
Se usa un gráfico c para una muestra de tamaño constante y el gráfico u para una muestra
de tamaño variable.
Pasos a seguir en la construcción de un gráfico de control  - R

Para configurar el par de gráficas de control correspondientes a la media x y R es
recomendable utilizar un procedimiento bien definido. Los pasos deberán comprender los siguientes
puntos:
1. Defina cuál será la característica de la calidad.

2. Escoja el subgrupo racional.
3. Reúna los datos necesarios
4. Calcule la línea central de ensayo y los límites de control
5. Logre el objetivo
1. Defina cuál será la característica de la calidad
La variable que se elija para figurar en las gráficas x y R deberá ser una característica de la
calidad medible y expresable mediante números. Las características idóneas son aquellas que se
pueden expresar en función de las siete unidades básicas: longitud, masa, tiempo, corriente eléctrica,
temperatura, sustancia o intensidad luminosa, así como mediante unidades derivadas: poder,
velocidad, fuerza, energía, densidad y presión.
Se deberá dar prioridad a aquellas características de la calidad que influyen en la eficiencia

del producto, que están causando problemas en cuanto a producción o costo se refiere. Tales
características son a veces función de materias primas, componentes, partes del equipo o partes
terminadas.
Un análisis de Pareto será muy útil para definir prioridades. Otra posible aplicación es cuando
en la revisión de un producto se tienen que realizar pruebas que impliquen la destrucción de este.
2. Escoja el subgrupo racional
55
Código:
Un subgrupo racional es aquel en el que la variación que se produce dentro del grupo mismo
se debe a causas fortuitas. Tal variación en el interior del subgrupo sirve para calcular los límites de
control. La variación entre un subgrupo y otro sirve para evaluar la estabilidad a largo plazo.
Los lotes de donde se obtienen los subgrupos deberán ser homogéneos. Por homogéneo se
entiende que las piezas que conforman el lote sean lo más parecidas posibles: misma máquina,
mismo operario, mismo molde, etc. Asimismo, una determinada calidad de material, por ejemplo el
producido por una herramienta hasta que ésta se desgaste y se le sustituya o se rehabilite, deberá
constituir un lote homogéneo. No importa cómo se escojan los lotes, los elementos que conformen
cada subgrupo deberán de haberse producido básicamente dentro de las mismas condiciones.
Hay dos maneras de escoger las muestras de subgrupo.

1. La primera forma consiste en escoger muestras del subgrupo tomando aquel producto
que se obtiene en un momento de tiempo definido, o lo más próximo a este momento (por
ejemplo cuatro piezas de un lote que se acaban de producir). La siguiente muestra del
subgrupo sería semejante, pero correspondería al producto obtenido en un momento
posterior, digamos una hora más tarde. A este procedimiento se le conoce como el
método del momento justo o del instante.
2. El segundo método consiste en seleccionar un producto obtenido durante un lapso
determinado, considerado como representativo del producto en sí. Por ejemplo se eligen
cuatro unidades de entre todas las producidas durante la hora anterior. La siguiente
muestra se toma a la hora volviendo a elegir cuatro unidades de entre todas las
producidas entre visitas, y así sucesivamente. A este procedimiento de le conoce como el
método del lapso o intervalo de tiempo.
En el caso del método del instante, la variación encontrada dentro de un mismo subgrupo es
mínima, y máxima entre subgrupos. En el de lapso, la variación dentro del subgrupo es máxima y
entre los subgrupos es mínima.
El método del instante se utiliza mucho ya que constituye un punto de referencia temporal
determinado, útil para descubrir causas atribuibles. También sirve como medida precisa de los
cambios que se presentan en el promedio del proceso. Dado que los valores están muy cercanos, es
muy probable que la variación se deba a causas aleatorias y, por ello, satisfaga el criterio del
subgrupo racional.
La ventaja del método del lapso es que se pueden obtener mejores resultados generales y,
por tanto, los informes de calidad ofrecerán una descripción más precisa de la calidad. Además,
debido a las limitaciones del proceso, tal vez este método sea la única forma práctica de obtener las
muestras del subgrupo. Existe la posibilidad de que las causas de la variación estén dentro del
subgrupo, lo que dificultará asegurar que se trabaje con un subgrupo racional.
Para decidir el tamaño de una muestra o subgrupo hay que echar mano de ciertos
conocimientos empíricos, pero las siguientes directrices pueden ayudar a tomar una decisión:
- Cuando más aumente el tamaño del subgrupo más se aproximarán los límites de control al
valor central, lo que dará a la gráfica mayor sensibilidad de las pequeñas variaciones en el
promedio del proceso.
- Cuanto más aumente el tamaño del subgrupo, más aumentará el costo de inspección por
subgrupo. ¿El aumento del costo que implica conformar grupos mayores justifica el contar
con mayor sensibilidad?
- Cuando se apliquen pruebas que impliquen destrucción de elementos costosos, el tamaño
del subgrupo será de 2 o 3, ya que reducirá a un mínimo la destrucción de tales elementos
costosos.
- En la industria se utilizan mucho las muestras constituidas por cinco elementos, ya que así
se facilita la tarea de cálculo.
- Sustentado por evidencias estadísticas, se sabe que la distribución de los promedios de los
subgrupos, x , resultan casi normales para le caso de subgrupos de cuatro o más elementos,
incluso cuando las muestras se obtienen de población que no es normal.
56
Código:
No existe una regla que establezca con que frecuencia deberán obtenerse subgrupos. Este
procedimiento deberá hacerse tantas veces como sea necesario para detectar cambios o
alteraciones en el proceso. Por lo general, es mejor obtener muestras frecuentemente al inicio y
reducir la frecuencia del muestreo cuando los datos lo permitan.
Para determinar el tamaño requerido de la muestra se puede utilizar la siguiente tabla:
Tamaño de lote Tamaño de la muestra

