Está en la página 1de 90

CONTROL ESTADÍSTICO DE CALIDAD

UNIDAD 1: TEORÍA GENERAL DE LA CALIDAD Y


HERRAMIENTAS BÁSICAS
1.1 EVOLUCIÓN

Previo a la conformación de los primeros grupos humanos organizados de


importancia, las personas tenían pocas opciones para elegir lo que habrían de comer,
vestir, en donde vivir y como vivir, todo dependía de sus habilidades en la cacería y en
el manejo de herramientas, así como de su fuerza y voluntad, el usuario y el primitivo
fabricante eran, regularmente, el mismo individuo.
La calidad era posible definirla como todo aquello que contribuyera a mejorar las
precarias condiciones de vida de la época prehistórica, es decir, las cosas eran valiosas
por el uso que se les daba, lo que era acentuado por la dificultad de poseerlas.
Conforme el ser humano evoluciona culturalmente y se dinamiza el crecimiento de los
asentamientos humanos, la técnica mejora y comienzan a darse los primeros esbozos
de manufactura; se da una separación importante entre usuario o cliente y el
fabricante o proveedor.
La calidad se determinaba a través del contacto entre los compradores y lo
vendedores, las buenas relaciones mejoraban la posibilidad de hacerse de una mejor
mercancía, sin embargo, no existían garantías ni especificaciones, el cliente escogía
dentro de las existencias disponibles.
Conforme la técnica se perfecciona y las poblaciones se transforman poco a poco en
pueblos y luego en ciudades de tamaño considerable, aparecen los talleres de
artesanos dedicados a la fabricación de gran variedad de utensilios y mercancías, cada
taller se dedicaba a la elaboración de un producto, eran especialistas en ello y basaban
su prestigio en la alta calidad de sus hechuras, las que correspondían a las necesidades
particulares de sus clientes. En esta etapa surge el comerciante, sirviendo de
intermediario entre el cliente y el fabricante.

El ser humano hace su aparición en la Tierra y utiliza su inteligencia (imaginación,


creatividad, y esfuerzo para satisfacer sus necesidades y facilitar su trabajo. Descubre el
fuego y la agricultura, domestica animales, aprende a montar. Se va acostumbrando a
la innovación, inventa la rueda y aprende a usar la rienda en la antigüedad.

SIGLO XV Los habitantes de los artesanos se desarrollan ampliamente se convierten en


maestros y fomentan los normas estéticas y arquitectónicas (renacimiento)

SIGLO XVII Aparecen en Europa las escuelas de artes y oficios.

Artesanos --- Maestros aprendices --- alumnos

Aparecen en Europa las escuelas de artes y oficios


Siglo XV ---- artesanos --- maestros

SIGLO XIX Se inventa la maquina de vapor, se revolucionan las formas de trabajo y los
métodos de producción. La revolución Industrial transforma los aprendices se vuelven
operadores de maquinas y los maestros capaces o mayordomos.

SIGLO XX: 1918 La producción especializada y en serie empobrece la función del


aprendiz (operador). Su objetivo es sólo producir buenos productos. Los mayordomos
califican el trabajo de los operadores.

1924 WALTER A. SHEWHART Introduce una forma de reporte de defectos de


producción basado en el teorema del limite central (Control Estadístico de Calidad).

1928 ELTON MAYO lleva a cabo experimentos tendientes a estimular la productividad


de los trabajadores en empresa WESTERN ELECTRIC COMPANY.

1931 Aparece la publicación de calidad “CONTROL DE CALIDAD ECONÓMICO DE


PRODUCTOS MANUFACTURADOS”

1937 El término inspector de Control de Calidad aparece por primera vez en la


industria WESTERN ELECTRIC COMPANY.

1938 SHEWART publicó su segundo libro sobre Calidad “Métodos Estadísticos” desde el
punto de vista de Control de Calidad.

1939 Durante la segunda guerra mundial (1939–1945) los Estados Unidos fabrican
materiales como apoyo a los aleados europeos. Para ello se crearon mundiales básicos
de Calidad para la armada (MILITAR STANDAR) desarrollados por HAROLD DOGGE y
HARRY ROMING y MARY TORREY.

1942 Estados Unidos entra a la segunda guerra mundial y utiliza las tablas de muestreo
DODGE-ROMING en la fabricación de pertrechos de guerra.

1945 Se firma el acuerdo de rendición de Japón terminan la edad de control estadístico


de Calidad en Estados Unidos y Europa.

1946 Se crea el Juse (Japanese Union of scientist and engineers)

1950 Deming visita Japón y da la conferencia “Control Estadístico del Proceso” a


industrias Japonesas.

1951 Deming visita Japón por segunda vez e imparte la conferencia “Control de Calidad
e investigación de Mercados”

1953 La importancia de la Calidad empieza a tener eco en Japón.


1954 Joseph M Juran visita por primera vez Japón y da su conferencia de
administración de la Calidad, destacando la participación del elemento humano.

Kaoru Ishikawa establece el respeto a la humanidad como filosofía y establece su


método de solución de problemas conocido como “diagrama de causa efecto” o (Fish
Bone).

1960 aparece el concepto “Cero Defectos” iniciando por PHILIP CROSBY.

1964 En Japón se adopta el concepto “CERO DEFECTOS” como un estándar de


desempeño no como un diagrama.

1970 Surge el concepto de “Control total de la Calidad” en Japón. Produce artículos de


excelente Calidad y son conocidos a nivel mundial naciendo el actual líder industrial y
económico de la segunda mitad del siglo XX.

1980 El control total de Calidad ingresa a México a través de las empresas Gillette,
Ericson, Champión y algunas industrias automotrices.

Los gurús de nuestros días


Los gurús de esta nueva etapa idealizan las funciones y dinámica de la organización
para insertarlas en un nuevo modelo de comportamiento, relaciones y disciplinas.
Entre estos tenemos:

W. EDWARDS DEMING (1900-1993)

William Edwards Deming nació en 1900 en Wyoming, E.U., se dedicó a trabajar sobre el
control estadístico de la calidad. Japón asumió y desarrollo los planteamientos de
Deming, y los convirtió en el eje de su estrategia de desarrollo nacional. En 1950 W.
Edward Deming visitó Japón, dando conferencias sobre Control de Calidad. A dichas
conferencias asistieron un grupo numeroso y seleccionado de directivos de empresas
para crear las bases sobre las que instaurar el Premio Deming, premiando a aquellas
instituciones o personas que se caracterizaran por su interés en implantar la calidad.

JOSEPH MOSES JURAN (1904-199)


Nace en Rumania en 1904 y es otra de las grandes figuras de la calidad. Se traslada a
Minnesota en 1912. Es contemporáneo de Deming. Después de la II Guerra Mundial
trabajó como consultor. Visita Japón en 1954 y convierte el Control de la Calidad en
instrumento de la dirección de la empresa. Imparte su conferencia sobre: "Gestión
Sistemática del Control de Calidad". Se le descubre a raíz de la publicación de su libro,
desechado por otras editoriales: "Manual de Control de Calidad". Su fundamento
básico de la calidad, es que sólo puede tener efecto en una empresa cuando ésta
aprende a gestionar la calidad.

KAORU ISHIKAWA (1915-)

El representante emblemático del movimiento del Control de Calidad en Japón es el Dr.


Kaoru Ishikawa. Nacido en 1915, se graduó en la Universidad de Tokio el año 1939 en
Química Aplicada. Fue profesor en la misma Universidad, donde comprendió la
importancia de los métodos estadísticos, ante la dispersión de datos, para hallar
consecuencias. Desarrolla el Diagrama Causa-Efecto como herramienta para el estudio
de las causas de los problemas.
Parte de que los problemas no tienen causas únicas, sino que suelen ser, según su
experiencia, un cúmulo de causas. Sólo hay que buscar esta multiplicidad de causas,
colocarlas en su diagrama.

PHILIP B. CROSBY (1926-2001)


Philip Crosby nació en Wheeling, Virginia el 18 de junio de 1926. Entre su participación
en la Segunda Guerra Mundial y Corea, Philip Crosby comenzó su trabajo como
profesional de la calidad en 1952 en una escuela médica. La carrera de Philip Crosby
comenzó en una planta de fabricación en línea donde decidió que su meta sería
enseñar administración en la cual previniendo problemas sería más provechoso que
ser bueno en solucionarlos. Formo la Crosby Associates, Inc. (PCA), y durante diez años
siguientes la convirtió en una organización con 300 empleados y con $80 millones de
dólares en ganancias.

GENICHI TAGUCHI (1924-)

El Dr. Genichi Taguchi nació en Japón en 1924, graduándose en la Escuela Técnica de la


Universidad Kiryu, su principal etapa profesional ha sido dentro de la Electrical
Communication Laboratory (ECL) de la Nippon Telephone and Telegraph Co. (1948-
1961) en donde se enfocó a la mejora de la productividad en la investigación y
desarrollo. En sus métodos emplean la experimentación a pequeña escala con la
finalidad de reducir la variación y descubrir diseños robustos y baratos para la
fabricación en serie, reduciendo los tiempos de investigación, desarrollo y entrega del
diseño.

SHIGEO SHINGO (1909-1990)

Nació en Japón en 1909, Shigeo Shingo tal vez no es tan conocido en Occidente como
Ishikawa y Taguchi, aunque la incidencia de su trabajo, especialmente en Japón, ha sido
inmensa. Después de graduarse en Ingeniería Mecánica en la Escuela Técnica
Yamanahsi en 1930, se incorporó a la Fábrica de Ferrocarriles Taipei, en Taiwán, donde
introdujo los métodos de gestión científica.
Es interesante advertir que los sistemas poka-yoke, al utilizar dispositivos que evitan la
aparición de defectos, obvian la necesidad de medición. En general, los sistemas poka-
yoke comprenden dos fases: el aspecto de detección y el aspecto de regulación.

Los catorce pasos hacia el "cero defectos" de crosby


Denominados para que la administración conduzca a la organización a una posición
productiva y competitiva. En los años 60’s, Philip B. Crosby propuso un programa de 14
pasos a los que denominó “cero defectos”, a través de los cuales hizo entender a los
directivos que cuanto se exige perfección ésta puede lograrse, pero para hacerlo la alta
gerencia tiene que motivar a sus trabajadores (Crosby:1979). De esta forma planteaba
la importancia de las relaciones humanas en el trabajo.

1.2 CONCEPTOS E IMPORTANCIA DE LA CALIDAD

La función del control de calidad existe primordialmente como una organización de


servicio, para interpretar las especificaciones establecidas por la ingeniería del
producto y proporcionar asistencia al departamento de fabricación, para que la
producción alcance estas especificaciones. Como tal, la función consiste en la colección
y análisis de grandes cantidades de datos que después se presentan a diferentes
departamentos para iniciar una acción correctiva adecuada.

Para comprender bien cada función es necesario conocer el concepto de calidad, la


calidad del producto es en muchos aspectos, una característica intangible. La calidad la
establece esencialmente el cliente, y se procura que el diseño y la fabricación del
producto para la venta, satisfaga estos requerimientos.

Estos requerimientos de calidad del cliente los interpreta el ingeniero del producto
quién establece las especificaciones y marca las tolerancias. La ingeniería del proceso
es la responsable de la especificación de las operaciones así como del diseño y
consecución del equipo, lo cual hará que el producto cumpla con las especificaciones.
El departamento de fabricación utiliza este equipo para producir y la función de control
de calidad asegura que el producto se fabrique conforme a las especificaciones.

La calidad es una medida relativa de la bondad del producto y los estándares de calidad
pueden fluctuar dependiendo de los requerimientos del consumidor. la calidad se
puede definir como el valor que el cliente tiene por algún producto o la necesidad de la
adquisición de ese producto.

El Control de la Calidad se posesiona como una estrategia para asegurar el


mejoramiento continuo de la calidad. Programa para asegurar la continua satisfacción
de los clientes externos e internos mediante el desarrollo permanente de la calidad del
producto y sus servicios.
1.3 COSTOS DE CALIDAD

¿Que es un costo de calidad? No hay visión uniforme de lo que es costo de calidad y lo


que debe ser incluido bajo este término. Las ideas acerca del costo de calidad han
venido evolucionando rápidamente en los últimos años. Anteriormente era percibido
como el costo de poner en marcha el departamento de aseguramiento de la calidad, la
detección de costos de desecho y costos justificables. Actualmente, se entienden como
costos de calidad aquéllos incurridos en el diseño, implementación, operación y
mantenimiento de los sistemas de calidad de una organización, aquéllos costos de la
organización comprometidos en los procesos de mejoramiento continuo de la calidad,
y los costos de sistemas, productos y servicios frustrados o que han fracasado al no
tener en el mercado el éxito que se esperaba. Si bien es cierto que existe costos
ineludibles, debido a que son propios de los procesos productivos o costos indirectos
para que éstos se realicen, algunos autores, además de estas erogaciones, distinguen
otros dos tipos de costos; el costo de calidad propiamente dicho, que es derivado de
los esfuerzos de la organización para fabricar un producto o generar un servicio con la
calidad ofrecida, el “costo de la no calidad”, conocido también como el “precio del
incumplimiento” o el costo de hacer las cosas mal o incorrectamente. Este último lo
definen como aquellas erogaciones producidas por ineficiencias o incumplimientos, las
cuales son evitables, como por ejemplo: reprocesos, desperdicios, devoluciones,
reparaciones, reemplazos, gastos por atención a quejas y exigencias de cumplimiento
de garantías, entre otros. Por otra parte, otros incluyen a ambos bajo el concepto de
costo de calidad. Bajo esta óptica, los costos relativos a la calidad pueden involucrar a
uno o más departamentos de la organización, así como a los proveedores o servicios
subcontratados, al igual que a los medios de entrega del producto o servicio. Esto
significa que no están exentas de responsabilidad las áreas de ventas, mercadotecnia,
diseño, investigación y desarrollo, compras, almacenamiento, manejo de materiales,
producción, planeación, control, instalaciones, mantenimiento y servicio, etc. De ahí
que, en la medida en que vea más ampliamente el costo de calidad, dependerá su
importancia y peso específico dentro de la administración de un negocio o su impacto
en los procesos de mejoramiento tendientes a la calidad total.

¿Por que son importantes los costos de calidad? El costo de la calidad no es


exclusivamente una medida absoluta del desempeño, su importancia estriba en que
indica donde será más redituable una acción correctiva para una empresa. En este
sentido, varios estudios, autores y empresas señalan que los costos de calidad
representan alrededor del 5 al 25 % sobre las ventas anuales. Estos costos varían según
sea el tipo de industria, circunstancias en que se encuentre el negocio o servicio, la
visión que tenga la organización acerca de los costos relativos a la calidad, su grado de
avance en calidad total, así como las experiencias en mejoramiento de procesos.
Alrededor del 95% de los costos de calidad se desembolsan para cuantificar la calidad
así como para estimar el costo de las fallas. Estos gastos se suman a valor de los
productos o servicios que paga el consumidor, y aunque este último sólo los percibe en
el precio, llegan a ser importantes para él, cuando a partir de la información que se
obtiene, se corrigen las fallas o se disminuyen los incumplimientos y reprocesos, y a
consecuencia de estos ahorros se disminuyen los precios. Por el contrario cuando no
hay quien se preocupe por los costos, simplemente se repercuten al que sigue en la
cadena (proveedor-productor-distribuidor-intermediario-consumidor), hasta que surge
un competidor que ofrece costos inferiores. Muchos de nosotros hemos presenciado
cuando por ejemplo un abarrotero devuelve al proveedor mercancía dañada o en mal
estado, y el proveedor diligentemente la acepta para su reemplazo; en lo que no
siempre recapacitamos, es en que, el costo de esas devoluciones, que implica el
regresar o destruir esas mercancías, el papeleo y su reposición al abarrotero, lo
pagamos finalmente todos los clientes.

MEDICIÓN DE COSTOS DE CALIDAD

Generalmente la medición de costos de calidad se dirige hacia áreas de alto impacto e


identificadas como fuentes potenciales de reducción de costos. Aquéllas que permiten
cuantificar el desarrollo y suministran una base interna de comparación entre
productos, servicios, procesos y departamentos. La medición de los costos relativos a la
calidad también revela desviaciones y anomalías en cuanto distribuciones de costos y
estándares, las cuales muchas veces no se detectan en las labores rutinarias de análisis.
Por último, y quizás sea el uso mas importante, la cuantificación es el primer paso hacia
el control y el mejoramiento.

COSTOS, CALIDAD, INVERSIONES Y MEJORAMIENTO

Existe una alta relación entre costos, calidad, inversiones y mejoramiento,


especialmente mejoramiento de la calidad. De ahí que la clasificación de costos mas
utilizada esté referida fundamentalmente a tres categorías: prevención, valoración o
cuantificación y fallas/fracasos. Las ventajas de esta particular categorización son,
primeramente que están universalmente aceptadas; segundo, cubre la mayoría de las
clases de costos, y tercero, la más importante, suministra un criterio generalizado que
ayuda a precisar de que costo se trata, en donde se ubica y si es relacionado con la
calidad. Con el propósito de favorecer una acercamiento mayor a las decisiones de
negocios, a esta clasificación, se han sumado otros elementos a ponderar, como son:
los proveedores, la propia empresa y los consumidores. Muchos de los costos posventa
y posgarantía, pueden ser incluidos bajo estos rubros. Estas clasificaciones son
enunciativas, mas no exhaustivas, ya que los costos de calidad siempre estarán en
función del propósito al que responden. En este sentido lo recomendable es que los
costos que se identifiquen propicien la acción y la toma de decisiones que deriven en el
mejoramiento continuo especialmente de los productos, procesos, servicios y
proveedores. A fin de auxiliar en la identificación de las categorías principales, a
continuación se presentan de manera desagregada.

COSTOS DE PREVENCIÓN
Son el costo de todas las actividades llevadas a cabo para evitar defectos en el diseño y
desarrollo; en las compras de insumos, equipos, instalaciones y materiales; en la mano
de obra, y en otros aspectos del inicio y creación de un producto o servicio. Se incluyen
aquellas actividades de prevención y medición realizadas durante el ciclo de
comercialización, son elementos específicos los siguientes: • Revisión del diseño . •
Calificación del producto. • Revisión de los planos. • Orientación de la ingeniería en
función de la calidad. • Programas y planes de aseguramiento de la calidad. •
Evaluación de proveedores. • Capacitación a proveedores sobre calidad. • Revisión de
especificaciones. • Estudios sobre la capacidad y potencialidad de los procesos. •
Entrenamiento para la operación. • Capacitación general para la calidad. • Auditorías
de calidad a mantenimiento preventivo.

