Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Herramientas Estadisticas Basicas para El Mejoramiento de La Calidad HITOSHI KUME PDF
Herramientas Estadisticas Basicas para El Mejoramiento de La Calidad HITOSHI KUME PDF
GRUPO
GRUPO EDITORIAL
ED I TO RI AL
norma norma
- ,~ HERRAMIENTAS
ESTADfSTlCAS BÁSICAS !
PARA EL MEJORAMIENTO 1,
.!
DE LA CALIDAD !!
.11
HITOSHI KUME :1
Traduccwn
Eloisa VaSCQ
~visión TécnÍ<'a
D"lOjel Tarquino
Ku_, Hh<:J!t>¡ . EJ V ,-
Hert.utl""roo ~,... ! H",,,.k KII""'; ¡:,¡J"""An "'.. ;uw.
Gtpítklo l
InuOOu.:d.6n ....... H . . . . . . . . . . . . . . . . . . . . ." . . . . , . . . . . . . . . . . • •• m •• • . . . . . . • • .. , , · ·
c.p¡.J.II
Cóm.u obtener da(~ .... H . . . . ._ ..... , .. "
•,
Eilici6n ",iW"¡ "" ¡~
STATlSTlCAL METHOm roo QUAlI'Il' ¡Y;PROVEME}.; 2.2 Las hojili de rt'glStro .......................... " .........." ... ", ... II
de H'""shi """"" EJ
O:>py1'íglr.i:l '-985 P'I,Th~"w~ ~~' C4pifMlé JIl
Ow''''''' T""h::!0.1 Scitolat.W¡¡ 001' ..1 El análiJisdt:P;u-cto .......................................................... _ 19
3.1 (Qué son fu. di.d!llas de Partto~ .•" ......., .............. .. 19
3.2 ('fimo d,;hOIat di;gramas d~ Pareto ............." ...." .. .. 2.
3.3 Diagram>l!. de ParetO de fenómenos y
di~gr.unas d~ PIIreto de o;;alUall .... " ••
3:4 Now sohre l(l,!i ruagrol.l"!lM dr. Pa.rero ,.." ...........,..... ,.•
c"","", IV
O~de C¡IU&k~úao ........." ..... "' ............""' .• ,, •.,... u.,. .. 27
4.1 "Qué wn los diólflMn¿$ de at.!$;l-erea.o? .... u ....... " . . ., T1
4,2 C6mo dahol;1ll: diagramas dt-. cau.sa---t'kao .... " ........ ".
4,3 NOQri sobre loo diagr.:un~ d~ Cilusa-di:an ........." ... .. "
4,4 Dia.gr.unas de P;U'ctu 'f d¡agum;ll de cauu-efecto . "
34
Captwlo V 8.6 CcmbJOat:ión lk'lecti'1" ..... ,,, ," ................ " 1;4
lm ~ m ..........................._ ..................... "............. 39 8.9 Control cnadlsúro dc-caIidad ..,. ....... ".." 155
5. J DistriblldofiCll f his.rQgraJMII •.... u ....... , ..... ,.. • 39
5.1 C6rnnel.:tOOrarhi:ltogramu.:....... ., ............ " ....... ··".. 42 CapitJJ<¡ IX
5.3 (',ó1Jl<l ker histograrJat ... , ....... "..................... su Introduaión a I~ ~c~~lstica ISS
504 Me.:tidas para pres<'1H>tr las cuacu:rlstias de 9,1 E$bI.,j;~¡jca ......................".. " .................... " ........ !SS
las disttibuc!nnes ..... _.......... " .... ", _............. ... 55 9,2 Distr;bnción de ¡-as ettadiniw;¡ , ...... , ....................... . 159
5.' La dl.mIDl.lclÓn nOfoal y _ cttacteriS¡j¡;;l.,\ 61 9.3 Prueba de 11 hipót~ ............... .,,, ......... ,. .... ,. .., .... .. 169
9,4 EHin:rooo de pariÍnletros ... .. ......... _..... . 177
9.5 Pt-uebas y ®macíones de k, rn~'d;as de
Cz¡tluJo VI
Los di~ de dupmi6n ............... _"........... .. 68
poblaoQ1tes cuando xa no oc ~onoc<
9.6 Prucb.l$ y esnma.::iones de I¡h diferencias enue JJj;
..... ,.., ......... ,.. ,. 1"
6.1 ¡Qué son los du.gram-a> de diapcniór.: ....... 68
mtdi;¡s de dos pobLu::iont1 ............................ ,"' ....... .. 181
62 Cómo elaboral un diagr.nn.aJe di$pcrs¡ón ...... 69
9.7 Ptm:bM y e;dfi1¡¡,ciones en obser."doncs pareadas .. .. l85
63 Cómo leer lru: diagr;1ffiólS de díspef'iión " .. H ............ • 72
6.4 FJ ¡;ákulo de lo~ (QefidfJUl$ de t:OITtbción .............. 75 9"_8 PIUeba, de ~¡gniF.c;Jdón de ;O~ ;::od¡denres
65 Nota;¡ sobre el an-.Li~¡~ rorrc!1cronal .............,-.... ".... 78 de cl>Oe!"'c!6'l ..... " ........ "" ................. "". __ ..... __ , .... 18'
6.6 ¿Quéesela.u;ilisi:;deregfdi6nr .. ,.... " ........ ".. 83
6,7 f3.ltirnadón de !;tS lineas de ~jón ................,- .... , 85
6.8 NOU'l 'Wbrt: el. análisis dt· regresión ..". ..................... 87 1'3
195
197
Úlplhlk VII 201
Gr:áikasde wntnd ... " ................. , .. , ......................... -............ 91
7.1 ¿Qué ron 1-..1 grAfiCXi de mmro!? ........... -........... 91 206
107
72 Tip05degrJílrusde(ontwl .......... ".,. ........."
7.3 Cómo elaborar un1 grá6r..a de romro! ...... ,. ......"...
93
% 2.'
210
7A COmn leer las gr.ffi"as de wnlml .... ,,,, .................... ,. lOS
7 S AnálL~is del proC~5ó tu-ando las gráfic.ts de control.... 1(18
7.6 &Oullo de caso de aruilisi5 del pro<:e:o;o "" ............ ".... 1 IS
Fpi10gó , ........., .................... _....... " ................... " ............" 211.
7.7 Quurol dd prtKes<l con gráfica\ de control .. _.. 134
Apéndi<::e ... " ............... "", ...... " ...... _............ ",,,... _.... ,,....... 114
Tabh A.l Tabla de 1" d¡mibnc'ón fIOrmaL ........... "........ 1:4
Gt:pltldo VIll
Aditivídad de hu ~ ..... ,." ... _..... _" ......... "............ 143 Tabb A.l Úleflcientt:i plra la gráfu:a x-IL .................". 21 q
11.1 lw>mediasyllltvarianzasdesUIDas ....... "......... 143 Ti!.bl.. A3 Puntos de pOJ"Cenuj<' para h dinribndón t..... 2! 4
81 Pred'it;,fidcl~blajedejxl[te'Z-" ...... " ....... "''',,· .. 146
Re,P uutu <11 lo s~K;¡W'
. " ................. ., ............................... 118
8..3 Fotfl'lulro; tt'Úrkas ........................ ., ...... ,. .......... ,........ 148
SA FJvalúte~peradoy],lvariam.oldelamedjaID~ual, 149
8:5 Error de mne$treo y error de medición 149 fndice .............." ...................... .. m . . . . . . . . . . . . . . . . . . . . . . •••• . . . . . . . . • . . , 193
8.6 La varianza de lw vuloreide una nmdón " .... " ......... lS1
11.7 OWl<1o w varillbles alearr>rias no son independiemes lS2
Prefacio
con recia musculatura y hombres débiles, peflionM diemasy LUf- (2) El diagI1óstko de ¡.. p''''''''''
das, Todos 1m tralxJjaclores podrán creer que escln trabajando de
Aunque Jal; C;lUSas de la vunadón en la calidad son lnnurnerll-
la misma manera, pero hay difrn:nciu pcnonalc., Aun el mismo
hlu, no roda caug aflXra ¡¡ la ;:alidad en el mismo grado. Algu-
indiviúuJ) ¡rahaja de m.aneu diferente stgtln como SI: ~ienta e~('
ruu J¡¡ ¡¡[enan enormemente. mientras que OUM, ;mnqnc teórica~
dia panicular y scgtín sm ""udicione¡; de fatiga, /1 veces puede
mell,e considetadas -:omo muy ¡mporrame$) tienen poco ekctO
comctf:r un error por do:¡.cnldo.
mbre la var¡¡¡ci6n el! Lo calidad eUJnd" se collltolan adecuad;¡~
En la inspección, pueden oCurri, variacionc$ de ':ill¡dad apa~
menu::.
lentes. Si ~e usa un GllihradoI en la in'po:ción, pueden OlUSarse
La/O.iunumerable~ catUas concebibles pneden carcgoriza:ae en
v:uiaciollClJ en los dac05 por un moti c.alibu.dol o por lA rorma de
dos grupes, ¿ primero de les cuales consiste en un pequeño nú~
lU:lrlú. En el caso de in~p;x.cionel sensorialct, cüru<> la inspec-
mero de cama5 que, sin embargo, llcnen nngr.an efecw (los pm:rn
ción vUllal, la cali:iad parece variar lÍ hay vnüH:ión en d criterio
vilaki), r r![l segundo grupo que indnye muchas camas qne tie-
dd iru¡xx.-wr. La variaci6n en la inspecci6n 1Io;re relaciona direc~
nen sólo efectos menore~ (10$ mIli:;'(/! mviakI}, Genoomcute,
tamente con la calidad dd producto. pero afueca al pro!X$O de
lID hay muchos íauole:I qut: realmente causen defectos. Este he-
decidir SI lIn producto es d.efccmoSQ () no lo es,
dJO se llama principio de PdtaIJ y se ma en mm:,ho$ ca~os.
Si 3n.1!i1.amos d probIetlLi de esta mantea, podemos ver que
C,cn ll" ¡¡plic¡¡ción dd yl\ menciouado priudpio de variaáón
en tI pro<.:e>o de fabricación de un producto intcrv1em:n imm-
merablet facrora que afeetm a las caractdi;¡cicil~ de calidad. de
y de este de I'arew se facilita considerablemente el problema de
reduá. el lluttlerU de pmdllc¡os defectun-so-s. Lo que net:es.iumO$
C!Je producto. Cuando eonsid.er-amos el procew de manufiICtura
hacer es encoutrar las pocas causas vitales dt: [os producw~ ddec-
~de el PUntq de vlst.<l de I~ variaúÓn de la c.ilidad, podemos
tnOliOli y eliminar e.;(4$ camas después de que se hayan idem..ifica-
pensar en el proceso romo 1('¡ agrrg¡¡Jo tk Id; causas rk id 1it!1J'Í4~
do claramente. ~En nuesrro proceso hay ,antm causas de produc-
(Un. Esr;u ClUSJ.$ son la explic.1eión de los ambkK cu las carac-
ta5 defual.lO$(l~ que es realmente ímposible ronI1:Dlarlas". Co~
terlsdcas de calidad de b~ productos,. que tienen renlO resulrado
mermmN romo;) éste se eM.uchan con mcnem.ía en siU()5 donde
productos ddix:tuoso$ o no dekctuows. Un producro;>e oonsi-
10\ procews cs;;in Utuo~ de produnn~ deíecwoso,s. Todo proclUio
detil no d;,:feo::ruo,{1 ¿las caracteristicas de ...alidad sati~EI(;.en cier-
riene muchas cau,a$ de vafÍ¡¡ciólI en la calidad, y uingún ptDCellO
(o tlUlw5Ílu, y defectllOID si no Ji) Í1ru:ctL Por lo talI[O, aun 1<»;
tiene un número ~almente alto de ts;!5 CMlS3$. Hay lIna gran
productos no derectu~ ¡iell;,:n vaü.adooes delItro de! mUnlO
diferencia entre tener ffiU@$ ~sospechDID5~ qne pueden estar
requj~iw. Esto quiete decir que uo cxbU:1I [os productos "exa-:ra:-
CluSando ~ d;,:fectm y re:a!men(e [lmer mumos "cnlpable~n que
meflte igumes~ de los que hahwno~ antes.
de hedw <5tén o;;¡¡n~ando lo, deí«ws.