91-150 10
151-280 15
281-400 20
401-500 25
501-1200 35
1201-3200 50
3201-10000 75
10001-35000 100
35001-150000 150
Si por ejemplo, en un proceso se deben producir 4000 piezas diarias, se recomienda realizar
un total de 75 inspecciones. Si el subgrupo consta de cuatro elementos, forme 19 subgrupos.
Otros autores recomiendan recoger aproximadamente 100 datos y dividirlos en 20 o 25

subgrupos de 4 o 5 datos cada uno. En cualquier caso el tamaño de los grupos oscila generalmente
entre 2 y 10.
3. Reúna los datos necesarios
El siguiente paso consiste en reunir los datos. Estos se presentan como se muestra en las
tablas de abajo. Los datos se pueden registrar vertical u horizontalmente. También puede dejarse
espacio para registrar información como la fecha, la hora y comentarios relacionados con el proceso
al momento de recoger los datos. (En el Anexo al final de la unidad se muestra un modelo de planilla
para la recopilación de datos y trazado de los gráficos de control)
Tabla 1
Centro de trabajo Nº………
Característica de la calidad: dureza Fecha: / /
Hora 8:30 9:30 10:40 11:50 13:30

Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14
x1 55 51 48 45 53 …
x2 52 52 49 43 50 …
x3 51 57 50 45 48 …
x4 53 50 49 43 50 …
x 211 210 196 176 201 …
x 52.8 52.5 49 44 50.2 …
R 4 7 2 2 5 …
57
Código:
Tabla 2
Subgrupo Fecha Hora x1 x2 x3 x4 x R Comentario

1 23/12 8:50 6,35 6,40 6,32 6,37 6,36 0,08 Operador nuevo
2 11:30 6,46 6,37 6,36 6,41 6,40 0,10
3 1:45 6,34 6,40 6,34 6,36 6,36 0,06
4 3:45 6,69 6,64 6,68 6,59 6,65 0,10
5 4:20 6,38 6,34 6,44 6,40 6,39 0,10
6 27/12 8:35 6,56 6,55 6,45 6,48 6,51 0,11 Material malo
7 9:00 6,38 6,40 6,45 6,37 6,40 0,08
8 9:40 6,39 6,42 6,35 6,40 6,39 0,07
9 1:30 6,42 6,39 6,39 6,36 6,39 0,06
……… …… …….. …….. …… ……. ….. ……. …… …………………
En el siguiente ejemplo se recogieron 125 datos, divididos en 25 subgrupos de 5 datos cada

uno que se registraron en forma horizontal.
Hoja de datos para gráfico x -R

Subgrupo
x1 x2 x3 x4 x5 x x R
Nº
1 47 32 44 35 20 178 35,6 27
2 19 37 31 25 34 146 29,2 18
3 19 11 16 11 44 101 20,2 33
4 29 29 42 59 38 197 39,4 30
5 28 12 45 36 25 146 29,2 33
6 40 35 11 38 33 157 31,4 29
7 15 30 12 33 26 116 23,2 21
8 35 44 32 11 38 160 32,0 33
9 27 37 26 20 35 145 29,0 17
10 23 45 26 37 32 163 32,6 22
11 28 44 40 31 18 161 32,2 26
12 31 25 24 32 22 134 26,8 10
13 22 37 19 47 14 139 27,8 33
14 37 32 12 38 30 149 29,8 26
15 25 40 24 50 19 158 31,6 31
16 7 31 23 18 32 111 22,2 25
17 38 0 41 40 37 156 31,2 41
18 35 12 29 48 20 144 28,8 36
19 31 20 35 24 47 157 31,4 27
20 12 27 38 40 31 148 29,6 28
21 52 42 52 24 25 195 39,0 28
22 20 31 15 3 28 97 19,4 28
23 29 47 41 32 22 171 34,2 25
24 28 27 22 32 54 163 32,6 32
25 42 34 I5 29 21 141 28,2 27
Total 746,6 686
Promedio
R =
x = 29,86 27,44
Calcule el valor medio x para cada uno de los subgrupos.
58
Código:
x 1  x 2  ...  x n
x
n
siendo n el tamaño del subgrupo. Es frecuente calcular el resultado con una posición decimal.
Para el primer subgrupo
47  32  44  35  20
x  35,6
5
Calcule el promedio total x dividiendo la suma de los x de cada subgrupo por el número de
subgrupos
x 1  x 2  ...  x k
x
k
debiendo calcularse x con dos posiciones decimales más que los valores tomados.
35,6  29,2  ...  28,2

x  29,86
25
Calcule el rango R de cada subgrupo restando el valor mínimo del máximo en cada caso.
R = (mayor valor de cada subgrupo) - (menor valor de cada subgrupo)
Para el primer subgrupo
R = 47 – 20 = 27
Calcule el valor R de los rangos R, dividiendo la suma de los R de cada subgrupo por el
número de subgrupos
R1  R 2  ...  R k
R
k
debiendo calcularse R con dos posiciones decimales más que los valores tomados. (El mismo
número de decimales que para x ).
27  18  ...  27
R  27,44
25
4. Calcule la línea central y las líneas de control para el gráfico x y el R.
Si un análisis preeliminar de los datos muestra que hay un buen control, entonces x y R se
pueden considerar como representativos del proceso y se convierten en las líneas centrales. Si el
proceso no está bajo control, se descartan los datos de los puntos fuera de control y se calculan
nuevos valores de x y R . Sin embargo muchos analistas consideran que, a pesar de que este
recálculo arroja valores más representativos del proceso, complica innecesariamente el cálculo y por
lo tanto no lo realizan. Si existen especificaciones, como ocurre con frecuencia, la línea central de la
gráfica x se basa en las especificaciones.
Los límites de control se definen a ± 3 desviaciones estándar del valor central.
UCLx = x + 3x
59
Código:
LCLx = x - 3x
UCLR = R + 3R
LCLR = R - 3R
Donde UCL es el límite de control superior y LCL es el límite de control inferior.
En la práctica el cálculo se simplifica utilizando factores cuyo valor depende del tamaño del
subgrupo y que se pueden obtener de una tabla. Así, se obtienen las siguientes fórmulas:
UCLx = x + A2 R
LCLx = x - A2 R
UCLR = D4 R
LCLR = D3 R
Donde A2, D3 y D4 son factores que se encuentran en la tabla siguiente.
Med. de x Control R Control