COSTOS DE EVALUACIÓN O CUANTIFICACIÓN DE LA CALIDAD:

Se incurre en estos costos al realizar: inspecciones, pruebas y otras evaluaciones


planeadas que se usan para determinar si lo producido, los programas o los servicios
cumplen con los requisitos establecidos. Se incluyen especificaciones de
mercadotecnia y clientes, así como los documentos de ingeniería e información
inherente a procedimientos y procesos. Son elementos específicos los siguientes: •
Inspección y prueba de prototipos. • Análisis del cumplimiento con las
especificaciones. • vigilancia de proveedores. • Inspecciones y pruebas de recepción. •
Actividades para la aceptación del producto. • Aceptación del control del proceso. •
Inspección de embarque. • Estado de la medición y reportes de progreso. • COSTOS DE
FALLA/FRACASO Están asociados con cosas que no se ajustan o que no se desempeñan
conforme a los requisitos, así como con los relacionados con incumplimientos de
ofrecimientos a los consumidores, se incluyen todos los materiales y mano de obra
involucrada. Puede llegarse hasta rubros relativos a la pérdida de confianza del cliente.
Los rubros específicos son: • Asuntos con el consumidor (reclamaciones, demandas,
atención de quejas, negociaciones, etc.). • Rediseño. • Ordenes de cambio para
Ingeniería o para Compras. • Costos de reparaciones. • Aplicación de garantías. COSTO
DE CALIDAD/PRECIO DEL INCUMPLIMIENTO. Otra forma de ver el costo de calidad se
denomina precio del incumplimiento: lo que cuesta hacer las cosas mal. Bajo este
enfoque los gastos del precio del incumplimiento comprenden: • Reproceso. •
Servicios no planificados. • Repeticiones de la computadora. • Excesos de inventario. •
Administración ( o manejo) de quejas. • Tiempo improductivo. • Retrabajos. •
Devoluciones. En síntesis, el precio del incumplimiento es el costo del desperdicio:
tiempo, dinero y esfuerzo. Es un precio que no es necesario pagar.

TÉCNICAS DE CÁLCULO. Existen algunas técnicas para calcular el costo de la no calidad


o el precio del incumplimiento. Entre las más importantes están: • Partidas contables. •
Precio por persona • Mano de obra asignada. • Precio por defecto. • Desviación de lo
ideal.

Partidas Contables. Esta técnica utiliza la lista de cuentas o el libro mayor de


contabilidad de la empresa, la división o el departamento, para localizar las cuentas
que representan el costo de hacer las cosas mal. Por ejemplo: en el caso de un banco,
serían costos por créditos incobrables, en otro tipo de empresas, serían los pagos por
incapacidades derivadas de accidentes de trabajo.

Precio por Persona. Esta técnica se utiliza básicamente para calcular el costo de tener
puestos cuya única actividad esta en función de corregir o enmendar lo defectuoso. Tal
es el caso de: administradores o personal que atiende las quejas y reclamaciones,
puestos destinados a efectuar reprocesos, entre otros.

Mano de Obra Asignada. Comprende el cálculo de las horas-hombre y otros gastos que
implica una tarea específicamente dirigida a la detección y/o corrección de defectos u
errores, por ejemplo: • El costo del tiempo empleado para rastrear errores. • El costo
del tiempo empleado para encontrar un defecto o una falla. • El costo del tiempo
empleado en explicar a un proveedor los problemas encontrados en el material
suministrado. Cuando se utiliza esta técnica para calcular el costo por mano de obra, es
importante considerar todas las erogaciones, incluyendo prestaciones y otros gastos
generales relacionados con el empleo de dicho personal.

Precio por Defecto. Esta técnica es particularmente útil cuando hay múltiples
incidentes. El precio por defecto implica tomar el costo promedio de un
incumplimiento y después multiplicarlo por el número de incumplimientos. Un ejemplo
del precio por defecto sería determinar el costo promedio que implica la captura de
información de pedidos de un cliente y después multiplicarlo por el número de
recapturas o correcciones por errores en la captura inicial.

Desviación de lo Ideal. La desviación de lo ideal puede utilizarse para comparar cuánta


energía o materia prima está consumiendo un proceso actualmente, contra la cantidad
para la que estaba diseñado consumir. A continuación se presenta un listado de
conceptos mas usuales de costos de no calidad: • Administración de quejas. •
Ausentismo. • Aviso de cambios de ingeniería. • Costo por perjuicio. • Costo por
reclamaciones de los clientes. • Cuentas incobrables. • Cuentas por cobrar vencidas. •
Demandas por incumplimientos. • Desperdicios. • Devoluciones. • Energía
desperdiciada. • Errores de diseño. • Errores de facturación. • Errores de impresión. •
Errores de perforista. • Errores de procesamiento de datos. • Exceso de inventario. •
Fletes especiales. • Garantías. • Mantenimiento correctivo. • Mermas. • Multas y
recargos. • Reconciliación de cuentas. • Rediseños. • Repeticiones de la computadora.
• Separar lo bueno de lo malo. • Servicios no planificados. • Tiempo improductivo. •
Tiempo extra no planificado. • Etc.

CONSIDERACIONES FINALES. A medida que se profundiza en el costo de la calidad


inevitablemente se tiene que avanzar en tres ámbitos: • 1. La naturaleza del sistema
contable de la compañía, a fin de que las cuentas utilizadas respondan a los
requerimientos de información para la calidad. • 2. La identificación de todos los costos
asociados con la función de calidad así como los reportes paralelos que apoyan a otras
funciones. • 3. El concepto de un óptimo para los costos de calidad. Bajo esta
orientación, las dos fases más convenientes de un programa de mejora de costos de
calidad serían las siguientes: • a) Estimar los costos de calidad de un momento dado, a
fin de utilizar la información para justificar un programa de mejora de costos de
calidad, y reducción de sus propios costos. • b) Medir los costos de calidad y
difundirlos, buscando que su conocimiento por parte de los directivos estimule la toma
de decisiones y la conciencia de aquéllos que deben ser evitados.

TIPOS DE COSTOS DE CALIDAD MÁS USUALES:

Costos por fallas internas.


Son aquellos que resultan de calidad no satisfactoria que se detecta antes de la
entrega de un producto al cliente, y por tanto son aquellos costos resultados de la falla,
defecto o incumplimiento de los requisitos establecidos de los materiales, elementos,
partes, semiproductos, productos o servicios, y cuya falla y/ o defecto es detectado
dentro de la empresa antes de la entrega del producto o servicio al cliente.

Desechos. Pérdida neta en mano de obra y materiales resultante de defectos que no


pueden ser utilizados ni reparados económicamente.
Trabajos de reelaboración. Costos de corregir defectos a fin de hacer los productos
aptos para el uso. A veces esta clase de costos es ampliada para incluir operaciones
extras creadas previstas para fines similares.
Doble ensayo. Costo de la segunda inspección o ensayo de los productos que han
tenido que ser reelaborados o reparados.
Tiempo de paro. Costo de las instalaciones paradas a consecuencia de defectos (p. e.,
máquinas impresoras rotativas paradas debido a rotura de papel, aviones parados
debido a la infiabilidad).
Pérdidas de rendimiento. Costos por rendimientos bajos en procesos que los podrían
tener más altos mejorando los controles. Incluye el “sobrellenado” de envases (que van
a clientes) debido a la variabilidad en el equipo de llenado y medición.
Gastos de disposición. Esfuerzo requerido para determinar si los productos no
conformes son utilizables y decidir su disposición final.

Costos por fallas externas.


Son los costos resultados de la falla, defecto o incumplimiento de los requisitos de
calidad establecidos y cuya existencia se pone en manifiesto después de su embarque y
entrega al cliente.
Atención de reclamaciones. Todos los costos de investigación y atención de quejas
justificadas atribuibles a productos o instalación defectuosos.
Material devuelto. Todos los costos asociados a la recepción y sustitución de productos
defectuosos devueltos a los proveedores.
Gastos de Garantía. Todos los costos implicados en el servicio a los clientes de acuerdo
a los contratos de garantía.
Concesiones. Costos de negociaciones hechas a clientes debido a productos fuera de
norma que son aceptados por el cliente como tales. Incluyen pérdidas en ingresos
debido a productos degradados para la venta como de “segunda”.

Costos de Evaluación
Son aquellos en que se incurre por mantener niveles de calidad mediante medición y
análisis de datos con objeto de detectar y corregir problemas, es decir, son los costos
en que incurre la empresa, destinada a medir, verificar evaluar la calidad de materiales,
partes, elementos, productos, y/ o procesos, así como para mantener y controlar la
producción dentro de los niveles y especificaciones de la calidad, previamente
planeados y establecidos por el sistema de calidad y las normas aplicables.

Verificación de la recepción. Costo de determinar la calidad de los productos de los


proveedores, sea por inspección a su recepción, por inspección en origen u otros
métodos de vigilancia.
Inspección y Prueba. Costos de controlar la conformidad del producto a todo lo largo
de su proceso de fabricación, incluyendo la aceptación final y el control de embalaje y
expedición. Incluye los ensayos de vida útil, ambientales y de fiabilidad. También
ensayos hechos por exigencia del cliente antes de enviar el producto a éste.
Mantenimiento de la precisión del equipo de prueba. Incluye el costo operativo del
sistema que mantiene calibrados los instrumentos y equipo de medición.
Materiales y servicios consumidos. Incluye el costo de los productos consumidos en las
pruebas destructivas, materiales consumidos, cuando sean importantes.
Evaluación de existencias. Incluye los costos de probar productos almacenados en
destino o en los propios almacenes para evaluar su posible degradación.

Costos de Prevención.
Son aquellos que se generan en un esfuerzo por evitar que haya productos que no
cumplan con las normas y que no lleguen al cliente, es decir, son aquellos en que
incurre un empresa, destinados a evitar y prevenir errores, fallas, desviaciones y/ o
defectos, durante cualquier etapa del proceso de producción y administrativo.

Planificación de la calidad. Se incluye aquí la amplia gama de actividades que forman


colectivamente el plan general de calidad de la compañía, planes de inspecciones, de
fiabilidad, el sistema de datos, manuales y procedimientos, etc.
Revisión de nuevos productos. Incluye la corrección de propuestas de ofertas,
evaluación de nuevos diseños, preparación de programas de prueba y experimentación
y otras actividades de calidad asociadas con el lanzamiento de nuevos diseños.
Adiestramiento. Costos de programas de adiestramiento para lograr y mejorar los
niveles de calidad, no importa que departamento sea el que reciba el adiestramiento.
Control de proceso. Incluye aquella parte del control de procesos realizada para lograr
la adecuación al uso, separada del logro de productividad, seguridad, etc. (Esta
separación a menudo es difícil).

Obtención y análisis de datos de calidad.


Informes de calidad. Incluye el trabajo de resumir y proporcionar información sobre
calidad para la media y alta dirección.
Proyectos de mejora. Incluye el trabajo de estructurar y desarrollar programas de
evolución a nuevos niveles de realización. Por ejemplo: programas de prevención de
defectos, programas de motivación, etc.
1.4 CADENA CLIENTE PROVEEDOR

Se define como la relación entre los individuos o grupos de individuos que reciben o se
benefician con un proceso, (Clientes); y aquellos que originan resultados que
representan entradas o recursos a dichos procesos, (Proveedores).

De esta forma se definen los clientes / proveedores internos y externos del Sistema a la
Sociedad.

Es la relación cliente – proveedor es que el cliente tenga la certeza de que el bien o


servicio que le sea entregado o brindado sea de excelente calidad. Por ejemplo
tenemos a Kaoru Ishikawa, para quien el objetivo fundamental de éstas relaciones es el
de “mejorar la garantía de calidad y eliminar las insatisfactorias condiciones existentes
entre el comprador y el proveedor”, y para lograr este propósito enuncia diez
principios:

1. Comprador y proveedor son totalmente responsables por la aplicación del Control


de Calidad.

2. Comprador y proveedor deben ser independientes y respetar esa independencia.

3. El comprador debe suministrar información clara y adecuada sobre lo que requiere.

4. El contrato entre las partes debe contemplar: Calidad, Cantidad, Precio, Condiciones
de entrega y Forma de pago.

5. El proveedor debe certificar y garantizar una Calidad satisfactoria, respaldada con


datos.

6. Las partes deben previamente acordar los métodos de evaluación y ensayo.

7. El contrato debe incluir sistemas y procedimientos para la solución de discrepancias.

8. Las partes deben intercambiar la información necesaria para ejecutar un mejor


Control de Calidad.

9. Las partes deben controlar eficientemente las actividades comerciales tales como
pedidos, planeación de la producción y de los inventarios, trabajos de oficina, y
sistemas, de manera que sus relaciones se mantengan sobre una base amistosa y
satisfactoria.

10. Comprador y proveedor deben prestar siempre la debida atención a los intereses
del consumidor Distinguimos dos tipos de “ cadena “:

La cadena cliente/ proveedor externa: es la formada por el conjunto Proveedor-


Organización- Cliente. la organización es cliente o proveedor según reciba o suministre
producto. La cadena cliente/ proveedor interna: es la formada por las diferentes
actividades de la organización. Cada actividad genera un resultado que es el comienzo
de la siguiente, y así sucesivamente…

Las empresas más avanzadas en estos modelos están relacionadas con la industria del
automóvil, pero éste es un modelo extensible a cualquier sector de actividad:
solamente se requiere asumir los principios que inspiran las nuevas reglas del juego en
las actuales relaciones cliente-proveedor

1.5 RECOLECCIÓN DE DATOS

RECOLECCION DE DATOS. Los datos estadísticos se clasifican en:

Datos por mediciones. Técnicamente se les domina datos continuos. son datos que
provienen de mediciones afectadas, por ejemplo, pesos, densidades, longitudes,
espesores, rendimientos, resultados de venta, son valores dentro de un rango lógico
establecido.

Datos por conteo. Técnicamente se les domina datos discretos. son datos que
provienen de conteos, por ejemplo, burbujas de una botella de vidrio, defectos en un
trozo de tela, errores del sistema de nomina etc. no se pueden definir por fracciones o
números decimales, guardan relación estricta con números enteros.

Para una obtención correcta de datos y su adición se consideran los siguientes


aspectos:

1. Aclarar el propósito de la obtención de datos:


 Datos para análisis.
 Datos para el control del proceso o sistema.
 Datos de inspección.
 Datos para auditoria de calidad.
2. Llevar a cabo un muestreo.
3. Confiabilidad de los datos.
4. Suma de datos

1.6 HOJAS DE INSPECCIÓN

La Hoja de Control u hoja de recogida de datos, también llamada de Registro, sirve para
reunir y clasificar las informaciones según determinadas categorías, mediante la
anotación y registro de sus frecuencias bajo la forma de datos. Una vez que se ha
establecido el fenómeno que se requiere estudiar e identificadas las categorías que los
caracterizan, se registran estas en una hoja, indicando la frecuencia de observación. Lo
esencial de los datos es que el propósito este claro y que los datos reflejen la verdad.
Estas hojas de recopilación tienen muchas funciones, pero la principal es hacer fácil la
recopilación de datos y realizarla de forma que puedan ser usadas fácilmente y
analizarlos automáticamente. De modo general las hojas de recogida de datos tienen
las siguientes funciones:

De distribución de variaciones de variables de los artículos producidos (peso, volumen,


longitud, talla, clase, calidad, etc…) De clasificación de artículos defectuosos De
localización de defectos en las piezas De causas de los defectos De verificación de
chequeo o tareas de mantenimiento. Una vez que se ha fijado las razones para
recopilar los datos, es importante que se analice las siguientes cuestiones:

La información es cualitativa o cuantitativa Como, se recogerán los datos y en que tipo


de documento se hará Cómo se utiliza la información recopilada Cómo de analizará
Quién se encargará de la recogida de datos Con qué frecuencia se va a analizar Dónde
se va a efectuar Esta es una herramienta manual, en la que clasifican datos a través de
marcas sobre la lectura realizadas en lugar de escribirlas, para estos propósitos son
utilizados algunos formatos impresos, los objetivos mas importantes de la hoja de
control son:

Investigar procesos de distribución Artículos defectuosos Localización de defectos


Causas de efectos Una secuencia de pasos útiles para aplicar esta hoja en un Taller es la
siguiente:

Identificar el elemento de seguimiento Definir el alcance de los datos a recoger Fijar la


periodicidad de los datos a recolectar Diseñar el formato de la hoja de recogida de
datos, de acuerdo con la cantidad de información a recoger, dejando un espacio para
totalizar los datos, que permita conocer: las fechas de inicio y termino, las probables
interrupciones, la persona que recoge la información, fuente, etc.
1.7 DIAGRAMA DE PARETO

El Diagrama de Pareto es una gráfica en donde se organizan diversas clasificaciones de


datos por orden descendente, de izquierda a derecha por medio de barras sencillas
después de haber reunido los datos para calificar las causas. De modo que se pueda
asignar un orden de prioridades.

¿Qué es? El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del
economista italiano Vilfredo Pareto (1848–1923) quien realizo un estudio sobre la
distribución de la riqueza, en el cual descubrió que la minoría de la población poseía la
mayor parte de la riqueza y la mayoría de la población poseía la menor parte de la
riqueza. Con esto estableció la llamada “Ley de Pareto” según la cual la desigualdad
económica es inevitable en cualquier sociedad.

El Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce como
la regla 80/20.

Según este concepto, si se tiene un problema con muchas causas, podemos decir que
el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo
resuelven el 20% del problema.

Por lo tanto, el Análisis de Pareto es una técnica que separa los “pocos vitales” de los
“muchos triviales”. Una gráfica de Pareto es utilizada para separar gráficamente los
aspectos significativos de un problema desde los triviales de manera que un equipo
sepa dónde dirigir sus esfuerzos para mejorar. Reducir los problemas más significativos
(las barras más largas en una Gráfica Pareto) servirá más para una mejora general que
reducir los más pequeños. Con frecuencia, un aspecto tendrá el 80% de los problemas.
En el resto de los casos, entre 2 y 3 aspectos serán responsables por el 80% de los
problemas.

En relación con los estilos gerenciales de Resolución de Problemas y Toma de


Decisiones (Conservador, Bombero, Oportunista e Integrador)[1], vemos como la
utilización de esta herramienta puede resultar una alternativa excelente para un
gerente de estilo Bombero, quien constantemente a la hora de resolver problemas solo
“apaga incendios”, es decir, pone todo su esfuerzo en los “muchos triviales”.

¿Cuándo se utiliza? · Al identificar un producto o servicio para el análisis para mejorar


la calidad.

 Cuando existe la necesidad de llamar la atención a los problema o causas de


una forma sistemática.

 Al identificar oportunidades para mejorar

 Al analizar las diferentes agrupaciones de datos (ej: por producto, por


segmento, del mercado, área geográfica, etc.)

 Al buscar las causas principales de los problemas y establecer la prioridad de las


soluciones

 Al evaluar los resultados de los cambos efectuados a un proceso (antes y


después)

 Cuando los datos puedan clasificarse en categorías

 Cuando el rango de cada categoría es importante

Pareto es una herramienta de análisis de datos ampliamente utilizada y es por lo tanto


útil en la determinación de la causa principal durante un esfuerzo de resolución de
problemas. Este permite ver cuáles son los problemas más grandes, permitiéndoles a
los grupos establecer prioridades. En casos típicos, los pocos (pasos, servicios, ítems,
problemas, causas) son responsables por la mayor parte el impacto negativo sobre la
calidad. Si enfocamos nuestra atención en estos pocos vitales, podemos obtener la
mayor ganancia potencial de nuestros esfuerzos por mejorar la calidad.