Lcm prodllcws defer:tuosos ron causados por la¡;: V'M¡acion .... ~.
El proceso ill: encontrar las cal!~ de los prodncw; ddecUlo-
Si e-scas variaciones $e redileen, ,seguramente disminuirán los pro-·
SO! efln;,: muchos factores se llama .JktglllJ¡tíco tÚl prcCt:fO Para
dU<:tot derectuozos. tsre C$ uu principio Sf'lIcí!lo y só!idiJ, aplica-
redocir el número <k prodncw. deftxtuQOO5, la primera a«i6n
ble cumesqlIier.l quc $e"'.tn los tipos de prodncw5 o las d;ues: de
n~a e, hacer nn diagnóstico eorrecto para ver cuále\ son la.;:
m¿wdo, d;,: prodUi::dóu utilizado •.
verdadetaSallSaS de los leftx,01. S¡ {'.sto no se hace cow::ctameu~
te, no $e pneill: reducir ti número de productos defeetnruos. Es
como dar a nn p.icienre de apendicitis no remedio para la: ruges-
,
6
ción, que, de~de Juego, no b tUJa. a efecro puede ~r que el dinicu;, y algunas han dedicado mas de 100 horas a! afio a rou·
padeute se sienta mejor POI ill\ tiempo, pero de:pm:l< (a enfunne- caLÍón intetHil $obre este lema.. El conocimiento de 10$ métodlJ.!'
dad recurrid en una forma peor que antes. t'I;(adúticQ$ 'i<:: h3 ronw:rtido t'ft pane normal de la capacitación
¿Cómo hacer un diagnóstico COHect(¡? Hay muchos meto- de un ingelllUu, pero d conocimiento de los métodos e$udíst.!w
dó$, Alg1ll10$ utilizan la intuiciÓn, Oll'O$ dependen de la expe- (:01- no proporciofla irunt"d;;wunente la habilidad para wm05.
rrellCÚL Aun 00:0$ morreo al ardlisis esta4íniw de los dattn, y Lt habilidad pan anafiur la~ C05óL'l dCllde el punto de ViACl esta~
hasta se puede U$at la investigación cxperimentáL El método in- dtniQ) es más importa,nte que JOs mérudos individuales. Ade-
tuitivo .se usa COI'> frecuencia porqUe es muy rápido. De hecho, más. fle«$icunos $Cf h-anros pan!. ro;x;noccr los problemas y la
hay algo más que la lumidón ordinaria en la inmielón de un variación, y ~r infurmactón ¡;obre eiloo.. Finalmente. qUCft><
verdadero experto, y debe rt$perane. Un movimiento intuitivo lllQ$ mbrayar qut' lo importante no t i solamente el conocimiC1¡-
hecho pGf un experto j~dor de ajedrez es superior al movi- w de los métodos t:15radf$tko~ como wes sino mas bien la aaitud
miento n«bo por cien aflcionadol. El OOO$<'jo y la irtuicióll de mt'nw..llmdil sn milización.
tos r.spccialisms y 10$ experros debe ICSpetarSe profundameme.
Sin embargo, la dificulrad en d problema de reducir el número
de productos defi::ctu&sos es qUe no siemps-é eii ,uro quién es el
verdadero apeno. En el ca:JO del ajedrez, el cOllsejo de los aper~
tos merece casi total GOnfian:ta porqUe ,;into d fuetce como d
débil K manifiestan en jucgm trales. y lo, CilUlpoones rou aqué·
1101 que .han ganado y han sobrevivido a duros mffiem. En el
aso dd diagnóstico de proceso. sin embargo. es froc:nence que
quien parece ser un huen "médico" no lo sea ~ariamcn{e y
puede I15Ultar que sea alguien que "haya dejado morir muehos
pacientes". Además. en una ¿poca de progreso rapidn, es difldl
seguir $¡endu un experto en todos 1M problemas cuya naturaJeza
e;;d; cambiando ctmrumtemente. DdHdo a que el prob1emil de
!o~ productos defeeroO$O$ se encu<:ntta ~11 frecnellda <:11 ire;os
cu las cuales no hay experiencia previa. lo que u: neeesira no e5
nmc.b.O$ ;:flrn; de e.perienria sino la decisióu de reducir el núme-
ro de proouctr;¡¡ defectuosos y una actitud de ob$CIV1lciÓS) de la
útuaciÓn wa.I en furma objeriva. La rot11l3 estadiuic.a di: coruid(.,-
tat \;¡¡¡ eOlIas yel uro de 10$ mérodos estad..{¡¡ti;::os es un medio muy
dicaz para hacer esta observadón.
Los mérodos esrad($li~ proporóonan un medio eNeaz plila
de$ilrrollar tluanu,;>."" Tecnologi1 y rontrolar la calidad de los pro·
= 5 de ffiáoufuctt:¡ra. Muchil~ empresas manUfaerLlter;:¡s i!tlpotw
untd han <'Srado tnuando de mar activamcttte Jos moérodoS eSta.
II
,'.
,
1) El control y el moniwrro del P(OC~o de producción,
2) El análisis de lo qrn: no se ajusta a las normas.
5) L.t impccriófl.
?'
Cualquier recolección de ¡n¡ü,mación ha de rener un propó-
Cómo obtener datos sito espu:;lfko}' $er seguida por aU:lOnes.
2.1 CÓMO RECOGER DATOS la ~"ilfiación ese día. 0, si IUted quitro:' .aber por que resultan
productos deh:cmaso-s hethos pOf dos tcabajadores diferEntes. e.
(1) Eouhle= .bj_ d..., necesario tomar las ffiUCUfas ¡¡eparadJ.mente pata pad.tr rompa-
rM el desempeña de .:ada uno de d¡(>$. Si la mrnparadón e-nrre
la informaciÓn es om, gula p,u-.t Ilut:SfUS acciones. A partir de u ellosmO<:$rf.1 una dar:; dlftrencia, una medida rrffitdial que eli-
información conocemos los hechos peninemes y MOpUID05 al:> mine- la d¡fcrenóa EXltre los lr.trnajadoru n:ducirá umbi¿n la Vil"
dones apropiadas ~adas en eros t.e.;hm. Ames de leu:tger la riaoón en el pIoceso..
informaci6n, es importante de¡crminar qut se va a hacer con Esta div~i6n
de uu grupo en vMÍos m.hgrupos, con base en
dl~ ckno~ metores, se llama b'ffiZliji({uúíTl. La e~tra[ificaci6h es muy
En una Eibrica constructora de m;lquina~, se le hac.e un importante, y es uecesario que su aplk<i.:ióo se convierta cn un
mucnreo de inspeo;ión de calidad a derro tipo de a~o¡jo com- bábim de pcm.uniellto en LOdo r1JX! de siruaciones_
pndo a un proveedor, Se dio el cuo de que un [me qUé deberla Suponga que usroo quiere saber la rdaóón eorre la calidad
habef$C rechazado se aceptÓ «ml<l exo;pción especial, para po- de un ingrediente }' la durtU del prOdtlCIU.. En un Cl..~ romo
der cumplird programa de produwón, Sin efllOOrgO. no se nlW ktE, CuandQ us!xd quiere saber ~i hay una relación en.-re 11:>:. valo-
nad,¡¡ «pecial re!pecw al !.ore que haMasido wxpCldo, E~ro ~u¡e. re, de dot C;¡Ia.UITisriC'ai, 101 d;l{(¡$ tiEnen que e:;tat d.isponihla
re decir que unto !os!ous que >C ilJIUhlban a las espe<jfj(.íC1ont'$ por pares, Si lo, datos .se recogen pOl pare$, :le pueden analizar
(;onl6 aquéllos que no:;e afu$üman pasaron al procero ~:gu¡ej)(e" usaüdo Uh ¿idIP'amr1 fÚ dúp¿niJI'I, que ~e explica en el capítulo
En realidad, estos daw$ se enaban obtenlenoo para de~étmiruu
V1.
la ¡\«'pp.hilidad de los lote\, p<:ro no se usaron para nada.
En el oomrol de calidad, jo.i objetiv<:l5 de la reroleo::lón de
infmmw:wn ¡un:
Ul'tTutO DOo O¡,1EN!iIlSkl.TGS ,I
hará un juióo erróneo si las mediciones no HlO confiables. Por 9,)AYI. 11 ,un, '-p,m. 4¡i-m
ejemplo, las iMpeccione:'l hechas por cierro ínspxtN mostraron Feb. , 12.3 115 13.2 14.1
que una fraca.Ón de produnm defecttID$m era muy diferente dI'
láS dén'iH, y un examen cuidadow mamó m;Í<; tarde que un ins-
r.b. , B.l ,25 14.0 14.0
d., una 5emana reuniendo datru sobre alguna caracterfiXKa de daridad. AdemM de e5to~ requiSitos, en ~i[Uaci= leale~ e! ¡m-
calidad, debido a que las personas olvidaron en que: días de la porLlmr que 10$ datoS St; r«ojan en forma clara y f;kit de usar.
semana $e le{:{)gieron los fultQt, qué m;iquínas hicieron el pro¡;z- VnaJmjn de ~rJroes un formato preimpreso en el cl.UÍ ap31a:en
ro, quiénes fuer.,n los ttalJoajadores, qut loteS de materiales $e los ítems que sr un J. registrar, de tal manera que 10$ 4atOJi puc 0
usaron. Y así sueemvamenre, dart recogerse fácil y collCisamenre. Sus übjeüvo$ pIíncip.des ~n
En segundo lugar, los daws deben regtstune de ul manera <Iru,
que puedan wi!izane facilmente. Por el heeho de que ron fre-
cuencia 1.,$ QatQ$ $e u(iliz:;m p<t$re,iormente piU'll. clkulos etU~ 1) Facilita! IJ. roco!ección de los datOS.
distiros, mies comQ promedios y rangos. C5 mejOr registr.ulos de 2) Organizar auromáriQffilente Jos daras de manen. qlll! pt.le~
tal manera que q¡;Q.S cilculos $e fucili(l'n. Por ejemplo, lo: daros dan usarse con facilidad nili adelante.
sobre 100 pi~, ob,enido,¡¡ haciendo mediciones cwnro vet:C$ al.
,:Ha {a la¡ 9:00, I J :00, :2:00 y 4:OO} durantt" 25 dias. nofmalmen~ La rcwlw.:ión y el registro de los dat{;1 par«e fácil pero en
te se n:gismn en una hOJa de datos. romQ laque se nlUC5ua en la realidad e5 difiál. Generalmente. mierm,n ~ perrona5 prQGt-
ubl:. 2.1, en la cual la hOfa $K of8U!U:a hor'twnmlmente y los sen !os datos, mayor o la probabilidad de que se presenten erro-
l2 JJ
te~ de ttarucrípción, por 10. t"anro, la hOja de registro, eh la ellal Supong;t que queternl)$ sab.:t las va.r¡adone~ en lu dimensiones
los daros puedan rcgis!rar.oe por medio. de: cn;cci (1 de símbolo> de Cierta dasede partescuY'~ eipeci6cu::ión de maqumaooes 8.;300
s('ucíllo~)'
eula cual!!), datos.le organiun au!<Jmátkantenre sJn ::: 0,008. ru.t mudiat .... dhtribución de 1O!i valores caraí:r('rJso~
necesidad de m15 copw a mano, se conviene en Illl<L herramien- CO'l dd proceso, je llWt normaImcme los histogr<ll1L1S. Valofe!l
ta p<xJerosa p~ el f<gimo de los datos. A conúnuacióll !>I: pre· tllles como la media '/ la v,lrl!lltrm se cakulan 'Oh ba~e en el
ltotJh ~¡guno~ ejemplm df hoj.u de registro. bistogruma y umnien S< cumina de divtrsa;: nunerJ.!..la forma
de j¡¡ d¡:rtribuclón.