muestreo n A2 d2 1/d2 d3 D3 D4
2 1,880 1,128 0,8862 0,853 - 3,267
3 1,023 1,693 0,5908 0,888 - 2,575
4 0,729 2,059 0,4857 0,880 - 2,282
5 0,577 2,326 0,4299 0,864 - 2,115
6 0,483 2,534 0,3946 0,848 - 2,004
7 0,419 2,704 0,3698 0,833 0,076 1,924
8 0,373 2,847 0,3512 0,820 0,136 1,864
9 0,337 2,970 0,3367 0,808 0,184 1,816
10 0,308 3,078 0,3249 0,797 0,223 1,777
En la gráfica x , los límites de control superior e inferior están dispuestos simétricamente

respecto de la línea central. Los límites de control de una gráfica R también, sin embargo, en el caso
de subgrupos de seis o menos, el límite de control inferior debería tener valor negativo para que ello
suceda. Ya que esto es imposible, el límite de control inferior se ubica en cero, para lo cual se asigna
cero como valor de D3, en el caso de subgrupos de seis o menores.
Cabe aclarar que los puntos que están debajo del límite de control inferior de la gráfica R son
el resultado de un desempeño excepcionalmente bueno, en vez de ser indicación de un mal
desempeño.
Las líneas centrales se corresponderán con los valores x y R para los gráficos x y R
respectivamente.
En nuestro ejemplo los valores resultarán
Gráfico x :
Línea central:
CLx = x
CLx = 29,86
60
Código:
Límite superior de control:
UCLx = x + A2 R
UCLx = 29,86 + 0,577 x 27,44 = 45,69
Límite inferior de control:
LCLx = x - A2 R
LCLx = 29,86 – 0,577 x 27,44 = 14,03
Gráfico R:
Línea central:
CLR = R
CLR = 27,44
Límite superior de control
UCLR = D4 R
UCLR = 2,115 x 27,44 = 58,04
LCLR = D3 R
UCLR = - (no se considera)
Trazado de las líneas de control
Prepare primeramente una hoja de papel cuadriculado y trace en ordenadas los valores de x
y R, mientras que en abscisas el número de subgrupos. Asigne a los límites superior e inferior de
control una separación de 20 ó 30 mm, dibujando con línea entera la línea central y punteada los
límites.
Ubicación de los puntos
Indique los valores de x y de R de cada subgrupo sobre la vertical correspondiente. Marque

en abscisas el número del subgrupo, con espacios de 2 a 5 mm. Marque además con puntos los
valores de x y con cruces los de R, a fin de individualizarlos fácilmente, circulando los valores fuera
de los límites de control
61
Código:
Gráficos de control por atributos
Introducción
Atributo
El término atributo, aplicado al control de calidad, se refiere a todas aquellas características

que cumplen con determinadas especificaciones, o que no cumplen con ellas.
Hay dos tipos de atributos:
1. Aquellos casos cuando no es posible hacer mediciones, por ejemplo cuando se efectúa
una inspección visual: color, partes faltantes, rayaduras, daños, etc.
2. Aquellos casos en los que sí es posible hacer mediciones, pero no se realizan debido al
tiempo, costo o necesidad implicados. Por ejemplo, si bien es posible medir el diámetro
de un orificio utilizando un micrómetro de interior, es más práctico utilizar un patrón que
directamente indique “continuar/no continuar”, y determinar así si se cumple o no con la
especificación respectiva.
Gráfico De Control P
La gráfica p se utiliza en aquellos casos cuando los datos están formados por la fracción de
no conformidades presentes en un producto, en una característica de calidad o en un grupo de
características de la calidad. La fracción de no conformidad es la proporción obtenida al dividir la
cantidad de no conformidades de un muestra o subgrupo entre la cantidad total que forma la muestra
o subgrupo.
p = pn
n
p = proporción o fracción de no conformidad de la muestra o del subgrupo
n = cantidad de elementos de la muestra o el subgrupo
pn = cantidad de elementos no conformes, de la muestra o del subgrupo
Por lo general, la fracción de no conformidad p, es un valor muy pequeño (0,05 o menos). De

lo contrario el proceso estaría en serios problemas. Debido a que la fracción de no conformidad es
muy pequeña, es necesario que el tamaño de los subgrupos sea muy grande para que se pueda
producir una gráfica confiable.
El tamaño del subgrupo de una gráfica p puede ser variable o constante. Es preferible que
sea constante.
Los objetivos de las gráficas de no conformidad son los siguientes:
1. Calcular el nivel promedio de la calidad
2. Llamar la atención del área administrativa siempre que se produzca cualquier desviación
respecto del promedio.
66
Código:
3. Sugerir posibles aplicaciones de las gráficas  - R. La gráfica por unidades no conformes

puede dar indicios acerca de dónde se origina el problema, en tanto que mediante las
gráficas  - R se puede determinar la causa específica.
4. Definir el criterio de aceptación de un producto antes de enviárselo al cliente.
5. Evaluar el desempeño del personal de operación y administrativo.
6. Verificar si las ideas propuestas para mejorar la calidad del producto son adecuadas o no.
Pasos para la construcción de una gráfica p