Un equipo puede utilizar la Gráfica de Pareto para varios propósitos durante un


proyecto para lograr mejoras:

 Para analizar las causas

 Para estudiar los resultado


 Para planear una mejora continua

Las Gráficas de Pareto son especialmente valiosas como fotos de “antes y después”
para demostrar qué progreso se ha logrado. Como tal, la Gráfica de Pareto es una
herramienta sencilla pero poderosa.

¿Cómo se utiliza?

1. Seleccionar categorías lógicas para el tópico de análisis identificado (incluir el


periodo de tiempo).

2. Reunir datos. La utilización de un Check List puede ser de mucha ayuda en este paso.

3. Ordenar los datos de la mayor categoría a la menor

4. totalizar los datos para todas las categorías

5. calcular el porcentaje del total que cada categoría representa

6. trazar los ejes horizontales (x) y verticales (y primario - y secundario)

7. trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, según se
calculó anteriormente)

8. de izquierda a derecha trazar las barras para cada categoría en orden descendente.
Si existe una categoría “otros”, debe ser colocada al final, sin importar su valor. Es decir,
que no debe tenerse en cuenta al momento de ordenar de mayor a menor la
frecuencia de las categorías.

9. trazar la escala del eje vertical derecho para el porcentaje acumulativo, comenzando
por el 0 y hasta el 100%

10. trazar el gráfico lineal para el porcentaje acumulado, comenzando en la parte


superior de la barra de la primera categoría (la mas alta)

11. dar un título al gráfico, agregar las fechas de cuando los datos fueron reunidos y
citar la fuente de los datos.

12. analizar la gráfica para determinar los “pocos vitales”

Consejos para la construcción / interpretación Como hemos visto, un Diagrama de


Pareto es un gráfico de barras que enumera las categorías en orden descendente de
izquierda a derecha, el cual puede ser utilizado por un equipo para analizar causas,
estudiar resultados y planear una mejora continua.
Dentro de las dificultades que se pueden presentar al tratar de interpretar el Diagrama
de Pareto es que algunas veces los datos no indican una clara distinción entre las
categorías. Esto puede verse en el gráfico cuando todas las barras son más o menos de
la misma altura.

Otra dificultad es que se necesita más de la mitad de las categorías para sumar más del
60% del efecto de calidad, por lo que un buen análisis e interpretación depende en su
gran mayoría de un buen análisis previo de las causas y posterior recogida de datos.

En cualquiera de los casos, parece que el principio de Pareto no aplica. Debido a que el
mismo se ha demostrado como válido en literalmente miles de situaciones, es muy
poco probable que se haya encontrado una excepción. Es mucho más probable que
simplemente no se haya seleccionado un desglose apropiado de las categorías. Se
deberá tratar de estratificar los datos de una manera diferente y repetir el Análisis de
Pareto.

Esto nos lleva a la conclusión que para llevar a cabo un proceso de Resolución de
Problemas /Toma de Decisiones (RP/TD) es necesario manejar cada una de las
herramientas básicas de la calidad, tanto desde el punto de vista teórico como desde
su aplicación.

La interpretación de un Diagrama de Pareto se puede definir completando las


siguientes oraciones de ejemplo:

“Existen (número de categorías) contribuyentes relacionados con (efecto). Pero estos


(número de pocos vitales) corresponden al (número) % del total (efecto). Debemos
procurar estas (número) categorías pocos vitales, ya que representan la mayor
ganancia potencial para nuestros esfuerzos.”
1.8 DIAGRAMA CAUSA – EFECTO

El diagrama causa-efecto es una forma de organizar y representar las diferentes teorías


propuestas sobre las causas de un problema. Se conoce también como diagrama de
Ishikawa o diagrama de espina de pescado y se utiliza en las fases de Diagnóstico y
Solución de la causa.
Cómo interpretar un diagrama de causa-efecto:

El diagrama causa-efecto es un vehículo para ordenar, de forma muy concentrada,


todas las causas que supuestamente pueden contribuir a un determinado efecto. Nos
permite, por tanto, lograr un conocimiento común de un problema complejo, sin ser
nunca sustitutivo de los datos. Es importante ser conscientes de que los diagramas de
causa-efecto presentan y organizan teorías. Sólo cuando estas teorías son contrastadas
con datos podemos probar las causas de los fenómenos observables. Errores comunes
son construir el diagrama antes de analizar globalmente los síntomas, limitar las teorías
propuestas enmascarando involuntariamente la causa raíz, o cometer errores tanto en
la relación causal como en el orden de las teorías, suponiendo un gasto de tiempo
importante.

A continuación veremos como el valor de una característica de calidad depende de una


combinación de variables y factores que condicionan el proceso productivo (entre
otros procesos). Vamos a utilizar el ejemplo de fabricación de mayonesa para explicar
los Diagramas de Causa-Efecto:

La variabilidad de las características de calidad es un efecto observado que tiene


múltiples causas. Cuando ocurre algún problema con la calidad del producto, debemos
investigar para identificar las causas del mismo. Para hacer un Diagrama de Causa-
Efecto seguimos estos pasos:

Decidimos cual va a ser la característica de calidad que vamos a analizar. Por ejemplo,
en el caso de la mayonesa podría ser el peso del frasco lleno, la densidad del producto,
el porcentaje de aceite, etc.

Trazamos una flecha gruesa que representa el proceso y a la derecha escribimos la


característica de calidad:

Indicamos los factores causales más importantes y generales que puedan generar la
fluctuación de la característica de calidad, trazando flechas secundarias hacia la
principal. Por ejemplo, Materias Primas, Equipos, Operarios, Método de Medición, etc.:

Incorporamos en cada rama factores más detallados que se puedan considerar causas
de fluctuación. Para hacer esto, podemos formularnos estas preguntas:

¿Por qué hay fluctuación o dispersión en los valores de la característica de calidad? Por
la fluctuación de las Materias Primas. Se anota Materias Primas como una de las ramas
principales.

¿Qué Materias Primas producen fluctuación o dispersión en los valores de la


característica de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite
como rama menor de la rama principal Materias Primas.
¿Por qué hay fluctuación o dispersión en el aceite? Por la fluctuación de la cantidad
agregada a la mezcla. Agregamos a Aceite la rama más pequeña Cantidad.

¿Por qué hay variación en la cantidad agregada de aceite? Por funcionamiento irregular
de la balanza. Se registra la rama Balanza.

¿Por qué la balanza funciona en forma irregular? Por que necesita mantenimiento. En
la rama Balanza colocamos la rama Mantenimiento.

Así seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las
causas posibles de dispersión.

Finalmente verificamos que todos los factores que puedan causar dispersión hayan
sido incorporados al diagrama. Las relaciones Causa-Efecto deben quedar claramente
establecidas y en ese caso, el diagrama está terminado.

Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente conozca en


profundidad el proceso con que trabaja, visualizando con claridad las relaciones entre
los Efectos y sus Causas. Sirve también para guiar las discusiones, al exponer con
claridad los orígenes de un problema de calidad. Y permite encontrar más rápidamente
las causas asignables cuando el proceso se aparta de su funcionamiento habitual.
1.9 HISTOGRAMA

Gráfica que nos permite visualizar la tendencia central, la dispersión y la forma de la


distribución de un conjunto de datos el uso sistemático del histograma facilita el
entendimiento de la variabilidad y favorece el pensamiento estadístico, ya que de un
vistazo se logra tener una media y se detectan datos raros y formas especiales de la
distribución de los datos.
Un histograma es un gráfico de barras verticales que representa la distribución de un
conjunto de datos.

VENTAJAS: Su construcción ayudará a comprender la tendencia central, dispersión y


frecuencias relativas de los distintos valores. Muestra grandes cantidades de datos
dando una visión clara y sencilla de su distribución.

UTILIDADES:
El Histograma es especialmente útil cuando se tiene un amplio número de datos que es
preciso organizar, para analizar más detalladamente o tomar decisiones sobre la base
de ellos.
• Es un medio eficaz para transmitir a otras personas información sobre un proceso de
forma precisa e inteligible.
• Permite la comparación de los resultados de un proceso con las especificaciones
previamente establecidas para el mismo. En este caso, mediante el Histograma puede
determinarse en qué grado el proceso está produciendo buenos resultados y hasta qué
punto existen desviaciones respecto a los límites fijados en las especificaciones.
•Proporciona, mediante el estudio de la distribución de los datos, un excelente punto
de partida para generar hipótesis acerca de un funcionamiento insatisfactorio.
1.10 DIAGRAMA DE DISPERSIÓN

A veces interesa saber si existe algún tipo de relación entre dos variables. Por ejemplo,
puede ocurrir que dos variables estén relacionadas de manera que al aumentar el valor
de una, se incremente el de la otra. En este caso hablaríamos de la existencia de una
correlación positiva. También podría ocurrir que al producirse una en un sentido, la
otra derive en el sentido contrario; por ejemplo, al aumentar el valor de la variable x,
se reduzca el de la variable y. Entonces, se estaría ante una correlación negativa. Si los
valores de ambas variable se revelan independientes entre sí, se afirmaría que no
existe correlación.

VENTAJAS
Se trata de una herramienta especialmente útil para estudiar e identificar las posibles
relaciones entre los cambios observados en dos conjuntos diferentes de variables.
Suministra los datos para confirmar hipótesis acerca de si dos variables están
relacionadas. Proporciona un medio visual para probar la fuerza de una posible
relación.
1.11 ESTRATIFICACIÓN

Es un método consistente en clasificar los datos disponibles por grupos con similares
características. A cada grupo se le denomina estrato. Los estratos a definir lo serán en
función de la situación particular de que se trate, pudiendo establecerse
estratificaciones atendiendo a: Personal. Materiales Maquinaria y equipo. Áreas de
gestión. Tiempo. Entorno. Localización geográfica. Otros.
Consisten esencialmente en la determinación de la capacidad para una sola operación
del proceso, relacionada siempre con la característica de calidad en particular de la
pieza.
Es una medición que corresponde a la precisión inherente de un proceso
de manufactura, es decir, es la eficiencia en el rendimiento de la
CONCEPTO calidad de un proceso, con determinados factores establecidos y
bajo condiciones normales de la operación bajo control.

Ayudan a enfatizar la necesidad de mejoras para reducir la variabilidad del


proceso, y también facilitan la comparación del desempeño de distintos
proveedores o procesos y proporcionan una idea aproximada del porcentaje de
artículos que no cumplen con especificaciones.
1.12 HABILIDAD Y CAPACIDAD DEL PROCESO

CONCEPTO, OBJETIVO E IMPORTANCIA DEL ANÁLISIS DE LA CAPACIDAD DE UN PROCESO Y


HABILIDAD DE LAS MÁQUINAS
Los medios seleccionados para la manufactura de una pieza son un factor importante para la
determinación del costo y de la calidad de la producción resultante, por lo cual si el equipo de
proceso que se seleccione es suficientemente preciso para cumplir con la meta de calidad
establecida por las tolerancias del dibujo, entonces se puede esperar un costo razonable y una
calidad aceptable.

Pero si el equipo del proceso no puede cumplir en forma consistente con la meta de calidad se
obtendrán costos elevados, desperdicios y remaquinado de materiales.
VALOR DEL CP CLASE DE DECISIÓN
PROCESO
CP >1.33 1 Más que adecuado
1 < CP <1.33 2 Adecuado para el trabajo, pero requiere de un control
estricto conforme se acerca el CP a uno.
0.67 < CP <1 3 No es adecuado para el trabajo, por lo que un análisis
del proceso es necesario, y así una buena probabilidad
de éxito.
CP <0.67 4 No adecuado para el trabajo, poR lo que requiere de
modificaciones serias.

Una necesidad frecuente en muchos procesos es evaluar la variabilidad y tendencia central de


una característica de calidad de tipo continuo, para compararla contra sus especificaciones de
diseño, por ejemplo, en la producción de tornillos, éstos deben tener un diámetro óptimo, más
o menos cierta tolerancia, por lo que es necesario evaluar en qué medida el proceso de
producción de tornillos es capaz de cumplir con tales especificaciones.

Entre las técnicas de mayor utilidad desarrolladas para estos trabajos, se cuentan los estudios
de capacidades del proceso

Consisten esencialmente en la determinación de la capacidad para una sola operación


del proceso, relacionada siempre con la característica de calidad en particular de la
pieza.
Es una medición que corresponde a la precisión inherente de un proceso
de manufactura, es decir, es la eficiencia en el rendimiento de la
CONCEPTO calidad de un proceso, con determinados factores establecidos y
bajo condiciones normales de la operación bajo control.

Entre los estudios de capacidad de proceso los más significativos son:


Ayudan a enfatizar la necesidad de mejoras para reducir la variabilidad del
 CP.
proceso, y también facilitan la comparación del desempeño de distintos
 CPK. proveedores o procesos y proporcionan una idea aproximada del porcentaje de
 CPM artículos que no cumplen con especificaciones.
Para poder entender éste concepto se deben considerar dos elementos importantes:

1) FACTORES DEL PROCESO.- la primera condición necesaria dentro del concepto de la


capacidad del proceso es que éste está compuesto por cierto número de factores distintos
como son:
 Materia prima.
 Máquinas o equipo.
 Destreza del obrero.
 Dispositivos para la medición y la habilidad del inspector.

2) CONDICIONES DEL PROCESO.- un estudio sobre la capacidad del proceso, éste debe tener
sus mediciones normalmente distribuidas y permanecer bajo un estado estadístico del
control.
5.2 EMPLEO DE LOS ESTUDIOS DE LA CAPACIDAD DE LOS PROCESOS

INDICE CP.
Si para que un producto elaborado por un proceso se pueda considerar de calidad, las
mediciones de cierta característica o parte de la misma deben ser iguales a cierto valor nominal
o ideal (N), o al menos tienen que estar dentro de cierta especificación inferior (EI) y superior
(ES), entonces una medida de la capacidad potencial del proceso para cumplir con tales
especificaciones la da el índice de capacidad del proceso Cp.
Cp = ES – EI

VALOR DEL CP CLASE DE DECISIÓN


PROCESO
CP >1.33 1 Más que adecuado
1 < CP <1.33 2 Adecuado para el trabajo, pero requiere de un control
estricto conforme se acerca el CP a uno.
0.67 < CP <1 3 No es adecuado para el trabajo, por lo que un análisis
del proceso es necesario, y así una buena probabilidad
de éxito.
CP <0.67 4 No adecuado para el trabajo, poR lo que requiere de
modificaciones serias.

El Cp está comparando el ancho de las especificaciones con la amplitud de la variación del


proceso (es decir, que en una amplitud de 6σ (µ ± 3 σ) se encuentra el 99.73% de los valores de
una característica de calidad que se distribuye normal con desviación estándar σ), medida ésta
última a través de una característica de calidad del producto, con lo que, si la variación del
proceso es mayor que la amplitud de las especificaciones, entonces el C p es menor que 1.

En general el Cp se utiliza para conocer y tomar decisiones sobre el proceso, dependiendo de su


valor es el tipo de proceso y la decisión que ha de tomarse.

Si al analizar el proceso se encuentra que su capacidad no es compatible con las tolerancias,


existen tres opciones:

1) Modificar el proceso.
2) Modificar las tolerancias.
3) Inspeccionar el 100 % de los productos.
Pero por el contrario, si hay capacidad excesiva, ésta se puede aprovechar, por ejemplo:
1) Vendiendo la precisión.
2) Vendiendo el método.
3) Reasignando productos a maquinas menos precisas.
4) Acelerando el proceso.
5) Reduciendo la cantidad de inspección.

INDICE CPK
Estima la capacidad potencial del proceso para cumplir con tolerancias, pero una de sus
desventajas es que no toma en cuenta el centrado del proceso, sin embargo, se puede
modificar el Cp para que además de tomar en cuenta la variabilidad, también evalúe dónde se
localiza la media del proceso respecto a las especificaciones, por lo tanto al Cp modificado se le
llama índice de capacidad real Cpk.

CpK = MC

Donde MC es el valor más pequeño de entre (ES - µ) y (µ - EI) y µ es la media de la


característica de calidad.

El índice Cpk se ve igual al Cp cuando la media del proceso se ubique en el punto medio de las
especificaciones, si el proceso no está centrado entonces el valor del índice C pk será menor que
el Cp , de manera que la longitud del C Pk relativa al Cp sea una medida directa de qué tan
centrado está operando el proceso.

Valores de CPk > 1= el proceso está fabricando artículos que cumplen con las especificaciones.
Valores de CPk < 1= el proceso está fabricando artículos fuera de especificaciones.
Valores de CPk = 0 o negativos = la media del proceso está fuera de especificaciones.

Para calcular el CP y el CPk para un proceso concreto es necesario conocer la media (µ), y la
desviación estándar (σ) de la característica de calidad, pero en caso de no conocerlas se puede
utilizar la información de una gráfica de control, sustituyéndolas por X y R/ d 2 donde d2 es una
constante que depende del tamaño de muestra.

ANÁLISIS DE HABILIDAD DE LA MÁQUINA

El uso de ésta técnica facilita predecir, los límites de variación dentro de los cuales las máquinas
y los procesos operan, por tanto, proporciona un medio de la medición de la capacidad de la
máquina y el proceso y los comprar contra la tolerancia requerida por la especificación.

Toda máquina y todos los procesos están sujetos a una variabilidad que les es inherente, así
por ejemplo, un torno que fabrica alguna pieza con diámetro exterior de 1.000 pulgadas, no
produce todas las flechas con la dimensión exacta que se menciono anteriormente, es decir, la
mayoría está cerca de esa dimensión, pero habría algunas con 0.998 y otras con 1.002, por lo
que se dice que cada máquina tiene su propio patrón de variación:

Los análisis de capacidad de máquinas y procesos permiten establecer dicho patrón con base
en mediciones reales, en condiciones controladas.
Tomando como base este patrón de comportamiento es posible anticipar que serán capaces de
producir las máquinas y los procesos, por lo cual, si la amplitud del patrón es inferior a las
toneladas, la máquina podrá producir piezas dentro de las tolerancias fijadas, y si la amplitud
es mayor, la máquina deberá ser reemplazada por otra más precisa o el proceso tendrá que ser
modificado.

0.998

0.999

1.000

1.001

1.002
Una de las características en las fabricaciones modernas, es que no es posible producir dos
piezas exactamente iguales, aunque, las variaciones podrán ser muy pequeñas, como en el
caso de bloques de calibración, que están garantizados a dos millonésimos de pulgada.

Pero ya sean grandes o pequeñas, las variaciones existen en los elementos manufacturados en
cualquier proceso de fabricación, ya sean en máquinas CN, tornos manuales, prensas de
estampado, hornos para recocido, máquinas para pintar, envasar o encapsular, etc.

Algunas de estas variaciones serán de tal magnitud, que inmediatamente se ponen de


manifiesto por medio de los equipos modernos de medición, y otras serán tan diminutas, que
las lecturas sucesivas con el equipo de medición, primero pondrán de manifiesto la variación
del equipo, antes que la de las piezas.