Ejnnpw 2. J Cumoo se datwrJ un hUlOgt<lnW., Ci dohle trabajo Icenger
Hoja M ngisrrl) para la diItribucwn rúl proceso tÚ unA gran cantidad de Jatü$ y d.:~pués hacer rma gcifica que ffiutS-
producción t/'l! la distribución de fn:xuendal, Una manera m~ sencilla e~
clasificar los daW!i arteramente en el momeoto d.: m:ogerlos. La
figura 2.1 es un ejemplo de \lO formato que puede p¡:qnrnrse
ron ammondru.t & Gúloca una ern,; en la (',.Hilla rotrespoll(llen~
tt' ¡;;ada ve¡: que.e realiza \lna medición, de rHallen que el
histoglilID¡¡ este listó •.:wuulo se acaben de hacer lu medióoUe1.
Cuando se HXlmera estrauflGtt y se we nnarob hoja de regiStro,
es meJot nJM Jift'renln; colores o .dmbolos, de manera que la
diferencia pUMa reoJuócer$€" m:b tarde"
Ej~mpw2.2
Hnja de rl'gistro de ¡(mI! tÚfrctuOiOS
!! '! i! ,
ProollC!(). ....- Fecha: ~ ------
=-
__
,~
'-"
~
M
'
,
R.!yJS supcrfici~1N;
i~ ,ri( (IIUI "
!;r,;( ;M I
.. , , ,
~
11
~
Rajadura,
't ,, ,,
"
!ncllmpl80
;r,;( 7IIf 7IIf 7IIf 7IIf I t.6
3
No,."..\,
1/1
0'= ;r,;( 5
,, fenos fue 62 porque algúnM veces se encontraron dos o m3.s:
__
~
M
'
Tow:,
"
~~~,- ,
;r,;( 7IIf 'I/!í. /IIJ ,ri( Ej""p¡" 23
,
,
,
Tot~¡ r&ChaBUm
van a hacer d regisr[(.l. En el CJ,$(} de 13 figura 2.2, 41 de las 152; '<1.1', pi;lCa acepti;lCl;u o rechuarlas ~ sus auacterí$tiC<l$ dI' po-
pit'l.3S esraban defecruosas, Sin cmbi;lCgú, el número total de de~ rosidad. En cl pasado se le infúrmaba al proveedor únkamente
17
'" ,
whre ",1 recha7A) u la acep,móll di! cadalore y d número d.; de. ~.;,d0
¡., l \1"'*, V< ..."'~>
Ma"\\'i> M'W.-.Il' ,~~
fq.ll¡>G O¡wtMiú
rector por lote, pero la calidad no mejoraba en aÍYroluro, "'.,;,¡ 'M PM 'M
'" AMlpM AV 'M
-- ""
AH ,>,M
= wn "
Dan dónde seria más probable que se prw::nLlfa la pow!údad, la
A ,,
~ ~
,, "
¡;.wd¡¡d mejoro nútab!ememe porque resultaba m¡Ís Ek\l ew:on' ,,
teM la~ causas de 105 defectos. Esta ho~ de regmro ll(~ta {;icil, :
,
. . ~
I •
meulx a la acción y es rld¡~ruahle par" el diagnósüw del pro- v;irIUn;¡; ,
--
,~,
•
obliet'llandu cuidadasameme el proceso para determinar por qué
los dckcros ~e conc.emran en e,Olí lugare•. , .· I • • * : . •
I+it:mplo 2.4
,
ro ro
,
,~
.....
;;;;, ID , ro ro , ,,
,,
, " ,
Ho.io tÚ registro de !di causas del drftcto e • • ,, • , , ,,,
LI. hoja de regimo del ejemplo amerior se usa para definir la •
,
.
loc.tli~Óóu de los ddec(()~, Además, las hujas <le regimo se U$~n I, Q Q
a veces fXlr;l esaacificaci6n adicional mn d fin d(' encontrar las M"q"m~ 2 , .,.,,... 1- f-l
causas de los defeno~. Generalmente, la may()cia de los estudi"h
,
:ID , ro ® 1M
, = ro ro ro , ro , :
,,
, :, • • ~:,,
• •
Olyú objetivo n elloonUM !as c.awa:s de k'$ dcfecn;;$ iIllf'IiC;1U
.;ombinar lo~ d:.u<)S ~ob,e las Qlt,¡,l'i con 10. d.at~ co~pt'n¿¡en··
Q , M
e:¡1~ tipo
o haóendo diagt<lm;l5 de di~pc[sión. Sin embargo,
de mane.io de da(\), es poi'ible haC'('no en uoa hoja de o '~JyJ.tln '" Ll "-'P.,r."""
•
X.l'lffi"",¡¡,j
t •
Q
*
Q
ción de los datos y haciendo luego varias modificaciones crc3riv-dS El análisis de Pareto
a fm de que los datos puedan recogerse y regimarse fácilmeme y
de manera adecuada al objetivo.
Ejercicio 2.1
Eu un proceso de pulimemo de lemes hay dos trabajadores, y
cada uno de ellos maneja dos máquinas. Recientemente, la frac-
ción de productos defectuosos ha aumemado. Los trabajadores
piden un cambio de maquinaria, diciendo que las máquinas ac-
tualmeme utilizadas son demasiado viejas. Los geremes encarga-
dos del proce:o;o dicen que los trabajadores debeu tener más cui- 3.1 ¡QUÉ SON LOS DIAGRAMAS DE PARETO!
dado porque acán cometiendo etrore:¡ por descuido. ¿Qué harla u,s problemas de calidad se presentan como pérdidas (produc-
uS(ed en esta situación? [OS defecruosm y su cmto). Es muy importante aclarar e! parrón
de la distribucióu de la pérdida. La mayor/a de las pérdidas se
deberán a unos pocm tipos de defectos, y estos defectos pueden
arribuir.se a un número muy pequeño de causas. Si se identifican
las causas de estos pocos defectos vitaLeI, podremos eliminar casi
todas las pérdidas, concentrándonos en esas causas paniculares y
dejando de lado por el momento Otros muchos defeeros triviaúr.
El uso de! diagrama de Pareto permite solueionar este tipo de
problema con eficiencia.
En 1897, e! economista iraliano V. Parem presentó una fór-
mula que mostraba que [a distribucióu de! ingreso es desigual.
En 1907, e! economisra noneamericano M. C. Lorenz expresó
una teoría similar por medio de diagramas. Esros dos esrudiosos
iudicaron que una proporción muy grande de! ingreso está en
manos de muy pocas personas. Mieurras tanto, en e! campo de!
control de calidad, e! Dr. J. M. Juran aplicó e! método del diagra-
ma de torenz como fOrmula para e1asiJicar los problemas de ca-
lidad en 105 pocos vira/es y los muchoI triviaLes, y llamó este méto-
"
(~11nF.OTRE5
el Eje horizontal valo" de CIcla item, y conecte los puntos COrt una jinea l:ontirtUil..
Divida este ej~ en un número de Ílm;'rialús igual al nú-
mero de ítems dóls¡ficados. Pdíb9
D
• A e E o-
O:T~
E:~ fute es un d¡~.u:ua en el cual se relacionan los remltados inde-
El.twb!.;ja
seahle<;, mmo los qUí: se presentan a comÍlluación. y se miliz¡¡
~ avecit;:mu cn;iI es el principal problema.
C.-W!nJLO TIllS
EjerCtfW .3.1
Analke fa iuronn.:u:¡ón de la: Labia 33 haciendo varim dugramas
de p,.tCto.
IV
DIAGRAMAS
."
o • DE CAUSA-EFECTO
•
~ ••• • h
o. •o •• o' ..••• =- • 8,
c o •
..• ..• •
>
=
.. '" ..•
o
-" o o
o c' o'
o
o., •
3i •
,
" ..:1 ~:~ ..·.. ,,- .,..• ... .'..., 24 8«
o
~ " ••
>: o :
4.1 ¡QUÉ SON WS DIAGRAMAS DI'
.~
,,,
, ~ CAUSA-EFECfm
"• ..;
..•• • , • ..
e
~, •• ~
"
••
"
e
g ....
••
• o ··• , e_ -~
~
El resultado de un proceso puede atribuirse a nna njultiUld de
laaores, y es posible enconu.u la [ela¡;ron uu~a..deu:o de i:SOS
ó
•ó
do para: apresar e$lo en forma .reocilla y fiál C$ un diagrama ..1",
CtlU!l1t~to.
z
2:
~' z z z
• Bu 1953. Kaoru bhikawa, profesor ..11' la Unive"i4td de To-
kio, resumi6 la opinióH de los ingenicr09 de nna planra dándole
, o
o' la forma: dr. un diagrama de C3.mJ.~cfeao mienu1l$ d¡~cut¡an un
.,
"
""
., <
~
e
• problema de calidad. Se dic.r. qne ésta fue la primr.ra vez que se
~
o¡
0,
• m6 r.srr. r.nfoqur.. Antes de r.sto, r.l gmpo dr. trabajo del profr.sor
lshikawa habla usado CHe método para: organizar !o~ t3.ewres r.n
sus anividade$ dc imcstigaci6n. Cuando r.I diagrama S~ usó en la
priÍcrlC3., mostró scr muy útil y promo llegó a u.sarse ampliamen-
te en much(l$ compaliía1> en todo Japón. Sr. inclnyó en la term¡~
CIlPfT\;Lú CIJ.\llt:O
J
4.2 CÓMO ELABORAR DIAGRAMAS
DE CAUSA-EFECTO !
ElaoorJ.! un diagrama de cauu"",l«m que sea líril no e~ ~:Irea
fikiL Puede afírnutsc que quienes tienen !bci¡(t en la roluci6n .;k
j
problemas de coutrol de calidad $On aquéllos que ti<nCn mm en
h;u;er diagramas de CoUlu-ekcto que sean útües. Hay muchas
nunetas de hacer cldiagrama, peto aq\li se describirán do& mét()-
dos tfpl<O$,
Anres de prtsemar 10$ pro~dimitnto$, se explicará la enrue-
[ura del diag:ramá de cansa,dectu con \lO ejemplo.
(3) Procedimiento de elaboración de diagrama de quefios a los huesos mediano~, y después de 10$ huesos rotdw.o$
causa~ mediante lisw lJisremáti('.8Ji de caUUll
a los huesos grandes.
Prou:dimiento
4.3 NOTAS SOBRE WS DIAGRAMAS
PilIO 1 DE CAUSA-EFECfD
En:oja la QtracrerÍ,¡;tiCá dt CJlidad,
(1) Sugereoaas para dabotal" kllJ diagratruu de C&wa--
PilIo2 efecto
BU!iquc rod:as las camas p05Íüla que puedan a[('("(ar ala c.ara.cre-.