Cuando el tamaño del subgrupo es constante
1. Seleccione la(s) características de la calidad.
Una gráfica p puede servir para controlar la proporción de no conformidad de una sola
característica de la calidad, un grupo de características de la calidad, solo una parte de ellas, un
producto completo, o una cantidad determinada de productos.
La gráfica p también puede servir para controlar el desempeño de un operario, un centro

laboral, un departamento, un turno, una planta o una empresa.
2. Calcule el tamaño del subgrupo y el método que se va a emplear.
El tamaño del subgrupo dependerá de la proporción de la no conformidad. Si una parte tiene

una proporción de no conformidad p de 0,001 y un tamaño de subgrupo, n, de 1000, entonces el
número promedio de no conformidad, np, será de uno por subgrupo. En este caso no se podrá
obtener una buena gráfica, Si la proporción de la no conformidad de una parte es 0,15 y el tamaño de
subgrupo es 50, el número promedio de no conformidad sería 7,5, en cuyo caso si se obtendría una
buena gráfica.
Por lo tanto antes de definir el tamaño del subgrupo hay que efectuar algunas observaciones
preeliminares para darse una idea aproximada de la proporción de no conformidad, así como evaluar
la cantidad promedio de unidades no conformes mediante las cuales se podrá obtener una buena
gráfica. Como punto de partida se aconseja utilizar un tamaño mínimo de subgrupo 50.
3. Recopile los datos
La inspección se puede hacer por auditoría o directamente en la línea de producción. Las

auditorías son generalmente hechas en un laboratorio bajo condiciones óptimas. La inspección en la
línea de producción proporciona inmediata retroalimentación para las acciones correctivas.
Se deben recopilar datos suficientes para formar por lo menos 25 subgrupos.
En la tabla de abajo se muestra la presentación de la recopilación de datos del motor de una

secadora de pelo.
67
Código:
Número de Cantidad Cantidad de no Proporción de no

Subgrupo inspeccionada conformidades conformidades
n pn p
1 300 12 0.040
2 300 3 0.010
3 300 9 0.030
4 300 4 0.013
5 300 0 0.0
6 300 6 0.020
7 300 6 0.020
8 300 1 0.003
9 300 8 0.027
10 300 11 0.037
11 300 2 0.007
12 300 10 0.033
13 300 9 0.030
14 300 3 0.010
15 300 0 0.0
16 300 5 0.017
17 300 7 0.023
18 300 8 0.027
19 300 16 0.053
20 300 2 0.007
21 300 5 0.017
22 300 6 0.020
23 300 0 0.0
24 300 3 0.010
25 300 2 0.007
Total 7500 138
4. Calcule la línea central y los límites de control
Las fórmulas para calcular los límites de control y la línea central son las siguientes.
UCL  p  3
 
p 1 p
n
Línea central:
CL = p
p
 pn
n
LCL  p  3
 
p 1 p
n
p = número total de rechazos / número total de unidades inspeccionadas
68
Código:
n = cantidad inspeccionada en un subgrupo
Para el caso del ejemplo los cálculos dan:
0,018 1  0,018
UCL  0,018  3  0,041
300
Línea central:
0,018 1  0,018
LCL  0,018  3  0,005
300
El cálculo del límite de control inferior dio un resultado negativo, que no es si no un resultado
teórico. En la práctica, es imposible que una proporción de no conformidad sea negativa. Por lo tanto,
el valor del límite de control inferior de - 0,005 se cambia a cero.
Si el límite de control inferior es positivo y una proporción de no conformidad está por debajo
de dicho límite, ello es indicativo de un desempeño en la calidad excepcionalmente bueno, que se
considera como una situación fuera de control. Debe investigarse cuál es la causa asignable de tal
desempeño excepcionalmente bueno, en espera de que al determinarse ésta se esté en condiciones
de repetir esta situación.
Algunos autores consideran que si después de analizar la gráfica resulta que el control es
bueno los valores de línea central y límites de control calculados anteriormente se pueden considerar
representativo del proceso; pero si la primera vez que se realiza la gráfica se observan puntos por
encima del límite de control superior y, por lo tanto, fuera de control, existiendo para los mismos una
causa atribuible, se debe proceder a descartarlo de los datos del subgrupo correspondiente y calcular
con los restantes los nuevos valores de línea central y límites de control que serán más
representativos del proceso.
5. Logro del objetivo

En general se suele obtener una mejora en la calidad al poner a la vista una gráfica de control
de calidad. La línea central y los límites de control deben ser recalculados periódicamente hasta que
ya no se observe una mejora evidente en la calidad.
69
Código:
Las gráficas p también sirven para poner a prueba diversas ideas para mejorar la calidad.
Cuando se someten a prueba nuevas ideas se deben emplear como mínimo 25 subgrupos y sólo
deberá probarse una idea a la vez.
Cuando el tamaño del subgrupo es variable.
Las gráficas p también se pueden emplear cuando el tamaño del subgrupo es variable. Dado
que los límites de control son función del tamaño del subgrupo n, los límites de control también
variarán con el tamaño del subgrupo y por ello habrá que calcularlos para cada subgrupo.
A continuación se muestra un ejemplo de un fabricante de modems para computadora que

recopila los datos tomados de la prueba final a que se somete el producto. El tamaño del subgrupo es
el que resulta de los datos obtenidos durante un día de inspección.
Subgrupo Cantidad Número de no Fracción de no UCL LCL

inspeccionada conformidades conformidades
n pn p
Marzo29 2385 55 0.023 0.029 0.011
30 1451 18 0.012 0.031 0.009
31 1935 50 0.026 0.030 0.010
Abril1 2450 42 0.017 0.028 0.012
2 1997 39 0.020 0.029 0.011
5 2168 52 0.024 0.029 0.011
6 1941 47 0.024 0.030 0.010
7 1962 34 0.017 0.030 0.010
8 2244 29 0.013 0.029 0.011
9 1238 53 0.043 0.032 0.008
12 2289 45 0.020 0.029 0.011
13 1464 26 0.018 0.031 0.009
14 2061 47 0.023 0.029 0.011
15 1667 34 0.020 0.030 0.010
16 2350 31 0.013 0.029 0.011
19 2354 38 0.016 0.029 0.011
20 1509 28 0.018 0.031 0.009
21 2190 30 0.014 0.029 0.011
22 2678 113 0.042 0.028 0.012
23 2252 58 0.026 0.029 0.011
26 1641 34 0.021 0.030 0.010
27 1782 19 0.011 0.030 0.010
28 1993 30 0.015 0.030 0.010
29 2382 17 0.007 0.029 0.011
30 2132 46 0.022 0.029 0.011
TOTAL 50515 1015
El cálculo de la línea central resulta:
Línea central:
CL = p
p
 pn
n
70
Código:
Gráfico De Control Pn
La gráfica de la cantidad de no conformidades pn resulta más fácil de comprender que la
gráfica p.
Si existe la posibilidad de que varíe el tamaño del subgrupo, la línea central y los límites de
control variarán, con lo cual la gráfica obtenida carecerá de significado. Por lo tanto, una de las
limitaciones de la gráfica pn consiste en el requerimiento de que el tamaño del subgrupo sea
constante.
Las fórmulas para determinar la línea central y los límites de control son similares a las
anteriores pero modificadas por un factor de n.
Pasos para la construcción de una gráfica pn