De los diferentes tipos de variación entre las piezas, de utilidad para propósitos analíticos son
tres clasificaciones:

1) Variaciones dentro de una misma pieza, por ejemplo, en una flecha que en uno de sus
extremos se encuentra ovalada y en el otro extremo esté dentro de sus tolerancias.
2) Variaciones entre piezas producidas durante un mismo periodo, como las variaciones en las
longitudes de los pasadores producidos durante un periodo de cinco minutos en un torno
automático.
3) Variaciones entre las piezas producidas en diferentes periodos, como aquellas variaciones
en las longitudes de los pasadores producidos al principio de un turno, comparadas con las
producidas al final del turno.

EJEMPLOS:
1) En una armadora de autos, en el área de pintado una característica de calidad
es el espesor de la capa antipiedra en la zona trasera de los arcos de rueda, que
debe tener un espesor mínimo de 100 micras. Para asegurar el cumplimiento de
esta especificación se lleva una carta de control X – R, en la que se mide el
espesor de 3 productos consecutivos de manera periódica. De acuerdo con la
información proporcionada por esta carta, el proceso esta en control
estadístico, y se tiene que la media es de 105 micras y el rango medio de 11
micras. Calcular el índice de capacidad del proceso correspondiente

Resultado:
Proceso de una sola especificación:
EI= 100, x = 105, R = 11
x  EI
C Pi 
3
En donde  = R /d2
Por lo tanto :

CPi = (105 – 100) / (3*6.49)= 0.2565 .

2) La especificación superior e inferior para el diámetro de una pieza de plástico es


de 10.5 a 9.5 mm con un valor ideal de 10 mm. Con base en un estudio
estadístico se determina

UNIDAD 2: GRAFICAS DE CONTROL

2.1 CONCEPTOS Y PRINCIPIOS DEL CEP


El control estadístico del proceso (CEP) es una metodología en la que se usan graficas de
control para ayudar a los operadores, supervisores y administradores a vigilar la producción de
un proceso, para identificar y eliminar las causas especiales de variación.
Se usa con más frecuencia, porque con él se logran muestras más homogéneas
y porque
El CEP es una técnica demostrada para proporciona una referencia
reducir el desperdicio del tiempo
y el reproceso, para localizar
y aumentar así la las causas
especiales de variación
productividad, así como también es la base de la determinación de la capacidad del proceso, y
de la predicción del rendimiento o beneficio del mismo. Al ser una herramienta muy
importante en el ámbito industrial muchas empresas (clientes) solicitan a sus proveedores que
presenten pruebas de CEP.

Hay dos razones básicas para aplicar el CEP.


 La primera es que el CEP permite determinar cuando emprender acciones para ajustar
un proceso que ha salido de control.
 La segunda es que el CEP señala cuando dejar solo un proceso.

Es probable que la actividad más reconocida en general del control de calidad sea el control de
la materia prima, de los lotes de producción y de las piezas de ensambles durante el proceso de
manufactura, por lo que a las Proporciona
gráficas demejor
controlinformación sobrecomo
se les considera la calidad, no así
“ la principal sobre la
ayuda
variabilidad,
estadística para controlar todos y se yusa
estos trabajos cuando debidoparticulares”.
sus modificaciones a circunstancias particulares del
proceso, no se puede utilizar el otro.
CICLO CEP

Establecer Recopilar Datos Analizar con Tomar Acciones


Especificaciones Herramientas Correctivas

Fig. 1 Ciclo de aplicación de Control Estadístico de Procesos (Curso Teórico- Práctico


CEP, 2004)

Una empresa que cuenta con Control Estadístico puede mejorar sus procesos, reducir
retrabajos y desperdicios, lo que genera una reducción de costos ya que el C.E.P.
involucra más que solo crear el producto perfecto, implica además asegurar que los
procesos internos son llevados apropiadamente, que el equipo se le da el
mantenimiento adecuado y que los recursos suministrados son los adecuados.(Greg
Kitson, 2003).

2.1.1 TAMAÑO Y FRECUENCIA DE MUESTREO


Cada punto en una carta representa una muestra por lo tanto la selección de estas debe
hacerse de tal manera que si hay causas especiales presentes, estas aparezcan como
diferencias entre muestras, no como diferencias entre los elementos que forman la muestra.

Por lo tanto para elegir la muestra existen dos procedimientos básicos:

1) MÉTODO DEL INSTANTE.

Consiste en conformar la muestra con productos hechos en un instante de tiempo tan


pequeño como se posible. Ejemplo, una muestra la constituyen 5 piezas producidas de
manera consecutiva o 5 piezas de entre una tanda de artículos producidos en forma
reciente, la siguiente muestra es seleccionada de manera similar posteriormente media
hora o más tarde.
VENTAJA

Se usa con más frecuencia, porque con él se logran muestras más homogéneas
y porque proporciona una referencia del tiempo para localizar las causas
especiales de variación

2) MÉTODO DEL PERIODO

Se debe seleccionar la muestra de entre las partes producidas en un periodo


determinado, de manera que la muestra sea representativa de toda la producción de
dicho periodo. Ejemplo un inspector va periódicamente, cada hora tal vez a cierta zona
del proceso y elige aleatoriamente 5 piezas de entre las que se produjeron en la última
hora.

VENTAJA

Proporciona mejor información sobre la calidad, no así sobre la


variabilidad, y se usa cuando debido a circunstancias particulares del
proceso, no se puede utilizar el otro.

2.1.2 PATRONES DE COMPORTAMIENTO


A continuación se dan seis patrones para el comportamiento de los puntos en una carta de
control X-R, así como también las razones comunes por las cuales pueden ocurrir dichos
comportamientos.
LA 6 ZONAS DE UNA GRÁFICA DE CONTROL

LCS
ZONA A

ZONA B

ZONA C

ZONA C
PRUEBAS QUE SE REALIZAN PARA VERIFICAR SI UNA GRÁFICA ESTÁ O NO BAJO CONTROL
ZONA BESTADÍSTICO

ZONA A
Estas pruebas se han derivado bajo el supuesto de normalidad e independencia en los datos,
por lo que de no cumplirse, las pruebas deben verse con reservas.

PATRÓN 1
CAMBIOS (BRINCOS) EN EL NIVEL DEL PROCESO. LCI

Cuando en la carta o gráfica se registran pocos puntos que están fuera o muy cerca de los
límites de control, o cuando una gran cantidad de puntos caen de un solo lado de la línea
central, ejemplo de ello es al introducir nuevos trabajadores, máquinas, materiales o métodos
de inspección, o a una mayor o menor atención de los trabajadores.
Un cambio en el nivel del proceso ha ocurrido cuando se cumple una de las siguientes cuatro
pruebas:

Prueba 1.- un punto fuera de los límites de control.


Prueba 2.- dos de tres puntos consecutivos en la zona A o más allá.
Prueba 3.- cuatro de cinco puntos consecutivos en la zona B o más allá.

El cumplimiento de al menos una de éstas tres pruebas indica que ha entrado al proceso una
causa especial que ha provocado que el proceso esté operando con otro nivel, y tal cambio
pudo darse de manera paulatina hasta que alcanzó una magnitud considerable y la carta lo
registró.

En ocasiones, cuando alguna de las tres pruebas anteriores, lo que se hace además de
investigar la causa, es tomar datos de inmediato para confirmar el cambio y monitorear más de
cerca lo que está pasando en el proceso.

CAMBIOS DE NIVEL EN UN PROCESO

LCS

Prueba 4.-ocho puntos consecutivos de un lado de la línea central.

Cuando se dan ocho puntos consecutivos por debajo de la línea central en una LCIgráfica R,
entonces se ha dado una reducción definitiva en la variabilidad del proceso, sino ocurre en una
gráfica de atributos, entonces se ha dado una reducción más definitiva en el nivel promedio de
piezas defectuosas del proceso.
Si además de la prueba 4 se cumple alguna de las tres primeras, eso será aún mayor evidencia
de que un cambio especial ha ocurrido.

CAMBIOS DE NIVEL

LCS
PATRÓN 2
TENDENCIAS EN EL NIVEL DEL PROCESO

Prueba 5.-seis puntos consecutivos ascendentes o descendentes.

La recomendación básica en éste caso sería que, en el momento en que se vea un flujo largo y
creciente de puntos que parezca no aleatorio, entonces, es una señal de alerta para vigilar más
de cerca el desempeño del proceso, para que en su caso se pueda identificar el proceso del
mismo.

TENDENCIAS NO ALEATORIOS EN UN PROCESO

LCS

LCI

PATRÓN 3
CICLOS RECURRENTES O DE PERIODICIDAD

Si el comportamiento cíclico se presenta en la gráfica de rangos, entonces algunas de las


posibles causas son:
Mantenimiento preventivo programado.
Fatiga de trabajadores o secretarias.

Prueba 6.-catorce puntos consecutivos alternando entre altos y bajos.


LCS
COMPORTAMIENTO CÍCLICO EN UN PROCESO
PATRÓN 4
MUCHA VARIABILIDAD
Algunas causas que pueden afectar a la gráfica X de esta manera son:
Sobre control o ajustes innecesarios en el proceso.
Diferencias sistemáticas en la calidad del material.
Métodos de prueba.
Control de dos o más procesos en la misma.

Prueba 7.-ocho puntos consecutivos en ambos lados de la línea central con ninguna en
la zona C.
MUCHA VARIABILIDAD EN EL PROCESO

LCS

LCI
PATRÓN 5
FALTA DE VARIABILIDAD ESTRATIFICACIÓN
Una señal de que hay algo anormal en el proceso es el de que prácticamente todos los puntos
se concentran en la parte central de la gráfica, es decir, que los puntos reflejen poca
variabilidad.
Algunas de las causas que pueden afectar a las gráficas de control son una equivocación en el
cálculo de los límites de control, agrupando en una misma muestra datos provenientes de
universos con medias bastante diferentes.
Prueba 8.-quince puntos consecutivos en la zona C, arriba o debajo de la línea
LCScentral.
FALTA DE VARIABILIDAD EN UN PROCESO
Una reducción en la variabilidad se refleja en la gráfica X de ésta manera, pero en la gráfica de
rangos se apreciarán muchos puntos por debajo de su límite central. Si ha ocurrido una
reducción en la variabilidad, lo que se debe hacer es recalcular los límites de control.
Cuando alguna de las ocho pruebas anteriores es positiva, entonces el proceso está fuera de
control estadístico.
Cabe señalar que si el proceso está fuera de control estadístico no significa que no se pueda
seguir produciendo con él, sino que el proceso está trabajando con variaciones debidas a
alguna causa específica como es:
Material heterogéneo.
Cambios de operadores.
Diferencias significativas entre máquinas.
Desgaste o calentamiento del equipo.
2.1.3 PRE-CONTROL

2.2 EL PLAN DE CONTROL: GRAFICOS DE VARIABLES

Son una de las herramientas más importantes para asegurar que un


CONCEPTO DE proceso se mantenga bajo control, es decir, es una comparación
GRÁFICA DE gráfica- cronológica de las características de calidad reales del
CONTROL producto, parte u otra unidad, con límites que reflejan la capacidad de
producirla de acuerdo con las características que necesita el cliente.

Las gráficas de control fueron propuestas por primera vez por Walter Shewhart en los
laboratorios Bell en la década de los años veinte, él fue el primero en distinguir las causas
comunes de las especiales en la variación del proceso, y creó el concepto de la gráfica de
control para separarlas.
El proceso de las gráficas de control es el elemento que pone de manifiesto, de acuerdo con los
hechos, el concepto del obrero de separar las variaciones de los elementos en “normales y
anormales”, esto es, establecer la comparación de la variación de las piezas en su fabricación
real con los límites de control que se hayan establecido para esas piezas.

Cuando hayan sido calculados estos límites y se consideran aceptables para implantarse en la
fabricación, las gráficas de control comienzan a desarrollar su misión principal “auxiliar en el
control de la calidad de la materia prima, de lotes de producción, de los elementos aislados o
de los ensambles durante su fabricación actual”

Las gráficas de control están definidas por el eje central, el límite superior de control y el límite
inferior de control, los cuales se relacionan con el valor esperado, y la varianza de las medidas
estadísticas que se grafican.

LIMITES DE CONTROL SUPERIOR E INFERIOR.- y se encuentran en una posición tal que


cuando el proceso esta en control estadístico hay una alta probabilidad de que
prácticamente todos los valores de la variable (puntos) caigan dentro de los limites
ELEMENTOS DE UNA
GRAFICA DE CONTROL LINEA CENTRAL O MEDIA representa el promedio de la variable que se esta
graficando, cuando el proceso se encuentra en control estadístico

EJES.- para identificar quien pertenece a cada calor

La decisión de si los límites de control se deben o no aceptar, por lo general es algo


enteramente económico. Desde luego que la distinción entre las variaciones normales y
anormales es muy relativa, lo que pueda se normal para determinada máquina y para cierta
operación, puede ser muy diferente a la variación normal de otra máquina y otra operación
con el mismo material

Así el personal de la planta ha agrupado las variaciones de las piezas manufacturadas en dos
categorías:

 VARIACIONES NORMALES O CAUSAS COMUNES.- también llamada debido al


azar, es aquella que permanece día a día, lote a lote, es parte del sistema. Esta
variación es inherente a las características esenciales del proceso y es resultado
de la acumulación y combinación de diferentes fuentes de variabilidad. Para
resolver problemas debidos a causas comunes es necesario atender el
problema general, no el particular, es necesario modificar el sistema y ambas
cosas se hacen sólo con un plan que diagnostique las verdaderas causas de
fondo. Son todas las desviaciones que el obrero ya conoce que se deben
presentar ( + 0.5 m.m )
 VARIACIONES ANORMALES O CAUSAS ESPECIALES.- también llamada de causas
atribuibles) es algo especial, no es parte del sistema de causas comunes, esta
variación es causada por situaciones o circunstancias especiales que no están
presentes permanentemente en el sistema, por ejemplo una falla ocasionada
por el mal funcionamiento de una pieza en una máquina o el empleo de
materiales no habituales. Son todas las desviaciones mayores que la que el
obrero calificado sabe que se puede obtener (+ 0.7 m.m)

Por lo tanto el obrero ya conoce los limites de variación normal en las piezas o proceso con los
que ya esta familiarizado. Si los límites exceden durante la manufactura de los elementos, el
obrero reconoce que se ha presentado algo anormal y que se requiere una corrección.
Un proceso que trabaja sólo con causas comunes de variación se dice que esta en control
estadístico (o estable), independientemente de su variabilidad sea mucha o poca, pero es
predecible en un futuro inmediato.

Un proceso en el que están presentes causas especiales de variación se dice que esta fuera de
control estadístico (o es inestable), este tipo de procesos es impredecible en el futuro
inmediato porque en cualquier momento pueden aparecer esas situaciones que tienen un
efecto especial sobre la variabilidad.

DETERMINACIÓN DEL GRADO DE CONTROL DE UN PROCESO.


Principalmente cuando se hacen lecturas sobre las características de calidad de
las partes o productos que se estén fabricando, ya que se puede determinar si
el proceso está en una situación controlada.

PREVEER LOS RECHAZOS ANTES DE QUE SE PRODUZCAN PIEZAS DEFECTUOSAS.


En la gráfica donde se va comparando la variación obtenida, los límites de
control son una “señal roja” de que está apareciendo en el proceso, antes de
que origine un desperdicio o el remaquinado.

JUZGAR EL RENDIMIENTO DE UN TRABAJO.


Se hace una comparación de las variaciones de la manufactura real con la
USOS variación normal representada por los límites de control.

DE LAS ESTABLECIMIENTO DE TOLERANCIAS.


Los límites de especificaciones pueden tener alguna relación con la variación
normal únicamente por coincidencia, ya que los límites de especificaciones se
GRÁFICAS refieren a los requisitos que se imponen al producto, en tanto que la variación
normal se refiere al proceso y a su capacidad.
DE
GUÍA PARA LA GERENCIA.
CONTROL Las gráficas de control proporcionan a los gerentes una recopilación de los
aciertos o de las fallas de la planta.

PREVISIÓN DE LOS COSTOS.


La variación normal puede ser representativa de los métodos de manufactura
de una planta, por lo que resulta muy costoso pretender reducir esa variación,
por lo que pudiera ser factible la adquisición de maquinaría nueva, implantar
nuevos métodos y procurar el mejor mantenimiento del equipo.

ESTABLECER UN ÍNDICE DE SEGURIDAD PARA EL MATERIAL DEFECTUOSO.


TIPOS DE GRÁFICAS DE CONTROL
De acuerdo con las dos clases de datos de que se dispone en la industria, existen dos modelos
fundamentales para las gráficas de control. Pueden ser por variables y por atributos

1. Gráficas para mediciones o por variables (la más generalizada la denominada gráfica
X, R, s) y tienen su empleo en el caso de que se efectúen mediciones,
es decir, se aplican a variables o características de calida de tipo continuo, y que
intuitivamente son aquellas que requieren un instrumento de medición para medirse
(pesos, volúmenes, voltajes, longitudes, resistencias, temperaturas, humedad, etc.)

 X DE PROMEDIOS

 R DE RANGOS

 S DE DESVIACIONES ESTÁNDAR

 X DE MEDIDAS INDIVIDUALES

2. Gráficas para datos que provienen de calibradores de pasa/ no pasa o por atributos
Aquí se emplean las gráficas de fracción defectuosa o de porcentaje defectuoso
(conocidas como las gráficas p), es decir, cuando muchas características de calidad no
son medidas con un instrumento en una escala continua o al menos en una escala
numérica.

En estos casos el producto se juzga como conforme o no conforme, dependiendo de si


posee ciertos atributos y al producto se le podrá contar el número de defectos o no0
conformidades que tiene.

La variabilidad y tendencia central de este tipo de características de calidad de tipo discreto


serán analizadas a través de las gráficas de control para atributos:

 p PROPORCION O FRACCCION DE ARTICULOS DEFECTUOSOS


 np NÚMERO DE UNIDADES DEFECTUOSAS

 c NÚMERO DE DEFECTOS

 u NÚMERO DE DEFECTOS POR UNIDAD

Hay dos condiciones diferentes bajo las que se usan estas gráficas de control:

1. Las gráficas usadas para investigar el estado de control de un proceso, tal vez uno que
no hay sido examinado previamente, o uno al que se le han hecho grandes cambios en
el proceso, o uno que se examina para el estado de control continuo des pues de que
un análisis preliminar de distribución de frecuencias demostró control inicial.

2. Las graficas de control donde la tendencia central y los calores de dispersión han sido
establecidos inicialmente y por lo tanto esta condición se denomina de estándar dado

ESTABLECER UN ESTADO DE CONTROL ESTADÍSTICO


APLICACIONES BÁSICAS DE
EFECTUAR EL SEGUIMIENTO DE UN PROCESO E INDICAR CUÁNDO SE SALE DE
LAS GRAFICAS DE
CONTROL
CONTROL
DETERMINAR LA CAPACIDAD DE PROCESO

2.2.1 GRAFICOS X – R

2.2.2 GRAFICOS X – S
CARTA DE INDIVIDUALES

La carta de individuales es un diagrama para variables de tipo continuo que se podría


ver como un caso particular de la carta X - R, cuando el tamaño de muestra es n = 1,
pero por las diferencias en los procesos que se aplican la vamos a explicar aparte.