1; lrkm;fiquc totlos 1m facwrn ti'ln'<intt:f fm:t.Ü4nU mnsl.4!.u; J .la·
ds¡iu de calidad.
anión mm MUtÍ!t11 ¡wrstJ1tl1S. Los factOte.1 que iniluyen mas
fuentrndHC sobre la car.icterlsUca deben dcrermill\!lqc entrc
Pmo3
aqueUO$ que aparecen en el diagt'.tma. Si se deí<t por fucr<t un
Agrupe las c:w.us por la afinidad que t<npnentre 5i}' elabore un
factor en la erapa de discusión inkial, ames de que se <::Qns-
di;¡¡grama de UUS3.-"eftX"w coll«tando aquellos demenHH que
(ruya el diagrama, no apa.réCéci mh t;tnÍe. En ronse<:uenda.
pare<xn tener un ",f",cro signíficuivo sobre la carJuedstlca de
la discusión entre rodas las penonas involucradas o.: m,jis-
calidad.
pensable pam preparar un diagrama completo que no tenga
mi;,10nes.
PflJO i
2) Expm:t: J.g carurtnMica ttm amarldmnn.t.! romo mi Jm1ibk. La
Asigne la importancia;l cada f¡¡<::ror, }' st:n;lle los [actores ¡nn.ict!-
cm:ac:ttrlrtirnque se expresa en términos ab$rraru,U dará como
larmente imporoultCl que pareCCl'l tener un efC(;w significativo
te.1ukado lID diagrama: de causa-.ekcw balado en ¡;eneralida-
$Obre la c:uackrt.ule< de ¡:;alidád.
des. Aunque ese tipo de dUgtam<lS no reng.a errores b:l.sico$
de~ el punro de vi~ra de hu relaciones cama..Jecw, no scu
PlUo5
muy udl par4 resolver problemas re-dles.
Escriba cualquier información que pueda set de uli1idad.
,3) Haga un Ji..zrama para cada ctiractrristict1. Los errora en d
fuplicacwn del pro<:edimient<> peso y en la longirud dd mismo proou<:::[o tendrán estrucru·
r4S dikremcs de causa-efecto, y deben anali:r.ane en dos
Esre enfoque se caracreriz.a por la rela¡:;ión que eHablCl:é tnrre dO$ diagramas kparados. El ¡memo de incluir [odo en un rolo
actividades diferentes: la percepción de [anlaS causas como sea diagrama dará como resultado un diagrama inmanejable por
posible}' su agrupación sisremanca. ¡,er demasiado grande y complicado, lo cual hará que la sntll·
Para la percepción de cuu:a.s se requiere uua discusión ahitrra clón de los problemas ~ea muy difícil.
}' aniva, }' llll método e6= para dirigir una teunión con esee 4) E«"ja 1J.1'IP ftJra(;urmi(:a J u1'/.o'<facto~ !rleJ¡bkI. Una 'f(;"1. coro·
propósito es la tormenta tú itútJS, inventada por A, F. Osbom en pleto el ruagr.1Illa de cama-efecto, e5 necesario captilr la fÍJer-
105 Es¡ados Unidos. La de la relación OlU~\Hfi:Cto en forma objetiva uólit.ál1dó
En la elaboración dd diagrama de ('l!u5a.ef=o, las caUllas je datt)s. Con este fin, tanoo la CMlIClelística romo 105 fa(!I.)Il!$
deben agrupar ~isremi[jOlmente pr0Ce4iendo .fe lo~ huesos pe~ Clusalez deben ser mediblez. Cuando es imposible mroirl(>$,
CArITUl.-O Cl'ATRO
U$(n! debe tratar de hacerlos medible~, o. euconlrar caracte- juntamente, y la Co.mbinación de un diagrama de P.,uno con on
rísticas sunitnta!l, diagrama de .;;arula-efecto es especialmente úriL El $igniente es
5) Descubra. fo({OffS j{)brr íos qur Jea po,;jj,k artulfr. Si uHd ha no ejemplj)- típico.
identificAdo una ('allSJ sobre la <::ual es impm1ble a(mar, el
problema no se solucionará. Si ~e ha de mejorm:, las cansas (1) Sel=ió. de pro!>l,m"
deben oubdividir~e MsGl el nivel en el <::0,,1 .>1,,, pQ,ible actuar
sobre dl.u, o tie lo comrario sn identificación ,eri un e.iera- A courinuacwn 5e encuentra uu ejemplo que iln$lr<l b revisión
cio siu sentido. de item; defec(oo¡oS en un PlOée$<) de manufacllll'3. utiliZAndo
el diagr.lll1.i de Pareto" Cuando se diJsifi;;aretn los ,ulO$ IXcogldw
dman!e d<)$ meses. se encomró que 10$ defeao$ de dimensión
eran lo,.; más numerosos, pu~ ronstirulan el 48% del total. Por
"mm, fratamO$ de reducir el número de (¡ems defecmmros, po-
1; ArigM la impi)'1dn::t1l tÚ ruJa jUc-tvJ"obyri"¡ZJ'tff'llfC (1J1t ban €1'l niendo énfasis en 1M defrCttM de dimensi6n.
:iaJw" El nameu de los flctare;: ron base en $n propia habili-
dad y expcIJet¡CU es lmportante, pero es peligroso jtl7gar su
Junio 1 ~ Julio 31
100
ímportJnCia Ílnl<:¡¡mente ron base en la!; pt'n;rpciones;) im-
pres.iooes snbjeÜVJk La IDaf11r1a de los probkmJs que pue-
den solncionMS>::: w:mdo e~ enfoque ya se habrian podido
-
~ 150
90 j
lIO
j
~
DE CAUSA~EFEcro E: DisLmvón
Junio; -Julio);
......- - --
__ ~ __
"',. "',.
~o.
5.2 CÓMO ELABORAR HISTOGRAMAS Obtenga el máximo y el míni- R lit obtiene a I'-artir de los va-
mo de tos vaJof('$ QbsI':rvadOlí 'f lores moomos y mJnimoo ob-
ctIente R. servados. (Ver tabla 5.2)
(1) Cómo construir tablas de facuenda
R", (e! illib:imQ valor ()b~ Valor m.w1T1D "" 2.545
Ejemplo 5.1 servado) - (el mínimo valor ob~ Vmor mínimo '" 2.502
Para investigar la disuíbuóón de los diáJTIctro~ de ejes de a¡;;ero
servado). Por tanto,
producidos en nn proceso de larninacióll, 5e midieron los dHírrlr.~
El ffiaxlffio y el mínimo de R 2.5.4,- 2.502
¡ros de 90 vigas, como se muestra en la tabla "j.l Hagamos un
los valores observados se pue- '" 0.043.
de obtener fácilmente de la
histograma usando e~ws daros,
manera siguiente:
Obn:nga el máximo y el
mlnimo de los valore, en c.ada
MuestrJ :
número: un.\ de 11l~ filllS de la rabla de
, - W , 510 .,.- } OH
~.j27 , ,n 2.Slfl 1.:; ¡ , iH ~.5)l ) V·l ) ,25
ob$crva<:ioncs, y luego tome el
H -lO , 52? E¡J" L'iC6 L'HI 251} , , 5'~ 511 ?5% ) :':1 L<¡~,
mayor de 1m valOte; máúmos
y el menor de los valoreo mln¡~
10 :;:._,29 2.'>1j J 52:, ,."
'>'
:.,1" 2_~111 ) :;J3 V;Jll ¡ ,,16 ¡ 'ilA mo~_ hsto~ serán el máximo y
" _4Q ?l2fl L5H ;':"2 ) "-,~ , ;2~ ) 5Ji) ;.532 ¡ ~j¡; L;J; /.;}O el m{nimo de todos lo~ va.!<ne5
" , - 50 "iJ5 ~_5L1 2.316 U13 ) 5~1 ~Su ) .;(;; !.5JC ..
~,h~
~~
~.3' 4
ob~t1'Vadm (tabla 5.2),
";; _w 7.,J) ,-,,1(1 , ~4c 2,St4 :! S=>8 2.51' ..
t,h.
~~
lSlj 1..'4(1 ) "111
" _" Lnl } >17 ;L~ll 1_51'1 ".J.11 15t 7 )J') 1 j!'. /.\/1 /,5!; intervalo dt: clase inftTValo tk CLas"
El um::rvalú de d;ASe se deter- 0.043 el- 0.002 '" 21.5 Y lo
T.bI.. 5,1 DJMCf¡¡'f}<¡
mina de man:ef1l 'Iue el rango. aproximamos al siguleme
d tila! incluye los valúrtS máxi- nnmero l'ntero, con 10 cual
mo '1 mínimo, se divida en: in~ renemm12.
tervalos de igual amplItUd. Para 0.043 + 0.005 " 8.6 Y lo
obrener la amplimd del ¡n:tt'r~ aproximamos al s¡g!llenf~
vnú, divida R pút l. 2 Ó S {ó número entero, ron 10 cual
10.10,50; 0.1, 0,2, O.s.e,,;.}, tenem05 9.
de manera qne M: obtengan ..n- .. 0.043.,¡. 0.010 .. 4.3 Y lo
:Je :; y 20 intervalos de d:I$C de apro:¡jmanlOS al número
'O;'"
- , ,- igual arnplimd. Cnando hay.a C\'lIDQ m..ás u:rcano, 0011 lo
'';, '"'
" , dO$ po»büid;líle.o;, use el ¡mer·
vAló de Menm .amplitud .\¡ el
cual t:enemos 4,
Th: esta nvtfICN, el ¡n¡~t'ia
número de valORS medidos es lo de clase se define corno
de 100 Q mois Y el intervalo de 0,005, plles esto da un núme-
mayor amplitud, si ky 99 o ro de imervalo entre:5 y 20.
ffieIlDS valores obsavadQ$, {NOta: 9 intervalos;'",
Paso 3
Procedimiento Ejemplo 1)
/l.-larque la escala hori;z.ontal con
los Iímices de los valores de clase.
PlLro 1
Sobre una hoja de papel cua- Pmo 4
driculado, marque el eje hori-
Urilizando los imervalos de cla-
zomal con una escala. La esca-
le como línea de base, dibuje
la no debe ser con base en el
un recdngulo cuya almra co-
imervalo de clase; es mejor que
rresponda a la &ecnencia en esa
sea con base en la nnidad de
cla.'ie.
tOó Hi'rvr.JUc.c'"'~~~~~~~~~''-''
FaJO 5
Dibuje una línea wbre el rus-
rograma para represenrar la fI1('-
JJa, y dibuje umrnén unalinea
para repreientaf el límite dees-
pecificadóll, si lo h~y_
PaJrJ 6
En un espacio en blan,o del
hisrograrna. anote la hisroriade
lo~ datos (el período de üempo
1
Jurante el cua1Sf_ recogieron 10$
datos, etc.), elllúmero de da-
i .: e) Tipo lIf3Itl potilivo d) Tipo precipicio 1.111 izquícnll
[Os 71, la medi-a x y la desvia- : I
ción esclndar 1'. (Ver figura 5.1.) i
los cálculos para x y ~ se mos-
trar:ín en O) de la J;CLLÍón 5A.
e) Tipo con s~go positivo (con sesgo negativo) gJ Tipo tÚ pico aislado
Forma.: Asiménica. El valor de la media del histograma escl Forma: Se presenta un peqneño pico aislado además de un
localizado a la izquierda (derecha) del cenrro del rango. La fre- histograma de ripo general.
cuencia disminuye de manera lIlio; bien brusca hacia la izquierda Nota: Ésta es la fOIma que se presenta cuando se incluye una
(derecha), pero y-adualmente hacia la derecha (izquierda). pequeña eantidad de datos de nna distribución diferente, como
Nata: Ena forma se presenta cuando el límite inferior (supe- en el (1S0 de anormalidad en el proceso, error de medición, o
rior) se controla re6ricameme o por un valor de especificación o inclusió¡, (1(, información de un proceso diferente.
cuando no se presentan valores inferiores (superiores) a cieno
valor.