1. Selección del producto que se va a analizar
2. Cálculo del tamaño de la muestra y la cantidad de subgrupos.
Tome una muestra y clasifique la calidad del producto en unidades que satisfagan o no un
standard de inspección. En este caso tome una muestra de tal tamaño que existan, en promedio, de 1
a 5 unidades fuera de los standards, y un total de 20 a 25 subgrupos.
3. Recopilación de datos
Los datos se pueden recopilar en una hoja como la que se muestra en el ejemplo
Tabla 2: Hoja de datos para gráficos Pn

Pn(número
Subgrupo Tamaño de
de unidades
Nº la muestra n
defectuosas
1 100 4
2 100 2
3 100 0
4 100 5
5 100 3
6 100 2
7 100 4
8 100 3
9 100 2
10 100 6
11 100 1
12 100 4
13 100 1
14 100 0
15 100 2
16 100 3
17 100 1
18 100 6
19 100 1
20 100 3
21 100 3
22 100 2
23 100 0
24 100 7
25 100 3
Total  n = 2500  pn = 68
72
Código:
Gráficas de control por número de no conformidades.
Introducción
Con las gráficas de no conformidades se controla el número de no conformidades presentes
en un producto. Existen dos tipos de gráficas: la gráfica del número de no conformidades (c) y la
gráfica del número de no conformidades por unidad.(u).
Objetivos
Los objetivos de las gráficas del número de no conformidades son las siguientes:
- Calcular el nivel de calidad promedio como punto de referencia o de inicio.

- Llamar la atención a la administración cuando se produce algún cambio en el promedio.
- Mejorar la calidad del producto. Una gráfica del número de no conformidades puede servir
por si sola como motivación al personal para mejorar la calidad. Aparte sirve para poner
en práctica ideas a favor de la mejora de la calidad y comprobar si la idea es buena o no.
- Evaluar el desempeño en la calidad del personal.
- Sugerir posibles aplicaciones de las gráficas x -R
- Saber si un producto es aceptable, antes de proceder a su envío.
Cómo Construir Una Gráfica C
El procedimiento para construir una gráfica c es el mismo que para una gráfica p.
1. Seleccione la(s) característica(s) de la calidad
El primer paso consiste en definir para qué se va a utilizar la gráfica de control. Como en el
caso de la gráfica p, podrá servir para controlar una sola característica de la calidad, un grupo de
características, una pieza, un producto en su totalidad o varios productos. También se puede emplear
para controlar el desempeño de un operario, de un centro laboral, un departamento, un turno, una
planta o una compañía.
2. Defina el tamaño del subgrupo y el método.
El tamaño de los subgrupos en la gráfica c es de una unidad inspeccionada. Una unidad

inspeccionada puede ser un aeroplano, una caja de latas de bebidas, una gruesa de lápices, 500
solicitudes de seguro médico, etc. La cantidad mínima de subgrupos conviene que sea de 25. El
método empleado para obtener la muestra puede ser por auditoría o directamente en la línea de
producción.
3. Recopile los datos
Los datos se recopilan mediante el número de no conformidades. En la tabla de abajo se ve

un ejemplo de una fábrica de canoas de plástico. En la tabla figura el número de no conformidades
por concepto de manchas e imperfecciones por número de serie de canoa. Generalmente se agrega
una columna donde se puede anotar cualquier comentario relacionado con el proceso, que luego
puede servir para identificar una causa asignable.
74
Código:
Número Conteo de no Comentario

de serie conformidades
MY102 7
MY113 6
MY121 6
MY 125 3
MY 132 20 Adherencia en molde
MY143 8
MY150 6
MY152 I
MY164 0
MY166 5
MY172 14
MY184 3
MY185 1
MY198 3
MY208 2
MY222 7
MY235 5
MY241 7
MY258 2
MY259 8
MY264 0
MY267 4
MY278 14 Larguero caído
MY281 4
MY288 5
Total: c = 141
4. Calcule la línea central y los límites de control
Las fórmulas para realizar los cálculos son las siguientes:
Límite de control superior:
UCL  c  3 c
Línea central
LC  c
c
c
k
Límite de control inferior:
LCL  c  3 c
c es el número promedio de no conformidades correspondiente a una cantidad de subgrupos

75
Código:
Gráfica Para El Número De No Conformidades Por Unidad

(Gráfica U).
La gráfica c se utiliza en los casos donde el tamaño del subgrupo es una unidad
inspeccionada. El tamaño de la unidad es cualquiera que satisfaga un objetivo determinado, pero el
tamaño deberá ser siempre constante.
Cuando hay situaciones en las que el tamaño del subgrupo es variable, la gráfica que hay que
emplear es la gráfica u. La gráfica u también se puede emplear cuando el tamaño del subgrupo es
constante.
La gráfica u se obtiene de la misma forma que la gráfica c: recopilación de 25 subgrupos

como mínimo, cálculo de la línea central y límites de control, trazado de la gráfica.
Las fórmulas que se emplean en este procedimiento son las siguientes:
Límite de control superior
u
UCL  u  3
n
Línea central
LC  u
c
u
n
u
c
n
Límite de control inferior
u
LCL  u  3
n
c = número de no conformidades de un subgrupo