Existen muchos procesos o situaciones donde no tiene sentido práctico agrupar


medidas para formar una muestra o subgrupo y poder instrumentar una carta X - R,
por lo que la mejor alternativa para controlar estos procesos mediante una carta de
control es usar un tamaño de muestra n = 1. Ejemplos de estas situaciones son los
siguientes:

o 1. Procesos muy lentos, en los que resulta inconveniente esperar otra


medición para analizar el desempeño del proceso, como sería el caso de
procesos químicos que trabajan por lotes.
o 2. Procesos en los que las mediciones cercanas sólo difieren por el error
de medición. Por ejemplo, temperaturas.
o 3. Se inspecciona de manera automática todas las unidades producidas,
o 4. Resulta costoso inspeccionar y medir más de un artículo.

En estos casos la mejor alternativa es usar una carta de individuales, donde cada
medición particular de la característica de calidad que se obtiene se registra en una
carta. Para estimar la variabilidad de estas mediciones se acostumbra usar el rango
móvil de dos observaciones consecutivas, por lo que, al graficar estos rangos, se
obtiene una carta de rangos móviles. Aspectos como consumo de agua o energía
también pueden evaluarse con este tipo de cartas.

Ejemplo

En una empresa se hacen impresiones en láminas de acero, que posteriormente se


convierten en recipientes de productos de otras empresas. Un aspecto importante a
vigilar en dicha impresión es la temperatura de "horneada" donde, entre otras cosas se
da adherencia y se seca la lámina, una vez que ésta ha sido impresa. En una fase
particular de la horneada se tiene que la temperatura de cierto horno debe ser 125°C,
con una tolerancia de ± 5°C. Si no se cumple con tal rango de temperatura, entonces se
presentan problemas en la calidad final de la impresión.

Para controlar de manera adecuada tal característica de proceso se usa una carta de
control, y evidentemente aquí no tiene sentido tomar una muestra de tamaño cuatro,
por ejemplo, ya que si se miden las temperaturas del horno de manera consecutiva,
entonces éstas serán prácticamente las mismas; y si las mediciones no se hacen de
manera consecutiva y se hacen, supongamos, cada hora, entonces habrá que esperar
cuatro horas para poder graficar un punto en la carta de control, y así poder analizar el
proceso. De esta manera resulta más práctico hacer una medición de la temperatura
en el horno de manera periódica, y en cuanto se obtiene el dato graficarlo en la carta
para evaluar el desempeño del proceso. Es decir, resulta más práctico llevar una carta
de control para individuales.

Muestra Temperatura Rango Muestra Temperatura Rango Móvil


del horno Móvil del horno
1 125,1 2,4 13 126,4 1,9
2 127,5 4,8 14 128,3 1,2
3 122,7 3,7 15 129,5 1,4
4 126,4 0,9 16 128,1 3
5 125,5 5 17 128,5 3,4
6 130,5 3,2 18 125,1 3,5
7 127,3 0,2 19 128,5 1,3
8 127,5 0,2 20 126,3 0,2
9 127,3 4,3 21 126,5 1,4
10 123 0,5 22 127,9 1,6
11 123,5 4,5 23 129,5 2,4
12 128 1,6 24 131,9 1,5
Media de Media de
x=126,97 R=2,287

Datos del ejemplo.

En la tabla se muestran las temperaturas obtenidas en tres días, midiendo la


temperatura en el horno cada hora. La segunda columna en dicha tabla representa los
rangos entre temperaturas consecutivas.

Para investigar si la temperatura tuvo una variabilidad estable primero analizamos los
rangos móviles, en cuyo caso los límites de control se obtiene igual que la carta R
ordinaria, pero las constantes D3 y D4 siempre se van a tomar considerando el tamaño
de muestra n = 2, dado que el rango se obtiene de entre los datos de dos mediciones
consecutivas de temperatura. De esta manera, los límites de control para la carta de
control de rangos móviles de orden 2 están dados por

donde las constantes son D3 = 0 y D4 = 3.267, como se puede ver en la tabla 1 del
Apéndice, con lo que los límites de control para los datos de la tabla son

En la figura se muestra la correspondiente carta de control, a partir de la cual se puede


apreciar que la temperatura en el horno estuvo en control estadístico en cuanto a
variabilidad. Por lo tanto, la diferencia entre las temperaturas de una hora a otra
estuvieron fluctuando de manera estable entre 0 y 7.475 grados centígrados.

Para analizar el comportamiento de la tendencia central, se usa la carta de individuales.


Partiendo de la expresión general para los límites de una carta de control tipo
Shewhart, estimando la media con la media muestral y la desviación estándar con los
rangos promedio, se tiene que los límites para una carta de individuales están dados
por
donde la constante es d2 = 1.128, ya que los rangos se obtienen de entre dos datos,
n=2.

Aplicando lo anterior, los límites de control para las temperaturas del horno son los
siguientes:

LCS=126.97+ (3 x 2.287/1.128)=133.05

Linea central = 126.97

LCI=126.97- (3 x 2.287/1.128)=120.97

La carta de control obtenida se muestra en la figura, en la cual, si bien no hay puntos


fuera de los límites de control, se aprecia que el proceso estuvo fuera de control
estadístico en cuanto a tendencia central, ya que en las últimas mediciones de
temperatura se cumple la prueba para tendencia se dan seis puntos consecutivos de
manera ascendente. De esta forma, alguna causa especial provocó una tendencia a que
la temperatura se incrementara en el último día, por lo que se debe actuar de
inmediato para identificarla, lo cual permite prevenir problemas más graves en la
impresión de las láminas de acero.

Los responsables del proceso identificaron tal tendencia como una señal de que ya era
necesario el mantenimiento periódico que se le da al horno. También en la misma carta
se aprecia que el proceso estuvo descentrado, ya que la temperatura promedio fue de
126.97°C, y no de 125 como se desea; esto también pudo ser causado por la necesidad
de mantenimiento.

La decisión que se tomó fue dar mantenimiento al horno y volver a tomar datos para
establecer los nuevos límites de control.
Por otra parte, en cuanto a la capacidad del proceso para cumplir con las
especificaciones de temperatura, lo primero que debemos notar es que los límites de
una carta de individuales coinciden con los límites naturales del proceso, por lo que la
capacidad puede ser investigada directamente de los límites de esta carta. En
particular, en el problema que nos ocupa, tenemos que el límite superior está fuera de
la especificación superior (130), mientras que el límite inferior sí está dentro de la
especificación inferior. Por lo tanto, el proceso estuvo operando con temperaturas
ligeramente mayores a las toleradas. Si después del mantenimiento se centra el
proceso, pero no se reduce la variabilidad, entonces se reducirán los problemas un
poco por el lado superior, pero parte de ellos se trasladarán al lado inferior. En todo
caso, después del mantenimiento se debe analizar cómo está la capacidad.

2.2.3 GRAFICOS DE INDIVIDUALES

2.2.4 CAPACIDAD DEL PROCESO

2.3 EL PLAN DE CONTROL: GRAFICOS DE ATRIBUTOS

2.3.1 GRÁFICO P
Esta carta muestra las variaciones en la fracción o proporción de artículos defectuosos
por muestra. Es ampliamente usada para recortar la proporción (o porcentaje) de
productos defectuosos en un proceso. En esta carta se revisa cada uno de los artículos
de una muestra (o subgrupo), y cada uno de estos tiene una calidad aceptable o no, es
decir, un articulo pasa o no pasa.

En la carta p se toma una muestra o subgrupo den artículos, que puede ser la totalidad
o una parte de las piezas de un pedido, un lote, un embarque o cierta producción. Se
revisa cada uno de n artículos y se encuentra cuales son defectuosos; entonces, en la
carta p se gráfica se gráfica la proporción pi de los artículos defectuosos, que se
obtiene al dividir la cantidad de artículos defectuosos encontrada en cada muestra
entre el tamaño de muestra.

Cuando se esta haciendo un estudio inicial para establecer los limites de control en una
carta p, entonces, lo que se tiene que hacer es estimar la media y la desviación
estándar de la variable que se gráfica en la carta; que en el caso de la carta p, es pi.
Considerando esto, y de acuerdo con la distribución binomial, si se toman varias
muestras (aproximadamente 20), los limites de control para una carta p están dados
por:

 LCS = p+ 3[p(1-p)/n]
 Línea central = p
 LCI = p - 3[p(1-n)/n]

Donde n es el tamaño de la muestra y p es la proporción promedio de artículos


defectuosos, que se obtiene al dividir la cantidad de los artículos defectuosos en todas
la totalidad de productos inspeccionados. Como se puede apreciar en la formula para
calcular los limites, la raíz cuadrada de la expresión anotada es la estimación de la
desviación estándar.

Ejemplo:

En una empresa del ramo metal-mecánico se fabrican válvulas. Después del proceso de
fundición se hace una inspección y las piezas que no cumplen con ciertas
características son rechazadas. Las razones por las que pueden se rechazadas son
diversas: piezas incompletas, porosas, mal formadas, etc. Para evaluar la variabilidad y
la magnitud de la proporción de las piezas defectuosas en el proceso de fundición se
decide implantar una carta p.

Cartas de control tipo p

Lote Tamaño Artículos Proporción Lote Tamaño Artículos Proporción


de lote defectuosos de lote defectuosos
1 300 15 0.05 11 300 9 0.03
2 300 12 0.04 12 300 4 0.01
3 300 15 0.05 13 300 7 0.02
4 300 7 0.02 14 300 9 0.03
5 300 16 0.05 15 305 5 0.02
6 300 6 0.02 16 295 15 0.05
7 300 18 0.06 17 300 19 0.06
8 280 10 0.04 18 300 7 0.02
9 290 9 0.03 19 300 12 0.04
10 300 25 0.08 20 300 10 0.03
tamaño de muestra promedio n= 300, p= 0.03662.Los limites son:

 LCS = 0.0362 + 3{0.0362(1-0.0362)/300}= 0.0686


 Línea central = 0.0362
 LCI = 0.0362 - 3{0.0362(1-0.0362)/300}= 0.00386

2.3.2 GRÁFICO NP
En ocasiones, cuando el tamaño de muestras en las cartas es constante, es mas
conveniente usar la carta np en la que se gráfica el numero de artículos defectuosos
por muestra (Di ), en lugar de la proporción.

Los limites de control para la carta np se obtiene bajo el supuesto de la distribución


binomial, por lo que están dados por:

 LCS = np+ 3[np(1-np)/n]


 Línea central = np
 LCI = np - 3[np(1-np)/n]

Donde igual que en la carta p, n es el tamaño de muestra y p es la proporción


promedio de artículos defectuosos, con lo que np es la estimación del numero
promedio de artículos defectuosos por muestra. En la formula los limites de control, la
raíz cuadrada de la expresión anotada es la estimación de la desviación estándar de D i
(numero de piezas defectuosas por muestra).

Ejemplo:

En un proceso de manufactura al final de la línea de ensamble, antes de empacar, se


hace una inspección y prueba final, y en una cata p se registra la proporción de
artículos defectuosos. En esta misma carta se combinan las fallas de los diferentes
componentes.

Analizando los datos obtenidos en la inspección final, a través de una estratificación y


un análisis de Pareto, se encuentra que la principal causa por la que los artículos salen
defectuosos esta relacionado con los problemas en el componente W, por lo que se
decide analizar mas de cerca el proceso que produce tal componente.

Para ello, de cada lote de componentes W se decide inspeccionar una muestra de n=


120, inmediatamente que salen de su proceso(antes de ser ensamblados). Los datos
obtenidos en 20 lotes consecutivos se muestran en la siguiente tabla

Lote Art. Def. en Lote Art. Def. en


muestra muestra
1 9 11 10
2 6 12 20
3 10 13 12
4 8 14 10
5 5 15 10
6 5 16 0
7 14 17 13
8 12 18 5
9 9 19 6
10 8 20 11
Total = 183

P= 183/(120 x 20) = 0.076

Con lo que los limites de control están dados por

 LCS = 120 x 0.076 + 3{120 x 0.076(1-0.076)}= 17.87


 Línea central = 120 x 0.076 = 9.15
 LCI= 120 x 0.076 - 3{120 x 0.076(1-0.076)}= 0.428

En la siguiente gráfica se aprecia que el proceso esta fuera de control estadístico, ya


que el numero de piezas defectuosas en la muestra del lote 12 es mayor que el limite
superior, mientras que la muestra del lote 16 es menor que el limite inferior
2.3.3 GRÁFICO U
Habiendo encontrado el tamaño de la muestra , deberemos , si vamos a utilizar un
diagrama c, volver a definir nuestra unidad de inspección, de manera que el tamaño
de la muestra y la unidad de inspección sean idénticos. De esta forma, en función de
los ejemplos que acabamos de examinar, deberíamos cambiar nuestra unidad de
inspección de 5 a 3 radios o a 18 radios. En este caso situaremos en cada ocasión el
numero total de defectos por muestra directamente en nuestro diagrama c. Si
elegimos una nueva unidad de inspección de 3 radios, la línea central del diagrama c
pasara a ser 40 (0.6) = 24; si elegimos una nueva unidad de inspección de 18 radios la
línea central pasara a ser 40 (3.6) = 144.

Si después de haber determinado el tamaño de la muestra no volveremos a definir la


unidad de inspección, se hará necesario establecer un diagrama de control en función
del numero promedio de defectos por unidad de inspección. En otras palabras, si c es
el número total de defectos que se encuentra en cualquier muestra, y k es el numero
de unidades de inspección en una muestra, estableceremos un diagrama de control
en el cual situaremos la cantidad u = c/k. Estos diagramas se denominan diagramas
u.

Cuando el tamaño de la muestra varia de una muestra a otra, es necesario utilizar un


diagrama u al objeto de tener una línea central de control constante. Sin embargo, los
limites de control variaran

DIAGRAMA u CON MUESTRA DE TAMAÑO VARIABLE

En ocasiones los diagramas u, como los p, se basan en una inspección de la


producción al 100% . en estos casos el numero de unidades que constituyen una
muestra variara indudablemente de una muestra a otra. Por ejemplo, supongamos
que hemos tenido los siguientes resultados:
En este caso cada lote inspeccionado contiene un número diferente de yardas
cuadradas de lona. Si tomamos 100 yardas cuadradas de lona. Si tomamos 100 yardas
cuadradas como unidad, para utilizarla en nuestro diagrama u , en cada caso, y al
objeto de obtener posibilidad de comparación, debemos convertir el numero de
defectos por lote de inspección en el numero de defectos por unidad de 100 yardas
cuadradas

Sin embargo, cuando estos resultados se sitúan en el diagrama de control, debemos


tener en cuenta que cada cifra se basa en un numero diferente de unidades.

Los limites de control variaran así de una muestra a otra. Cuanto mayor sea el numero
de unidades en una muestra mas angostos serán los limites.

Si cada muestra consta de una sola unidad, los limites para el diagrama u vienen dados
por UCL = û + 3(û)0.5 , LCL = û - 3(û)0.5 . pero si el numero de unidades en una
muestra es k, en tal caso la desviación estándar del numero promedio de defectos por
unidad es (û)0.5 / (k)0.5 = (û / k)0.5 . de esta forma para una muestra de k unidades, los
limites vienen dados por

UCL = û + 3(û)0.5 ,

(1a)

LCL = û -- 3(û)0.5

Como ejemplo supongamos que deseamos construir un diagrama u para controlar la


producción de lona, y decidimos basarla en los datos anteriores (en realidad habríamos
de utilizar un volumen de producción mucho mayor que el anotado).

El primer paso consiste en calcular el numero promedio de defectos por 100 yardas
cuadradas (nuestra unidad), para los seis lotes de inspección

Esto se hace fácilmente sumando el numero total de defectos en cada lote y dividiendo
entre el numero total de unidades de 100 yardas cuadradas inspeccionadas.

Esto da u = 22 / 8.40 = 2.62. Obsérvese que no tomamos un simple promedio del


numero de defectos por 100 yardas cuadradas en cada lote.

Si deseamos trabajar con estas cifras deberemos tomar un promedio ponderado. Esto
es, tendremos que ponderar 2.5 por 2.00, 2.8 por 2.50, 3.0 por 1.00 y así
sucesivamente.

El resultado entonces seria u = 2.62, como anteriormente.

La línea central de nuestro diagrama será u. Los limites para cada muestra vendrán
dados por la formula (1a), la cual de lo siguiente véase la siguiente figura.
Diagramas u con muestras de tamaño variable (solo aparece el limite superior de
control)

Solo se puede construir una curva CO para un diagrama u con una muestra de tamaño
constante. Cuando el numero de unidades varia de una muestra a otra podemos, si asi
lo deseamos, construir una curva CO para el numero promedio de unidades. Esta seria
la curva CO para el diagrama de control con limites promedios.

# lote de k 3(u/k)0,5 UCL = u +


inspección 3(u/k)0,5
1 2,0 3,43 6,05
2 2,5 3,07 5,59
3 1,0 4,83 7,48
4 0,9 5,12 7,74
5 1,2 5,12 7,74
6 0,8 5,43 8,05

2.3.4 GRÁFICO C
Construcción y operación de un diagrama C con una muestra de tamaño constante

Los datos siguientes se pueden utilizar para ilustrar la construcción de un diagrama c.


Reflejan el numero de defectos por grupo, en 25 grupos sucesivos de cinco radios cada
uno.

Numero del Numero de Numero del Numero de


grupo defectos por grupo grupo defectos por grupo
1 77 14 87
2 64 15 40
3 75 16 22
4 93 17 92
5 45 18 89
6 61 19 55
7 49 20 25
8 65 21 54
9 45 22 22
10 77 23 49
11 59 24 33
12 54 25 20
13 41

El numero total de defectos para los 25 grupos es de 1 393 y el numero promedio por
unidad (es decir, por grupo de 5 radios) es C = 1 393 / 25 = 55.7. como estimación
preliminar tomamos el numero de defectos promedio del proceso por unidad (c') como
igual a C, por tanto, tomamos como estimado de ´c la cantidad c = C = 7.5. de aquí 3c
= 3C = 22.5, y el limite superior de control pasa a ser C- 3 C= 55.7 – 22.5 = 33.2 .
estos dan la línea central y los limites superior e inferior para nuestro diagrama
preliminar de control.

Cuatro puntos están por arriba del limite superior y cinco por debajo del limite inferior.
Supongamos que se encuentran causas atribuibles para todos menos uno de dichos
puntos. Digamos por ejemplo que los puntos altos 17 y 18 son debidos a cierto
material defectuoso utilizado en la producción de estos equipos; el punto alto 4 se
determino como correspondiente a un trabajador incompetente; el punto alto 14 a una
maquina vieja que no funcionaba adecuadamente. Eliminemos todas estas causas de
mala calidad. Los puntos bajos 16, 20, 22 y 25 se determina que correspondieron a un
inspector que acababa de aprender su tarea. Supongamos que no advirtió muchos de
los efectos reales en los radios que inspecciono, y excluyamos estos puntos bajos de
entre los demás. No se han encontrado causas atribuibles para el punto 24, de manera
que éste será el único de los puntos situados fuera de los limites de control que
mantendremos. Después de eliminar los puntos 4, 14,16,17,18,20,22 y 25 para los
casos restantes se determinan como 943 / 17 = 55.5. esto esta tan cercano al valor
anterior que podemos tomar la línea central anterior y los limites anteriores.