(2) La oomparación de IWtogramas con 105 limites de
especiS.cadón
d) Tipo de precipicio a la izquierda (de precipicio a la
derecha) Si hay una especil1=ión, dibuje sobre e! histograma, con lineas,
los límires de la especificación, para comparar la distribución con
Forma; Asimétrica. El valor de la media del histograma está loca-
la especificación. Luego observe si e! histograma está localizado
lizado al extremo izquierdo (derecho), lejos del cemro del rango.
razonablemente denrro de los límites. Más ~de!an[e, en la figura
La frecuenda disminuye bruscamente a la izquierda (derecha), y
5A, se describen cinco casos tlpicos. Utilice éstos como referen-
gradualmente hacia la derecha (izquierda).
cia para evaluar la población.
Noto: futa es una forma que se prescnra frecuentemente cuan-
Cuando el histograma satisface la especificación,
do se ha realizado una selección de 100% debido a una baja ca-
pacidad del proceso, y rambién cuando el sesgo positivo (negari-
al Lo que se necesita es mantener e! estado actual, pnesto que e!
va) ~e hace aún más extremo.
hinograma satisfu::e ampliameute la especificación.
b) Se satisface la especificación, pero no hay margen enra. Por
e) Tipo planicie
tanto, es mejor reducir la variación en pequeño y-ado.
FoffllJJ: Las frecuencias forman una planicie, porque las clases
tienen más o menos la misma frecuencia, excepro aquéllas de los Cuando e! histograma no sarisface la especificación,
a:rremos.
Nora: Esta forma se presenta con una mev:la de varias disrri- e) Es uecesario tomar medidas para acercar la media al centro
buciones que úenen valores de la media diferentes. de la especificación.
ti) Esto requiere de aeeiones para reducir la variación.
f) Tipo tÚ doble pico (bimodaJ) e) Se requieren las medidas descriras en e) y d) conjuntamente.
iC:::::-
I LX;,
" (5.1)
If <"=1
:' para rocio el conjunto, la media está;hda por
alrededor dd CCf1[ro. ü13nao hemos ob¡;enido 11 dato.>. Xi' En algun«i c.uos, puede realuaue una [QUUrormac:ión de lo~
la varianza de estos dMos se opresa por
a,,[05
1" _1
v !(x¡-x) , X,=(x,-a)xh (5.8)
n~l ;"1
(j.9)
o (5.HJ}
V-S/{n-l), (5.11)
y la desviación e5tán~ que es 1t rID, cuadrada de la vJxíanu,
apresa corno 0'.
La varianZ>! es la media de! elladudo de las diml'Gncia> (5.11)
el dono individli:J y la media. Una variama g"~d,,'ign¡¡¡,, '¡~i
hay gnn v-.uiac:ión en 1m d.urn:. En ene ejemplo, que ti y h 'lC3n I.3AO y 100. respecciYilIncn-
V y ! son valort:j rdacionadOli ron los datos, y !Se 1I;U1UJl te. Entonl:es oh tenemos lasiguiente tablll.
"ana11Zil di: io mul'ftTuy anviJá¿71 tttdnJ.:rdt I.tt mUi.'imt, (esp«.:"
tivamenre. 02 y O son valol'CS reladomdo¡; (x>o una población y'
__________ M'
x
-; X'
se llaman :ldri41WA tÚ io pobloci¿n y iÚ,pid.;:iJ1J eJtdmúr rb 1tt /H'" ... _-
bl.aúh¡, respectivamente. D.42 2 <
13.62 22 464
13.~6 16 256
(2) .El cálculo de medias y desviaciones estándar 1J..66
l} ..ta "8
67'
64
Ejmtpb;5.2 1)..52 12 144
Lu sigweutes son llS medidas d~ la> dimensiones de deNa I 1],.57 17 289
de maqmnaria. Calcule la media y la d«Viación estándar Tula: 103 ¡917
........... _-
13.41 13.62 13,56 13.66 1.3.48 13,52 1357 Tabla jA
I1
"
" j
;'1
x = 103 =14.7
7
No. ClJ.,e Punto i frecuel'lci¡¡ (
I Médio x
uf I u1f
I
IX (5,9)
2.5005 - 2.5055 BOJ -, 4 1&
,
1 2.5055 - 2.5105 2.5oe 4 J - 12 3& I
_ 1
x =13.40+-X14.7 =13,547 J 25105 - 2-5155 1.513 9 -1 }6 :
"
'.
100
Dc {5.lO) 4 2-51~5-2.5205 ~ 5-16 - I -14 14
5 2.5205-2.~25S 2.523 ¡¡ e e e
S=-~{1917-.!..XI03}} 4:JH X10- 2 , J..5i8 ¡;
100 L
7
2,5155 - 2.5305
7 : 2S105 ···2.5J55 2.H} " 19
, ,, ,
I 15405 -2.545'; :2-543
t TOla!
'"
,"
!r
_dar. '
------ ------~ ...
k1/f=r.UI +uifl +, .. "-"l'" IIf xu =(-12lx(-3),d6 ci6n de treruencía re)ativa. En realidad es nna expre96n de la
pobladón I1timla. pucsw que $l' obtiene de un número infinito
Lf~f-4)"+ 12) -t .".,.24",3{) de datos,
Uf =16+36 <- ••• +96" 302: Existeo fll\Kn.u cla$($ de dimibndrin. .,. la más típica es h
dmribucwP1 lWrmt¡¡. En nmd-lOs caro~, cuando la varUción de
~¡na catttteri'sti!;:a de o;;ruidad C3 c.ausada por la suma de un gran
n¡ímero de errOfe~ infinitesimales indepcndtemes debidos a diJi>.
temes. factores, la dim-jbución de b caractcristica de didad -tt:
Paso 5
p¡1¡(J " aproxima a una di)[ribudóll norlDal.La forma de la disuibución
Cak:ule ii mando la ,iguiente :lü:mal puede des<:tihir:;e wl)cil'amentt' como ona forma de QUn~
ecuación: Ji = 2.";23 T 0.005 x ~Q pana 1) de montaña. y en una dc.~r¡p<;ión más detallada,
. 90
Xc"" a "'" h (!,ufln). (5.14) =2,523+0.00167 a) La ff«;uencia es m~yor en el ceurro y dmninoye gradual-
~ 2,52467 (mm) mente hacia lo.~ curemos y,
b) es.simétda,
Paso 6 1
I(x) ~,'===--e (j.16)
Calcule, usando la slgnlenu: ".2ntr
t'cuact6u: (5.IS}
La figllfa 5.5 IllDema la forma de esta distribución.
(x~ /J).
(j. J7)
Figura '5,7 Ji, 11 Ykt ptOha..'Ja'dad dr la dimibuciÓ!> normal
"
64
i!6.1 !
" ,
"21
87.2
<!J C
51
5J 5
B 6(>3 A ,,49
Lis npecificaciones. Si ~uponem08 que el proceso «ú dlmibtú- " " 81.2
B4.4 .,
';3 5
,
A
(lS.J
,,,
66"
,
Especificaciones bilaterales (LE, 'f LE)
A 8~ , , '"
" , "'''
<, n1.1 MA ,
ep = .LE¡ -:- LE¡
6,
(;<18)
H2
"6. ,A
&J.6 I M
'" B 83,6
A
""
Especificaciones uuilateraléS (LE, o LE,)
, ,
'" , i ,
I.E~ - i
aJ.9 gS,;¡
"' , 6U
e _ x-LE¡
P<--
3!
{52;}}
u ., , , ,
, '"
il~.'l 8::,7 ¡ 97 ni
.A
, "n , ..,
, ", " ,
&<i' a~_l B
y la evalUi\dón del pmceso uundo el' es como sigue; 71 f,H
, '" 8s,e
" , "
1)6_0.
He
74
, 1)1,9
6~.5 "' H
B
"
84_1
1) 1.33'5. Cp
2) l.OO.~ CI' < 1 33
satiBfactorio
Muado
%1 .'iG A
" '00
Ei<mplo 53
Lt (abla 5.6 nluClitU el producto de un cierto plOce~o de reao::·
d.cin qufrnia Puesro que se usaron dos reacttl!:e$, A y B. ~ $t'fia-
lo que tal vez habla una diferenCIa emre ellos, Se C/itraúHcó ~e-
gún 10$ reactofe$, y los fC!lult:<dos se ffitlt.'>tfan en la figrua 5.8. Se
enwntraroll dikrcnclas curre 10l do~ rcacrnres.
Pjercicio 5.1
"
En una pana.krla,. dI» trabajadores, A y B. ~tán ha<;ienuo pan
.., c-¡ "!:,,, "" ~.
''""' "-
;:::; 'C'< ::::;:::
en las máquinas 1 y- 2. El peso de lo. panes frano::se:¡ puxluddO$
'sett"gisuó durann! 20 Mas, como se muestraen la taLla S.7. Cada
db se tom;tMb ~riamente CUatro p.1n($ de aúa maquina y
se pesaron. La esp«:iüaáón del pero es de 200-22; <E).
~ ~ ~ ~ ~ ~ ~ ~ ~
g:0;;~:~~~~~~g~
Figura 5.8 Esr.""I.l:ilkaóón de hisrognUl1ób
,..
45
.
,
2.5
46
Gráficas de control
7 2.2 4J
8 2.7 47
9 2.4 44
10 2.J 45
2.0 42
11
12 ,., 44
13
14
15
16
2.6
2.1
2.5
2.7
.
47
44
• (2) Gnficu
Cuando Jos datos & UIl ptoCCiO se regisrr.m dUflIDte ibtervMO#
Valnr cnnUIlflil Ml m«li® tú x+2.66Rs laIgOs o los subgrupos de daros nO' Wfl efeCtlv[)$. u grafica cada
x Le ii dáw iudividualmentey e!i1I gtfÑC1 puede uune romí1 gráfict de
l.e¡ ;C'-U}6RI conuol. Debld~ l que no !uy 5Ubgrupu y d YáIor R no puede
caIculane, se usa el ran.go móvil R.; de dllJJ)$ JUcesPro5 para d
\hlor dlsc.reru - mímem
de uni<!W ;kf~6
=
Le ,
¡,. + 3,l¡~1- i'J
p.
cálculo de los limites de control de x.
P' ,
LO jiTl-3>Jjiril ~ j) (3) Gnfi". po, Gnfi", P
Estas gr.úicm: se usan cuando laGllaccerls:tÍca de caJidad.st Rpre-
Valur disi::rtN - fracci6n u:. p+?MJ¡O ~j)ln senta por el número de urudades drlectu[)$á$ o la frncción defec-
de unidades defectl.l(l';u Le Ji tuosa. p..ua una rnnestU de tamaño roru;rante, se \lsa: una pea
p h.-............., p" dd número de urudades defectuosá$. m¡~U'as que una gráfi-
l.Cl ~
ji-3-¡p(1-pjln ca. p de la fc-au:ión de d~fectos se mOl. pua una mue!rtn de ramatio
~ ,"lliable.
Valor .mtwo .. mimero
de defeclXlf
1.0
Le ,
?+3"';?
c (4) GtáSca e, Gráñca 11
Le, e-3.yc
f.-sras le usan para comrolar y analizar un procero pot los defec-
Valor djlCl!"f() - número
de d:efc<;tO& ¡>Qf unidad
,
=
Le
¡¡ + 3'¡¡¡¡;'
¡¡
tOS de un producto, tales como rayones en placas de metal, nÓ-
meto de wldad= defectuosas de un tekvisM O rejioo desigual
Lei ¡¡ ¡viú;' en letas. Una gráfio:;a (referida al número de defectos se usa para
un productocuym dimensiones son constantes, mienuas que WlA
gráfica u k' usa para un producto de dim~nsión variable.
7.l CÓMO ELABORAR UNA GlIÁFICA
DIl CONTIlOL p"", 3 C.lcvk i &.3
26
lO 3)
35
J2
160
14~
31A
H.1
.n.o
29.0
31.6
"21
H
11
~. jú 26
"" ":.u " "" "" 26,P 10
,."23 •
17.0
15
14 17 32"" " 36 :<9.8
31.&
26
x para
17 JIl {)
12 """ 4:
29
31.2
2.a,8 ,."
'.
16 15
Cakule el promedio En d primer grupo.
coda rubgrupo.
1!J
10
JI
12
20
27
35
38 "
- 14·
31.4
:<9.6
3",:0
"
,"ia
fí 5::" 42" k
Xl +X2+···+X,. 11 .I:.w
,"9
11 15 3 19.4
3" "
" 1" " " ,,w"""
:n 2S
n
""
12.6
" II
donde N es d mmafio de cada 25 41 34 15 JlL2
lVbgrupo, Por lo general. el,re.. 746.6 686
mllado se calcula um una cifra i= R=
decimal más que aq~11as de los }4.86 17.44
danw originale!:.
Grafia i GráfKa X
&0 4 C.1cuk R Paro 4 Una cenual: Le .. i =. 29.86
Unea antraJ:
PtI$o5 Le = ji
Llmire de cvntro! iuperior:
Calculce:l promedio ji del ran~ Lú ... D4R LO .. D4R .. 2.115 x 17.44
go R. dividiendo el wta1 de los = 58.04
R 5 de ~ tubgrupo por el míO'
mero ck grupos 1. Umire de control infi:rior:
LCi "" - (no se colUidera)
R R.+Rz+ .. ·+R. R", (27+i8+·".17)/25 Leí"" D3R
k ,. 27.44
LCi no ~ tiene en cuenta
R debe a.lcu.!:use con do.; ci-- cuando n es menor <tU<' 6.
fnu wm2k.t más que aquéllas A;:, D4 y DJ $00 In.s coefi-
de (0$ datüt útiginalC!i (el mis- cientes determinado. por el la-
ffiQ mlmero de de.::imala que el
nuIlo ck un 5Ubgrupo (n), y tt
de ¡). muettm'l en la tabÚl 7.4y tam~
bjén en la [abl.t 1\.2 de JO$
""""'.
P!U4 6 CalaJe las lJ'fIeIlS de PalO 6
"'.".¡
Calcule ada wu de las ¡meas
de I;Dntn,lJ para 13 gd.fica i' y la
gráfica R con Jat Jiguicntes fór-
mulas:
GRÁFiCM DE CONnIOL 1"
Tamafio den del número del subgrupo.
Marque el número del subgru-
po sohre la linea horizontal a
2 1.880 3.267 1.128 iorervalos de 2 a 5 mm. Use·
3 1.023 2.575 1.693 para marcar lal i Y X para R
4 0.729 2.282 2.059
5 0.577 2.115 2.326 con e! fin de qne se puedan re-
6 0.483 2.004 2.534 woocer f.l.cilmeme yenciérre-
los en un círculo para los valo-
Tabla 7A LiSIa de wdici=~ pan grffi.... x_R res que estén por fuera de los
limices.
•
102
GllÁE1ClJ DE CONT1IOL 103
,o -~':~------------------------------lCo_
., Subgrupo No.
Tamaño del subgrupo (Número de unidades
defectuosas) pn
"
lOO 4
2 100 2
3 100 O
4 lOO 5
~ -----------------------------lCo 5 100 3
6 100 2
7 lOO 4
,8 100
100
3
2
, 10 lOO 6
" " " 11 lOO
F~7.2Gr.ificox-R 4
12 100
13 100 1
14 100 O
100 2
inspección. En este caso, tome
15 ..
16 lOO 3
una muesua de umaño tal que
17 100
la mayorla de lo, sUhgruP05 100 6
18
tengan entce 1 y 5 unidades 100 1
l'
defeauosas, y recojade 20 a 25 20 100 3
SUbgruP05 (tabla 7.5). 100 3
21
22 100 2
23 100 O
lOO 7
Paso 2 Calcule P Pa;o2 24
100 3
25
Calrule la fracción promedio
Total :En = 2500 I.pn", 68
p
de defecro& dividiendo d nú-
mero total de unidades defec- Tabla 7.5 Hoja de datOS para. gráficap"
tuosas de cada suhgrupo por el
número total de muestras.
lOS
_ !..pn
p~-
kx.
Umitt: de oontrol iflkrior: LCi. in, 3~p';'1 :p¡ del proceso de l't'WlflCU pra:ilIa leyatdo la pea
de amuul y
r --, dlüpremente tomar accióMS ;!propw.w ~o se enmrotre
la,. jin-3-~p~l-i) algo anormal en el proa:so. El em.do COnGulado del proce;o es
el estado en el. cual d procese es mahle. I'!S decir, el promedio y la
leí no:le t:i.cneen <;;uema ~ No se roruidet:1 v:rriación del procm:; no cambian. Si un pro<:ao está tl no CtH\'"
do su valor (\$ un número ne- lIolado se juzga 5egúAlO$slguIenw.;;:r.írerios iI partir de la grá.fka
gativo. de ~onuoL
u-
(3) T....t-ia
Cuando 10$ puntW' furrnm una ctlfia condnua .ucend~nte o •¡_~ ___ ~ ~ __ ~ ____ - ------ - --- - -~--- ~- - ----.} u- ,....
~ndente, te dice que hay una terulern:i.a.
f- /"v/"...v
i
'*s..;/'v ... )
;;;;: ) -
a) La operación debe rea.lizarse casi en las mismas ooodi"on" En este caso se considera admisible la '1ariarión dentro de un
(desde d punto de vista técnico). ajuste y el criterio para el control será 5i el ajuste se hace correaa-
b) Los datos recogidos a lo largo de un período ded~n?",u. mente y si las herramienta5 están en condiciones normales. En-
ti'lamente corto deben agruparse. ronces los datOS deben agruparse de rnI manera que la wriarión
dentro de un ajuste se con'lierta en la w.naciÓn denU'O del sub-
En la formación de los subgrupos deben considerarse los si.. grupo y la v.uiación entre ajustes se con'liena en la '1ariación
guienteS puntos: enrre los suhgrupos.
La tabla 7.6 mUe5tra la hoja de dams, las tabla5 7.7 y 7.8
a) Hay maneras diferenteS de agrupar. Se debe =nb""cl ,=.... muestran la manera de funnar los suhgrupos, y la tabla 7.9 muestra
Jio del subgrupo y ensayar di'lersas maneras de ,"ml,inuIDO los componentes de las v.uiaciones dentro del subgrupo y entre
datos. subgrupos, respecti'lamente.
JlO
(2) v.,;.oo. cknu:o dd.uhgtupo
Yvariación eutn: IiObgrupos
1Jic. 1 .~ JO 39 Ajll)I~ Hert,¡¡mimb La variación de los duos se clasifica como variación dct1tm del
42 Ajt:ste No. 1 ¡;úbgrupo y variación entre !Ubgfl.tpru. La primera "",la varilld6n
que aparece al interior de UI1 mbgrupo y se encuentra represen-
Dic.2 a.m. 42 41
Aj"" Herramienta
lada por el valor Ji en una gráfica R. Por OITl parte. fa variación
No. 2 !tnttl: tubgrupÚ$ es la que apaw:e entre 1m; rubgtupos- f se cn--
Dic. :; a,m.
" '7 AjlJ5te HenamiMÚd cllCm:m reptt:Kntada por la J¡suibuci6n Je 10$ punW& X en llna
gráfica x.
No.}
Sea la vartanZll al Ímerio.f d~ un #ubgrupo a", y la Ma:tWl
1
,
entre subgrupos a" • enttlnccs
Tahb 711 Hop de datu>;
(7,1)
""'h, Da...
•
Die. 1 a.m. (J9 39) donde U x2 es la vananzaJe x. (J., ~e e:rt.ima a partirde Ji por
pm, ( 40 42 )
,.,
A
... •
(3) Estratiflcadón
Cuando los miSffiW produc;;m se h.acen en varias mAquinas o por
v;ulD$ op:n.:rias,es mejor das'¡fi.c.ac 101 datDs segúb la máquina í)
d ope:r.trio de manoa q~ la dikrenci;t entre lruiquinas u opem-
rlO$ pueda Kf ;maIiLada y ell:Omrol.:ld prnceso ie f.u:iJite.
La auarifiación es un método pan wntiflC.lf la fuente de
la vntiación de 10$ da.oos ~OA> dasific.ando los daM .según
"VUtÍnt f.act~
la 6gu.ta 7.5 ($ un ejempío de una gráfica de control que
¡xurle enr:lrific.arse. Esta gráfica muesaA una ancr.eduíca de figura 7.6 es la gníil.::a.;k: control estraúfu:ada pátJ.A y l! Como
cahdad de jXIltC$ ma,nufa,;;:wndas por .:10$ máquinas <A y J1¡. La reruh:ado de la uttanfu:ación se eneuentra que.casi no hay dife.
...
••
rencia en la variación cntre A y B, pero que B dffI.C un valor
promedio del proce.&O maym que A y que el procesG esr" en esta-
do de conrroJ para ambas máqllÍM-~, y puede deciHé que entre A
y B parece baber algunas caUllas asignables.
CoIDQ regla gl:nern1. el propósito de Ja estrariooci6n es exa-
--..
minar la diferencia coen: bs Wlofes promedio y la variaciÓn en--
tl~ clases diferemes y tomar acciones correctivas con ~[O ala
diferencia. si la bayo Si es imposible tomar accionell iw¡antinea~
------------- -- ---- ------- - mente. se hace nocesario entonces llevar a cabo el control del
proceso 1J6ando grá.ticas de control estratificadas.
,=..~.=~-=~,~~---->r------~,---.---.,j~ I
b) El tamal\;) dt lo. $ubgrupos es el mismo,
e) ~ vruOh::$ de ~i y de Rn ion cuí 19wtlC3.
"-,---..~.y
d) Lo~ númtr()!i de los subgrupos kA 'i *IJ son ,ufici''''''''''"" na_
grandes (kA;' lO, k 8 >10). TI,.. !le
-~
l1j1(1de
fA -X:8I~A.Ji~ÚkA+l!kB' .......r' i
donde
I-
I
u
""
,
eutre tilos mu<:stnl:S CIJO fractlm¡s-
....
A,
f .. W.94
I, tRi s "" 11,68
"l:.' 1 J
20
-
I ¡--
h
'
LEi
,
I
..
J( "
s ~
~
4S-.U
4.16
$ ..
, lIt
11.12
.'" ""
4) HistogratlUJs para dijffl!nYs mrrws DI y Dl
(figum 7.11)
a) La medida para Bt es mayor que la de 11¡ 'f la variación es
menor.
....
b) Entre lu mue:mar Bl l.ay algullos rtSOI1C$ ,,olt fracrur;u.
8,
b; Lt dureza de 1m¡ revmes con fr',nu,,,,, d;;,nc;h"~, ~re,j,," un .f .". <COl.lB
de un valor airo y wdos ~on más altm que 440 Hb. '",. s "'" 17...45
'"l.
LEi .,,-.-..,..,..
P,
11.<6
LE>
O
LE,
'"
lO
oLL"""",,:L
'lO
5)
P,
a) La JUreL;! media: de las m"~',ru,,"m,,.u, del "n,ro d,1 ¡"
no {p¡) t:J baj>4 y la "V~fíacián <:1' p«1ueiilt
mru,:.;;tnl$ nene fracturas.
h) La durer,;t medía de las JItlIeS[fa;; tomada'! de «¡tCJ. A la
dd !torno (Pl) es alta y la variaÓÓn es ligcf'.tmen{e
Algunas de esLl:!l niue$tras rienen fIll(;mras.
c) P;u:ea: que a'ludIos !'6Orres U.HadOS Ú;!ru a JI".:;;:!::: (udicc de atpaddad dd proceso Cp riene un valor extrema-
no rien<:n probabilidad de tener una duretal.o s dAlnente huen<¡ de 2J)4, cakut~do por
grande como para producir ffactnw.
Cp=_W_' ... LEi"" 460~350 =2,Q4.
6) HiJAJgrllmiU para diferentes ",~b.¡'wdo." M f~ctm", 6J 6x8.97
Ay B (figura 7.13)' ~lor filllW, la comhinadón d..: A;B¡ es C'XCt'lenrc.
, . ""
\O i", )94.81
, e'
romen las mue::;tl:'iU,
La de5Yooón escindar rienc el mimw valor de alrededOt de
10 Hb para bu comblnauürle!i (AlBl!'¡)' (AIB;P:), (A 2B,P¡),
ti Á¡B,PI
(A1B1P1! y f",4-fiIP). Tiene Utt valor mayor de alrededor de
15 Hb pat.l.las comhinaeione. v1¡ErP¡J, (A¡E;1'2) y iA)B,P)).
bu diferencia palea: debate al factor 13, debiéndose!¡¡ m<l'-
yo: variación a R;:
Jj La¡ comhinacipttcs (A1E¡1't ), (A1B¡Pl) y (ALE;';) se con-
':h n
11 '" 16
¡_mal antran alrWednr de la medÍ;:¡ de la dure.u. especifiauh y la
. o t .. 16,ts
varlación es pequelia .
"t• J rnLJ I I ,
" .. 16
l' _ 418,n
J _ IUi J) Gráfica dr: wrtrol gener..l
Debido a que lru dato~ están divididos en $\lbgrupos por JOtes. la
variación en el interior de nn mbgrupo el; la vdfiación dearro de
A18,1'1
un lote, f$ decir. la variación entre PI y p)' el error de muestreo y
':[¡ rd-n
" "" 16
g", )9SI,l)
s .. 9,'" d error de medición, La vnriaeión entre los difercmes subgrupos
indllye la variación entre ¡ore., y eotrc turnos, dlf<:t<:nteS tipos de
A,B11\ It'.rorm y diferentes día:¡ (tabla 7J 1).
,
':h
" "" 16
!l .. 4OL1S a} Gráfica R
, rh, $ '" IS1
¡) Ninguno de 1m: valores esta por tller.í de loS límites de
conrrol, pero las largas series dc mol'CS relativa y suave-
A,BfP'1 meme «mocuulos p:ua íos lotes 7w 14.16-33 y 51..64 son
"U
• •• ...... rlfl.,
" .. 16
'1 ... 193.94
.t .. 9.1!:l
anormaÍe:i. e indicm qut: el proceso euáfuera de COntrol.
¡¡; R eHelariv,uuente grande p<l1'tt ttIDneli del tipo Al (rrac~
ror pequeño) y relativamenre pequeño para. resortes del
dpo A: (traermes mcdiarms). btos dos cipO&, por tanro,
A:B.P.
I
':h ll.
nlrb
.., ,, I
11 '" 16
'1 '"' m.J9
3 - hUII
430 Hb
b;
deben elui6<:M~e: por separartR
Gr~lC.1 x
No hay pumo. por hlCra de los límites de control, pero la
larga serie de valore; pilf3. JO$lotes 15-26.31-39 Y43-53 son
Fi~r. 7,14 H¡""ogl.unJ$ p-na diferente> rombinadone¡;
dI' U~ f""lOres A, B r P anormales, ¡ndiando un estado fUera de conuoL
124 125
:lpoCf' 1\»'('(10
TJFj()
lo:e t.Q.
=",
A • P
B,
H, ••
8,
••
1 ••
,•,
'" ,,
J ••,
,
I
,",¡~,",~,'I
••
~.!,
,....-'
'" I
:' i
"
.. !
•
•
·26
2) Gráfoas tÚ (ónm>l tstmtJjicada.s .ftgún foctrJm A y B .' b) (A¡B2): Puede decirse 10 mismo que sobre las gráficas para
(figu'" 7.16) (AIB 1)·
TI;¡c. ce En esteCMO
-umo
Dfa "es<J1\P. "",-2,t4~ L128,
8
A tenemos
A,
• Esto es apnn:imadameme el mismo valor de e,. donde
J
B, ff" '" j '" 8,97, csrimadodel ruswgramadeb figura 7, 13 <A:BJ
él {AzA): La gráfica R csuí en estado de comroL Sin embargo,
S, la gráfica x incluye tres pUnt05 fite~ de 10$ Umild de ron-
t:rol. y no <:st3. en estado de control. Hay una v:niadón enere
J
¡os subgru(IQ5:; es tlecir, entre lotes diferentes r días diferen~
B,
tt!$, Debe examí.nanc el método mado .en el rumo B ' La
z
variación estimada entre lut<:s, ff(O' es
• :
,: A
,, P, P,
• :>9(, 41O
.... -
• ,
· ,,, , ¡%
,
1 421
••
~ •• •• 401\ 4B
; Ji I B,
4
"•
l
¡<l I
;,:<1..;¡;
~
"= •", , ,
I~
;~ , A,
S,
f..... '-":--mE3:
•• ,
¡ ti P ¡ 404 4Ja
9 '\1 ~ I S 9 ,~
• B,
.
~
I
I •
• ,I
I
~. :
396 429
•, ¡;, I
•
<;i 36S: 410
(F
I B,
• r;i I
I J A, l----¡..~ '.,0_ _+-..:=',,91=_',,",--1
~ I t I 11 J77 407
• I B,
~,-I-'4,.lI\\~. I l! 1 1'1 , X"....¡.:I 376 410
¡¡¡ g '"
~ S ~ 1 ~
,. Tabla 7.13 Snbgrttpü' de iF:ili<.M Jt .;,,,,,mI pAU rt'!Iou.::. tir<' AJ
=r~clia".I"";;4'1¡r, B y r
,
En este caso, C1b· depende de 13 posidón en el horno,
cando también que la dtlrC7.a dt> 1m rfJiotte$ está '''Il'''H
gún su posición en d horno. y que esto debe mejorar~
el Si cómparamo~ la figura 7.16 (/lJBI) con la figUrA
(A:B 1Pl)' vere:mO$ qne en la última gráfidl, la ,,,,,,¡,fi,.ciI
de la primera por P ha dado como resultado un audo
control esuhle. Esto se de'be,a que le ha cambiado la
sición de 10$ mbgrupos. Los datO'S deben agrup#l'$t:
ra qtre la variWón dentro del robgrupo sea lo lItát¡
posibk, haciendo que la variaci6n debida al pro=n ,p''''''
como variación entre snbgtupm.
U3
y ..,
con Il' = 4, De esta manera. la \lari'Kióu ¡nrf;Huhgrupos se
pone de la variación diaria, iuduyendo ¡anta la 'l'arim:ión
ínfenmde loo lores como curre ellos. La v¡¡¡iuión ¡im""ul,~"f
es la variadón entre días.
,. .~~-~~--~---
LCI "" 4U4 Le. '" 41.92
--~----------------
Le- Le-
b) (A 1B1): La gráftca Rescl en estado de control, pero la liUl 21.00
t\z.~'::
x no lo Mtá. Un pumo se encueua:! por fuera de [o. ! R
de control y se observa un accrClUlliento de los limiTes' , , , ••• .I. ••• J. , , •, •
canaol. • 6 1) 14 U 16dJ.. 1114 1~ Mdla
DI,
A B
fUJUmen) medidos rcrttfdiatn
",,,,,ru,,,
restlIT1'!sy sn: u::ndcucia;¡ fmcturarse, y fijar nuevos ,ideradoM$ deben tenerse en cuenta en la determinación de l:u
Como una eslim<k:ión rCll1fWral basa<h en los d<ltos raractel'Ística$ de control.
aquí, se dem: fiJH la dureza máxima cn 444::0~:H::b~"r.~~::: a; I.,.y¡ valom ctracrerut«:oo dehen rctleju rorn:ctamenfe los
de la CUM no se CnUltutTlill fraccurM. Si S( C$tados del proceso.
por debajo di! 440 Hb, pueden no ocurrir InCUlras. bi Deben minimiza.ne los eIa:tos de;irea,¡ externas.
3) Un, wmp=ión '"'" 10' dil"""" '=0' mo",'; q~ ¿) Los fe>:ultJ.do$ deben erutr disponible<; de inmediaco.
opención en el (Urno B1 no cra estable. Se delxn f<:,,<iial' J} El muemeo y 1.. m«.lición deben Kr ewuóruiws.
cscindates de operación y 10\ múooru. Se ddK: invaúgar
ra:l:ÓO fXlr la cwí nI'> hay variación entre lote> en un día Pna caracter1;rlu 5UHiruúV;¡ puede UWSe si dene una relaciÓn
s/ la hay de dla a dla. fllure ron la caractetfslica de comrol original. Para el caso en
4) Si ~ turnan las anteriores medid;u:, es de ~far qn", ,,'.. que la medici6n impliqne la destrucción de los materiales. pnede
la capacídad dc proceso obtenida aCtualmente con " ,n"bl (¡acene una SUttÍwción por mediciones no denruct!vat.
nadón A1Bl' tanto para resortes pequeños como pan
te1i de tamafio mediano. los defecto.> I;C dímin;¡cln y ,1 ¡'''Üq
(2) Determm.clón d.lJn... de .......1
dt: capacidad de( proceso será
Para administrar un proceso po. medio del wo de una gráfiCII de
;onerol, es n=..uio examinar $i 1.. capacidad dd pro«;~ el' ad~
cuada; es door, si el pfOCl.':5o es rnabley si los rangos & variación
de la catilm:rí$[i{'~ de conrrol en la gráfica indican COnfQfmidad
u:isfactuti;¡ Ct.ln d esnínrlar requerido para producir cierro pro-
7.7 CONTROL DEL PROCESO CON GRÁFICAS DE
dncto. Cu~ndo $e; encue.nm que el proceso es illadecu;¡oo y $n
CONTROL :::J.facterútica de Ct.lntrol no euá efl un esudo de oontroJ, es nece-
Cuando $(' ha uptado sufidentemen(c la reladón encre sario iniciar actividades ~Utlv,JS de control tontrn lat áJ'¡orma-
racferlsuca de calidad y J05 fiKwte.l: de proceso que la afectan, lidades fijando Ilne:u ttmporúei de contfl>l. y;tÍ mismo tiempo
p¡¡,¡;o siguiente es conrrolar n:tos fu"tores en dertos niveles mejorar el proceso.
manera que el vnlor esperado- de la QUacteristica de calidad l.i1 gdfldl de conuo! que se ha¡;e p;tra el análisi$ &1 p~o
mantenga dentro de un r.ngo- dese3hle. E,~ paso se G.m., "". ¡.t rompan con los va/<ill:$estánm Si la grlifica & control nme.'!m
teol del. prrn:cso. La gráfica de oorurol sirve como un medio que el proceso está en el estado desead", enronces I~ Une:a de
para identificar condiciones anormales de los procesos y comrol seatieuden para d control del proceso. Su procedimiento
mafHencr 10$ proce.sos en oonwóón esfiible. 5e da en la figura 7.19.
,
7
g
10
11
51.5
53.1
534
53&
5:).1
,iU
52.8
53.5
:>3,1
5Ll
53.0
12 53.1
EJercicw 71 l. 13 SU 53.4 53..l ::'2.9
EfrTl:ido 7.3
Corrija los errores, cuando sea nect!hlrio, en tu siguientes
!¡O~~. VIII
1} En uná x muestra un
Aditividad de las varianzas
variaciÓn en el iotenoT de un nlbgrupú.
2) En una gdfica :x - R, miramos ZI bay variación
p"", I
Reúná pares de daros. (x, y), <::vyu n:lacione~ USf/,:d qui.:-re C$tu~
diu, y organice ~ información en ill1a rabia. Es d~ble tener
al meues 30 pares. de datos.
Paro 2
6.1 ,QUÉ SON LOS DIAGRAMAS
DE DISPERSiÓN? Eucuefitre !()S valores m/nimo y máximo para x y y. Dccida la!.
escalas que va a usar en los ejes MrilQmal y "e:rtical de mW':-f.ll
En la práctica. fm:;n~nt!!menl:t" es ut"\z~afÍo estudiar la relación
que ambas 1(I~tude$ sean aproximadamente ignales, lo «lid hará
de wrrespondencia de. dru vatiabks, Por ejemplo, ¡hasta ~ué
que el diagrnma.re;¡ más fácil de teer. Trate de mantener el núm.:-
punto se ¡Úecracin las dimeru:iones de uoa parte de una máqu¡n~ ro<Íe divCiieueI en cada eje entre 3 't 10 Yuse números reJond.os
por el OI1llbío en la vdocldad de un piMo? O 'U¡'''~' ?átá t"atili~r la lectura. Cuand.o b.s dosvar.iahles sean un Íáctot y
usted le gustarla conrrolar la oonce-ntraOón de ¡ ,lila caracterisrica de ;;a\idad, U~ el eje ru,rwnrai x ¡nfil el fJ¡¡;;tor
de e!i preferible su.stlmir la rnttiición de la Q)ncentmdón por la ! d eje vertical J parn.la eómlclerlsr.lQ de caI¡dátl.
gravedad específica, porque pdctlc:l.lnente resulta más likil me-
dida. Pan! estudiar la relación cmre do, ,,¡!fiables ules COffib la Pil!O 3
velocidad del pifíón y las dimensiones do: una parte, ti la oon<:cn-
[ración r la gravedad esper::{fia. puede ll5lll5C lo que $e 1I:.uru. Registre 1m daws ell el grMico. Cuando se obfengan los mismos
tÜJgramP de dÚperWn. '{;llora en diferentes .mserv¡tdones;, m\IC$tTC estos punros haciendo
Las dos v;uubkj; qne tr:uaremos pueden enman:arse así: dn.wos u:>ncéntI,icru (O;. o ugistre ti segundo punw muy Cft~
CA del: primno.
Paso 1
Como $C ve en la mbLt 6, 1, hay 30 pares de datos.
,
0:1. 1 8.6
'.9
0.8B9
!l.884
1I OcL 21
}1
al
8,:;
3.892
O.6!!
3 '.8 O)~,74' 24 fU 0.865
4 8.8 (un, 15 8.5 O.a66
1 a.3 0,696
, "
O.IF4 2!>
En este ejemplo, $ea '" (eje hori1.OnraI) la presión dd aire, r y(eje B.7 e.a!!!> Z9 e.7 O.89b
vertiul} él porcentaje de defectos. fnton<=: 9 9.1 0,9: 1 30 'U 0.918
10 B.b 0.911 31 a..9 0,8$&
9.4 (kgflcm1j, 11 9.1 O.e95 NO\'. 1 e.9 0.908
d valm máximo de x: :c....... 12 S.7 0.8% 2 3.3 o.se;
d valor mínimo de x: x!'Ú~ 8,2 (kgílcm 2),
el valor rnhimo de y: J,..,u 0,928 (%), 1$ eA 0.894! ~ 8.7 0,881
Hí 8.1 0.864 (, a9 0.904
el valor mínimo de y.. Y"'/ ,. 0.864 (%)
1I
17 'ti 0.911 'J 8.? 0.911
:8 iU' 0.909
9.1 O.92i B
___'~9__-C9._4____~O~.%~5~1-___ ' ____
B._'__~O~'~72~_
,. , Oct. I - Nov, 9
0=30
debida atención a la causa de esas irregularidade:¡ porque con
•• •
0.93 frecuencia se obriene información mny Mil averiguando por qué
ocnrren.
.'
0.92 Hay muchos tipos de formas de dispersión, y algunas for-
• • • •
mas dpicas se dan en la figura 6.3.1 hasta la 6.3.6. En las figuras
0.91
6.3.1 y 6.3.2, Y crece con.r, esm e:¡ una wrTt"lación poúriva. Tam-
•o
0.\10
• bién, como la figura 6.3.1 mnestra e:¡ta rendencia de una manera
]
•• •
..
I! 0.89
0.88
."
•
• • •
•
• , muy pronunciada, se dice que es una correlación posiriva fuene.
Las figuras 6.3.4 y 6.3,5 muesu-an lo opnesm a una correlación
posiriva, pue:¡ a medida qne x aumenra, y disminnye; e:¡m se lla-
ma una correl4ción nrgativa. La figura 6.3.4 muesrra una correla-
0.87
• •• ción negariva fuene. La figura 6.3.3 mne:¡uael caso en el que xy
• • y no tienen ninguna relación panicular, y por eso decimos que
0.86 rw hay corn:l4ción. En la figura 6.3.6, a medida qne x aumenra, y
0.8j cambia en forma curv;¡o Esm se explicará más tarde.
rados del grupo principal (fignra 6.2) son el resulrado de errores Figura 6.1 Pumos lejanos
de medición o de registro de los datos, o fueron causados por
algún cambio en las condiciones de operación, Es necesario ex-
cluir esros pUntOS del análisis correlaeional. Sin embargo, en lu-
gar de despreeiar completamente e:¡tos puntoS, usted debe dar la
6.' EL CÁLCUlO DE 1.05 COEFICIENTES DE
CORRElACIÓN
,.", ... ¡t6 Para estudiar la relación cmre xy J ('$ imporramc hacer primero
•
'.
.
..
·•.. •
•
'
•••
•
•
••
•
•
•
.. un dügtama de dispenión; sin embargQ, para comprender la fUtT-
:<.1 de la relaciÓn ~n térmillO! cwmtiUrlVOS, es ÚtÜ caicullU' el MI'--
jicinftJ! tÚ cerrrlaciJn segun la ¡iguit'Ilte definiciÓn:
, • ...... • • • • • •••
•
•..
.' • •• • (6.1)
• • •
,, , , • •
• , x donde
-"', (6.2)
, , .,.
, • •
;>;0.0
'..• •
,
• •
, , • , ,,
• •
•
· ......• .....
• " (6.3)
,, , ,
'. ..•• .••
'
•
, • ,' •'
, '., , ," .. S(,,) ,
•
:E(x, Rl(Yi - 5)
;=!
,, , ,,
•
" ----'--
• x , (6.4)
lI\tono 6.J.J No hy ""rttI~
n
7.6454
Calculemos el coeftcitme de correlación para el
artt<!riot de los GllI<jUC% piáUKOS. En :a f·,l.bla 6.2 se encuemra ,
1 s.q
a,e
0.88'
0.874
7'1.11
77.t.4
0.78146
OJ'fd83
7.11676
7.69t2
~7A4 0.793/:18 7.6408
rabia mplernemaria de clkulos. A panir de: tliLO, lt:lltmos:
,
4
; '"
8.4
fL691
0.874 70.51'; fL76}86 7.]416
15
"
8.'
0.8-01&
0.1;\94 ?U.5b 0.79924 7.5096
S (Y.Y) I 8.1 !l8M 67.14 0/4650 ?JJ8411
" 30 ""., 'u
e'
0.'112 34.M O.650011
0.112626
6.4874
7.9083
"
]g
.'
,.1
0.9()';
0.905
75.69
81lJ6 O.Bl902 11507(\
(.l:x¡)(Iy,) n 7S.b9 0,79566 7J604
S(,,) = Ix",
n ,-
-, '"
8.5
";J.}
0.892
0.877 7225
&1.64
0.7f>913
0.76321
7AS4l
a.l420
"
2S 11.5
8.J
0.38'1
OA)&!:
OJl%
72.25
68,1l9
0.749%
OAill161
73610
7.4";68
=235.3570- 263.2X26,81~ =0.0913, '" 0.8.% 75.6'1 0.80181 7,7951
0.0913
30
"
JO
31
fU
'.3
'.9
C.9-26
0.886
"'''
79,::'1
Q.86:18
O.7850C
3.6301
7.6854
,= ::::::059.
";2.88 x 0.00840
~Qv.
,
1
"a.l 0.908
C.(\81
7'J.11
68.89
0,1l14':6
0,77616
IW811
7.3113
Th.bb6.2
CA!'lTlJl.O SElS
6.5 NOTAS SOBRE EL ANÁLISIS COlmELACIOli En el p".l50 2 del dibu¡O del diagrama de dispcr.sión se dieron
El método de juzgar Lt exinencia de correlación h",¡",d.
hu explkaci:one~ ret~1:o a la manera de dibujar las coordenad;u
diagrama de dispersión y calculando el coefici<-ntc de
de los ejes. En la figura 6.4 se fcgimaron los mismos pareti de
ción, L""tJIIlO lo hemos deKrito anteS, se llama ,".'Ihi,,"~dd,ci.
daros, La escala dd eje horilonr.al de i.J figura 6.4. 1 es la mitad de
la de la figura 6.3.5, y el eje v('nic.ú de la Agura 6.4,2 es la mitad
A continuación, en las secciones (1) a (4) se presentan
comentarios sobre el análisis cow:Jadonal,
dd de la figura 6.3.5. Fue pO$ihle interpretar la distribución de Lt
:figura 6.3,5 como una couelación negadvJI, pero esto no ($ dMO
ni en la figura 6.4.1 ni en la figura 6.4.2; incluso puede par«:ec
(1) Cootderuulas de loo ej.. que uo hubiera corrdadóu. De esta manera. ~i la ('$caJa tliI'Á in~
cOfrectlUltentc dctinida, el re$ultado ~erá la inrerprctadón ertó~
nea de lo~ d..Jt(),'l. POI canto, debemQ$ dibujar lil!l cootdenad:u. de
y
,
11",30.
los ejes eo forma correcta, i-"Omo se explicó en el paso 2,
• • , •
• • •
• • • • •• •
, • • • ,• • •
(2) Eatntillooción
, , ,• •
• ••
. Tanto LIfigura (),5, 1 como la figura 6.5.2 mU(:$fran en diagramas
dc di:;pcrsión la relaci6u eutre la cantidad de imputc7..3. y la vi~co-
sid.td de una $wuncia manufaaurada, En la figura 6.5.1, cuan-
do se combinan indiscrimina::damente los darm de la CompañIa
•• , , • < A con Jos de la CompañIa B, p:treC\': no haber correlación (fJgutá
r ..... '..l..!! 6.5< 1. a la izquierda); p«U cUlmdo se dirtinguen como en la figu~
/ \
ra6.5.1 ala derecha, leVe qne hay una daracorrclación. Por otr.l
parte, la figuea6.5.2 p~ mo,strot unarondaci6i\ genernl. pero
cuando se estraril1caeJ1 A y B (~UlJ. 6.~U ala deted!a), la corre--
;t.~.,;.......
",,,,;)O y
, • " •
• ,
,!
• •••
•..........
..- . . -
, • , '.' ," I" -O;
.,
o-
.. oo. . .
•, 4 ........
.. oo. : . : : . oo...
'., •
>
• , • •,
•
•
• ..::.e
n.A
_A.h Ll.~b
hA
, , '. • •• "
• • __••.u " , • •
_ _ 'A.l