n = número de unidades inspeccionadas en un subgrupo
u = número de no conformidades por unidad de un subgrupo
u = número promedio de no conformidades por unidad en el total de unidades inspeccionadas.
La tabla siguiente se empleará para mostrar un ejemplo de cálculo.
Se trata de los datos de determinado producto, siendo inspeccionado al final del día. Como la
producción diaria es variable, el tamaño de subgrupo es variable. Se recopilaron datos de cinco
semanas, para un total de 30 subgrupos.
Puesto que se trata de una muestra variable, el cálculo de los límites de control y los puntos u
debe hacerse para cada uno de los grupos.
77
Código:
No
Cantidad Cuenta de no
conformidades
Fecha inspeccionada conformidades UCL LCL
por unidad
N c
u
Ene. 30 110 120 1.09 1.51 0.89
31 82 94 1.15 1.56 0.84
Feb. 1 96 89 .93 1.53 0.87
2 115 162 1.41 1.50 0.90
3 108 I50 1.39 1.51 0.89
4 56 82 1.46 1.64 0.76
6 120 143 1.19 1.50 0.90
7 98 134 1.37 1.53 0.8
8 102 97 .95 1.53 0.87
9 115 145 1.26 1.50 0.90
10 88 128 1.45 1.55 0.85
11 71 83 1.16 1.59 0.81
13 95 120 1.26 1.54 0.86
14 103 116 1.13 1.52 0.88
15 113 127 1.12 1.51 0.89
16 85 92 1.08 1.56 0.84
17 101 140 1.39 1.53 0.87
18 42 60 1.19 1.70 0.70
20 97 12l 1.25 1.53 0.87
2l 92 108 1.17 1.54 0.86
22 100 131 1.31 1.53 0.87
23 115 119 1.03 1.50 0.90
24 99 93 .94 1.53 0.87
25 57 88 1.54 1.64 0.76
27 89 107 1.20 1.55 0.85
28 101 105 1.04 1.53 0.87
Mar. 1 122 143 1.17 1.49 0.91
2 105 132 1.26 1.52 0.88
3 98 100 1.02 1.53 0.87
4 48 60 1.25 1.67 0.73
Total: 2823 3389
El cálculo de la línea central es el siguiente:
u
 c  3389  1,2
 n 2823
El cálculo de los límites de control y el punto graficado, u, debe hacerse para cada uno de los
grupos. En el caso del 30 de enero son:
u 1,2
UCLEnero 30  u  3  1,2  3  1,51
n 110
u 1,2
LCLEnero 30  u  3  1,2  3  0,89
n 110
c 120
u Enero 30    1,09
n 110
Este cálculo se repite para los grupos restantes y los valores se consignan en la tabla
78
Código:
 Escriba cada idea propuesta en el rotafolio o pizarrón.

 Permita que las palabras o ideas estén visibles a todos todo el tiempo. De este modo se
favorecen nuevas ideas, pues cada persona puede basarse en ideas del resto para crear nuevas,
modificando o dando un giro nuevo a las anteriores.
 Escriba las palabras del que aporta la idea tal cual las diga; no las interprete a su manera.
 Sea breve; 5 a 15 minutos es suficiente.
Cumplida esta primera etapa, las ideas recogidas se numeran y clasifican por estricto orden
cronológico, sin indicar quien la propuso. En una segunda etapa, se procede a la evaluación. Una
metodología posible de evaluación consiste en armar una grilla en la que se cruzan "ideas obtenidas"
con "criterios de evaluación".
Los criterios de evaluación son los requerimientos básicos que las ideas deben satisfacer:
las condiciones indispensables que deben cumplir las ideas para ser tenidas en cuenta. Cada criterio
se pondera según un puntaje de "factibilidad" para cada idea. Se dejan de lado las ideas que no
logran el puntaje mínimo requerido. Las que superan el puntaje mínimo, serán las alternativas viables
para la solución del problema planteado. Un ejemplo de aplicación puede consultarse en
Administración y Estrategia (Hermida-Serra-Kastika), Casos, pag. 71 a 80.
Análisis De Campos De Fuerza

¿A qué nivel se logra el cambio? ¿A nivel personal o de la organización? Se trata de un
proceso dinámico que requiere el movimiento desde el “momento A” al “momento B” o de una
“condición X” a la “condición Y” , etc. ¿De dónde proviene la energía necesaria para generar este
"movimiento"? Uno de los enfoques considera que el cambio es el resultado de la lucha entre las
fuerzas que tratan de modificar el estado de las cosas. Esta es la opinión manifestada en el trabajo de
Kurt Lewin quien desarolló una técnica llamada "Análisis de Campos de fuerza". En su trabajo, Lewin
propuso que las “fuerzas conducentes" mueven la situación hacia el cambio mientras las “fuerzas de
resisrencia" bloquean el movimiento. Si no se produce un cambio, significa que las fuerzas opuestas
son iguales o que las "fuerzas de resistencia" son muy fuertes y no permiten el movimiento.
Consideremos por ejemplo el caso práctico de la “pérdida de peso":
Fuerzas conducentes Fuerzas de resistencia