2.3.5 CAPACIDAD DEL PROCESO

UNIDAD 3: PLAN DE MUESTREO DE ACEPTACIÓN

3.1 CONCEPTOS BÁSICOS DEL MUESTREO

El muestreo es una herramienta de la investigación científica. Su función básica es


determinar que parte de una realidad en estudio (población o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha población. El error que se
comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir
de la observación de sólo una parte de ella, se denomina error de muestreo. Obtener
una muestra adecuada significa lograr una versión simplificada de la población, que
reproduzca de algún modo sus rasgos básicos.

Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo,


lo que hacemos es trabajar con una muestra, entendiendo por tal una parte
representativa de la población. Para que una muestra sea representativa, y por lo tanto
útil, debe de reflejar las similitudes y diferencias encontradas en la población,
ejemplificar las características de la misma.

Cuando decimos que una muestra es representativa indicamos que reúne


aproximadamente las características de la población que son importantes para la
investigación.

Una estadística es una característica de una muestra, los estadísticos emplean letras
latinas minúsculas para denotar estadísticas y muestras. 2. - Tipos de muestreo Los
autores proponen diferentes criterios de clasificación de los diferentes tipos de
muestreo, aunque en general pueden dividirse en dos grandes grupos: métodos de
muestreo probabilísticos y métodos de muestreo no probabilísticos. Muestreo de
aceptación Es la manera de evaluar una parte de los productos que forman un lote
con el propósito de aceptar o rechazar el lote completo. Su uso es recomendado
cuando el costo de inspección es alto o la inspección es monótona y causa errores
de inspección o cuando se requieren pruebas destructivas.
El plan de muestreo consiste en seleccionar aleatoriamente una parte representativa
del lote, inspeccionarla y decidir si cumple con nuestras especificaciones de calidad,
para llegar a esto se deben de consultar tablas y fijar los niveles de calidad que son
aceptables (NCA) para nosotros y nuestros clientes o proveedores. Para definir esto de
manera mas practica, hay que ver el siguiente ejemplo: Tenemos un lote de 9000 (N)
piezas, el plan de inspección dice que se deben tomar 300 (n) piezas y se considera un
número de aceptación © de 2 piezas. Esto significa que en el lote de 900 piezas se
inspeccionaron 300 piezas escogidas aleatoriamente, si 3, 4 o más piezas están
defectuosas, se rechazara todo el lote (las 900 piezas), si al realizar la inspección no se
encuentran piezas defectuosas o se encuentran 1 o 2 el lote tiene que ser aceptado. El
muestreo de aceptación se lleva en diversas situaciones en donde existe una relación
ente consumidor y productor, ya sea en el interior de una empresa o entre diferentes
empresas, y se puede ver como una medida defensiva para protegerse contra la
amenaza del posible deterioro en la calidad. Es posible que Productor y Consumidor
sean cada uno de diferente compañía o en dos departamentos diferentes dentro de
una misma planta, sea como fuere, existe siempre el problema de decidir si se acepta o
se rechaza el producto. En particular si las características de calidad son variables de
atributos, entonces un plan simple de muestro de aceptación esta definido por: N -------
Tamaño de lote n ------ tamaño de la muestra c ------ numero de aceptación Se debe
tener claro que el muestreo de aceptación , al ser una forma particular de inspección,
simplemente acepta y rechaza lotes, pero no mejora la calidad. Es decir el muestreo de
aceptación no es una estrategia de mejora de la calidad, es mas bien una forma de
garantizar que se cumplan ciertas especificaciones de calidad que han sido definidas,
tampoco este tipo de muestreo proporciona buenas estimaciones de la calidad del lote
Donde aplicarlo: En elementos (componentes) terminados. Componentes y materias
primas. Operaciones. Materiales en proceso. Materiales en almacenamiento.
Operaciones en almacenamiento. Datos o Registros. Procedimientos administrativos.
Cuando aplicarlo: Cuando la aplicación de una prueba implica la destrucción del
producto (ej. Prueba de un fusible eléctrico). Cuando el costo es alto para hacer una
inspección del 100% es muy elevado, comparado con el costo que implica pasar una
unidad no conforme. Cuando son muchos y similares las unidades que se van a
inspeccionar, el muestreo produce una mejor opción que el inspeccionar al 100%.
Cuando no se dispone de información sobre la calidad de producto, ejemplo, la grafica
X, R, p, o c. Cuando el lote lo forman una gran cantidad de artículos que habria que
inspeccionar y la probabilidad de error en la inspección es suficientemente alta, de tal
manera que la inspección al 100% podría dejar pasar más unidades defectuosas que un
plan de muestro. Cuando no se dispone de una inspección automatizada. Cuando es
necesario asegurar la confiabilidad del producto, aunque la capacidad del proceso
fabricante del lote sea satisfactoria. En situaciones donde historicamente el vendedor
ha tenido excelentes niveles de calidad y se desea una reducción de la cantidad de
inspección, pero la capacidad del proceso no es suficientemente buena como para no
inspeccionar.

Ventajas: La responsabilidad por la calidad se asigna a quien verdaderamente


corresponde, ¡No a la inspección!, esto favorece una rápida mejora del producto. Es
más económico, puesto que se tienen que hacer menos inspecciones, y se producen
menos daños por manipulación durante la inspección. Permite mejorar la tarea de
inspección, pero en vez de tomar decisiones de pieza con pieza, las decisiones se
toman de lote a lote. Útil en el caso de pruebas que implican destrucción. Se orienta
más al rechazo de lotes enteros más que a la devolución de unidades no conformes.
Desventajas: Existe cierto riesgo de que se rechacen lotes conformes y/o acepten lotes
no conformes. Se tiene que dedicar más tiempo a la planeación y a la documentación.
Se proporciona menos información sobre el producto aunque generalmente ésta es
suficiente. No hay ninguna seguridad dado que la totalidad del lote cumpla con las
especificaciones.

DEINICIONES IMPORTANTES

Definición de Inspección: “Es el proceso de medición, examen, comprobación y otra


forma de comparación de la unidad del producto con las especificaciones” Unidad del
producto: “Es el objeto que se examina a fin de determinar su clasificación como
defectivo o no defectivo o bien para contarle el número de defectos”. Podría consistir
en un solo artículo, en un par, en un conjunto, una longitud, un área, una operación, un
volumen, un componente para un producto final, el mismo producto final, la unidad
del producto puede o no ser la misma de la de compra. Muestra: “Consiste en una o
más unidades del producto que se tomen de un lote o de una producción unitaria,
estas unidades de la muestra deberán ser tomadas al azar sin aferrarse su calidad. El
número de unidades del producto dentro de la muestra se denomina tamaño de la
muestra. Muestreo representativo: “Siempre que sea posible, el número de unidades
en la muestra se debe seleccionar en proporción con el tamaño de los sublotes o
porciones de una producción unitaria, que puedan ser identificados con algún criterio
racional. Las unidades de cada una de las partes del lote o porciones de la producción
se deben de tomar al AZAR”. Tiempo de muestreo: ”Las muestras se pueden tomar
después de que se hayan reunido todas las unidades que formen el lote o la
producción unitaria o se pueden tomar durante la formación del lote o producción”.
Plan de muestreo: “Un plan de muestreo indica el número de unidades del producto de
cada lote o producción que debe ser inspeccionado (el tamaño de muestra o serie de
tamaños de muestra), y el criterio para la determinación de la aceptabilidad del lote o
producción (los números de aceptación y el rechazo)”. Nivel de inspección: “El nivel de
inspección determina la relación que debe existir entre el tamaño del lote o producción
y el tamaño de la muestra”. Interrupción de una inspección: En el caso de que 10 lotes
consecutivos o producciones en una inspección severa se encuentre una cantidad
considerable de defectos que hagan que se rechacen los lotes; se deberá interrumpir la
inspección y quedará pendiente para tomar acción en la mejora de calidad del material
presentado. Falta de Conformidad: El grado de la falta de conformidad de un producto
se debe expresar, ya sea en función del porciento defectivo o en función de los
defectos por cada cien unidades. Porciento Defectivo: Es igual a cien veces el numero
de unidades defectivas contenidas en el producto, divididas entre el numero total de
unidades que forman el producto. Defectos por cada cien unidades: Es igual a cien
veces el numero de defectos contenidos en las unidades (es posible que uno o más
defectos en cada unidad del producto), dividido entre el numero total de unidades que
forman el producto.

3.1.1 NIVEL ACEPTABLE DE CALIDAD

(AVERAGE QUALITY LEVEL ) ( AQL)

Definición: Es el máximo porciento defectivo (o el máximo numero de defectos por


cada cien unidades) que, para los fines de un muestro de inspección, se puede
considerar como satisfactorio para la media del proceso.

Significado: El AQL es un valor designado en porciento defectivo (o defectos por cada


cien unidades), que el consumidor indica que podrá aceptar en la mayoría de los casos
por medio del plan de aceptación que se vaya a emplear. Los planes de muestreo que
se proporcionan en el se han arreglado de tal forma que la probabilidad de aceptación
para un determinado valor de AQL, dependerá del tamaño de la muestra, siendo por lo
general mayor para las muestras grandes que para las pequeñas, para un determinado
AQL.

Limitaciones: La designación de un AQL no significa que el proveedor este facultado


para proporcionar a propósito alguna medida defectuosa del producto.
Especificaciones de los AQL’s: El AQL que se vaya a emplear se debe designar en el
CONTRATO o por la autoridad responsable (usar guía ISO-9001). Se pueden emplear
diferentes valores del AQL para grupos de defectos. Puede ser designado un AQL para
un grupo de defectos, además de los valores de AQL para defectos particulares o para
subgrupos de defectos dentro de cada grupo.
3.1.2 LIMITE TOLERADO DEL PORCENTAJE DE
DEFECTUOSOS

LTPD (Lot Tolerance Percent Defective): Peor nivel de calidad que el consumidor
desearía aceptar en un lote Individual

• Es una fracción defectuosa • Es un nivel de calidad que el consumidor quisiera


rechazar siempre, pero por efectos del muestreo no siempre se rechazará • Es un
índice de mala calidad

Curvas tipo A y tipo B Curvas tipo B: para su construcción se supone que provienen de
un lote grande o secuencia de lotes provenientes de un proceso continuo distribución
valida: Binomial (si es posible se puede aproximar por Poisson, si p < 0.1).

Curvas tipo A: para lotes aislados y finitos distribución valida: Hipergeométrica (si es
posible se puede aproximar por la Binomial, si n/N _ 0.1).

Distribución Hipergeométrica:

p = D/N

Con D número de defectuosos en el lote. Vario D para obtener p y Pa y obtener la


C.C.O. tipo A

Que puede definirse como: El porcentaje de unidades que no cumplen con los
requisitos en un lote para el cual, con propósitos de muestreo de aceptación, el
consumidor desea que se restrinja la probabilidad de aceptación a un valor bajo
especificado. Las tablas que usan el NCL como índice están orientadas al muestreo con
alto énfasis sobre la calidad de lotes individuales. Típicos de las tablas NCL son los tipos
de tolerancia de porcentaje defectuoso en el lote (TPDL), nivel de calidad rechazable
(NCR) y nivel de calidad inaceptable (NCI).

La curva CO puede ser indexada para NCA con una probabilidad de aceptación
designada Pa, y para NCL con una probabilidad de rechazo o inaceptabilidad designada
Pr.

2. Las tablas que ofrecen protección de “lo almacenado “, o sea la calidad promedio de
un gran numero de lotes del mismo material, después de su inspección. El tipo de la
meta de la calidad asociado con esta serie de planes, es el del límite del promedio de la
calidad final (LPCF).
Defecto y unidades defectuosas (conceptos) Defecto es cualquier disconformidad con
las prescripciones de calidad establecidas. Defecto crítico es aquel que puede generar
inseguridad física en las personas que pueden llegar a impedir la función para la que la
pieza fue concebida. Defecto principal es aquel que no siendo critico puede reducir
substancialmente la utilidad de la pieza para el fin para la que fue concebida. Defecto
secundario es aquel que no reduce la utilidad del producto. Unidad defectuosa es un
artículo que tiene al menos un defecto. Unidad defectuosa crítica es la que tiene al
menos un defecto crítico pudiendo tener o no defectos principales o secundarios.
Unidad de defecto principal es la que no teniendo ningún defecto crítico tiene al
menos un defecto principal pudiendo tener o no defectos secundarios. Unidad
defectuosa secundaria es aquella que no teniendo defectos críticos ni principales
contiene al menos un defecto secundario.

LIMITE DE CALIDAD. Se define este parámetro como la proporción de piezas


defectuosas (o defectos por cada 100 piezas) que será aceptado en el 10% de los casos
(LC 10?) o en el 5% de ellos (LC5). Pretende ser una protección del consumidor, en el
sentido de que es muy poco probable que un lote que contenga una p = LCx sea
aceptado. Representa por tanto, el porcentaje de piezas defectuosas que el comprador
no debería aceptar.

LIMITES DE TOLERANCIA Y LÍMITES DE ESPECIFICACIÓN

En el momento de analizar la capacidad de un proceso, es importante que se dé una


situación de minimización de los efectos de los factores esencialmente ajenos a los
estudios. Tales factores pueden ser variaciones no naturales de material, ajuste y
deterioro del proceso, etc. Una ves observadas estas condiciones idóneas, se puede
realizar un estudio de capacidad reuniendo los datos necesarios relativos a la
característica de calidad en análisis para al menos 50 observaciones y calculando la
media de X y la desviación estándar S de dichos datos. El intervalo de tolerancia natural
(estimado) será la media de X± 3S, siendo sus extremos los limites de tolerancia
natural. Este intervalo de variación natural de la característica de calidad indica entre
otras cosas que la fracción de la producción que caiga fuera de él será considerada
como defectuosa. Esto constituye una forma alternativa de expresar la aptitud o
capacidad de un proceso cono un porcentaje fuera de las especificaciones.

3.1.3 LÍMITE DE CALIDAD PROMEDIO DE SALIDA

(CMS) Cuando se aplica el muestreo rectificante, es decir, cuando los lotes rechazados
son inspeccionados al 100% y las piezas defectuosas son sustituidas por otras sin
defectos, se llama Calidad Media de Salida (CMS) a la calidad que se obtiene al
considerar conjuntamente los lotes aceptados (que pueden contener piezas
defectuosas) y los lotes rechazados (que salvo error de los inspectores no poseen
piezas defectuosas). Es, por tanto, la calidad media en el almacén después de aplicarse
el muestreo rectificante.
Con los lotes aceptados se pueden introducir piezas defectuosas en el almacén del
comprador. En concreto, por cada lote aceptado entrar p. (N-n) piezas defectuosas lo
que ocurre con una probabilidad Pa que es la de aceptar lotes. Con los lotes
rechazados entrar 0 piezas defectuosas, y esto ocurre con una probabilidad de 1 –Pa
que es, precisamente la probabilidad de rechazar un lote.
En consecuencia, el número mínimo de piezas defectuosas por lotes recibidos es Pa.p.
(N-n) + (1- Pa). 0 y, consecuentemente, la proporción media de piezas defectuosas en el
almacén serán:

Es decir:

Dado un plan de muestreo, conocida la curva característica, si p


también es conocida, se puede calcular Pa y determinar la CMS.

LIMITE DE LA CALIDAD MEDIA DE SALIDA LCMS Como hemos visto, si p es conocida, es


posible calcular la CMS. Sin embargo, p no es conocida, pues si lo fuera, no sería
necesario muestrear para decidir si se acepta o rechaza el lote. Afortunadamente es
posible calcular el máximo de p.Pa y, por tanto, el de la CMS. Al valor máximo de la
CMS se le denomina Límite de la Calidad Media de Salida (LCMS) y representa el
máximo valor de la calidad media de salida que a largo plazo se puede obtener en el
almacén del comprador cuando el muestreo es rectificante.

EL LÍMITE DEL PROMEDIO DE LA CALIDAD FINAL (LPCF)

Se puede definir como: La máxima calidad esperada de la calidad final sobre todos los
niveles posibles de calidad de recibo, siguiendo el uso de un plan de muestreo de
aceptación para un valor dado de la calidad del producto recibido. Las tablas que usan
LPCF como índice están orientadas a asegurar que el promedio a largo plazo de la
calidad aceptada no será peor que el valor LPCF; supone la separación y reemplazo de
unidades mal conformadas en los lotes que no se aceptaron. Este es el índice básico
para planes de muestreo continúo.
PROMEDIO DE CALIDAD FINAL (PCF)

Se define como:

El valor esperado de la calidad del producto final después del uso de un plan de
muestreo de aceptación para un valor dado de calidad del producto recibido.

Todo plan de muestreo que de protección en una de las dos formas anteriores,
también proporcionara cierto grado de protección en la otra. Además, cada una de
estas dos formas de tablas de muestreo, ofrece beneficios en sus aplicaciones
particulares. No se puede asegurar que una tabla sea “mejor “que la otra.
Cuando la recepción de los lotes individuales de material por una planta, no se hace en
forma frecuente, las tablas mas apropiadas serán las de protección por calidad del lote.
Cuando se estén inspeccionando gran número de lotes y el promedio de la calidad del
material que se pasa a los talleres sea el factor principal, entonces la protección por el
promedio de la calidad final será la indicada.

Cada uno de estos dos tipos de tablas se discuten a continuación.

Tablas de calidad del lote

Cuando se requiere una tabla que proporcione protección por la calidad del lote, las
dos de mayor uso de que se dispone son:

1. Tablas del porcentaje de defectuosos tolerables en el lote (NCL), 2. Tablas de nivel de


calidad aceptable (NCA).

TABLAS NCL

Se presentan las curvas CO para cuatro condiciones de aceptación. Estas curvas se


asemejan solo en una condición: todas pasan por el punto en que la probabilidad de
aceptación en el eje vertical es de 10%, y el NCL sobre el eje horizontal, es de 4%. La
significación de esta tabla de muestreo en particular, se puede expresar en forma
sencilla como sigue: bajo estas condiciones de aceptabilidad, el consumidor estará
seguro de que el 90% de los lotes que contengan un 4% de defectuosos será
rechazado. Luego para este plan en particular, la tolerancia de defectuosos en cl lote es
de 4%, con un riesgo para el consumidor del 10%. TABLAS NCA
Se presentan las curvas CO para otras cuatro condiciones de aceptabilidad. Estas curvas
se asemejan en una condición: todas pasan por un punto cuya probabilidad de
aceptación sobre el eje vertical, es de 90% y el nivel de calidad aceptable límite sobre el
eje horizontal, es de 4%. La significación de la construcción de esta tabla de muestreo
en particular, es la siguiente: bajo estas condiciones de aceptación, los lotes que
contengan el 4% de defectos estarán seguros de ser aceptados el 90% de las veces.

Existe un 10% de riesgo del productor de que los lotes que coinciden con este nivel de
calidad le sean rechazados. Por tanto, para este plan en particular, el nivel aceptable de
calidad es del 4%, con un 10% o como riesgo para el productor. Para estas curvas CO,
tanto cuando cl NCL y el riesgo del productor (a) y también el NCL y el riesgo del
consumidor (p) están especificados, el plan de muestreo esta completamente
determinado cuando se toman muestras de tamaño n. La necesidad de que n sea un
entero requiere de la decisión de indexar o no el plan para mantener el riesgo (a) del
plan o el riesgo (p). Para muestras dobles o múltiples (n1 , n2 -,,), la relación entre estas
muestras debe identificarse.

PROTECCION POR EL PROMEDIO DE LA CALIDAD FINAL

Cuando se requiera una protección por el promedio de la calidad final (PCF), las tablas
por el límite del promedio de la calidad final (LPCF) serán las que deban emplearse.
Estas tablas aseguran a un fabricante que el porcentaje defectuoso promedio de la
calidad final, deberá ser igual o menor que un determinado nivel, pero para esto, se
requiere que los lotes que sean rechazados bajo este plan, se inspeccionen 100% y que
las unidades defectuosas contenidas en estos lotes, sean sustituidas o reparadas. La
condición del 4% de defectuosos tolerables en el lote, con n = 60 y c = 0, servirá para
explicar la forma del plan de muestreo por LPCF. Los lotes que contuvieran el 1% de
mal conformados se aceptarían el 56% de las veces. Por tanto, el 44% de los lotes se
deberán de inspeccionar 100%, y las unidades mal conformadas que se encuentren
serán sustituidas o reparadas. El promedio de la calidad después de esta inspección, o
PCF, para estos lotes, será de 44% x 0% + 56% x 1% =0.56%. Si se sometieran a
inspección lotes que contengan el 1.5% de mal conformados se ve que el 43% será
aceptado y el 57% de los lotes será rechazado, para una inspección 100%; eliminando
todos los mal conformados el nuevo PCF será de 43% >s16 < s16 1.5%,s16 o sea
0.645%. Para lotes presentados con 2% mal conformados el PCF resulta de 0.64%. Este
valor del PCF va siendo progresivamente mas pequeño para lotes con 2.5% de mal
conformados, 3% de mal conformados, etcétera.
3.1.4 NÚMERO ESPERADO DE PIEZAS INSPECCIONADAS

NIVEL DE INSPECCION Este concepto hace referencia al tamaño de la muestra en


relación con el tamaño del lote. Existen tres niveles de inspección para usos generales
denominados I, II y III. A menos que se indique lo contrario se empleara siempre el
nivel II. Con el fin de tener una idea del tamaño relativo de las muestras según el nivel,
se acepta que, aproximadamente si el nivel II es 1, el nivel I es 0.4 y el nivel III es 1.5.
Cuando sea necesario utilizar tamaños de muestras muy pequeños sean admisibles
riesgos elevados se pueden utilizar los niveles especiales S-1, S-2, S-3, S-4.
Hasta ahora se ha supuesto implícitamente que los procedimientos de inspección
están libres de error. Sin embargo muchas tareas de inspección no lo están, y aunque
lo errores que se producen en las operaciones de inspección son involuntarios,
pueden distorsionar las mediciones del funcionamiento de cualquier plan de
muestreo de aceptación en cuyo diseño se ha ignorado su existencia. Es común
encontrar tasas de errores de inspección de 25 a 30% en actividades de inspección
compleja

Además de los planes de inspección sencillos, dobles o múltiples, existen 3 tipos de


niveles de inspección, estos son el normal, el riguroso y el reducido. Toda inspección
inicia como normal y dependiendo del comportamiento del material a inspeccionar, la
cantidad a seleccionar aumenta o se reduce. Para esto se consideran los siguientes
criterios:

inicia como normal, esto se mantiene hasta que los siguientes procedimientos de
modificación exijan un cambio:Nivel de inspección Normal: Toda inspección
se da cuando 2 de 5 lotes consecutivos han sido rechazados.De normal a rigurosa:
Este cambio de nivel
cuando 5 lotes consecutivos se aceptan dentro de la inspección original.De rigurosa a
normal: Este cambio se da
cuando 1 lote resulta rechazadoDe normal a reducida: Este cambio se da

Formación de lotes y selección de la muestra Los lotes deben de ser homogéneos, todo
producto que figure en un lote deberá producirse por la misma maquina, el mismo
operador, el mismo material de entrada y las mismas condiciones de operaciones
durante la fabricación del lote. La selección de las muestras que se vayan a emplear en
la inspección deberán ser representativas de todo el lote. Nuestro plan de muestreo
busca que cada una de las unidades del lote tengan la misma posibilidad de ser
escogida para ser inspeccionada. Los NCA de las latas El NCA (también conocido como
AQL, que es lo mismo pero en ingles) es fijado tomando en cuenta algunos aspectos
estadísticos como las curvas de características de operación (CO) y curvas de cantidad
media de la muestra (CMM), la ayuda de esta curva es evitar el conflicto entre el
cliente y el fabricante, ya que este siempre desea la aceptación de todos los lotes
aceptables y el consumidor desea el rechazo de todos los lotes inaceptables. Nuestro
plan de muestreo ha fijado un AQL de (se define en un convenio cliente – proveedor)
para defectos críticos, (se define en un convenio cliente – proveedor) para defectos
mayores y (se define en un convenio cliente – proveedor) para defectos menores. En el
anexo 2, encontraras la clasificación de estos defectos. Recuerda que los críticos anulan
la funcionalidad de los productos, los mayores ponen en riesgo su funcionalidad y los
menores por lo general afectan solo a la apariencia. Número esperado piezas
inspeccionadas La carta de control que propone Quesenberry, es la de Shewhart,
basada en una muestra de observaciones de una distribución Geométrica, 1 2 , ,…, n x x
x . Una de ellas monitoriza directamente el número de unidades inspeccionadas hasta
encontrar una unidad no conforme ( i x ) y utiliza a la distribución Geométrica exacta
para la definición de los límites inferior (LI) y superior (LS) de control. Estos límites son:

LS=1+ln (LI=1+ln (1-


Ln (1-Po) ln (1-Po)

, es la probabilidad de falsa alarma aceptadaDonde (probabilidad de


decidir que ha ocurrido una salida de control, cuando en y Srealidad el proceso sigue
en condiciones normales). Estos valores de I representan respectivamente las
probabilidades dar una señal de falsa alarma por exceder los límites Inferior o
Superior, las cuales, aún cuando generalmente se las define iguales, se supone que
podrían ser distintas:

P0)P0 LI / P P(X 


LSP (X  P0)P0) / P

3.2 PLAN DE MUESTREO DE ACEPTACIÓN POR ATRIBUTOS

El plan de muestreo por atributos (n,c) consiste en inspeccionar muestras aleatorias de


n unidades tomadas de lotes de tamaño N, y observar el número de artículos
disconformes o defectuosos d en las muestras. Si el número de artículos defectuosos d
es menor que o igual a c, se aceptara el lote, si el número de dichos artículos
defectuosos d es mayor que c se rechazara el lote. En estos planes se extrae
aleatoriamente una muestra de un lote, y cada pieza de la muestra es clasificada de
acuerdo con ciertos atributos como aceptable o defectuosa. Si el numero de piezas
defectuosas es menor o igual que un cierto numero predefinido, entonces el lote es
aceptado, en caso de que sea mayor el lotes es rechazado. Y este a su vez se divide en:
sencillo, doble y multiple. El objetivo del muestreo de aceptación es determinar si un
conjunto de productos satisface los requerimientos de calidad o no, a partir de la
inspección de sólo una parte del conjunto. En el lenguaje de control de la calidad, el
conjunto de productos recibe el nombre de lote, y la parte del conjunto que fue
inspeccionada recibe el nombre de muestra. Debemos especificar un criterio para
aceptar el lote basado en los resultados de la inspección. Evidentemente, este criterio
tendrá que ver con el número de productos defectuosos que encontremos en la
muestra; si éste es alto, el lote será rechazado. Si el lote es aceptado, será enviado a
producción para su uso, o a los clientes, en caso de tratarse de productos terminados.
En caso de rechazar el lote, deberán tomarse las medidas correctivas, ya sea la
devolución del pedido al proveedor, o su reproceso para la corrección de fallas. Al
decidir si usamos o no un muestreo de aceptación, debemos considerar algunos
factores, ya que si bien es menos costoso que una inspección al 100%, existe un costo
del procedimiento. Algunos de los factores por considerar serán el nivel de confianza
en los proveedores, el costo en que se incurre al aceptar productos defectuosos, y el
riesgo del muestreo. Respecto de este último punto, es necesario aclarar que en el
muestreo de aceptación existe siempre un riesgo debido a la naturaleza estadística del
proceso de toma de decisiones. En general, existen dos tipos de errores con
probabilidad de ocurrir.

El primero es llamado error tipo I, y ocurre cuando rechazamos un lote que cumple con
las especificaciones de calidad; el segundo es llamado error tipo II, y ocurre cuando
aceptamos un lote que no cumple con las especificaciones de calidad.
Afortunadamente, es posible controlar la probabilidad de ocurrencia de estos errores,
de manera que puedan mantenerse bajas; la clave para reducir la probabilidad de
ocurrencia de estos errores es el tamaño de la muestra (es decir, el número de
productos inspeccionados en la muestra), tal como veremos más adelante. Por esta
razón, se sabe también que el muestreo de aceptación es más eficiente cuando el lote
es grande.

3.2.1 ACEPTACIÓN DE LOTES CON NIVEL ACEPTABLE DE


CALIDAD

Aceptación de lotes o producciones unitarias (aceptación o rechazo): La aceptación de


un lote o producción unitaria quedará determinada con el empleo de un plan o planes
de muestreo asociados con los valores designados para el AQL o los diferentes AQL’s.
Importancia del muestreo para fines de aceptación
La inspección con fines de aceptación se lleva a cabo en muchos momentos durante la
fabricación. Puede haber inspección recepción de materiales y piezas, inspección en
curso de fabricación, inspección de producto acabado por el propio fabricante y, por
último, inspección del producto acabado por uno o más compradores.
Gran parte de esta inspección de aceptación se basa necesariamente en el muestreo.
Todas las pruebas de aceptación del artículo que sean destructivas deben
inevitablemente hacerse por muestreo. En muchos otros casos se utiliza la inspección
de muestra, porque resulta prohibitivo el coste de inspección al 100%. Una ventaja
importante de los sistemas modernos de aceptación por muestreo, es que ejercen una
presión más efectiva para la mejora de la calidad que la que es imposible con una
inspección al 100%.

Presión ejercida para mejora de la calidad por el rechazo de lotes enteros.

La inspección, en el sentido de separar el producto bueno del malo, no puede


aceptarse con seguridad plena de que solo separa producto bueno. El cansancio
provocado por las operaciones repetidas de inspección, limitan con frecuencia la
eficacia del control unitario. Es evidente que ningún procedimiento de muestreo puede
eliminar todo lo defectuoso. Se deduzca pues que la mejor forma para estar seguro que
el producto es bueno es, en primer lugar, hacerlo bien.

Cuando un fabricante no hace en primer lugar el producto correcto y, en efecto, confía


en que el consumidor paga la inspección de separación, sucede con frecuencia que se
pueden obtener mejoras de calidad sorprendentes, gracias al rechazo total de lotes
enteros del producto, basándose en el numero de unidades defectuosas encontradas
en las muestras. El rechazo de lotes enteros hace que se ejerza mucha mas presión
para mejorar la calidad que el rechazo de artículos sueltos.

Aceptación lote por lote utilizando un muestreo simple por atributos.

En la inspección de aceptación un artículo defectuoso es el que no es conforme a las


especificaciones en una o más características de calidad. Un procedimiento corriente
en la aceptación por muestreo es considerar por separado cada lote de producto
sometido y basar la decisión, sobre la aceptación a rechazo de lote, en la evidencia de
una o mas muestra escogidas al azar del lote. Cuando la decisión se hace siempre por
evidencia de solo una muestra, el plan de aceptación se describe como muestreo
simple.

Cualquier plan sistemático de muestreo simple requiere que se especifiquen tres


números. El primero es el numero N de artículos en el lote del que debe sacarse la
muestra. El segundo es el número n de artículos en la muestra al azar sacada del lote. Y
el tercero es el numero c de aceptación.

Este número de aceptación corresponde al máximo permisible de artículos defectuosos


en la muestra. Un número de piezas defectuosas superior a c causaría el rechazo del
lote. En los planes de muestreo desarrollados sin el provecho del análisis estadístico, c
se especifica, con frecuencia como 0 con la ilusión de que si la muestra es perfecta, el
lote también lo será.

3.2.2 Uso e Interpretación del Militar Standard 105 E en el


muestreo:

Elaborar nuevos programas de muestreo de aceptación a medida que la ocasión lo


requiere es un cierto modo tedioso. El MIL-STD-105D conocido internacionalmente
como ABC-STD-105D es un esfuerzo que proporciona un conjunto de programas
estandarizados que se conoce también como proyecto de muestreo. Se habla de
esfuerzo por que fue la ultima revisión del conjunto de programas estándar diseñado
poco después de la II guerra mundial. Cada una de las revisiones se baso en el proyecto
de muestreo precedente y de los cambios realizados fueron producto de la experiencia
adquirida. El primer conjunto de programas estandarizados se elaboro para la Armada
y la Marina de los Estados Unidos y se llamo JAN-STD (1949). En 1950 lo construyo el
MIL-STD-105A, con revisiones posteriores de nominadas B y C hasta 1963, año en que
republico el MIL-STD-105D. Uno de los objetivos de la revisión 105D fue crear un
conjunto de programas estándar para usarse tanto en Estados Unidos Como en otras
naciones. Para ello se formo una comisión internacional integrada por los Estados
Unidos, Gran Bretaña y Canadá. Al conjunto final de programas estándar se incluyeron
las sugerencias de otros países.

Elaboración de los programas

AL ANALIZAR de muestreo simple, doble y múltiple, se observo que cada proyecto


tiene un objetivo la conversión de los deseos cualitativos de la sugerencia de un
modelo cuantitativo. Unas ves establecidas las restricciones RP, RC, NAC, y PDTL, se
elaborará un programa que opere de la manera deseada. Cualquier cambio
cuantitativo en los programas significa un cambio en los propósitos de la gerencia. Es
lógico que un grupo personas incurra en contradicciones al tomar primero una decisión
el cuento a cuáles son los objetivos a lograr por medio de los programas estándar e
investigar posteriormente cuál es la mejor manera de hacerlo. Si a estos se agregan los
compromisos políticos, el programa es aún más complicado. En consecuencia, la tarea
de elaborar los programas estándar para uso internacional no fue nada fácil y el
proyecto resultante es digno de admirarse.

Características de los programas estándar

UN VISTAZO a los programas de MIL-STD-105D revela algunas de las características


generales. En cada página, el NAC y las coordenadas arbitrarias designadas con letras
mayúsculas representan un programa específico. Además de los programas normales
se preveen las medidas necesarias para una inspección rigurosa y una truncada. El
cálculo del NAC presenta barios aspectos interesantes. Dado que dicho calculo se
realiza con base a una inspección normal, esta relacionado con un RP menor al 5%
(generalmente entre 1y 2 %). Es decir, cuando la producción opera correctamente, el
riesgo de un rechazo erróneo de una determinada cantidad de productos debe ser
chazo erróneo de una determinada cantidad de productos debe ser muy pequeño.
Pero si la operación es defectuosa, se toman precauciones necesarias para incrementar
la protección al consumidor. Esto hace que aumente el riego del productor, al
considerar las precauciones en que incurre a la inspección rigurosa. Por otra parte, si
todo funciona adecuadamente durante un periodo largo, el proyecto establece que se
tomen muestras más pequeñas con inspección truncada y en consecuencia, el costo de
la inspección es bajo. Conviene observar que el NAC puede variar desde 0.01 hasta
1000, lo cual parece un poco extraño ya que se trata de la proporción de unidades
defectuosas, es decir, ¿Cómo se puede relacionar una cifra de 1000% de unidades
defectuosas con antecedentes en estadísticas? El NAC debe definirse de tal manera que
la cifra sea razonable. En el MIL-STD-105D, el NAC se refiere al porcentaje de unidades
defectuosas, o bien, a los defectos por cien unidades (por supuesto que cualquier
unidad puede tener mas de un defecto). Para valores comprendidos entre 0.01 y 10%,
los NAC pueden referirse a cualquiera de los dos resultados anteriores. No obstante, los
NAC para valores superiores al 10% se requieren exclusivamente por defectos por 100
unidades (por ejemplo, la columna encabezada con el numero 40 indica 40 defectos
por cada 100 unidades). Las letras mayúsculas que aparecen en la columna izquierda
de cada página de los programas de muestreo se refieren al tamaño de la muestra a
tomar, que a su vez se refiere al tamaño de la muestra y en el del lote. La dependencia
entre el tamaño de la muestra y el del lote puede parecer incongruente el la
construcción de la curvas CO. Es lógico que se obtuviera la misma información al tomar
una muestra aleatoria de 100 unidades de 10,000, que al tomar una muestra idéntica
de un lote de 2000. La cantidad de información obtenida de una muestra dada no esta
muy relacionada con el tamaño de la población original si se considera que esta ultima
es mucho mas grande (al menos 10 veces al tamaño de la muestra). En consecuencia,
debe haber otra razón para incrementar el tamaño de la muestra al aumentar el
tamaño del lote. El motivo es de carácter económico, debido a que los costos
implicados en la aceptación o al rechazo de grandes cantidades de productos requieren
mayor cuidado para obtener la evidencia. Se puede escoger un programa de muestro
simple, doble o múltiple, para cada letra y NAC correspondiente al tamaño del lote. Las
curvas CO para programas de muestreo simple, doble o múltiple concuerdan
prácticamente para una letra y un NAC determinado.

El plan original, el Miltary Standard 105 fue diseñado en 1950. La última revisión, el
plan Military Standard 105E data de 1989. Existe una versión civil de este plan militar,
el plan ANSI/ASQC Z1.4, pero supone sólo pequeñas modificaciones de éste. Este
estándar ha sido también adoptado por la International Organization for Standarization
bajo la denominación ISO 2859. Este estándar cubre tres tipos de muestreo: simple,
doble y múltiple. Para cada tipo de muestreo existen planes específicos dependiendo
del nivel de calidad que el comprador espera del vendedor. En este tema nos
ocuparemos sólo de los planes simples. Para un mismo tamaño de lote y un mismo
nivel de calidad aceptable (NCA o AQL o valor pA) se especifican tres planes de
inspección:

1. Normal: para aquellos casos en los que la calidad que se espera del proveedor es
similar al NCA

2. Reducido: para aquellos casos en los que la calidad esperada sea muy alta (p < pA).
En este tipo de muestreo, el tamaño muestral es inferior al plan normal.

3. Riguroso: implica un elevado tamaño muestral. Se utiliza cuando se espera una


calidad inferior a la AQL (p > pA).

Existen una serie de reglas que determinan el plan de muestreo anterior. Estas reglas
pueden resumirse en los siguientes puntos:

El plan de inspección normal se realizará al comienzo de la tarea de inspección. Cambio


de plan normal a riguroso: se pasará de inspección normal a rigurosa si dos de cinco
lotes consecutivos han sido rechazados. Cambio de plan riguroso a normal: se pasará
de control riguroso a normal cuando se acepten cinco lotes consecutivos Cambio de
plan normal a reducido: se pasará de muestreo normal a reducido si no se rechaza
ningún lote durante diez lotes seguidos.

Cambio de plan reducido a normal: se pasará de muestreo reducido a normal si un lote


es rechazado. También puede volverse al plan normal cuando el número de
defectuosos no lleva ni a aceptar ni a rechazar el lote. Si se está en el plan de
inspección riguroso durante más de diez lotes, la inspección debe concluir y se debe
proponer el vendedor que aumente los niveles de calidad de su producción.

El plan MIL STD 105E varía también en función del coste del muestreo, existiendo
varios niveles según el coste de inspección. Estos niveles son:

Coste de inspección alto: Nivel I. Coste de inspección estándar: Nivel II. Coste de
inspección bajo: Nivel III. Niveles especiales (por ejemplo, en ensayos destructivos):
Niveles S-1 a S-4

3.2.3 Simple
1. Decidir el AQL o pA.

2. Determinar el nivel de inspección en función de su coste (nivel I, II, III, o niveles


especiales).

3. Con el tamaño del lote y el nivel de inspección anterior ir a la tabla de códigos y


encontrar el código de inspección.

4. Determinar el plan de inspección (normal, riguroso (o estricto) y reducido).

5. Con el código de inspección y el plan de inspección, acudir a la tabla


correspondiente: Tabla de inspección normal, reducida o estricta, y encontrar el plan
de muestreo.

6. Tomar la muestra y ejecutar la inspección. Con el resultado evaluar un posible


cambio de plan.

MIL STD 105E. Reglas para el cambio de nivel de muestreo Ejemplo tabla militar MIL
STD 105-E Supongamos que N=100 y el PDTL = pL = 0.10. Entonces D = N pL = 100(0.10)
= 10 La tabla 10–6 da entonces f = 0.21, que corresponde al valor mas cercano a D= 10.
El Plan de muestreo deseado es entonces n = 0.21(100) = 21 c = 0 Así, dicho plan
consiste en seleccionar, al azar 21 artículos del lote de tamaño 100, y en rechazar el
lote si se encuentra 1 o mas defectos. Ejemplo de tabla: 3.2.3 SIMPLE

Sencillo o Simple: Consiste en un tamaño de muestra n, y un número de aceptación c,


ambos fijados de antemano. • El número de unidades que se deben inspeccionar
deberá ser igual al tamaño de la muestra dado por el plan. • Si el número de defectivos
encontrados en la muestra es igual o menor que el número de aceptación, se debe
considerar como ACEPTABLE EL LOTE o PRODUCCIÓN UNITARIA. • Si el numero de
defectivos es igual o mayor que el numero de rechazo, el LOTE O PRODUCCIÓN SE DEBE
RECHAZAR.

Ejemplo: Muestreo sencillo Tamaño de la muestra: 125 Número de aceptación: 5


defectivos Número de rechazo: 6 defectivos

3.2.4 Doble
La idea de este muestreo es tomar una primera muestra de tamaño pequeño para
detectar los lotes muy buenos o lo muy malos, y si en la primera muestra no se puede
decidir si aceptar o rechazar porque la cantidad de unidades defectuosas ni es muy
pequeña ni es muy grande, entonces se toma una segunda muestra, para decidir si
aceptar o rechazar tomando en cuenta las uniades defectuosas encontradas en las dos
muestras.

o El numero de unidades de la muestra que se inspecciona debe ser igual al primer


tamaño de muestra dado por el plan. o Cuando el numero de defectivos que se
encuentran en la primera muestra sea igual o menor que el primer numero de
aceptación, se considerara aceptable el lote o la producción unitaria. o Si el numero de
defectivos en la primera muestra es igual o mayor que el primer numero de rechazo, se
debe de rechazar el lote o la producción. o Si el numero de defectivos en la primera
muestra queda entre los primeros números de aceptación y de rechazo se toma UNA
SEGUNDA MUESTRA, del tamaño dado por el plan y se inspecciona; el número de la
primera y la segunda muestra se suman; si la suma es igual o menor que el segundo
numero de aceptación , se ACEPTA EL LOTE o PRODUCCIÓN. Si la suma de defectivos es
mayor o igual que el segundo numero de rechazo , el LOTE O PRODUCCIÓN SE
RECHAZA.

Ejemplo de plan de muestreo Doble • Primera muestra: 125 • Número de aceptación:


1 defectivo • Número de rechazo: 4 defectivos • Segundo tamaño de muestra: 125 •
Tamaño de muestra combinada: 250 • Número de aceptación: 4 defectivos • Número
de rechazo: 5 defectivos

3.2.5 Múltiple

• En una inspección de muestreo múltiple, el procedimiento debe de ser, similar al


descrito en el muestreo doble a excepción de que el número requerido de muestras
sucesivas para llegar a una decisión, debe ser mayor de dos.

• Un plan de muestreo múltiple es una extensión del concepto de muestreo doble a


varias fases en el que pueden necesitarse mas de dos muestras para llegar a una
decisión acerca de la suerte del lote. Los tamaños maestrales suelen ser menores que
en un muestreo simple o doble.

• Se usa el mismo principio que en muestreo doble excepto que pueden necesitarse
más de dos muestras Una forma particular de muestreo múltiple es conocida como
muestreo secuencial.

3.3 Plan de Muestreo de Aceptación por Variables:


En este tipo de planes se toma una muestra aleatoria del lote y a cada unidad de la
muestra se le mide una característica de calidad aleatoria del lote (peso, longitud, etc.).
Con las mediciones se calcula un estadístico, que generalmente está en función de la
media y la desviación estándar muestral, y dependiendo del valor de este estadístico al
compararlo con un valor permisible, se aceptará o rechazará todo el lote. Muestreo de
aceptación por variable. En los planes de muestreo de aceptación por variables se
especifican el número de artículos que hay que muestrear y el criterio para juzgar los
lotes cuando se obtienen datos de las mediciones respecto a la característica de calidad
que interesa. Estos planes se basan generalmente en la media y desviación estándar
muéstrales de la característica de calidad. Cuando se conoce la distribución de la
característica en el lote o el proceso, es posible diseñar planes de muestreo por
variables que tengan riesgos especificados de aceptar y de rechazar lotes de una
calidad dada.

Ventajas: Se puede obtener de la misma curva característica de operación con un


tamaño muestral menor que lo requerido por un plan de muestreo por atributos.
Cuando se utilizan pruebas destructivas, el muestreo por variables es particularmente
útil para reducir los costos de inspección. Los datos de mediciones proporcionan
normalmente mas información sobre el proceso de manufactura o el lote que los datos
de atributos. Desventajas: Se debe de conocer la distribución de la característica de
calidad. Se debe de usar un plan para cada característica de calidad que hay que
inspeccionar. Es posible que el uso de un plan de muestreo por variable lleve al rechazo
de un lote aunque la muestra que se inspecciona realmente no tenga ningún articulo
defectuoso. En el muestreo de aceptación por variable, inspeccionamos los productos
de acuerdo con una medida cuantitativa de la calidad (por ejemplo: peso, longitud,
resistencia a la presión, etc.). En el caso de las características que se miden en una
escala continua, debemos tener en cuenta que nunca se pueden lograr estándares
exactos, porque siempre hay una pequeña variabilidad entre los productos. Por
ejemplo, si un saco de arroz especifica un peso de 50 kg., lo normal es que recibamos
sacos con pesos cercanos a los 50 kg., pero nunca con precisión matemática la
especificación indicada.

En general, el control de la calidad por variables requiere de la especificación de un


valor promedio de la variable o característica, y de una medida del grado de
variabilidad de la variable; al respecto, la medida de variabilidad adoptada
universalmente es la desviación estándar. Si la calidad de un producto especifica que la
variable de calidad tiene una media μ y una desviación estándar S, esto significa que
aproximadamente en el 68% de los productos la variable de calidad tiene un valor que
está entre fi—S y μ + S. Un plan de muestreo de aceptación por variable debe
especificar el tamaño de la muestra, al cual llamamos n, y el rango de aceptación para
el promedio de la muestra.
La determinación de n y del rango de aceptación en un plan de muestreo por variable
se hace de acuerdo con el riesgo que estamos dispuestos a correr de cometer los
errores tipo I y tipo II. Supongamos que de acuerdo con nuestro costo de inspección,
hemos determinado que n = 10 es un tamaño de muestra apropiado. Con el fin de
determinar el rango de aceptación para el promedio de la muestra, debemos fijar la
probabilidad de cometer el error tipo I (rechazar un lote que cumple las
especificaciones). En este caso, fijaremos la probabilidad de error tipo I en 0.05. Para
determinar el rango de aceptación debemos tener en cuenta que la variable:

Z = (x – μ) / [S / √ n]

Tiene una distribución de probabilidades conocida con el nombre de distribución


normal estándar. Las probabilidades de la distribución normal estándar están tabuladas
en los textos de estadística. En particular, en estas tablas se puede ver que la
probabilidad de que Z tome un valor menor de 1.645 es igual a la probabilidad de error
tipo I de 0.05 que hemos fijado. Luego, si el lote cumple con las especificaciones de
calidad, es decir n = 50 y S = 1, la probabilidad de que la media de la muestra μ sea
menor de:

μ - 1.645 (S √n) = 50 - 1.645 (1 / √10) = 49.48

Es de 0.05. Es decir; si nuestro criterio de rechazo es que la media de los pesos de la


muestra de 10 sacos es menor de 49.48 kg., tendremos una probabilidad de 0.05 de
cometer el error tipo I, como lo queríamos. De esta forma, hemos determinado
nuestro rango de aceptación, aceptamos el lote de 100 sacos si en una muestra de 10
sacos encontramos un peso promedio de 49.48 kg. o más. Si queremos determinar un
tamaño de muestra adecuado, debemos tener en cuenta las probabilidades de
cometer el error tipo II. Al igual que en el muestreo por atributo, al aumentar el
tamaño de la muestra, se disminuye la probabilidad de cometer el error tipo II, una vez
que se ha fijado el riesgo de cometer el error tipo I.

3.3.1 Aceptación de lotes con Nivel Aceptable de Calidad

Existen dos tipos generales de procedimientos de muestreo por variables; planes que
controlan la fracción defectuosa del lote o el proceso, y planes que controlan un
parámetro (normalmente la media) del lote o el proceso. Procedimiento 1 Se obtiene
una muestra aleatoria de n artículos del lote y se calcula la estadística. Observemos
que en (11–1) ZLIE expresa exactamente la distancia entre la media maestral x y el
límite inferior de especificación en unidades de desviación estándar. Cuando mas
grande sean los valores de ZLIE, tanto mas lejos se encuentra la media muestral x
respecto del limite inferior de especificación y, por consiguiente, tanto mas pequeña es
la fracción defectuosa p del lote.

Si ZLIE>= k, se aceptará el lote. Si ZLIE < k, se rechazará el lote. Procedimiento 2 Se


obtiene una muestra aleatoria de n artículos del lote y se calcula ZLIE. Para estimar la
fracción defectuosa del lote o el proceso se utiliza ZLIE como el área bajo la curva
normal estándar a la izquierda de ZLIE. Sea p el estimador. Si el valor del estimador p es
mayor que un máximo especificado M, se rechazará el lote de otra manera se aceptará.

Muestreo para Aceptación que busca responder a la cuestión cuanto a la calidad de los
artículos que se adquiere en base a la inspección de una muestra aleatoria de ítems del
lote del producto terminado conduce necesariamente a una decisión, aceptar o
rechazar el lote. Sabemos por anticipación que cualquier decisión involucra riegos
(Tomar la decisión correcta o equivocada) y que por regla general cuanto más
información tenemos sobre el problema, menores son los riesgos de tomar la decisión
equivocada.

En el caso denominase Riesgo de Productor la probabilidad de que el lote sea


RECHAZADO cuando en VERDAD el lote presenta la calidad deseada y Riesgo del
Consumidor es la probabilidad que este sea ACEPTADO cuando no presenta la calidad
deseada. La elaboración de Planes de Muestreo para Aceptación toma en cuenta todos
estos factores y una vez establecido se pueden representar los riegos del productor y
del consumidor a través de puntos sobre una curva denominada “Curva Característica
de Operación - CCO” del Plan de Muestreo. La CCO es construida calculándose la
probabilidad del Riesgo del Productor tomando en cuenta la supuesta “Calidad del
Lote”. Esta probabilidad estará dada por el modelo de probabilidad que mejor describe
la variación que introducimos en el proceso al juzgar la población con base al examen
de una muestra tomada de ella. El establecimiento de Tablas de Control así como de
Planes de Muestro para Aceptación requieren de significativo conocimiento de
Métodos Estadísticos que trascienden los objetivos de este texto. Sin embargo, con
alguna superficialidad es posible ilustrar a través de un Plan de Muestreo para

Ilustración: Suponga que estamos inspeccionado lotes de piezas con el siguiente


procedimiento:

Examinamos una muestra de n=16 ítems de cada lote de un producto terminado;


Aceptamos cualquier lote como satisfactorio si en la muestra no encontramos más que
4 defectuosos. Así n= 16, donde n es tamaño de la muestra o número de ensayos y la
cantidad máxima de ítems defectuosos en la muestra c que nos lleva a aceptarlo es c=
4.
Para examinar con algún detalle el funcionamiento de este Plan de Muestreo es
necesario construir su Curva Característica de Operación - CCO y para tal debemos
determinar la probabilidad de rechazarlo haciendo suposiciones sobre el porcentaje de
defectuosos en el lote. En este caso el modelo de probabilidad involucrado es conocido
por Distribución Binomial de Probabilidades. Si genéricamente definimos X = número
de ítems defectuosos en la muestra es posible determinar la probabilidad deseada,

P(X<=4) = P(X=0) + P(X=1) + P(X=2) + P(X=3) +P(X=4) a través de:

x x n - x P(X = x) = Cn p (1 - p)

Donde p = Calidad supuesta del Lote o probabilidad de ítems defectuosos. Entonces:

PROCEDIMIENTO. Se considera un lote. Se toma una muestra y se testea. Según el


resultado se acepta el lote o se rechaza el lote.

NOTACION: N: tamaño de la muestra C: numero de aceptación X: numero de unidades


defectuosas en la muestra.
CRITERIOS. Si x <=c, se acepta el lote. Si x >c, se recházale lote. Se puede tomar una
segunda muestra.

3.3.2 Uso e Interpretación del Militar Standard 414

MIL STD 414 (ANSI/ASQC Z1.9) Es un plan de muestreo para aceptación por variables,
se introdujo en 1957, su punto focal es el nivel de calidad aceptable, que varia de 0.04
a 15%. Existen cinco niveles de inspección, donde el nivel IV se considera “normal”.
Utiliza letras códigos para los tamaños de muestra, los tamaños muéstrales son una
función del tamaño del lote y del nivel de inspección. En esta norma se pueden
emplear dos procedimientos: para el caso de limites unilaterales se aplica el
procedimiento 1 o 2. Si hay limites bilaterales, se utiliza el procedimiento 2. Esta norma
se divide en cuatro secciones: • Sección A.- es una descripción general de los planes de
muestreo, incluyendo ediciones, letras código para el tamaño de la muestra, y curvas
CO para varios planes de muestreo. • Sección B.- ofrece planes de muestreo por
variables que se basan en la desviación estándar de la muestra, para el caso en el cual
se desconoce la variabilidad del lote o del proceso. • Sección C.- presenta planes de
muestreo por variables que se basan en el método de la amplitud muestral. • Sección
D.- proporciona planes de muestreo por variables para el caso en el que se conoce la
desviación estándar del proceso. La MIL STD 414 proporciona información para un
cambio a la inspección estricta o a la reducida, cuando ella se justifica. Se usa la media
del proceso como base para determinar cuando se realizara dicho cambio. Como
media del proceso se toma el promedio de las estimaciones muéstrales del porcentaje
defectuoso, calculadas a partir de los lotes sometidos a la inspección original.
Normalmente la media del proceso se calcula a partir de la información de los 10 lotes
anteriores. Debe implantarse la inspección estricta siempre que la media del proceso
exceda al NCA, y cierto numero de los lotes (mayor a un valor T en los que se basa la
media del proceso tenga estimaciones del porcentaje defectuoso mayores que el
NCA.La tabla 11.6 presenta los valores de T. Se utiliza la inspección reducida cuando: 1.-
los 10 lotes anteriores han estado bajo la inspección normal y no se ha rechazado
ninguno.

2.- el porcentaje defectuoso estimado para cada uno de dichos lotes es menor que un
limite inferior especificado, para el cual se proporciona una tabla especial, o en ciertos
planes, cuando el porcentaje defectuoso estimado es igual a cero para un numero
especificado de lotes consecutivos.

3.- La producción es estable. Es necesario estimar la fracción defectuosa cuando se


aplica el procedimiento 2 de la MIL STD 414. También se requiere implementar las
reglas de cambio entre la inspección normal, la estricta y la reducida. En la norma se
proporcionan tres tablas para estimar la fracción defectuosa. La selección de la tabla
adecuada depende de que se suponga conocida la desviación estándar, se estime la
desviación estándar mediante la desviación estándar muestral, o se use la amplitud de
los datos muéstrales. Estas tablas se denominan a veces Lieberman- Resnikoff (tabla
11.7), se emplean para estimar la fracción defectuosa correspondiente a ZLIE y ZESE
cuando se desconoce la variabilidad del proceso, y se estima mediante la desviación
estándar muestral. Los números en la tabla son las probabilidades de que la variable
normal sea menor que o igual a Z. Estas tablas no solo son útiles para el muestro por
variables, sino también para cualquier situación problemática en la que se necesita una
estimación de los percentiles de una distribución normal con una media y una
desviación estándar desconocidas. Cuando se empieza a utilizar la MIL STD 414, puede
elegirse entre los procedimientos de la desviación estándar conocida y la desviación
estándar desconocida. Cuando no se tiene alguna base para conocer Sigma, debe
utilizarse obviamente el plan de la desviación estándar desconocida. Sin embargo, es
conveniente llevar una grafica de R o de S para los resultados de cada lote, con objeto
de obtener una cierta información acerca del estado de control estadístico de la
dispersión en el proceso de manufactura. Si este diagrama indica un control estadístico,
será posible cambiar a un plan de sigma conocida. Tal cambio reduciría el tamaño
muestral requerido. Incluso en un proceso sin control perfecto, la grafica de control
podría proporcionar información conducente a una estimación conservadora de sigma
para su uso en un plan de sigma conocida. Cuando se utiliza un plan de sigma conocida,
es necesario llevar un diagrama de control R o S como una verificación continua de la
suposición de variabilidad estable y conocida del proceso. La MIL STD 414 contiene un
procedimiento especial para planes mixtos de muestreo de aceptación por variables y

También podría gustarte