Amenaza a la salud Amenaza a la salud
Obsesión cultural de ser delgado Falta de tiempo
Gran cantidad de modelos delgados Características genéticas
Vergüenza Familia y amigos poco comprensivos
Autoimágen negativa Falta de dinero para hacer ejercicio físico
Actitud positiva hacia el ejercicio Falta de interés
Falta de tentaciones Malos consejos
La ropa que queda chica Muchos años de malos hábitos alimenticios
Cantidad de azúcar en cualquiera de las comidas
preparadas
Si las fuerzas de resistencia son superiores a las fuerzas conducentes no habrá deseo de
cambio. En cambio es evidente que se logrará un cambio (pérdida de peso) si las fuerzas
conducentes son más fuertes que las indicadas en la columna de resistencia.
¿Por qué el Análisis de Campos de Fuerza ayuda a lograr el cambio?
80
Código:
1. Fuerza a las personas a pensar juntas sobre todas las facetas del cambio deseado y por lo tanto
alienta el pensamiento creativo.
2. Alienta a las personas a que logren un consenso sobre la prioridad relativa de los factores de
ambos lados de la "hoja de balance".
3. Proporciona un punto de comienzo para la acción.
¿Cómo se logra esta última tarea? El cambio puede ser enfocado tanto desde el punto de
vista de reforzar las “fuerzas conducentes" como desde el de reducir las “fuerzas de resistencia".
Cuando se enfatiza lo positivo a veces se obtiene el inesperado resultado de reforzar lo negativo. ¿Ha
presenciado alguna vez una situación en la cual se le dice a una persona repetidamente que '”X”, "Y"
o "Z" es malo para ella? En vez de lograr la mejoría deseada a veces se refuerza la resistencia. Ha
sido ampliamente demostrado que la táctica más efectiva consiste en disminuir o eliminar la fuerza de
resistencia. En nuestro ejempIo sería mucho más util tratar la “falta de tiempo" que recordarle a la
persona que la ropa "le queda chica".
Si se hace con honestidad el Análisis de Campos de Fuerza puede ser muy útil para el
pensamiento y una herramienta estratégica del cambio.
Gráfico Circular
Los Gráficos Circulares son simplemente gráficos en los cuales el círculo completo representa
el 100% (no los 360°) de los datos a ser mostrados. El círculo es dividido en partes de porcentaie que
claramente muestran la información. Este gráfico es tan útil como el de Pareto. El Gráfico Circular es
comúnmente usado pasa mostrar datos en la televsión o en los periódicos. Como en los otros
gráficos, asegúrese de marcar claramente el asunto en cuestión, fechas si fuera necesario, o los
porcentajes dentro de los partes o "rebanadas". así como lo que éstas representan.
GRAFICO CIRCULAR
Encuesta de Opiniones Sobre Peso
Muy delgados
6%
No les
importa
1%
Peso
adecuado
18%
400
Personas
Sobrepeso
75%
81
Código:
Estratificación:
La técnica llamada estratificación es a menudo muy útil en el análisis de datos para encontrar
oportunidades de mejorar. La estratificación ayuda a analizar aqueIlos casos en los cuales la
información oculta los hechos reales. A menudo, esto ocurre cuando los datos registrados proceden
de varias fuentes pero son tratados como un número.
Por ejemplo, en los datos sobre accidentes menores en una fábrica puede haberse registrado
en un sólo valor ascendente o descencente. Pero dicho valor representaría la suma total de todos los
accidentes:
- Por típo de accidente: cortes, quemaduras, etc.
- Por zona afectada: ojos, manos; etc.
- Por departamento: Mantenimiento, Despacho, etc.
La estratificación permite subdividir valores en categorias o clasificaciones significativas que

permitan concentrarse en la acción correctiva
Dept. A y B
Nº de accidentes por mes
40
35
30
25
20
15
10
5
0
E F M A M J
Dept. A Dept. B
Nº de accidentes por mes y
30
por departamento
25
20
15
10
5
0
E F M A M J
La estratificación permite subdividir valores en categorías o clasificaciones significativas que

permitan concentrarse en la acción correctiva.
82
Código:
Puntos a Considerar en el Procesamiento de Datos

 El propósito de la solución de problemas basados en los datos no es obtener cantidad sino
calidad en la información.
 La recolección y el uso adecuado de los datos reduce en gran manera conflictos interpersonales
que tienen lugar en los grupos.
 Los datos pueden ser usados para lo siguiente:
 entender la situación actual (buena o mala)
 regular o modificar el proceso
 aceptar o rechazar un producto o proceso
 Tener datos equivocados es peor que no tener datos.
 Los datos deberán estar basados en muestras aleatorias en las que cada evento tenga la misma
oportunidad de ser observado o seleccionado.
 Los datos deben de ser obtenidos consistentemente.
Como Evitar Errores Comunes
 No sesgue los resultados por el método de muestreo. Trate de obtener datos de muestras tan
aleatorias como sea posible, por ejemplo; no tome todas las piezas de la capa superior de la caja.
 No confunda los límites de control con los límites de especificación. Los límites de control son
determinados estadísticamente, mientras que los límites de especificación están basados en lo
que se necesita o se desea.
 No lo haga más complicado de lo necesario. Utilice la herramienta apropiada más simple.
 No recolecte ni demasiados ni muy pocos datos. No recolecte datos por una semana cuando lo
que necesita es de un solo día o viceversa.
 No complique los gráficos. Manténgalos simples y claros de tal forma que el mensaje llegue
observador.
 No confunda muestras con pobIación.
 No interprete a ciegas los gráficos de la misma manera en situaciones diferentes. Use sentido
común; por ejemplo, bajo el principio de Pareto, la frecuencia de ocurrencia puede no siempre ser
la más sigificativa.
 No se detenga en estadística elemental, obtenga más evidencias de soporte: por ejemplo,

encuentre no solo el promedio sino también el rango o la desviación normal.
 No dude en buscar ayuda cuando una situación le parezca compleja o confusa. Muchas
compañías actualmente tienen estadísticas profesionales que pueden ayudarlo a reunir y a
analizar información en la manera más efectiva y eficiente posible.
83
Código:
La Capacidad del Proceso

La capacidad real de un proceso no se puede calcular sino hasta que las gráficas x y R han
logrado obtener la mejora óptima de la calidad sin necesidad de hacer una considerable inversión en
equipo nuevo o en adaptación de éste. La capacidad del proceso es igual a 6 cuando el proceso
está bajo control estadístico.
Con frecuencia es necesario obtener la capacidad del proceso mediante un procedimiento

rápido, en vez de usar las gráficas x y R. Para emplear este tipo de método se da por sentado que el
proceso está bajo control estadístico, lo que puede o no ser el caso en la realidad. El procedimiento
es el siguiente:
1. Tome 20 subgrupos, cada uno de tamaño 4, con un total de 80 mediciones.
2. Calcule la desviación estándar de la muestra, s, de cada uno de los subgrupos.
3. Calcule la desviación estándar promedio de la muestra,
s
s
g
4. Calcule el valor de la desviación estándar de la población.
s
 
c4
en donde c4 se localiza en la tabla B y su valor para n = 4 es de 0,9213.
5. La capacidad del proceso será igual a 6.
No hay que olvidar que mediante esta técnica no se obtiene la capacidad real del proceso,
por lo que habrá que recurrir a ella sólo si las circunstancias justifican su empleo. Por otra parte, es
posible emplear más de 20 subgrupos para lograr mayor exactitud.
Ejemplo:
Se está empezando a poner en marcha un nuevo proceso y la suma de las desviaciones
estándar muestra de 20 subgrupos, cada uno de tamaño 4, es de 84. Calcule la capacidad del
proceso.
s
 s  84  4,2
g 20
s 4,2
   4,56
c4 0,9213
6 = 6 · 4,56 = 27,4
84
Código:
La capacidad del proceso también se puede obtener mediante el rango. Se supone que existe
un control estadístico del proceso. El procedimiento es el siguiente.
1. Tome 20 subgrupos, cada uno de tamaño 4, y un total de 80 mediciones.
2. Calcule el campo de valores, R, de cada subgrupo.
3. Calcule el campo promedio,
R
R
g
4. Calcule el valor de la desviación estándar de la población
R

d2
donde d2 se obtiene de la tabla B y si n = 4, su valor es de 2,059
5. La capacidad del proceso será igual a 6.
El empleo de más de 20 subgrupos permitirá mejorar la exactitud.
Se puede elegir entre usar el método de la desviación estándar o el del rango. Hay que
construir un histograma para representar gráficamente la capacidad del proceso. En realidad se
necesita un mínimo de 50 mediciones para armar un histograma. Por lo tanto, los histogramas que se
obtuvieron a partir de los mismos datos utilizados para calcular la capacidad del proceso deberán
bastar para lograr una adecuada representación del proceso en ese momento.
Ejemplo:
Un proceso no satisface en un momento determinado las especificaciones Rockwell-C.
Calcule la capacidad del proceso tomando como base los valores del rango de 20 subgrupos, cada
uno de tamaño 4. Los datos son: 7, 5, 5, 3, 2, 4, 5, 9, 4, 5, 4, 7, 5, 7, 3, 4, 7, 5, 5 y 7.
R
 R  103  5,15
g 20
R 5,15
   2,5
d 2 2,059
6 = 6 · 2,5 = 15
85
Código:
Fig 1: Planilla para el trazado de Gráficos de Control
90
Código:
91
Código:
92

Herramientas de La Calidad

Cargado por

Información del documento

Derechos de autor

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Herramientas de La Calidad

Cargado por

Copyright:

UNIVERSIDAD TECNOLÓGICA

Edición Junio de 2014

Ingeniería Electromecánica EDICIÓN N ° 1 REVISIÓN N° 0

OTRAS CÁTEDRAS DONDE SE APLICA:

- CÁTEDRA DE ORGANIZACIÓN INDUSTRIAL – - DEPTO ELECTROMECÁNICA

UNIVERSIDAD TECNOLOGICA NACIONAL – FACULTAD REGIONAL RESISTENCIA

La estadística en general, y las herramientas básicas que se verán en adelante, en particular,

La variabilidad y el pensamiento estadístico

Medidas de tendencia central

Medidas de dispersión o variabilidad

Desviación estándar poblacional o del proceso, σ. Si para calcular la desviación estándar se

A partir de la tabla se obtiene:

Marca A: S = 7,23; R = 31;

Marca B: S = 3,68; R = 16.

Marca A: 502,3 - 3(7,23) = 480,61; 502,3 + 3(7,23) = 523,99

Marca B: 498,1 - 3(3,68) = 487,06; 498,1 + 3(3,68) = 509,14

La recogida de datos puede servir para:

¿De donde se obtienen los datos?.

 Obtener los datos de una manera consistente y honesta.

 Asegúrese de que se ha dedicado el tiempo necesario para esta labor

Consejos para la elaboración en interpretación de las hojas de inspección

 Asegúrese de que las muestras/observaciones sean representativas.

Ejemplo de Manufactura: Tipos de defectos

Tamaño erróneo //// / //// //// /// //// // 26

Ejemplo de Administración/Servicios: Errores mecanográficos en el departamento A

Deletreo //// // //// //// / //// 23

Puntuación //// //// //// //// //// //// //// //// 40

Nros. Equivocados /// //// /// 10

Ejemplo de la vida diaria: Razones de desacuerdo

Dinero //// // / //// //// / 20

Niños //// // //// // / //// 19

Grilla de las Tres Dimensiones

c) La tendencia está relacionada con la evolución del problema.

 Si no hacemos nada, ¿la situación tiende a empeorar, mejorar o mantenerse estacionaria?

TEMA/PROBLEMA GRAVEDAD URGENCIA TENDENCIA

Rotura del extremo de dirección A A M

Filamento de lámpara quemado B M M

Cuando se trate de un grupo recién formado se considerará también la facilidad de solución.

El símbolo de actividad es un rectángulo, en el cual se hace una breve descripción

El símbolo de decisión es un rombo con el que se indica un punto de decisión a

El símbolo de terminal en un rectángulo redondeado que se utiliza indistintamente

El símbolo de documento representa el correspondiente documento utilizado en el

El conector es un círculo que se utiliza para indicar la continuación de un diagrama

Una forma de empezar es:

Consejos para la elaboración e interpretación de diagramas de flujo:

 Definir claramente los límites del proceso

Material que entra

Ejemplo de Administración/Servicios: Proceso de Radiología

Un médico del Serv.

¿Fue Llamar al Serv. de

Ejemplo de la vida diaria:

Ajustar ¿Es buena No

¿Cómo construir un Diagrama de Pareto?

Paso 3: Completar la hoja de anotaciones y calcular los totales.

Paso 6: Trazar el diagrama: dibuje dos ejes verticales y uno horizontal

El diagrama se completa con las leyendas y cantidades pertinentes a la información relevada.

A continuación un ejemplo de las hojas de anotaciones y datos y del Diagrama de Pareto en

Tipo de defecto Cuenta Total

Rajadura //// //// 10

Raspón //// //// //// / / / / …. //// // 42

Veta //// //// //// //// ……. //// //// 104

Porosidad //// //// //// //// 20

Otros //// //// //// 14

Cantidad de Porcentaje del Porcentaje

Otros 14 200 7 100

Total 200 - 100 -

Costo de Rectificación de Quejas en el Campo: