Control de Calidad - Jorge Acuña PDF

Primera edición
Editorial Tecnológica de Costa Rica, 1986
Segunda edición
Editorial Tecnológica de Costa Rica, 1996
658.568
A188c2 Acuña Acuña, Jorge
Control de Calidad: un enfoque integral y estadístico / Jorge
Acuña Acuña. — 2 ed. — Cartago: Editorial Tecnológica de Costa
Rica, 1996.
P-
ISBN 9977-66-076-X
1. Control de Calidad. I. Título
© EDITORIAL TECNOLOGICA DE COSTA RICA

Instituto Tecnológico de Costa Rica
Apartado Postal 159-7050, Cartago
•S (506) 551 -5333 Fax (506) 552-5354
ISBN 9977-66-076-X
(ISBN 9977-66-010-7 Primera edición)
Hecho el depósito de ley
Impreso en Costa Rica
CONTENIDO
P resentación 9
C A P IT U L O I. C on ceptos y definiciones 11
Definición de control de calidad, 14
El sistema de control de calidad, 20
Beneficios del sistema de control de calidad, 31
Factores que controlan la calidad, 32
Responsabilidad de calidad, 35
La calidad en sistemas modernos de manufactura,37
Resumen, 38
Preguntas de repaso, 40
Problemas, 40
C A P IT U L O II. E stadística elem ental 43

Análisis de datos, 44
Concepto de probabilidad, 55
Pruebas de hipótesis, 81
Bondad de ajuste, 100
Análisis de varianza, 108
Muestreo estadístico, 128
Resumen, 141
Problemas, 142
CONTROL DE CALIDAD
C A P I T U L O III. I n g e n ie r ía d e c a lid a d 15 9
Características de calidad, 160
Normalización, 172
Metrología, 179
Especificaciones, 180
Método de Taguchi, 194
Diseño para la manufactura, 201
Conceptos de efectividad de sistemas, 206
Resumen, 215
Problemas, 216
CAPITULO IV. G r á f i c o s d e c o n t r o l p a r a v a r ia b l e s 223

Definición de gráfico de control, 223
Etapas de un gráfico de control, 224
Causas de variación, 225
Gráficos de control para variables, 228
Gráfico de promedios e intervalos, 232
Utilización del gráfico x, R para ajustar un proceso, 254
Gráfico de promedios y desviación estándar, 282
Gráfico de medianas e intervalos, 301
Gráfico de sumas acumuladas, 319
Aplicaciones de series de tiempo, 368
Resumen, 382
Problemas, 384
CAPITULO V. G r á fic o s de c o n t r o l p ara a tr ib u to s 397

Defectuosos vrs disconformes, 400
Gráfico para fracción defectuosa o disconforme, 405
Gráfico para número de defectuosos, 419
Gráfico para defectos por unidad, 435
Gráfico para deméritos, 455
Resumen, 461
Problemas, 463
JORGE ACUÑAACUÑA
CAPITULO VI. M u e s t r e o d e a c e p t a c ió n 475

Manual de inspección, 477
Definición de muestreo de aceptación, 479
Muestreo de aceptación para atributos, 480
Planes simples de muestreo 481
Planes dobles de muestreo 503
Planes múltiples de muestreo 506
Planes de muestreo para variables, 551
Norma ISO 3951,556
Resumen, 590
Problemas, 592
CAPITULO VIL A s p e c t o s generales 609

DE LA ADMINISTRACIÓN DE LA CALIDAD
Organización de la función calidad, 610
Funciones del gerente de calidad, 613
Prevención de producto fuera de especificaciones, 615
Coordinación y control, 617
Economía de la calidad, 618
Indicadores de calidad, 633
Organización de la inspección, 639
Diseño de un sistema de control de calidad, 649: Resumen, 653
Problemas, 655
APENDICES
APENDICE I. T a b l a s d e d is t r ib u c ió n d e p r o b a b il id a d 669
APENDICE II. D e m o s t r a c i ó n d e o b t e n c ió n d e f ó r m u l a s 69 1
PARA EL CÁLCULO DE LOS LÍMITES DE CONTROL
APENDICE III. F l u j o g r a m a s p a r a g r á f ic o s d e c o n t r o l 70 2
APENDICE IV. P e c u l i a r i d a d e s 713

del éxito está en darle al consumidor los productos ne
cesarios para satisfacer sus requerimientos y lograr así
una excelente calificación por parte de éste, la que se
reflejará en un incremento de ventas. Durante el desa
rrollo del texto se irán analizando diversos temas de or
ganización de calidad y de aplicaciones estadísticas,
cada capítulo con ejemplos y abundantes problemas
para ser resueltos por el lector.
Agradezco a todas aquellas personas que con su
ayuda e impulso me dieron su apoyo para transmitir mis
conocimientos en este tema.
Jorge Acuña A.
Cartago, Costa Rica
Capítulo I
CONCEPTOS Y DEFINICIONES
uando se oye hablar de Control de Calidad se cree que

este es un concepto nuevo. Sin embargo, Control de
Calidad es un medio que las personas han utilizado
desde épocas prehistóricas, con el fin de decidir entre lo
que es bueno y lo que es malo, de acuerdo con la utiliza
ción que se le vaya a dar al bien, servicio o actividad.
Esto lo ha hecho y lo hace el ser humano con el fin de
mejorar cada día más su calidad de vida.
El hombre primitivo conocía cuando una fruta era
buena o mala de acuerdo con las características fijadas
por él mismo. También, al fabricar sus utensilios de caza
y posteriormente de agricultura, se efectuaban controles
con el fin de garantizar que éstos no fallarían al utilizar
los. Estos fueron los inicios de lo que actualmente se
conoce como demanda de calidad.
Durante la conquista y colonización de América, el
nivel de calidad del armamento y de los navios jugó un
papel muy importante en el éxito de los planes trazados
por conquistadores y demás personajes de la época.
Además, un aspecto de gran relevancia en ese período
fueron los medios usados para conservar alimentos du
rante los largos viajes, no solo a América sino también al
resto del mundo. Tampoco hay que olvidar que los vikin
gos, años atrás, habían experimentado viajes de esta
12 CONTROL DE CALIDAD
naturaleza, para lo cual debieron contar con medios de transporte y de conser

vación de alimentos que les permitieran los largos desplazamientos.
En el siglo XVIII, con el desarrollo de la Revolución Industrial y a través de
invenciones como la máquina de vapor, la industria sufrió un cambio importante
en su nivel de productividad y muchas empresas pasaron de un nivel de orga
nización familiar a una administración que se preocupaba más por el desarrollo
del mercado por medio de la entrega de un producto de mayor calidad.
El sistema de producción cambió de un modelo artesanal a uno en serie o
en línea que obligó a estructurar mejor las operaciones de producción, ponién
dole mayor atención a los problemas de eficiencia y de variabilidad en las ca
racterísticas de los productos fabricados, problemas que en el sistema artesa-
nal no eran prioritarios pues en la elaboración de cada unidad del producto par
ticipaba solo una persona.
Como consecuencia del cambio en el sistema de producción, se desarrolla
la división del trabajo, fenómeno que es sumamente importante para el con
cepto de calidad de proceso, pues el obrero se especializa en un sector de la
producción lo que permite una mejor crítica y visualización de los problemas
propios de su área de trabajo.
Cabe mencionar el aporte que ofreció a finales del siglo XVIII y principios
del XIX el llamado "Padre de la administración científica”, F. W. Taylor, quien con
sus teorías impulsó la organización de la producción. Esta reorganización con
carácter científico ayudó a poner mayor atención a la calidad del producto.
En la segunda mitad del siglo XIX, con las primeras explotaciones petrolí
feras y más tarde con el desarrollo de la tecnología petroquímica, la industria
tomó un gran auge, pues ya se podía producir en una forma más eficiente con
materias primas de un nivel tecnológico más avanzado. Esto permitió a su vez
que las empresas aumentaran considerablemente el nivel de producción, con lo
que el problema de calidad se agudizó. Poco a poco se fueron desarrollando
métodos de inspección para verificar la calidad del producto final. Estos mé
todos son los precursores de la tecnología de calidad empleada por las empre
sas hoy en día.
Conforme pasaron los años, las personas se preocuparon más por aumen
tar el nivel de calidad de todo aquello que consumían o utilizaban. Sin embargo,
JORGEACUNAACUNA 13
no todo fue para bien de la humanidad pues mucha de esta tecnología fue
usada para la fabricación de material bélico. Es así como con el transcurso de la
Primera Guerra Mundial (1914-1918) no solo se emplea la citada tecnología
sino que ésta es mejorada radicalmente. Obligadas por las circunstancias, las
industrias de la época producen armamento más perfeccionado. Aquí no solo
es im portante la cantidad producida sino tam bién la m inim ización de la
probabilidad de falla.
Hasta esta época, el hombre actuó con instinto para conocer sobre el éxito
del producto que fabricaba, pues todavía no ideaba ningún medio que le permi
tiera cuantificar la eficacia de sus programas.
En 1931, Walter Schewart introduce conceptos estadísticos en la inspec
ción de procesos a través de los llamados gráficos de control o cartas de
control. La aplicación de estos conceptos permitirá luego el desarrollo de lo hoy
conocido como control estadístico de procesos.
Durante la Segunda Guerra Mundial (1939-1944), la tecnología del control
de calidad alcanzó un mayor auge debido a las exigencias de calidad del arma
mento requerido, el cual era radicalmente superior al usado en !a Primera Gue
rra Mundial. Para lograr esos niveles de calidad, las empresas metalmecánicas,
alimentarias y farmacéuticas, entre otras, establecen departamentos de control
de calidad con profesionales altamente calificados, dedicados al diseño de un
producto capaz de hacer frente a las exigencias del momento. Esto permite el
desarrollo de la investigación en este campo que genera entre otras cosas:
normas de muestreo conocidas como Normas Militares Estándar y técnicas
de contabilidad para la investigación de la probabilidad de falla del producto.
Finalizada la Segunda Guerra Mundial, las industrias, aprovechando y
perfeccionando los modelos generados durante el conflicto bélico, desarrollan una
tecnología más eficiente. A inicios de la década de 1950-1960, grandes
estudiosos de la calidad como Edward Deming y J.M. Juran comparten sus
conocimientos fuera de los Estados Unidos. Es así como Japón, deseoso de salir
del desastre causado por la guerra, contrata los se rvicio s de estos dos
importantes personajes. Los conocimientos impartidos por ellos, sumados al gran
interés mostrado por los japoneses para aprender y mejorar sus sistemas de
calidad, dio paso al Japón industrializado que se tiene hoy en día. La importancia
que los japoneses dan a la calidad de los productos industriales así como el nivel
de motivación y conciencia de sus trabajadores han permitido este gran desarrollo.
En la actualidad, con los sistemas de producción automatizados, con la

aplicación de los robots industriales a la producción y con el desarrollo de la
tecnología de visión de máquina, la inspección 100% es eficiente, con lo que se
reduce considerablem ente la cantidad dé producto defectuoso que sale al
mercado.
En Costa Rica, se hacen grandes esfuerzos por desarrollar la calidad de
los productos fabricados, aspecto en el cual muchas empresas han tenido éxito.
Sin embargo, la conciencia de calidad necesaria para producir más y mejor aún
no ha sido correctamente comprendida por el trabajador. Por otro lado, no hay
claridad en las políticas gubernamentales y empresariales, por lo que es difícil
establecer el camino por seguir.
En la actualidad muchas empresas nacionales requieren de un proceso de
reco nve rsió n en tre s planos: a d m in istra tivo , te cn o ló g ico y m ental. La
reconversión mental permitirá cambiar nuestra forma de pensar y preparará el
camino para los cambios tecnológicos y administrativos que se requieren.
Por otro lado, se debe apoyar el Sistema Nacional de Metrología, Normali
zación y Control de Calidad el cual pretende ordenar todo lo referente a esta
materia tan importante.
Es de esperar que se reúnan los esfuerzos dispersos para que el país su
pere los problemas que no le permiten exportar productos competitivos a mer
cados internacionales.
DEFINICION DEL CONTROL DE CALIDAD
Para definir mejor este concepto es importante analizar por separado los
conceptos de control y calidad.
Control
Al intentar definir este término, generalmente se hace mención de una serie

de sinónimos, tales como verificación, comparación, registro, comprobación y
confrontación. Algunas definiciones comunes son:
JORGE ACUÑAACUÑA 15
a. Control es el acto de verificar que algún material cumple con un patrón pre
viamente establecido con el fin de corregir cualquier desviación.
b. Control es un conjunto de actividades que se realizan con el fin de cercio
rarse de que un determinado proceso o tarea se está llevando a cabo de
acuerdo con los planes establecidos.
Desde el punto de vista de los procesos de fabricación, control se puede
definir como:
E l conjunto de actividades que se realizan sobre un proceso o produc
to con e l fin de verificar que éste se encuentra dentro de los límites fi
jados p o r un patrón previamente establecido.
Al observar esta definición, se puede notar que se habla de límites de con
trol. La razón es muy simple: para hablar de control necesariamente se debe
hablar de límites, pues éstos son los que marcan el intervalo de comportamien
to del producto o proceso. En el plano del control de calidad estos límites de
control se llaman normas o especificaciones.
La existencia de límites de control es primordial, pues es imposible conocer
si un proceso o producto se está desempeñando correctamente si no se tiene
un patrón de comparación. En otras palabras debemos determinar qué es lo
que se considera como bueno o deseable para saber qué es lo contrario.
El control se identifica a través de un ciclo. La Figura 1 muestra la represen
tación de las actividades que componen este ciclo.
En la Figura 1 se puede notar que, para la ejecución de un adecuado con
trol, se deben recolectar datos, analizarlos por métodos científicos, compararlos
con el patrón y obtener conclusiones y recomendaciones haciendo uso no solo
de los datos suministrados sino también de la experiencia generada por quien
toma las decisiones. Estas decisiones se revisarán constantemente con el fin de
verificar su acierto y tomar en cuenta los cambios dinámicos a que están some
tidos los procesos. Por ello, el control se convierte en un ciclo.
Calidad
Al tratar de definir calidad se debe tener presente que la calidad es un gra

do y por lo tanto, la expresión popular que dice “este producto es de calidad”, es
imprecisa, pues el término “calidad”, en sí mismo, no es sinónimo de bueno.
FIGURA 1.1. Representación esquemática delciclo de control
Calidad es adecuación al uso (Juran, 1951). Esto significa que calidad se

define en términos del uso dado al producto y del nivel de satisfacción logrado.
A raíz de este cambio radical en el concepto de calidad, es necesario definir el
término desde dos ángulos: el del productor y el del consumidor. Es así como
nacen los conceptos de calidad absoluta o de concordancia y calidad relativa
o de diseño.
Calidad absoluta es el grado en que un proceso es capaz de reproducir un
diseño, es decir existe una concordancia entre el producto y su diseño. Esta es
una definición del productor y es válida durante el proceso de fabricación de un
producto.
Calidad relativa es el grado en que un producto cumple con el fin para el
cual fue creado. En otras palabras, la medida en que satisface las necesidades
o requerimientos del consumidor o cliente. Esta es la definición del consumidor
y es la de más importancia, pues todo esfuerzo que conlleve a mejorar la calidad
relativa se reflejará en el volumen de ventas.
Las necesidades del consumidor se plasman en el diseño; por lo que pode
mos afirmar que si existe calidad relativa es porque hubo calidad absoluta. Lo
contrario no siempre es cierto.
JORGE ACUÑA ACUÑA 17
Dos conceptos importantes en calidad relativa son disponibilidad y servi

cio. Disponibilidad es la acción mediante la cual el cliente utiliza el producto y
éste cumple con la función requerida. Servicio es el conjunto de beneficios que
se le otorgan al cliente con el fin de garantizar un adecuado funcionamiento del
producto durante el período de garantía.
Control de calidad
Definidos los anteriores términos es necesario presentar las diversas for

mas que el control de calidad ha tomado en el pasado, en las que se aprecia la
evolución que se ha tenido en esta materia. La Figura 1.2 muestra la pirámide
del control de calidad que representa este avance.
El primer nivel es la concepción más primitiva de control de calidad y viene

dada por la inspección final de producto. Esta actividad es la acción mediante
la cual se revisan las unidades producidas para evitar que producto defectuoso
salga al mercado. Esta acción es totalmente correctiva y su aporte a la mejora

de la calidad es ínfimo pues la mayor parte del tiempo se dedica a separar pro
ducto bueno de malo.
El segundo nivel lo constituye la inspección de proceso, que es la acción
mediante la cual un sistema de inspección organizado detecta los problemas de
calidad en el lugar donde ocurren, controlando a través de las líneas de produc
ción. Este control es más preventivo que correctivo, pues la mayor parte del
tiempo se dedica a la búsqueda e identificación de causas y efectos de los pro
blemas de calidad.
El tercer nivel de la pirámide lo constituye el control de calidad, control to
tal de calidad y aseguramiento de la calidad. Control de calidad se define
como la verificación de que un producto se fabrica de acuerdo con el diseño
planteado, diseño que es el resultado de la interpretación técnica de las necesi
dades del consumidor, y que por lo tanto lo satisface. Para hacer frente a esta
concepción de calidad, es necesario que todo el personal de la empresa tenga
muy claro su rol en el logro de ese importante objetivo.
“Control Total de Calidad es el conjunto de esfuerzos efectivos de los di
ferentes grupos de una organización, para la integración del desarrollo, del
mantenimiento y de la superación de la calidad del producto, con el fin de ha
cer posible fabricación y servicio, a satisfacción completa del consumidor y
al nivel más económico” (Feigenbaum,1977). En esa definición hay varios térmi
nos que es necesario explicar más a fondo. Son ellos:
- Grupos de una organización: se refiere a que un nivel de calidad adecua
do solo se logra con el compromiso de todos los niveles de la empresa y
que todo miembro de la organización tiene tareas específicas para el logro
del objetivo.
Desarrollo: señala al hecho de que es necesario desarrollar la calidad, que
no es algo que funciona por sí solo. Se deben establecer medios por los
cuales se estén revisando constantemente los procedimientos que garan
ticen el desarrollo de la calidad del producto.
- Mantenimiento: la calidad no solo debe ser controlada sino también man
tenida y se deben establecer procedimientos para velar porque se manten
ga el régimen de trabajo, de manera que se garantice un nivel de calidad
cada día mejor.
Superación: es importante que el personal de la empresa se desarrolle y

se supere, como un medio para mejorar los niveles de calidad de los pro
ductos que se fabriquen.
- Fabricación y servicio: el viejo concepto de que la responsabilidad de la
calidad termina en la bodega de producto terminado queda obsoleto. La
empresa es responsable por cualquier falla de calidad ocurrida cuando el
producto se encuentra en manos del cliente. Para ello se deben establecer
medios de servicio que garanticen una atención rápida a los problemas de
calidad detectados por el consumidor.
Satisfacción completa del consumidor: el objetivo de calidad solo se lo
gra si hay completa satisfacción del cliente al usar el producto adquirido.
Esto redunda en la posibilidad de nueva compra, lo cual constituye el obje
tivo número uno de toda empresa industrial.
- Nivel más económico: deben realizarse los respectivos análisis de costo-
beneficio con el fin de conocer el nivel de calidad al que aspira la empresa,
que no es, precisamente, producir cero por ciento defectuoso, que de por
sí resulta tecnológicamente imposible de lograr.
El control total de la calidad revoluciona el concepto popular de control de
calidad pues:
a. Deja claro que el problema de calidad no es exclusivo de un departamen
to que lleva ese nombre, sino de todos los miembros de la empresa.
b. Supera la creencia de que controlar la calidad es una tarea de inspección,
al establecer la calidad como un concepto de sistema que involucra a to
das las funciones empresariales,
c. Cambia de un concepto específico y simple de clasificar producto como
bueno o malo a un concepto de logro de satisfacción del consumidor.
El aseguramiento de la calidad es el conjunto de acciones y actividades
que tienen como objetivo brindar los medios técnicos y humanos que garanticen
la aplicación y éxito de los programas de calidad total. Esto incluye entre mu
chos aspectos: personal profesional, personal técnico, análisis científico de
decisiones y herramientas adecuadas de análisis y control.
El cuarto nivel o cúspide de la pirámide es “autonomation”. Este es el con

cepto más moderno de control de calidad y consiste en un cambio total en la
concepción de calidad. Con “autonomation” el obrero adquiere una alta motiva
ción y conciencia que le permite ser inspector de su trabajo. Esto se basa en el
principio de que la calidad del trabajo que una persona ejecuta, es el reflejo de
la calidad de persona que es. Se tiene una amplia conciencia de que el próximo
proceso es el cliente y que para que se pueda efectuar un buen trabajo se
necesita de una alta calidad de entrega. Quienes tienen una alta aplicación de
este concepto son los japoneses, los resultados son evidentes.
EL SISTEMA DE CONTROL DE CALIDAD
Debido a la nueva concepción de calidad como una responsabilidad de

todas las funciones de la empresa, es necesario establecer un sistema que sea
capaz de coordinar todas las actividades que deben llevarse a cabo.
El sistema de calidad es el engranaje que se encargará de planear, ejecu
tar, coordinar y controlar todas las actividades cuya realización tienen como
objetivo entregar al cliente un producto con la calidad requerida por él.
Uno de los aspectos que es necesario para concebir este sistema es el
establecimiento de políticas claras de calidad, que perfilen los lineamientos
por seguir, mostrando las intenciones de los niveles jerárquicos de dar prioridad
a proyectos y actividades que tengan como principal fin la conservación y mejo
ra de la calidad del producto.
El implantar un sistema de control de calidad persigue una serie de objeti
vos que al cumplirse facilitan el desempeño de la empresa y aumentan su pres
tigio en el mercado. Los más importantes objetivos son:
1. Brindar al consum idor un producto acorde con sus requerimientos de
calidad,
2. Diseñar un producto acorde con los requerimientos del consumidor y las
limitaciones de fabricación,
3. Asegurar que los materiales suministrados por los proveedores cumplen
con los requerimientos de calidad fijados para la fabricación,
JORGE ACUNAACUNA 21
4. Hacer un uso más racional de equipos, maquinaria y mano de obra para

lograr niveles de calidad competitivos.
5. Disminuir al máximo la cantidad de producto defectuoso y reprocesable
con el fin de hacer un aporte importante a la disminución de los costos de-
- rivados de productos de mala calidad,
6. Disminuir el tiempo y el costo de las actividades de inspección de materias
primas, materiales, producto en proceso y producto terminado,
7. Mejorar la moral del trabajador a través de la solución participativa de pro
blemas, lo que redundará en fabricación de productos de más alto nivel de
calidad,
8. Disminuir y si es posible eliminar, los reclamos del cliente y las devolucio
nes de producto,
9. Impulsar todas las actividades que conlleven al establecimiento de siste
mas de control preventivo y proyectivo más que correctivo,
10. Impulsar la ejecución de actividades cuyo fin sea analizar el comportamien
to del producto en el mercado,
11. Promover unas buenas relaciones con el proveedor con el fin de que se
suministren materiales de alta calidad.
Pueden existir diversas formas de visualizar este sistema. Sin embargo,
todas ellas convergen en que el sis te m a e stá c o m p u e s to p o r c u a tro
subsistem as que abarcan el diseño de producto, el mercado de proveedo
res, el proceso y el mercado de consum idores, con los que se abarca tanto
a las actividades dentro de los procesos de fabricación como fuera de él. La
Figura 1.3 esquematiza este sistema.
Subsistema Diseño de producto
Cuando se proyecta el lanzamiento de un nuevo producto al mercado o

cuando se desea retroalimentar uno ya establecido con opiniones de consumido
res y fabricantes, la revisión cuidadosa del diseño es de gran importancia. La in
tención aquí es diseñar un producto acorde con las necesidades del consumidor
y con las limitaciones de fabricación y no simplemente acorde con los gustos e

inventiva del diseñador. Esto es comúnmente conocido como diseño para la
manufactura.
Los requerimientos del consumidor deben ser transformados en especifica
ciones técnicas que sirvan como base para la fabricación del producto. Algunas
JORGE ACUÑA ACUÑA
de las actividades que se deben ejecutar con el fin de cumplir con ese importan
te objetivo son:
1. Planeación de producto: se debe diseñar un producto bajo un plan ade
cuado que tome en cuenta la tecnología más apropiada y más económica.
•Este plan involucra la organización de los métodos, materiales, máquinas y
procesos que garantizan un máximo aprovechamiento de los recursos de la
empresa. Se debe planear un producto desde el punto de vista económico,
lo que significa que éste debe cumplir con sus características de calidad a un
nivel económico asequible para la empresa y para el consumidor.
2. Análisis estadístico: en el análisis de diversas opciones de diseño se ge
neran datos que deben ser estudiados a fondo con el fin de tomar decisio
nes. El diseño de experimentos se puede aplicar con el fin de encontrar el
mejor conjunto de características que beneficien la calidad del producto. En
la actualidad se aplica con éxito el Método de Taguchi, el cual se explicará
más adelante.
3. Registro de proveedores: consiste en el desarrollo de un registro que
contenga información sobre niveles de calidad, tipos de materiales que
ofrecen y otras características que sirvan a los diseñadores para analizar
opciones.
4. Estudios de capacidad de calidad: dentro de los requerimientos de ma
nufactura es necesario que el diseñador conozca sobre la capacidad de ca
lidad de la maquinaria con el fin de que genere un diseño capaz de ser fa
bricado económicamente.
5. Experiencia con producciones anteriores: en el caso de productos para
los cuales se tengan datos generados en producciones anteriores, se
pueden usar esas experiencias para que no ocurran contratiempos inne
cesarios.
6. Pruebas piloto: antes de producir a gran escala, se pueden efectuar prue
bas piloto que analicen las características del producto y retroalimenten los
procesos. Esta es una forma de lograr más fácilmente los objetivos de ca
lidad que se persiguen.
7. Normalización: el diseño de un producto debe cumplir con las normas de
calidad fijadas en el ámbito nacional o internacional. En el caso de que no
existan normas, el diseñador debe fijarse metas alcanzables que en el fu

turo se puedan convertir en normas de empresa.
8. Simplificación: todas las partes de un producto deben tener una función
específica, y el conjunto de operaciones para fabricarlo debe basarse en
procedimientos simplificados y fáciles de entender. El desarrollo de este
tipo de actividades facilitará el alcance del objetivo de calidad por medio de
un adecuado equilibrio costo-rendimiento.
9. Sistemas CAD. La aplicación de la computación a la industria se ha ido
incrementando día con día. El diseño asistido por computadora (CAD) es
un excelente medio para diseñar un producto que se encuentre aún más
cerca de los requerim ientos del cliente. Para ello, el diseñador debe
retroalimentar al programa con todas aquellas características que el consu
midor desea que estén presentes en el producto.
Subsistema Mercado de Proveedores
Es importante recalcar que no es posible fabricar un producto de un alto

nivel de calidad si no se cuenta con materiales que cumplan los requerimientos
para tal fin. Esto implica que se deben desarrollar métodos que garanticen la
obtención de materiales que cumplan con las condiciones adecuadas de fabri
cación. La empresa receptora debe ser lo suficientemente exigente para obligar
al proveedor o proveedores a enviar los productos con la calidad solicitada.
Algunas de las técnicas que pueden ser aplicadas para lograr el citado
objetivo son:
1. Relaciones con proveedores: mantener una buena relación entre pro
veedor y comprador facilita el envío de materiales de alta calidad. Esta re
lación se puede enriquecer a través de visitas recíprocas que evidencien
tanto capacidades como limitaciones de ambas partes.
2. Mantenimiento de instrumentación: la ejecución de mediciones con ins
trumentos que no tienen adecuadas condiciones de almacenaje ni adecua
dos programas de mantenimiento representa un alto riesgo de tomar me
diciones erróneas que conllevan a decisiones igualmente erróneas.
3. Educación y entrenamiento para la inspección: el inspector es la perso

na que con criterios objetivos o subjetivos decide sobre la aceptación o re
chazo de producto. Para ello, debe ser adecuadamente entrenado con el fin
de que sus decisiones sean tan acertadas como sea posible. Los manuales
de inspección son de gran ayuda para unificar criterios entre inspectores.
4. Análisis de especificaciones: la aplicación de una especificación tiene
como principal objetivo tener un patrón de comparación que permita tomar
decisiones acertadas. A su vez es posible someter esa especificación a un
proceso de análisis, de tal manera que se concluya acerca de la eficacia de
su aplicación.
5. Control de inventarios: conviene desarrollar modelos de inventario que
tomen en cuenta no solo la cantidad sino también la calidad, pues así se
pondrá atención tanto a la cantidad que se va a comprar y a cuándo com
prarla, como a la calidad de los lotes recibidos.
6. Manejo de materiales: no basta con recibir los materiales en buen estado,
sino que es necesario desarrollar eficientes programas de almacenamiento
y sistemas de manejo que eviten el deterioio de los mismos.
7. Muestreo de aceptación: esta técnica, que se verá detalladamente más
adelante, consiste en la aceptación de lotes con base en el análisis de ca
lidad efectuado sobre muestras sacadas de ellos.
8. Cotizaciones y órdenes de compra: la comunicación de los requerimien
tos del comprador se hace utilizando cotizaciones y órdenes de compra. Si
estos documentos son mal preparados, se corre el riesgo de que se envíen
mercaderías que no cumplen con los requisitos de fabricación, con las con
siguientes pérdidas económicas y de tiempo.
9. Estimación de la actuación de la inspección: la inspección, como activi
dad de producción, puede ser sometida al estudio de tiempos y movimien
tos con el fin de estandarizar métodos y calificar la actuación del inspector.
Esto se puede hacer no solo en términos de la cantidad de producción que
es capaz de inspeccionar sino también en función de su capacidad para
detectar defectuosos y defectos.
10. Certificación de calidad: la posibilidad de entregar al proveedor un certifi
cado de calidad es una opción que debe estar presente. Esta opción ayudará
8. M anejo de m ateriales en proceso: el m anejo de producto en proceso es

una de las actividades que m ás tiem po consum e (aproximadamente de 65
a 70% del tiem po total de fabricación), con lo que la probabilidad de que el
producto se deteriore en esta actividad es alta. Por ello, se debe diseñar un
sistem a de m anejo de m ateriales que se ajuste a los requerim ientos esta
blecidos por las características físicas y quím icas del producto que se va a
transportar.
9. Planeación d e m éto d o s de inspecció n : la inspección de producto no

puede ser una actividad im provisada, sin o que, po r el contrario, debe ser
planeada de ta l m anera que se fije n los de b e re s y responsabilidades de
inspección y se asignen a las diversas personas. El capítulo VII profundiza
al respecto.
10. Utilización d e gráficos de control: el gráfico de control es una buena he

rramienta para controlar en form a correctiva y preventiva el comportam ien
to de una determ inada característica de calidad. Este tem a se verá deteni
dam ente en los C apítulos IV y V.
11. M u e s tre o d e a c e p ta c ió n : ta l y c o m o se e x p lic ó a n te rio rm e n te , este

m u e s tre o c o n s is te en la a c e p ta c ió n d e lo te s co n b a s e en la c a lid a d
detectada en m uestras extra íd as de él. El C a pítulo VI ahondará en esta
im portante técnica.
12. Reproceso y desecho d e producto: el reproceso de producto es una ac

tividad que debe ser considerada. Si la em presa no cuenta con esta posibi
lidad e s im portante la ejecución de un proyecto que analice la factibilidad
té c n ic a y e co n ó m ica d e rep roce sar. P o r o tro lado, se d e b e d isp o n e r de
á re a s c la ra m e n te id e n tific a d a s con el fin d e que ta n to e l pro d u cto po r
reprocesar com o el que se va a de sech ar sean colocados. Esto ordenará
las líneas de producción y evitará los errores al tom ar producto defectuoso
com o producto bueno o viceversa.
13. Auditorías de calidad: en ocasiones el trabajo de inspección y control no

se ejecuta adecuadam ente. A través de auditorías de calidad es posible in
vestigar si lo s m étodos y pro ced im ie nto s d e control de proceso se están
aplicando en la form a fijada. Con esto se pueden hacer los cam bios nece
sarios para lograr los objetivos y metas.
JO R G E A C U Ñ A A C U Ñ A 29
Subsistem a M ercado de consum idores
Este subsistem a está relacionado con todas aquellas actividades que tie
nen com o objetivo estudiar las necesidades del consum idor y retroalim entar al
sistem a acerca de la efectividad del producto para cum plir con esas necesida
des.
Este subsistema se puede llamar tam bién Control de Producto o Control
Post-proceso, pues todas sus actividades son ejecutadas fuera de los proce
sos de fabricación.
C uando el producto ha sido fabricado, es alm acenado para su posterior

transporte y distribución. Es im portante que la em presa tenga presente que la
m áxim a responsabilidad de calidad se in icia a pa rtir de este m om ento, pues
éste es el período de tiem po en que se pondrán a prueba las características de
calidad y se evaluará si el producto satisface las necesidades del consumidor.
Para esto es necesario estructurar cuidadosamente el transporte y distribu

ción de producto, con el fin de que haya un manejo adecuado que garantice que
éste no se deteriorá antes de llegar a m anos del consumidor.
A lgunas de las activida de s que pueden ayu da r en el desarrollo de este
subsistem a son:
1. Análisis de reclamos: es importante ponerle especial atención a los recla
m os efectuados po r el cliente, pues en ellos se pueden encontrar motivos
para buscar soluciones a los problem as de calidad.
2. Análisis de devoluciones: al igual que en el caso anterior, las causas de
devoluciones deben ser cuidadosam ente estudiadas y no sim plem ente li
m itarse a cam biar producto. Se deben llevar registros que perm itan reco
lectar toda la información posible acerca de las razones que el cliente tiene
para rechazar el producto. El objetivo es tom ar las medidas correctivas del
caso y las medidas preventivas necesarias para reducir y en lo posible eli
m inar este problema.
3. Seguim iento de producto: un adecuado plan de seguim iento de produc
to, instaurado desde el instante en que el producto sale de la empresa, per
mitirá recolectar todo aquel producto que saldrá fuera de especificaciones
antes de que lo ha g a y llegue a m anos del consum idor. A lgunas de las
al proveedor a superarse con el fin de mejorar su calidad generando un his

torial que lo puede hacer acreedor a un diploma de esta naturaleza. Este
tipo de premiación es un medio de incentivar al proveedor pues constituye
para él una estupenda carta de presentación cuando participe en nuevas
ofertas.
11. Destino de material rechazado: se deben fijar áreas destinadas a recibir
el material que ha sido rechazado. Se debe evitar al máximo la probabilidad
de que este producto defectuoso ingrese a las líneas de producción. Para
ello se deben etiquetar con colores llamativos que faciliten su discrimina
ción a los encargados del manejo y distribución de materiales.
Subsistema Proceso
Si se ha logrado obtener un buen diseño de producto y se han podido ad

quirir materiales que reúnen los requerimientos, la siguiente etapa es proceder
a la fabricación del producto.
El control de proceso debe ejecutarse a lo largo de todas las etapas de pro
ducción y no al final, ya que ésta última debe ser una actividad preventiva y no
correctiva. El control preventivo es el que brinda las oportunidades de mejorar,
detectando fallas en el momento en que ocurren, evitando altos volúmenes de
producción defectuosa o no conforme con los requrimientos. También con con
trol preventivo se pueden investigarlas causas de las fallas de calidad, generan
do resultados que permiten eliminar o reducir considerablemente la producción
defectuosa.
Al igual que los sistemas de control de producción, los sistemas de control
de proceso se clasifican en control por proceso y control por producto. El sis
tema de control por producto se basa en procedimientos y métodos cuya
función principal es dar un seguimiento al producto a través de las líneas de
producción chequeando que sus características estén acordes con las espe
cificaciones técnicas establecidas. El sistema de control por proceso no se
ocupa del producto y sus partes sino de las operaciones de fabricación. Aquí
lo importante es mantener bajo control la ejecución de la operación de tal
manera que se cumpla con los estándares de calidad fijados para la máquina
o mano de obra utilizada.
Algunas de las técnicas que pueden aplicarse para el logro de los objetivos
del control de proceso son:
1. Análisis del proceso: para que se tenga un control de proceso adecuado
se debe hacer un estudio de las diversas operaciones que lo componen.
Este estudio puede ser apoyado por diagramas de operaciones y de flujo
que identifiquen y resalten los puntos críticos de calidad.
2. Análisis de operaciones: con base en el estudio anterior se procede a es
tudiar operación por operación identificando materiales, métodos y otros
factores que influyan en la calidad del proceso ejecutado ahí.
3. Clasificación de características de calidad: cada operación del proceso
genera una o más cara cterísticas de calidad, las cuales deben s e r
clasificadas de acuerdo con su frecuencia de ocurrencia y con su impacto
en la calidad.
4. Análisis del nivel de calidad: el nivel de calidad que mejor conviene a la
empresa no es cero defectuosos, puesto que si fuese posible lograrlo se
necesitaría de alta tecnología. Esto lógicamente encarecería el producto
haciéndolo no competitivo en el mercado. Ante ello, se debe investigar cuál
es el nivel más económico.
5. Control de herramientas y dispositivos: el diseño de sistemas adecua
dos de revisión y reemplazo de equipo constituye una de las armas más im
portantes puesto que éste es, en muchas ocasiones, el origen de los pro
blemas de calidad.
6. Estudio de capacidad de proceso: no es posible exigir a un proceso que
produzca bajo una capacidad para la cual no está diseñado. Por ello, se de
ben hacer estudios con el fin de conocer esa capacidad y así hacer un uso
más eficiente de ella.
7. Entrenamiento y adiestramiento de personal: la mano de obra es otra
fuente importante de fallas de calidad. Por ello, se deben establecer progra
mas de entrenamiento y adiestramiento que minimicen esta situación. La
capacitación, la motivación y la conciencia de calidad son excelentes me
dios para lograr un buen desempeño de la mano de obra.
CONTROL DE CALIDAD
técnicas que se utilizan aquí son pruebas de anaquel, códigos de fabrica

ción, y equipo de recolección. Las pruebas de anaquel consisten en mues
tras de producto que la empresa conserva con el fin de estar evaluando
constantemente su calidad. En el momento en el que esta calidad no sea
satisfactoria, se ordena la recolección de los remanentes en el mercado. La
identificación se hace usando códigos de fabricación. La recolección la lle
va a cabo el equipo de recolección, que es un grupo de personas que visi
tan constantemente al distribuidor en busca de producto rechazado.
Servicio: en algunos productos más que en otros, se debe poner énfasis
en programas de servicio al cliente, con el fin de hacer frente a posibles
eventualidades que provoquen descontento en el cliente. El servicio debe
ser rápido y eficaz de tal manera que el cliente no pierda su grado de satis
facción para con el producto.
Garantía: la garantía es un medio de protección al cliente que ninguna
empresa debe pasar por alto. Existen dos formas de garantía: comercial e
industrial. La garantía comercial es la que comúnmente ofrecen las casa®
comerciales cuando se compra determinado producto. Esta consiste de un
lapso de tiempo dentro del cual la empresa responderá por ciertas fallas del
producto. La garantía industrial es aquel período de vida útil forjada en el
producto por medio de un diseño que permite evaluar la duración de deter
minado producto. Esta consiste de un lapso de tiempo dentro del cual la
empresa responderá por ciertas fallas del producto. La garantía industrial
es aquel período de vida útil forjada en el producto por medio de un diseño
que permite evaluar la duración de determinado producto. Esta garantía
define la capacidad de nueva compra, siempre y cuando el grado de satis
facción del cliente sea favorable.
Auditorías de calidad: estas auditorías son procedimientos diseñados
para evaluar el grado en que el producto satisface los requerimientos fija
dos por el consumidor.
Encuestas de mercado: una encuesta de mercado puede servir como un
medio para evaluar el impacto que el producto está teniendo en el mer
cado. Se pueden hacer preguntas que retroalimenten el diseño, el proceso
o la calidad de materiales usados.
8. Visitas ai cliente: un programa de visitas al cliente puede servir como me

dio para recolectar de la fuente, información relevante sobre el desempeño
del producto. Este puede ser un medio para demostrarle al cliente la res
ponsabilidad de la compañía.
BENEFICIOS DEL SISTEMA DE CONTROL DE CALIDAD
Con la implantación de un sistema de control de calidad, la empresa podrá

obtener una serie de beneficios, dentro de los cuales se pueden citar:
1. Mejoramiento de la calidad del diseño y por consiguiente del producto, gra
cias al estudio de las causas de los problemas.
2. Reducción de los costos de operación, al detectar los defectos y defectuo
sos en el momento preciso en que ocurren y no en etapas posteriores.
3. Reducción de pérdidas económicas y materiales debido a una utilización
más adecuada de materiales y máquinas.
4. Mejoramiento de la moral del trabajador al producir con un nivel más alto de
calidad.
5. Reducción de tropiezos en las líneas de producción, al ejecutarse un con
trol más preventivo que correctivo.
6. Mejoramiento de los métodos de inspección, al existir guías más claras y
procedimientos que ayuden a los inspectores a tener un criterio unificado
en la toma de decisiones.
7. Establecimiento racional de verdaderas razones de producción, al tomar en
cuenta los defectuosos encontrados.
8. Oportunidad para acumular datos verídicos que pueden ser utilizados para
propaganda veraz.
9. Cálculo más objetivo de costos de reproceso y desperdicio que ayudan a
determinar un costo más real de producción y por ende un precio más cer
cano a la realidad.
10. Mejoramiento de la organización del trabajo.
CONTROL DE CALIDAD
Un enfoque integral y estadístico
Jorge Acuña A.
2a edición
ÉT
EDITORIAL TE C N O LO G IC A DE C O S TA RICA
i 1. Concientización y motivación hacia la calidad que deben tener los diferen

tes niveles de organización de la empresa.
A través de estos beneficios se puede llegar a demostrar que la calidad
lejos de ser un costo es una valiosa inversión.
FACTORES QUE CONTROLAN LA CALIDAD
La obten ción de un pro du cto de buena o m ala calid ad , no es un

acontecimiento de buena o mala suerte, sino que es el resultado directo de las
políticas de calidad que gobiernen la empresa. Estos resultados se deben al
comportamiento de una serie de factores que se denotan factores de la calidad.
Los factores de la calidad, conocidos como las siete emes de la calidad
(debido a sus iniciales en inglés), son los siguientes:
1. Mercado (Marketing)
El mercado juega un papel muy importante en la calidad de un producto. En
el estudio del mercado se conjugan tres frentes que son las necesidades del
consumidor, las necesidades de la sociedad y el espacio de soluciones que
ofrece la empresa.
Las necesidades del consumidor surgen de la vida cotidiana y especial
mente de los recursos necesarios para agilizar las actividades de las personas.
Esto permite la ejecución de tareas en forma más eficiente. En este sentido po
demos mencionar las diferencias entre el ama de casa del pasado y el ama de
casa de hoy en día. El ama de casa del pasado basaba el desempeño de sus
labores en su esfuerzo físico. El ama de casa actual ha recibido el beneficio de
la tecnología industrial, que le ha permitido agilizar sus oficios domésticos, de
tal manera que le ha quedado más tiempo para dedicarlo a otras labores. Las
necesidades de la sociedad, enmarcadas dentro del Triángulo de Necesidades
de Maslow, pueden ser cubiertas por la industria a través de cuatro de sus prin
cipales componentes como son vivienda, alimentación, vestido y medicinas, es
decir aquellas que determinan su subsistencia.
Las soluciones de la empresa se dan en términos de diseños que recojan

las necesidades del consumidor y de la sociedad para convertirlas en producto
terminado. En realidad, este proceso es bastante complejo, pues las necesida
des tanto de la sociedad como del consumidor son amplias y muy variadas,
mientras que las posibilidades de solución que se ofrecen son escasas. Esto se
puede representar en la Figura 1.4.
S: Soluciones que brinda la empresa

Nso: Necesidades de la sociedad
Nso N: Necesidades del consumidor
FIGURA 1.4. Representación esquemática de las necesidades del mercado en función

de las soluciones de la empresa.
Se puede observar en la Figura 1.4 que solamente una pequeña porción de

las necesidades del consumidor y de la sociedad pueden ser abastecidas por la
empresa (zona sombreada). De ahí la importancia de investigar a fondo las ne
cesidades del consumidor.
2. Hombre (Man)
El hombre constituye el principal factor de calidad, pues de su grado de
motivación y conciencia dependen los demás factores. No se logra nada si las
personas no cooperan, ni tienen conciencia de calidad en la labor que se les enco
mienda. Por más eficientes y eficaces que sean los medios técnicos propuestos, si
el ser humano no colabora no se obtendrán buenos resultados. Para ello, se

deben buscar los medios que logren una adecuada capacitación de los diferen
tes niveles de la empresa, de tal manera que las políticas de calidad se cum
plan.
3. Capital de trabajo (Money)

Como en toda labor de tipo comercial o industrial, el capital de trabajo es
absolutamente necesario. Para llevar a cabo las actividades planeadas es ne
cesario invertir. Cualquier recurso económico utilizado en el sistema de control
de calidad debe verse como una inversión y no como un gasto.
En control de calidad debe tenerse muy presente el siguiente pensamiento:
La buena c a lid a d cu e sta , p e ro la m ala c a lid a d cue sta m ás
(IMMECA, 1979).
4. Material (Material)
Los materiales y materias primas juegan un papel primordial en la calidad
final de un producto. No es posible obtener alta calidad con materiales medio
cres, pues el proceso de producción no es capaz de generar calidad. Ante esto
el objetivo clave es suministrarle al proceso los materiales que necesita para un
desempeño eficaz de sus actividades.
5. Máquina (Machine)
Las máquinas constituyen el medio de transformación de materiales en
productos terminados. Cualquier desperfecto o desajuste que éstas sufran, se
visualizará en defectos en los productos que se fabriquen. Por esto es de impor
tancia tener adecuados programas de mantenimiento preventivo que garanti
cen baja p ro b a b ilid a d de d e sajustes y d e s p e rfecto s. Adem ás, debe
concientizarse al operador de la importancia de vigilar los diferentes controles
que la máquina tenga, con el fin de tomar acciones preventivas en el momento
preciso.
6. Método (Method)
Los métodos de trabajo que se utilicen en operaciones de producción y en
operaciones de carga, descarga y manejo de materiales, si no son adecua
damente diseñados, son fuente de fallas de calidad.
El analista de métodos debe contemplar en sus diseños los requerimientos
de calidad de la operación. Una forma de hacer ésto es a través de dispositivos
que faciliten la operación eliminando toda posibilidad de que el producto sea
defectuoso por causa de un mal método de trabajo.
Además, es labor del analista lograr, mediante una adecuada motivación,
que el operario desarrolle su trabajo siguiendo el método establecido, de tal ma
nera que la ejecución de su operación se produzca en el nivel más alto de calidad.
7. Administración (Management)
La administración de la empresa es la primera que debe de estar conven
cida de los beneficios de un sistema de control de calidad. La razón es que son
ellos los encargados de dictar las políticas, de aprobar los planes y de asignar
los recursos. Sin este convencimiento es muy poco lo que pueden hacer los
departamentos y secciones de la organización.
La forma de medir el desempeño del sistema es a través de un diagnóstico
de estos factores. Es así como nos daremos cuenta de las fallas de la organi
zación en la consecución del objetivo de calidad.
RESPONSABILIDAD DE CALIDAD
Se puede afirmar que la responsabilidad de la calidad del producto termina

do recae en todos los niveles de la organización. Sin embargo, existen diferentes
grados de responsabilidad, siendo los más altos para el equipo diseñador, el
equipo proveedor, el equipo productor y el cuadro gerencial de la empresa.
El equipo diseñador tiene la enorme responsabilidad de traducir los requeri
mientos del cliente en especificaciones técnicas de acuerdo con limitaciones de
fabricación. El equipo proveedor es responsable de entregar a producción los
materiales que reúnen los requerimientos de fabricación. El equipo productor es
responsable de fabricar el producto de acuerdo con los requisitos del diseño

conservando el nivel de calidad de los materiales suministrados. El cuadro
gerencial es responsable de dictar las políticas y facilitar los recursos para que
los equipos de trabajo puedan cumplir con su función. Lo anterior implica que la
estructura organizativa no solo debe ajustarse a los niveles jerárquicos ya esta
blecidos sino también al flujo de información vertical y horizontal, necesario para
coordinar actividades. Esto se puede visualizar mejor en la Figura 1.5, en la que
se observa cómo las diversas unidades se coordinan. Así, por ejemplo, Ventas
tiene una clara interrelación con el consumidor en su trabajo con el mercado
mientras Personal -usando programas de reclutamiento y selección de perso
n a l- brinda a las líneas de producción el personal idóneo.
Información Responsabilidad ■■■■■ Autoridad

FIGURA 1.5. Representación gráfica de responsabilidades de calidad
JORGEACUÑAACUÑA
LA CALIDAD EN SISTEMAS MODERNOS DE

MANUFACTURA
Al igual que los sistemas de producción, los sistemas de control de proceso

también han evolucionado. Esta evolución se ha dado a través de la generación
y aplicación de sistem as modernos de m anufactura tales como robots,
sensores de máquina, visión de máquina y sistemas CAD/CAM.
La aplicación de robots al ambiente industrial ha permitido la ejecución de
operaciones con más altos niveles de exactitud y precisión, lo que ha favorecido
la calidad de lo fabricado. Esta se da puesto que es más factible cada día produ
cir con tolerancias más angostas o sea con especificaciones más cerca del
valor objetivo.
Los sensores de máquina han favorecido el desarrollo de instrumentos que
facilitan la inspección reduciendo el tiempo de recolección y análisis de informa
ción. Los sensores electrónicos son capaces de detectar diferencias y en algu
nos casos accionar mecanismos que permiten tomar medidas correctivas y
preventivas. Esta acción es una clara ventaja para el control de los procesos.
La visión de máquina ha dado grandes aportes a la inspección visual pues a
través de este sistema se pueden obtener conclusiones más rápidas y más efi
cientes. Este sistema ayuda además a sustituir al hombre en la labor de inspec
ción visual, la cual es monótona y perjudicial a la vista en la mayor parte de los
casos. Una explicación general del sistema se presenta en la Figura 1.6. En esta
figura se tiene una cámara de televisión que toma imágenes del producto, las tra
duce a señales digitales, para que sean interpretadas por una computadora la
cual tiene alimentados los diferentes patrones contra los cuales compara. De
acuerdo con la decisión tomada la computadora puede enviar una señal al siste
ma de manejo de materiales para que rechace la unidad en estudio.
Los sistemas CAD/CAM (Computación Aplicada al Diseño/Computación
Aplicada a la Manufactura) combinan el diseño de producto con la manufactura
del mismo, convirtiéndose en una garantía para reducir el eterno problema de
traducir especificaciones y requerimientos de diseño en productos terminados.
En un sistema de esta naturaleza, el diseñador ejecuta su labor y almacena
en una base de datos todo tipo de instrucciones y características de diseño.
CONTROL SEÑAL
DE CAMARA ANALOGICA
CAMARA DIGITADOR
□
/ \
SEÑAL
DIGITAL
COMPUTADORA
CENTRAL
n n n n n n n n n
LINEA DE PRODUCCION
FIGURA 1.6. Sistema de visión de máquina usada en inspección visual
Posteriormente, esos requerimientos son transmitidos mediante programas

computacionales desde un computador central hasta uno en la línea de produc
ción y de ahí a la máquina. La retroalimentación controla el proceso. La Figura
1.7 muestra un ejemplo de este sistema.
RESUMEN
Se han esbozado hasta el momento algunos principios sobre los que se

basa el verdadero concepto de calidad. Estos principios son:
1. El control de calidad no es únicam ente inspecr-ón, sino que va más allá,
hacia la investigación de causas y corrección de las mismas, con el fin de
que no se vuelvan a presentar en el futuro. Esto obliga a analizar la calidad
en forma sistémica, involucrando a la organización en su totalidad.
JORGEACUÑAACUÑA 39
FIGURA 1.7. Sistema Integrado de Manufactura
2. El problema de la calidad del producto es competencia de todos los niveles

de la empresa. En la medida en que haya conciencia de esta responsa
bilidad se lograrán los niveles establecidos.
3. La calidades intrínseca del producto, el control no agrega calidad al mismo
pues es solo un medio de investigar problemas y reducirlos.
4. El control debe ejecutarse en etapas, responsabilizando a las diferentes
secciones de la ejecución de las actividades fijadas en cada una de ellas.
5. La calidad debe entenderse com o e l grado en que un cliente se siente
satisfecho con las funciones que realiza el producto que adquiere.
6. Se pueden automatizar los procesos de inspección, sin embargo la respon

sabilidad de calidad será siempre del factor humano.
PREGUNTAS DE REPASO
1. Comente el aporte del desarrollo histórico del control de calidad a la con

cepción moderna.
2. Defina los conceptos de control, calidad, calidad total y control de calidad.
3. Explique el ciclo del control.
4. Explique la pirámide del control de calidad.
5. ¿Qué es un sistema de control de calidad y cómo está estructurado?
6. Explique detalladamente cada uno de los componentes del sistema de
control de calidad.
7. ¿Cuáles son los objetivos de implantar un sistema de control de calidad?
¿Qué beneficios genera un sistema de control de calidad?
8. Explique los factores que gobiernan la calidad de un producto.
9. Analice las responsabilidades de calidad en los sistemas industriales.
10. ¿Qué nuevos conceptos de calidad se manejan en sistemas modernos de
producción?
PROBLEMAS
1. Seleccione una empresa industrial o de servicios y analice su sistema de

control de calidad. Haga un diagnóstico inicial.
2. Evalúe en una empresa la incidencia de cada uno de los factores de calidad
en la calidad del producto final.
3. Enumere las actividades por realizar para implantar un sistema de control
total de calidad en una empresa del sector alimentario.
JORGEACUÑAACUÑA 41
4. Seleccione el organigrama de una empresa industrial e identifique clara

mente la responsabilidad de calidad de cada uno de los niveles jerárquicos
ahí representados.
5. Investigue los aspectos relacionados con control de calidad tomados en
cuenta en el Plan de Reactivación Industrial en nuestro país.
Capítulo II
ESTADISTICA ELEMENTAL
.»
n los últimos años se ha ampliado la gama de aplica
E
ciones de la estadística en el ambiente industrial, y va
desde la re co le cció n y a n á lis is de datos hasta la
inferencia estadística y el diseño de experimentos.
Una de las áreas de la industria en la que más se

ha ap licado es en la inspección de calidad de los
productos fabricados. Esto ha dado origen a lo que se
conoce como control estadístico de la calidad. En
estos casos se selecciona una muestra, se analiza y con
base en los resultados obtenidos se infiere la situación
real del p ro ce so p ro d u c tiv o . La a p lic a c ió n de la
estadística al control de procesos y de materiales es
solamente un arma para la toma de decisiones y no la
solución a los problemas.
En este capítulo se presentarán algunos conceptos
y técnicas de análisis de datos, para luego entrar en el
tema de inferencia estadística, que constituye la base
fundam ental para el establecim iento de un control
estadístico de la calidad.
Se supone de antemano que el lector tiene conoci
mientos generales de estadística.
ANALISIS DE DATOS
El primer paso en la aplicación de la estadística a procesos industriales

consiste en el registro y análisis de la información proveniente de las diferentes
pruebas físicas y químicas que se hacen a los productos con el fin de verificar
su estado.
Del análisis de los datos provenientes de esas pruebas se derivarán las
acciones preventivas, con las que se procurará reducir y si es posible eliminar
los problemas de mala calidad que se presentan en las líneas de producción.
Para lograr un adecuado análisis es necesario agrupar los datos de tal
manera que se puedan visualizar comportamientos y tendencias históricas de
los procesos.
DISTRIBUCION DE FRECUENCIAS
Una de las formas que permite disponer los datos para su análisis es la dis
tribución de frecuencias de datos agrupados, que consiste en el agrupamiento
del conjunto de datos en intervalos, de tal manera que generen una distribución.
Esta distribución puede ser comparada con distribuciones estadísticas teóricas
y así inferir soluciones al problema planteado. Existen también las distribucio
nes de frecuencia de datos no agrupados, que se usan para el análisis de datos
de variable discreta, tales como número de defectuosos y número de defectos.
Dos de las claves importantes para tener una distribución de frecuencias
eficiente y eficaz son la escogencia de un método que considere las cifras
significativas de los datos y la escogencia de un número de clases que refleje
una adecuada distribución.
Antes de entrar a presentar un método de elaboración de una distribución
es recomendable dar algunas definiciones.
Frecuencia
Es el número de veces que se repite un dato en un conjunto de datos, o en

un intervalo determinado. Existen varios tipos de frecuencia, éstas son:
a. Frecuencia absoluta
b. Frecuencia absoluta acumulada
c. Frecuencia relativa
d.- Frecuencia relativa acumulada
La frecuencia absoluta es el número absoluto de veces que se encuentra
un dato en un conjunto de datos o intervalo. Se denota por n.cuando los datos
no están agrupados y por nkcuando estos datos están agrupados. Se encuentra
por inspección del conjunto de datos.
La frecuencia absoluta acumulada es la suma acumulada de la frecuencia
absoluta. Se denota por N,en datos no agrupados y por Nken datos agrupados.
La frecuencia relativa es una forma de representar porcentualmente el
número de veces que se repite un dato o el número de datos que se encuentran
en un intervalo. Se denota por 1, para datos no agrupados y por fk, para datos
agrupados. Se calcula como:
Frecuencia absoluta
Frecuencia relativa = ------------------------------------------------ x 100
Número total de datos
La frecuencia relativa acumulada es la suma acumulada de la frecuencia

re la tiva . Se denota por F(para datos no agrupados y por Fkpara datos
agrupados. Se calcula como:
Frecuencia absoluta acum ulada
Frecuencia relativa acumulada = ---------------------------------------------- x 100
Núm ero total de datos
Clase
La clase es un intervalo dentro del cual se encuentra un conjunto de datos.

Sus valores extremos se llaman límites de clase. El número de clases se denota
con la letra k.
Los límites de clase representan a los datos. En este caso son conocidos
como límites reales de clase y están denotados por L( y Ls. En caso contrario,
los límites de clase se denotan por I, y ls y su función se reduce exclusivamente

al conteo de los datos para obtener la frecuencia absoluta.
La am plitud de clase o intervalo de clase es la diferencia entre los límites
reales de clase. Se denota con la letra i.
Histograma
Un histograma es un gráfico de barras verticales continuas, en donde se

representan los límites reales de clase en el eje x y la frecuencia absoluta o
relativa en el eje y. La escala del eje x debe graduarse de tal manera que todas
las barras sean de igual tam año, m ientras que la escala del eje y, debe
graduarse con base en la frecuencia relativa o absoluta más grande.
Para el desarrollo de la distribución de frecuencias se puede hacer uso de
paquetes de computación. Uno de éstos es STADGRAPHICS, paquete que
tiene un sinnúmero de herramientas estadísticas no solo para distribución sino
también para inferencia estadística.
A pesar de ser un m edio ágil para elab ora r d istrib u cio n e s, éste no
considera cifras significativas que son muy importantes cuando se analizan
datos con fines de análisis de calidad.
Para garantizar el cuidado de cifras significativas se puede aplicar el
siguiente procedimiento:
1. Recolectar los datos (x.) de acuerdo con el tamaño de muestra previamente
calculado. Esta recolección debe ser ordenada de tal form a que se
entienda posteriormente la información. Para ello se puede usar un formato
tal como el que presenta en el Ejemplo 2.1. Este formato no solo sirve para
a n ota r la in fo rm a ció n re co le cta d a sino tam bién la d is trib u c ió n de
frecuencias correspondiente.
2. Ordenar los datos de menor a mayor. Es opcional; si no se hace, se ejecuta
el paso 11b.
3. Calcular el rango, restando al dato mayor, el dato menor. Sea:
R = Xlmix-Xwn
•*
4. Fijar el número de clases (k), es conveniente que esté entre 5 y 20. Se

puede utilizar la regla de STURGES para obtener un aproxim ado al
número de clases. Esta regla es:
k = 1 + 3,3 log n donde n = tamaño de la muestra
5. Calcular el intervalo de clase (i), así:
i = R/k
El valor de i debe ser redondeado siem pre hacia arriba y a la misma
cantidad de decimales que tienen los datos.
6. Calcular el rango propuesto (Rp) mediante la multiplicación del intervalo
redondeado (¡r) por el número de clases, sea:
Rp=l’,*k
7. Calcular la diferencia (d) entre el rango y el rango propuesto:
d = Rp- R
Este valor es un número cuya última cifra significativa debe ser un cinco. Si
no lo es, se debe devolver al paso 5 y hacer el cálculo con otro número de
clases, hasta que se cumpla la condición.
8. Calcular la mitad de la diferencia (md)
md=d /2
9. Fijar los límites reales de clase (L,, Ls), usando el siguiente procedimiento:
a. Tomar el valor del dato menor y restarle el valor de md; el valor obtenido
es el primer L,.
L.i l = ximin - m .d
b. Sumar i al valor de Ln, para obtener el primer Ls.
LSi = Lll, + i
c. Hacer el L* igual al Ls{k1)y repetir el paso 9b. hasta completar las k
clases. Al final se debe cumplir con:
Lrt= x lm4x+m d
donde Lsk= último límite real superior.

10. Fijar los límites de clase (l|t ls), sumando cinco unidades decimales a los
límites inferiores reales de clase y restándoselas a los límites superiores de
clase. Así por ejemplo:
Si L,y Lstienen solo un decimal, se suma y se resta 0,5
Si L y Lstienen dos decimales, se suma y se resta 0,05

I.de = Lik + 5 unidades decimales
lsk= Lsk- 5 unidades decimales
11. Completar el cuadro de frecuencias de datos agrupados, para ello
a. Calcular el punto medio (xk)
L
“
+ LS L+l
I s
\ = ---------------- o XK=----------------
2 2
b. Obtener el valor de la frecuencia absoluta (nk) usando lo obtenido en el
punto 2 o a través de conteo que consiste en ir contando dato por dato
y poniendo una rayita en el intervalo correspondiente.
c. Obtener la frecuencia absoluta acumulada (Nk)
Nk=Acumulado de nk
d. Calcular la frecuencia relativa (f.)
1%
n
e. Obtener la frecuencia relativa acumulada (Fk)
n
12. Construir el histograma para observar la distribución del conjunto de datos.
EJEMPLO 2.1
Se toman doce grupos de cinco unidades de una máquina llenadora de

latas de pasta de tomate y se pesan, originando los datos que se presentan en
el Cuadro 2.1.
Construir una distribución de frecuencias de datos agrupados.
SOLUCION
1. Los datos se recogen en el formato definido. El Cuadro 2.1 presenta la

información recolectada para este ejemplo.
2. Se usará el método de conteo.
3. R = x.im á.x - x.im fn.
R = 25,0 -1 8 ,0 = 6,5
CUADRO 2.1. Información recolectada en decigramos
HOJA DE DATOS - DISTRIBUCION DE FRECUENCIAS
Artículo: Pasta de tomate Código: XY-987

Característica: Peso Especificación: 20,0 ± 2,5
Operación: Llenado Máquina: Llenadora
Operario: M. Matamoros Inspector: M. Coto
Fecha:02-12-84 Tumo: 1 Hora de inicio: 8 am Hoja # 1de 1
# 1 2 3 4 5 6 7 8 9 10 11 12
1 22,0 23,0 20,0 21,5 19,0 21,5 22,5 25,0 21,5 24,5 22,5 23,5
2 20,5 19,0 19,0 19,0 21,5 24,0 20,0 20,5 23,0 24,0 22,5 20,0
3 20,0 21,5 19,5 21,0 22,5 19,5 21,0 21,5 22,5 23,5 20,5 20,5
4 21,0 21,0 20,0 20,0 22,5 22,0 22,5 21,5 23,5 22,0 22,0 22,5
5 22,5 21,5 22,5 22,0 18,5 22,0 22,0 22,5 21,0 22,0 19,5 23,0
4. k = 1 + 3 ,3 lo g n
k = 1 + 3,3 log 60
k=7
R 6,5
5. i = ------ = ---------- = 0,923=1,0
k 7
6. Rp= if* k = 7 * 1 ,0 = 7,0
7. d = Rp- R = 7,0 - 6,5 = 0,5
0,5
8. md= d/2 = ------ =0,25
2
9- ^ i = ximfn_md= 1 8 ,5 -0 ,2 5 = 18,25
LS1= L,, + i = 18,25 + 1,0 = 19,25
La= L „ = 19,25
L 2= L í2+¡ = 19,25+ 1,0 = 20,25
Y así sucesivamente hasta completar las siete clases.

Esto se puede observar mejor en el Cuadro 2.2.
El resto se obtiene de igual forma.
El conteo se obtiene anotando una rayita por cada dato que se ubica en la
clase respectiva.
A través de las frecuencias se puede observar alguna característica
importante, por ejemplo el análisis de posición para algún valor especial tal
como una especificación.
12. El histograma correspondiente a este ejemplo se puede observar en la
Figura 2.1. En él, se puede ver que el peso de los tarros de pasta de tomate
se distribuye en una forma aproximadamente simétrica, o sea una gran
frecuencia en el centro que disminuye hacia los lados.
CUADRO 2.2. Cuadro de distribución de frecuencias para el Ejemplo 2.1
HOJA DE DATOS - DISTRIBUCION DE FRECUENCIAS
Artículo: Pasta de tomate Código: XY-987

Característica: Peso Especificación: 20,0 ± 2,5
Operario: M. Matamoros Inspector M. Coto
Fecha:02-12-84 Tumo: 1 Hora de inicio: 8 am Hoja#1 d e i
L, L. », K CONTEO nh N„ K
18,25 19,25 18,3 19,2 mu 5 18,75 5 8,33 8,33
19,25 20,25 19,3 20,2 iiiiniii 9 19,75 14 15,00 23,33
20,25 21,25 20,3 21,2 iiiniiii 9 20,75 23 15,00 38,33
21,25 22,25 21,3 22,2 iiiiiiiiiiiinii 16 21,75 39 26,67 65,00
22,25 23,25 22,3 23,2 iiniiiiiiiiii 14 22,75 53 23,33 88,33
23,25 24,25 23,3 24,2 mu 5 23,75 58 8,33 96,67
24,25 25,25 24,3 25,2 ii 2 24,75 60 3,33 100
l(1= L„ + 0,05 = 18,25 + 0,05 = 18,30

l„ = L „ - 0,05 = 19,25 - 0,05 = 19,20
El resto se obtiene de igual forma.
El conteo se obtiene anotando una rayita por cada dato que se ubica en la clase respectiva.
MEDIDAS DE LA DISTRIBUCION
No es fácil obtener conclusiones de un conjunto de datos sueltos o de

cuadros calculados a partir de ellos. Debido a esta limitación es necesario
calcular medidas que los representen. Las medidas de mayor importancia son
la media aritmética y la desviación estándar.
Tam bién pueden c a lc u la rs e la m oda, la m ediana, los p e rc e n tile s
requeridos y varios coeficientes com o el coeficiente de variación y el de
kurtosis. Estas medidas no se presentan en este momento.
La media aritmética se calcula en datos no agrupados como:
16
14
12
n k 1 0
2 -U
18,25 19,25 20,25 21,25 22,25 23,25 24,25 25,25
Lím ites reales de clase (L(,Ls)
FIGURA 2.1. Histograma para e l Ejemplo 2.1

(Peso de tarros de pasta de tomate)
n
Ix ,
_ í=i
X = ---------------
n
donde:
x: valores de la variable en estudio
n: tamaño de la muestra
En datos agrupados se calcula así:
nc
(I nk* d ) * i
x =A+
n
donde:
d: desviación del punto m edio con respecto a la posición de la media
supuesta (clase de mayor frecuencia, d=0). Es medida en unidades de
intervalo de clase.
i: amplitud o intervalo de clase
A: punto medio de la clase que contiene la media supuesta (clase de d=0)
nc: número de clases

La desviación estándar, para datos no agrupados, se calcula usando la
siguiente fórmula:
Para datos agrupados se tiene:
EJEMPLO 2.2
Para el Ejemplo 2.1, calcular la media aritmética y la desviación estándar

para datos no agrupados y agrupados.
SOLUCION
Para datos no agrupados:
1292,5
x = £x/n = = 21,54
60
I x = 1292,5 I x 2= 27972,75 n= 60 i=1,0
(1292,5)
27972,75 -
60
s= = 1,485
\ 59
En datos agrupados y usando el Cuadro 2.2 se obtiene la información que
se presenta en el Cuadro 2.3.
El factor d se establece con valores enteros negativos hacia arriba y
positivos hacia abajo de la clase de mayor frecuencia.
Para el ejemplo los valores de la media y la desviación son:
A= 21,75 parad = 0
-12
x = 21,75+ ( ) * 1,0 = 21,6 decigramos
60
Esto significa que el conjunto de datos se distribuye con un promedio de

21,6 decigramos con una desviación estándar de 1,52 decigramos.
Un aspecto muy importante que se debe considerar es que la mayor parte
de las pruebas en las que se requiera el uso de esta técnica necesitan ser
CUADRO 2.3. Cálculos interm edios p ara obtener X y s
XR d n„*d n k*da
- 18,75 5 -3 -15 45
19,75 9 -2 -18 36
20,75 9 -1 - 9 9
21,75 16 0 0 0
22,75 14 1 14 14
23,75 5 2 10 20
24,75 2 3 6 18
TOTAL Ii\*d = -1 2 In /(f= 1 4 2
ejecutadas en el menor tiempo posible. Ante ello es necesario confeccionar

formatos que agilicen la recolección y análisis de la información. La Figura 2.2
presenta un formato que puede ser usado en estos casos. Con este formato se
pueden hacer estudios futuros para evaluar el comportamiento de una variable.
En estos casos se dejan fijos los límites de clase y se toman nuevas muestras.
CONCEPTO DE PROBABILIDAD
Muchas pueden ser las definiciones que se den al término probabilidad. En

ocasiones se asocia con la palabra posibilidad, lo cual parece en alguna medida
aceptable si se cuantificara. Tres de las definiciones más comunes son las
siguientes:
1. Probabilidad es el estudio de experimentos aleatorios o libres de determi

nación, con el fin de asignar un valor a su ocurrencia futura.
EJEMPLO 2.3 Ilustración del concepto de probabilidad
Si un dado es lanzado al aire, se tiene la certeza de que va a caer, pero no

se puede afirmar con certeza que la cara que quedará hacia arriba será la que
z
.. o
O)
í2y
OU QJO
•
c/>5í= "§
aÜ
L:u□já
s Q)
Íll .<0
•2
O3 2
1es
Q)
2
Ci.
S
CU
i
£
C\i
Osi
5
CD
c
T03)
VIi
Tn
03
0
E
£
c
<
L/>
U0 s)
Z ¿
2 »
o 2
>
a: Q)
3
w E
§5
contiene el número 6. Si este experimento se repite n veces podemos llamar n

al número total de lanzamientos y s al número de aciertos por un número
determinado, lógicamente entre 1 y 6. Para ilustrar el concepto de probabilidad
se puede asociar con la frecuencia relativa que se obtiene de la relación f = s/n.
Este valor tiende a estabilizarse conforme el número de lanzamientos tiende a
infinito y por lo tanto puede asignarse como el valor para la ocurrencia futura del
acierto.
2. Probabilidades un valor numérico que debe llenar ciertas condiciones y
que se asocia con un evento dado para expresar el grado de confianza que
se tiene en la verificación futura del experimento que le dio origen. Esta es
una definición dada desde el punto de vista matemático.
3. Probabilidades la fracción n(E,)/n que se origina si un suceso puede ocurrir
de n-maneras mutuamente excluyentes e igualmente posibles, de tal
manera que n(E ) de ellas poseen un atributo (E).
n(E.)
P(E() = -----------
n
Para entender más claramente esta definición se deben definir algunos
conceptos claves tales como:
Espacio m uestral: es el conjunto S de todos los resultados posibles, al
ejecutar un experimento. Este número total de eventos se denotan de la
siguiente manera:
Número de eventos de S = p"
donde:
p: número de posibilidades del experimento
n: número de veces que se repite el experimento.
Evento simple es uno de los resultados E¡del espacio muestral S.
Evento compuesto es el conjunto de resultados Ecdel espacio muestral S
que cumplen con cierta característica.
EJEMPLO 2.4
Se lanza un dado dos veces.

a. Identifique los eventos que conforman el espacio muestral y el número
de ellos.
b. Dé un ejemplo de un evento simple.
c. ¿Cuántos eventos componen el evento compuesto X + Y > 4?
SOLUCION
a. Con el fin de determinar el número total de eventos del espacio muestral se

utilizará un gráfico de coordenadas donde se colocarán las posibilidades
del primer lanzamiento en el eje x y las del segundo en el eje y. La Figura
2.3 muestra este gráfico.
El número de posibilidades p es seis y el número de veces que se repite el
experimento es dos por lo tanto:
Número de eventos de S = 62= 36 eventos simples
En la Figura 2.3 se pueden observar los 36 eventos simples del espacio
muestral representados por asteriscos en el reticulado del gráfico.
b. Un ejemplo de evento simple es (1,6) el cual significa que en el primer
lanzamiento el resultado es uno y en el segundo lanzamiento es seis.
c. El evento compuesto X + Y > 4 está conformado por todos aquellos eventos
simples que originan una suma mayor que cuatro entre el valor del primer
lanzamiento y el valor del segundo lanzamiento. Estos eventos son todos
menos (1,1), (1,2), (1,3), (2,1), (2,2) y (3,1). Es decir, 30 eventos conforman
este evento compuesto.
En general, se puede decir que la probabilidades el resultado de dividir el

número de ocurrencias de un evento determinado, entre el número total de
eventos que componen el espacio muestral.
La probabilidad tiene las siguientes propiedades:
(1,6) (2,6) (3,6) (4,6) (5.6) (6.6)

■
(1.5) (2.5) (3.5) (4.5) (5.5) (6.5)

L
(1.4) (2.4) (3.4) (4.4) (5.4) (6,4)
a
n
(1.3) (2.3) (3.3) (4.3) (5.3) (6.3)
z
a
(1.2) (2.2) (3.2) (4.2) (5.2) ( 6.2)
m
i
(1.1) (2.1) (3.1) (4.1) (5.1) ( 6 .1 )
e
n
t
o 2 3
Primer
Lanzamiento
FIGURA 2.3. Representación gráfica del espacio muestral
1. La probabilidad es un número o cantidad no negativa.

P(E§) > 0
2. La probabilidad es un número o cantidad menor o igual a 1.
P(E¡) S 1
3. La suma de las probabilidades correspondientes a cada uno de los eventos
del espacio muestral es igual a 1.
P(E,) + P(E2) + P(E3) + .........+ P(En) = 1
4. La probabilidad de un evento y su complemento suman 1.
P(E¡) = 1 - P(E,)C
La probabilidad considera dos leyes principales llamadas la ley de la suma
y la ley del producto.
Ley de la suma
La ley de la suma dice que si se tienen dos eventos simples E, y E2, la

probabilidad de que ocurra uno u otro se representa por la suma de las
probabilidades de ocu rre n cia de cada uno de esos eventos m enos la
probabilidad de que ocurran ambos. Sea:
P(E, U E2) = P(E,) + P(EZ) - P(Et n E2)
Si los eventos ocurren en forma independiente entonces la probabilidad de
ocurrencia de E, o de E2se calcula com o la suma de las probabilidades
correspondientes a cada uno de ellos. Así:
P(E1U E 2) = P(E1) + P(E2)
Ley del producto
Si los resultados de un suceso aleatorio pueden tener a la vez los atributos

E, y E2, la probabilidad de que ocurran ambos es igual a la probabilidad de que
suceda E, multiplicada por la probabilidad de que suceda E2dado que sucedió
E2. Sea:
P(E, y E2) = PÍEj/E,) /: dado que sucedió
Si los sucesos ocurren en forma independiente entonces la probabilidad de
ocurrencia de am bos sucesos se ca lcu la com o la m ultiplicación de las
probabilidades correspondientes a ambos eventos.
Así:
P(E, y E2) = P(E,) * P(E2)
EJEMPLO 2.5
Una caja contiene ocho canutos de hilo azul, cuatro de hilo blanco y uno de
hilo rojo.
1. Si se extrae un canuto al azar, hallar la probabilidad de que sea:

a. azulo blanco
b. blanco o rojo
2. Si se extraen dos canutos, ¿cuál es la probabilidad de que el primero sea
. azul y el segundo rojo?
SOLUCION
1. Sea: E,: evento en el que se extrae un canuto azul
E2: evento en el que se extrae un canuto blanco

E„: evento en el que se extrae un canuto rojo
n(E,): número de canutos de hilo azul
n(E2): número de canutos de hilo blanco

n(E3): número de canutos de hilo rojo
Dado que n(E,) = 8, n(E2) = 4 y n(Ej) = 1
a. P (E ,o E 2) = P (E ,U E 2) = P (E ,) + P (E 2) - P ( E 1n E 2)
n(E,) n (E2)
+ - 0
n n
8 4
+ - 0
13 13
= 12/13
Es decir, la probabilidad de que el canuto extraído sea azul o blanco es

12/13, sea 0,9. La probabilidad de que ocurran ambos eventos es cero por
cuanto no hay hilos de color combinado.
b. P(E2o E ) = P(E2U E ) = P(E2) + P(E ) - P(E2n E3)

3 3 3
n(E2) n(Eg)
= + 0
n n
1 4
= + 0
13 13
= 5/13
La probabilidad de que el canuto extraído sea rojo o blanco es 5/13, sea

0,38.
2. Si se extraen dos canutos se pueden dar dos situaciones:
a. Caso A. Con reposición, lo que significa que el canuto se retorna a la
c a ja de spu és de la prim era e xtra cció n . E sto co n v ie rte am bas
extracciones en eventos independientes.
P(E, y E3) = P(E,) * P(E3)
n(E,) n(E3)
n n
8 1
13 13
8
P(E,y E3) = -------- = 0,047
169
b. Caso B. Sin reposición, lo que significa que el canuto no se retoma a la

caja después de la primera extracción.
*
JORGE ACUNA ACUNA 63
P(E, Y E3) = P(E,) * P(Eg/Et)

n(E,) n(E3)
________ *
n n - 1
8 1 8
P(E,y E3) = --------- * ---------- + ----------= 0,051
13 12 156
La probabilidad de que al extraer dos canutos de la caja, el primero sea

azul y el segundo sea rojo es 0,047 si se hace con reposición y 0,051 si se
hace sin reposición.
DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad constituyen la base teórica para

investigar fenómenos aleatorios cuyo comportamiento es anormal. Este estudio
consiste en la búsqueda de un ajuste que permita efectuar el análisis acorde
con lo expresado por la teoría de probabilidades.
Las distribuciones de probabilidad pueden ser de variable aleatoria
continua o de variable aleatoria discreta y su aplicación al control estadístico de
la calidad dependerá de la clasificación efectuada sobre las características de
calidad, de lo que se hablará en el siguiente capítulo.
Una función matemática f(x) será una función de probabilidad si cumple
con las siguientes dos condiciones:
Si es de variable aleatoria discreta
b
1. 0 < f(x )< 1 2. F(x) = I f ( x ) = 1
a
Si es de variable aleatoria continua
1 . 0 < f(x) > 1

2. F(x) = £ f(x) dx = 1
Se verán a c o n tin u a c ió n asp e cto s g e n e ra le s de las p rincipales

distribuciones de probabilidad.
D is t r ib u c io n e s d e p r o b a b il id a d d e v a r ia b l e a l e a t o r ia c o n t in u a
Existen diversas distribuciones de probabilidad que comúnmente son

usadas para analizar poblaciones que generan variables dimensionales. Estas
dim ensiones son e stu d ia d a s a travé s del m uestreo y an aliza da s con
distribuciones teóricas con el fin de inferir resultados muéstrales hacia la
población. A continuación se verán algunas de las principales.
1. Distribución normal
Es la distribución de probabilidad de variable aleatoria continua más

importante, pues los datos distribuidos normalmente se originan en numerosos
experimentos. La característica más sobresaliente de esta distribución es que
gran cantidad de datos se agrupan alrededor del promedio, decreciendo su
frecuencia conforme se alejan de él.
La función densidad de esta distribución es:
1
f(X) = --------------e -l,X-M)2/2o2) -oo < X > °o
o JaT
Esta distribución posee entre otras las siguientes características:
a. El área total bajo la curva normal evaluada de -oo hasta +®° es igual a 1.
b. La curva normal es simétrica: el área a la derecha y el área a la izquierda
de la media aritmética son iguales.
c. La curva que representa la distribución es la Campana de Gauss
d. Esta distribución puede estandarizarse con el fin de hacer más fácil el
cálculo de probabilidades. En esta estandarización se usa el estadístico
X -| l
Z = ---------
a
e. La curva queda perfectam ente determinada cuando se conocen los

parámetros p y a.
f. Las técnicas usadas en el cálculo de probabilidades a partir de curvas
unimodales, pueden ser usadas en otras curvas aunque éstas no sean
. normales.
g. La distribución muestral obtenida a partir de una población cualquiera se
distribuye normalmente.
Debido a que cada valor de p y de o originan una forma de distribución
distinta, es necesario acudir a la estandarización con el fin de convertir la curva
normal en una curva normal estándar. Esta estandarización permite calcular
probabilidades usando tablas en lugar de integrar la función.
La curva normal estandarizada se caracteriza por tener p=0 y a2= 1 y se
obtiene a través de la transformación de la variable x en el estadístico
x -p
Z = --------- . Así, la distribución se convierte en:
a
1
f (Z) = e *a -o» < Z > +oo
\| t?
2
Con esta curva normal estandarizada, lo que se hace es encontrar el valor

de la variab le transform ada Z y con ese número acu dir a la Tabla I en
APENDICE I, donde se encontrará el valor de N(Z) que corresponde a la
probabilidad acumulada buscada.
EJEMPLO 2.6
Una fábrica especifica que el peso de los tarros de frutas que produce debe
obedecer a un peso medio de 2,00 kg con una desviación estándar de 0,05 kg.
¿Cuál es la probabilidad de que un determinado tarro pese entre 1,90 y 2,06 kg,
sabiendo que esta variable se distribuye normalmente?
SOLUCION
Representando esta probabilidad según la Figura 2.4 se tiene que:
/2 ,0 6 - 2 ,0 0 \
A = P(1,9<x<2,06) = N í------------------j - N
\ 0,05 /
= N(1,2) —N(-2,0)
= 0,8849-0,0228
= 0,8621
Se ha determinado que la probabilidad de que un determinado tarro pese
entre 1,90 y 2,06 kg es 0,8621.
Los valores de N(Z) se extraen de la Tabla I en el Apéndice I.
Tal y como se indicó al desglosar las características de la distribución
normal, la disíiibución que le corresponde a un conjunto de muestras llamada
distribución muestral se distribuye normalmente. Esto obedece a un teorema
llamado teorema del lím ite central, el cual dice:
Si se toman muestras aleatorias de tamaño n de una población que tiene
media p y desviación estándar o, la distribución de muestreo correspondiente a
FIGURA 2.4. Curva normal del Ejemplo 2.6

los promedios de m muestras será aproximadamente normal, con media p

igual a p y desviación muestral oxigual a o/'lñT
El término OjSe conoce como error estándar y se calcula así:
o >lN-n Si la población es finita y su
Oj --------------- --■■■ tamaño se denota como N.
\lñ 'ÍÑM
o
Oj = ---------- Si la población es infinita
NÍñ
En control estadístico de la calidad este teorema es muy aplicado cuando

se extraen muestras sucesivas de los procesos y se desea conocer el compor
tamiento de los mismos a través de los promedios. En el Capítulo IV se ana
lizarán estas aplicaciones.
EJEMPLO 2.7
Un proceso de llenado de bolsas de cacao en polvo origina un peso medio

de 50,10 g y una desviación estándar de 5,25 g. Si se toma una muestra de 40
bolsas, ¿cuál es la probabilidad de que su media se encuentre entre 48,10 y
50,90 g?
SOLUCION
De acuerdo con la Figura 2.5 se tiene:
A = P(48,10 < x < 50,9)=N((50,90-50,10)/0,83)-N((48,10-50,10)/0,83)

A = N(0,96) - N(-2,41)
A = 0,83147 - 0,00798 Obtenidos de Tabla I en Apéndice I
A = 0,82349
FIGURA 2.5. Curva norm al para e l Ejemplo 2.7
La probabilidad de que la media de peso de una muestra de 40 bolsas se

encuentre entre 48,10 y 50,90 gramos es 0,82349.
2. Distribución t-student
En muchas ocasiones no es posible obtener muestras grandes debido a

razones de costo o a razones tecnológicas propias de los procesos, entonces
es necesario utilizar una distribución de probabilidad para pequeñas muestras
que permita hacer estimaciones confiables. El tamaño de muestra que se consi
dera como límite entre muestras grandes y pequeñas es 30. La distribución
usada en este caso se conoce com o distribu ción t-student y su función
densidad es:
Yo
f(x) = ---------------------
( 1+ (t /v))‘v+,V
2 2
donde:
Y0= constante que depende del tamaño de la muestra
v = número de grados de libertad
La distribución t-student permite definir la distribución muestral de t, con el

estadístico t definido por:
t= X“ ^ \Jr—
n <
- 1
s
La forma que tiene la curva de esta distribución es parecida a la curva
normal, siendo más achatada conforme el tamaño de la muestra tiende a cero.
EJEM PLO 2.8
Se fabrican productos que deben tener un peso medio comprendido entre

10,049 y 10,095 g. Se toma una muestra de 15 unidades, originándose un
promedio de 10,072 g y una desviación estándar de 0,100 g. ¿Cuál es la
probabilidad de cumplir con el peso fijado?
SOLUCION
Si se usa la Figura 2.6 para el cálculo se tiene:
P(10,049 < x <10,095) = T(( 10,095-10,072)/(0,100/ \pÍ4))

-T((10,049-10,072)/(0,100/ \fÍ4))
= T (0,861) - T (-0,861)
= 0,80 - 0 , 2 0
= 0,60
FIGURA 2.6. Cálculo de probabilidades

La probabilidad de cumplir con el peso fijado es 0,60.

Los valores de T(0,861) y T(-0,861) sirven para calcular las probabilidades
usando la Tabla II del Apéndice I.
3. Distribución Chi-cuadrado
Así como existen distribuciones para el promedio se tiene una distribución

para la variabilidad, específicamente para la varianza. Esta distribución es la
distribución chi-cuadrado, representada por ae2. Tiene la siguiente función
densidad:
f(x) = Y (ae2)1/2<v‘2) e
0 ' 1 /2 ae
2
donde:
Y0: constante que depende del tamaño de la muestra
v : número de grados de libertad y equivale a n - 1
Esta distribución tiene la forma que se presenta en la Figura 2.7.

El estadístico ae2se calcula como:
FIGURA 2.7. Curvas Chi-cuadrado según grados de libertad

n*s 2 ( X, - X + ( Xg - X + .... + ( xn- X

) 2 ) 2 ) 2
ae2 = ---------- -----------------------------------------------------

o 2 o 2
EJEM PLO 2.9
Una máquina llenadora ha ejecutado su operación con una varianza de

0,83 g2. Si se toma una muestra de 15 unidades, ¿cuál es la probabilidad de
tener una varianza:
a. Superior a 1,31 g2?
b. Inferior a 0,56 g2?
SOLUCION
Utilizando la Figura 2.8 se obtienen los siguientes resultados:
n*s 15(1,31)
2 n *s 15(0,56)
2
a. ae = ---------- =-------------- = 2 3 ,7
2 b. ae2= ----------- = ------------- =10,1
o 2 0,83 o 2 0,83
FIGURA 2.8. Curvas Chi-cuadrado para e l Ejemplo 2.9

Los valores de la probabilidad se encuentran en la Tabla III del Apéndice I.

En conclusión, la probabilidad de obtener una varianza superior a 1,31 g es 2
0,05 y la de obtener una varianza inferior a 0,56 g2es 0,25.
4. Distribución F-Fisher
En ocasiones es de im portancia estudiar la relación de varianzas

pertenecientes a dos poblaciones distintas. Para analizar esta situación se usa
la distribución F- Fisher que es una distribución de probabilidad para la razón de
varianzas. El estadístico por utilizar es:
F = --------- si o , 2 es igual a o 2 2
s 22
s, /o
2 ,2
F = --------- si a , 2 no es igual a o 2 2
Esta distribución se origina al extraer muestras sucesivas de cada una de

las poblaciones y al calcular el respectivo valor de F y de su probabilidad.
EJEMPLO 2.10
En un proceso de corte de varillas para un ensamble especial, existen dos

máquinas cortadoras tecnológicam ente parecidas aunque diferentes en
antigüedad. Esta similitud hace pensar que las varianzas de corte generadas
por ambas máquinas puedan ser comparadas.
Si se toma una muestra de 16 elementos de cada máquina, calcular la
probabilidad de que la razón de varianzas sea:
a. Mayor a 1,43
b. Menor a 0,7
• 's
SOLUCION
Utilizando la Figura 2.9 y la Tabla IV del Apéndice I se puede calcular esta

probabilidad.
v, = nr 1 = 1 6 -1 =15
v = n 2-1 = 16-1 = 15
2
Como respuesta al problema se tiene que la probabilidad de que la razón

de varianzas sea superior a 1,43 es 0,25 y de que sea inferior a 0,7 es también
0,25.
=1.43
a1=0,25
= 0 ’7
F v1y2.n2
F,5,15*2 =0.7
a2=0,25
FIGURA 2.9. Curvas Fpara e l Ejemplo 2.10

D is t r ib u c io n e s d e p r o b a b il id a d d e v a r ia b l e a l e a t o r ia d is c r e t a
Cuando el estudio de poblaciones no se hace a través de mediciones sino

a través del conteo o separación por atributos, las distribuciones teóricas que se
usan para la inferencia son más generales y se basan en la calificación del pro
ducto como bueno o como defectuoso. Algunas de las distribuciones más
importantes se verán a continuación.
1. Distribución binomial
En m uchas ocasiones no es posible o rentable con trola r procesos

mediante variables, por lo que es necesario tomar decisiones con base en los
atributos que caractericen a un producto como bueno o como malo. Esta
calificación depende de si cumple con lo especificado por el cliente. Una de las
distribuciones que se utiliza como medio de inferencia estadística es la
distribución binomial.
La distribución binomial es la distribución que se ajusta a experimentos que
cumplen con las siguientes cuatro condiciones:
a. El experimento consiste de n pruebas.
b. Los resultados del experimento se enmarcan de forma que existe una
probabilidad de éxito denotada por p y una probabilidad de fracaso
denotada por q y que se calcula como q = 1-p.
c. Las pruebas ejecutadas deben ser independientes.
d. En cada prueba interesan x casos del total de casos.
n!
b (x,n,p) = ---------------- px * qn-x
x! (n-x)
x
P (x < X) = B (X.n.p) = X b(xi,n,p)
1 * 0
JORGE ACUNA ACUÑA 75
donde:
b(x,n,p): p ro b a b ilid a d de o b te n e r x ca so s, en n pruebas si la
probabilidad de éxito es p
B(X,n,p): probabilidad de obtener menos de X casos, en n pruebas si la
1 • B(X,n,p): probabilidad de obtener más de X casos, en n pruebas si la
n: número de pruebas ejecutadas en el experimento
x: número de casos exactos deseados
X: número de casos deseados ( implica <X o > X )
p: probabilidad de éxito del experimento
q: probabilidad de fracaso del experimento
n-x: número de fracasos
Las probabilidades pueden ser calculadas mediante la evaluación de la
fórmula o utilizando la Tabla V del Apéndice I.
La distribución binomial tiene un valor esperado (p) igual a n*p y varianza
(o2) igual a n*p*q.
EJEMPL0 2 . i l
Un cliente establece que para aceptar un lote de producto que le envía el

fabricante, éste debe cumplir con el contrato firmado. Este contrato establece
que el lote se acepta si una muestra de 2unidades extraída de él, contiene dos
0
o menos defectuosos.
Si el fabricante envía un lote 10% defectuoso, ¿cuál es la probabilidad de
que sea rechazado?
SOLUCION
Primero que todo se debe analizar si se cumple con las cuatro condiciones
fijadas para la distribución binomial.
D is t r ib u c io n e s d e p r o b a b il id a d d e v a r ia b l e a l e a t o r ia d is c r e t a
Cuando el estudio de poblaciones no se hace a través de mediciones sino

a través del conteo o separación por atributos, las distribuciones teóricas que se
usan para la inferencia son más generales y se basan en la calificación del pro
ducto como bueno o como defectuoso. Algunas de las distribuciones más
importantes se verán a continuación.
1. Distribución binomial
En muchas ocasiones no es posible o rentable con trola r procesos

mediante variables, por lo que es necesario tomar decisiones con base en los
atributos que caractericen a un producto como bueno o como malo. Esta
calificación depende de si cumple con lo especificado por el cliente. Una de las
distribuciones que se utiliza com o m edio de inferencia estadística es la
distribución binomial.
La distribución binomial es la distribución que se ajusta a experimentos que
cumplen con las siguientes cuatro condiciones:
a. El experimento consiste de n pruebas.
b. Los resultados del experimento se enmarcan de forma que existe una
probabilidad de éxito denotada por p y una probabilidad de fracaso
denotada por q y que se calcula como q = 1-p.
c. Las pruebas ejecutadas deben ser independientes.
d. En cada prueba interesan x casos del total de casos.
n!
b (x,n,p) = ---------------- px * q"-*
x! (n-x)
P (x < X) = B (X.n.p) = Z b( xjPn ,p )

i =0
donde:
b(x,n,p): p ro b a b ilid a d de o b te n e r x casos, en n pruebas si la
B(X,n,p): probabilidad de obtener menos de X casos, en n pruebas si la
1 - B(X,n,p): probabilidad de obtener más de X casos, en n pruebas si la
n: número de pruebas ejecutadas en el experimento
x: número de casos exactos deseados
X: número de casos deseados ( implica <X o > X )
p: probabilidad de éxito del experimento
q: probabilidad de fracaso del experimento
n-x: número de fracasos
Las probabilidades pueden ser calculadas mediante la evaluación de la
fórmula o utilizando la Tabla V del Apéndice I.
La distribución binomial tiene un valor esperado (p) igual a n*p y varianza
(o2) igual a n*p*q.
EJEMPL0 2 .i l
Un cliente establece que para aceptar un lote de producto que le envía el

fabricante, éste debe cumplir con el contrato firmado. Este contrato establece
que el lote se acepta si una muestra de 2 unidades extraída de él, contiene dos
0
o menos defectuosos.
Si el fabricante envía un lote 10% defectuoso, ¿cuál es la probabilidad de
que sea rechazado?
SOLUCION
Primero que todo se debe analizar si se cumple con las cuatro condiciones
fijadas para la distribución binomial.
1. n = 20 3. Hay independencia
2. p = 0,10 4. x < 2
Por leyes de probabilidad se tiene que la probabilidad de rechazo es igual
al complemento de la probabilidad de aceptación.
Sea:
P(X > 2) = 1 - P (X < 2)
2
P(X < 2) = B(2,20,0,10) = X b(xi,n,p)
i=0
P(X < 2) = b(0,20,0,10) + b(1,20,0,10) + b(2,20,0,10)

20! 20! 20!
P(X < 2) = -------- 0,10o* 0,9020+ ---------- 0,10 *0,9019+ -----------0,102*0,9018
1
20! *0! 19! *1! 18! *2!

P(X<2) = 0,1216+0,27+0,2853 = 0,6769
Probabilidad de rechazo = P(X>2) = 1 - P(X<2) = 1-0,6769 = 0,3231

Si se utiliza la Tabla V del Apéndice I se tiene que:
P(X<2) = B (2,20,0,10) = 0,6769
P(X>2) = 1 - P(X<2) = 1 - 0,6769 = 0,3231
Por lo tanto la respuesta es que si se envía un lote 10% defectuoso la
probabilidad de que sea aceptado es 0,3231.
2. Distribución de Poisson
Esta es otra distribución de variable discreta que puede ser utilizada como
aproximación de la distribución binomial cuando se tienen muestras muy
grandes y probabilidades de éxito muy pequeñas. La regla dice que la aproxi
mación es mejor cuando el valor esperado (n*p) es menor que cinco. En control
estadístico de la calidad se prefiere usar la distribución binomial para el control
de defectuosos y la distribución de Poisson para el control de defectos.

e 'i'f
f(x) = p(x, ) = ------------
7
x!
La función acumulada se expresa así:
F(x) = P(X, y) = I p (x„ y)

M>
donde:
P(*.Y): probabilidad de x éxitos en n pruebas
P(X,y) : probabilidad de hasta X éxitos en n pruebas
x : número de éxitos
y : media de la distribución ( y= n *p )
•e : constante exponencial con valor 2,71828
EL valor esperado del promedio y la varianza de esta distribución es Y=n*p.

Las probabilidades correspondientes a esta distribución pueden ser localizadas
en la Tabla VI del Apéndice I.
EJEMPLO 2.12
Una compañía farmacéutica afirma que existe una probabilidad de 0,005

de que un paciente que ingiere un nuevo medicamento, sufra una reacción
secundaria. Si 2000 pacientes com pran este m edicam ento, ¿cuál es la
probabilidad de que ocho sufran efectos secundarios?
SOLUCION
p = 0,005 n = 2000 x= 8 y = 2000 *0,005 = 10
Utilizando la fórmula se tiene:

108
p( ,
8 1 0 )= e 1 0 = 0,1126
8!
Utilizando la Tabla VI del Apéndice I.
p (8,10) = P (8,10) - P (7,10)
= 0,333 -0 ,2 2 0 = 0,113
Por lo tanto, la probabilidad de que ocho de los 2000 pacientes sufran
efectos secundarios al ingerir el medicamento es 0,113.
Estim ación de intervalos
En inferencia estadística, no es confiable hacer estimaciones puntuales al

analizar los parám etros poblacionales. Ante ello, es necesario calcular
intervalos en los cuales se espera que se encuentren esos parámetros, con un
nivel de confianza ( -a) establecido.
1
Es así como basándose en las distribuciones de probabilidad antes vistas,

se pueden estimar intervalos tanto para p como para o2. La estimación de un
intervalo para p se construye con base en la distribución normal, cuando cr es
conocida y con base en la distribución t-student cuando a es desconocida.
Los límites de confianza para p, se calculan así:
_ a
LC = x ± ZOJc„ * ---------
i
si o es conocida
Nn
s
LC = x ± ta/2 * ---------
i-----------
si a es desconocida
sn-l
Los límites de confianza para a2, se calculan así:

ns 2 ns 2
Llc = -------------- LSC= -----

or\2 oq2
® 1-o/2 /2
a
Llc= límite inferior de confianza LSC= límite superior de confianza

/)
EJEM PLO 2.13
Se toman 30 varillas cortadas por una máquina cortadora. Si se tiene una

longitud promedio de 5,35 cm, con una desviación típica de 0,85 cm
a. ¿Cuáles son los límites de confianza para p, con 95% de confianza?

b. ¿Cuáles son los límites de confianza para o2, con 95% de confianza?
c. Si se conociera que a es igual a 1,58 cm2, ¿cuál es la respuesta a la
2
pregunta a?
SOLUCION
a. La Figura 2.10 representa el intervalo de confianza.
n = 30 x = 5,35cm s = 0,85cm (1-a) = 0,95 a = 0,05

s s
LlC= x - t (i/2
_ L S C = X + ta *
\I n - 1 v[rKf
0,85 0,85
= 5,3 5-2 ,0 35 = 5,35 + 2,035
'Í2 9 \Í29*
= 5,02 cm = 5,67 cm
= t0025/2= 2,045 de Tabla II en Apéndice I
FIGURA 2.10. Limites de confianza para p (a desconocida)

Esto significa que se puede afirmar con 95% de confianza que el proceso
de corte de varillas tiene un promedio de corte comprendido entre 5,02 cm y
5,67 cm.
b. s2=0,852= 0,7225 cm 2
La Figura 2.11 permite representar el intervalo de confianza.
ns 2 30 (0,7225) 21,675
L l= = ------------------ = -----------------=0,474 cm 2
^ 0 .9 7 5 4 5 - 7 4 5.7
ns 30(0,7225)
2 21,675
LS = --------- = ---------------- = --------------= 1,35 cm 2
C 16 16
Los valores de chi-cuadrado están en la Tabla III del Apéndice I.

Esto significa que se puede afirmar con 95% de confianza que el proceso
de corte de varillas tiene una varianza de corte comprendida entre 0,474 cm2y
1,35 cm2.
c. Si o2= 1,58 cm entonces o = 1,257 cm.
2
El intervalo de confianza se puede observar en la Figura 2.12.
0 ,0 2 5
FIGURA 2.11. Límites de confianza para r f

0 ,
Llc LIc
FIGURA 2.12. Limites de confianza para p (o conocida)
a 1,257
Llc = x - = 5,35 -1 ,9 6 -------------= 4,9 cm
\[rT >Í30
a 1,257
LSc= x + = 5,35 +1,96 = 5,8 cm
nTTT >130
Los valores de Z se obtuvieron de la Tabla I del Apéndice.

Esto significa que se puede afirmar con 95% de confianza que el proceso de
corte de varillas tiene un promedio de corte comprendido entre 4,9 cm y 5,8 cm.
PRUEBAS DE HIPOTESIS
El desarrollo de experimentos en los cuales se plantean hipótesis con el fin

de probarlas es una práctica muy útil en control estadístico de la calidad. A
través de este pro ce d im ie n to se pueden ha cer inferencias acerca del
comportamiento de un proceso con el fin de ejecutar acciones que prevengan
problemas de calidad.
Una prueba de hipótesis es un procedimiento mediante el cual, sujeto a un
error tipo I denotado por a, se contrasta una hipótesis planteada con el fin de
probar su veracidad o su falsedad.
Existen dos tipos de errores que deben ser controlados al probar una
hipótesis. Estos errores son el e rro r tip o I (a) y el error tip o II ( ). La definición
6
de estos errores es la siguiente:

Error tipo I (a) es la probabilidad de rechazar la hipótesis nula siendo esta
verdadera.
Error tipo II (3) es la probabilidad de aceptar la hipótesis nula siendo esta
falsa.
El procedimiento para plantear y probar una hipótesis es el siguiente:
a. Plantear la hipótesis. Esta hipótesis se llama comúnmente hipótesis nula
y es denotada por H0. Al establecer esta hipótesis se genera otra llamada
hipótesis alternativa o alterna denotada por Ha.
b. Determinar si la prueba debe ser unilateral o bilateral. La decisión se
basará en lo que se desee probar y en los resultados que se deseen
obtener.
c. Fijar el nivel de significación (a) o error tipo I, generalmente tomado como
1%, 5% ó 10%, d e p e n d ie n d o de la co n fia n za q u e se desee de la
estimación.
d. Definir el estadístico que se va a usar de acuerdo con la distribución de
probabilidad que le corresponde a la variable en estudio y según lo que se
desee probar (una media, dos medias, una varianza, dos varianzas, una
proporción o dos proporciones).
e. Definir las áreas donde se cumplirá cada una de las hipótesis. Esto se hace
con base en lo fijado en b. y buscando en tablas el estadístico teórico
correspondiente al nivel de significación a.
f. Calcular el valor del estadístico seleccionado en d, usando los valores
obtenidos en la experimentación y que se basaron en el muestreo.
g. Comparar el estadístico obtenido en f con el estadístico teórico localizado
en e. El resultado permitirá conocer la decisión de aceptación o rechazo de
la hipótesis planteada.
h. Obtener las conclusiones del experimento efectuado. Un valor importante
de calcular aquí es el error tipo II.
Tal y como se expresó en el punto d es necesario definir la distribución de

probabilidad y el estadístico que se va a usar. Las distribuciones y estadísticos
más comunes de acuerdo con la hipótesis por probar son:
1. De una media
1.1 Distribución norm al s i o es conocida
x -H
Z = ---------
a/ \fñ
EJEM PLO 2.14
En un proceso de fabricación de piezas de precisión se quiere que el valor

nominal del diámetro de una pieza sea 20,0 mm. Se conoce que la desviación
estándar de esta característica es 3,0 mm. Se toma una muestra de 25 piezas
obteniéndose un promedio de diámetro de 19,2 mm. ¿Se ha cumplido con lo
requerido? Use a=5%.
SOLUCION
Se seguirá el procedimiento planteado.

a. Planteo de la hipótesis
H0: p = 20,0
Ha: |i = 20,0
b. La hipótesis es bilateral puesto que no se cumple con lo requerido si el
promedio de la muestra es mayor o menor que lo especificado.
c. El nivel de significación es dado, a= 5%.
d. El estadístico por usar es el siguiente:
x -U
z=------
o/
e. Las áreas de cumplimiento de la hipótesis se presentan en la Figura
2.13.
f. Cálculo del estadístico citado en d.
X -n 1 9 ,2 -2 0 ,0
Z = --------- = ------------------- = -1 ,3 3
o/ 'íñ 3,0/^25
g. El valor de Z calculado (-1,33) se encuentra en el área de cumplimiento de

la hipótesis nula.
h. En conclusión, se puede afirmar, con a=5%, que estadísticamente se
cumple con el valor nominal requerido.
1.2 Distribución t-student s i a es desconocida
x -n
t = ---------
s/ \íñ
FIGURA 2.13. Areas de cumplimiento de la hipótesis

E JE M P LO 2.15
Si en el Ejemplo 2.14 no se conoce la desviación estándar pero a partir d e

la muestra se calcula una desviación típica de 2,1 mm ¿Qué conclusiones s e
obtienen? Use a=5%.
SOLUCION

H0: P = 2 0 , 0
Ha: p = 20,0
b. La hipótesis es bilateral puesto que no se cumple con lo requerido si el
promedio de la muestra es mayor o menor que lo especificado.
c. El nivel de significación es dado, a = 5%.
x-|i
t = ------------
s / ^n -1
v=24
FIGURA 2.14.Areas de cumplimiento de la hipótesis


2.14.
x -p 1 9 ,2 -2 0 ,0
t = ------------------ = -------------------- = -1,87
s/ \fñ-T 2 , / \[24~
1
g. El valor de t calculado (-1,87) se encuentra en el área de cumplimiento

de la hipótesis nula.
h. En conclusión, se puede afirmar, con a = 5%, que estadísticamente se
cumple con el valor nominal requerido.
2. De proporciones
2.1 De una proporción. Se usa la aproximación binomial a la distribución

normal.
x -n p
Z = ------------
Vnpq
E JEM P LO 2.16
Un proveedor envía lotes de producto que según sus registros son 5%

defectuosos. Un cliente toma una muestra de 200 unidades y encuentra 16
unidades defectuosas. ¿Es cierto lo que muestran los registros del fabricante,
con cc=5%?
SOLUCION
Se seguirá el procedimiento planteado,

JORGE ACUÑA ACUÑA
H0: p = 0,05
Ha: p > 0,05
b. La hipótesis es unilateral puesto que lo problemático en cuanto a

calidad es que el porcentaje de defectuosos supere lo especificado.
x -n p
Z=
\|npq
e. Las áreas de cumplimiento de la hipótesis se presentan en la Figura 2.15.

x -n p 16-200(0,05)
Z= — = =1-95
\| npq \|200*0,05*0,95
g. El valor de Z calculado (1,95) se encuentra fuera del área de cum-plimiento

1,645
h. En conclusión, no hay evidencia estadística para aceptar la hipótesis

nula con a = 5%. Por lo tanto, estadísticamente no es cierto lo que
anotan los registros del fabricante.
2.2 De dos proporciones. Se utiliza la misma aproximación anterior.
x, x.
n, n 2
Z=
\l P’q’[(1/n.)+(1/n2)]
x, + x 2
p- = -------------- q - 1 - P’
n, + n 2
EJEMPLO 2.17
Para el mismo producto del Ejemplo 2.16, existe otro proveedor. Una
muestra de unidades extraídas de un lote enviado por él, tenía
2 0 0 unidades
1 2
defectuosas. ¿Se puede decir con 95% de confianza que el proveedor del
Ejemplo 2.16 da peor calidad que el de este ejemplo.
SOLUCION

Sea:
p la fracción defectuosa suministrada por el proveedor del Ejemplo 2.16
p2la fracción defectuosa suministrada por el proveedor del Ejemplo 2.17
H0: P, = P 2
Ha; P,>P 2
b. La hipótesis es unilateral puesto que se quiere probar si la cantidad de

defectuosos enviada por un proveedor es significativamente mayor que
la enviada por el otro.
X, Xj,
n, n2
\l P’q’tí 1/n,)+(1 /n2)]
X 1+ X 2
P’ = ------------
n, + n 2
q' = - p’
1

2.16.

g. El valor de as calculado (23,2) se encuentra en el área de cumplimiento

2
h. En conclusión, se puede afirmar, con a = 5%, que estadísticamente se
cumple con la varianza establecida.
3.2 Caso de dos varianzas
Se utiliza la distribución F-Fisher.
3.2.1 o es igual a o
, 2 2 2
s , 2
F = ---------
S 22
3.2.2 o ,2no es igual a o 2 2
S, /Oi
2 2
F = -------------
s ,2/ o 22
EJEM PLO 2.19
En un proceso de corte de bolsas plásticas se usan dos máquinas. De la

máquina A se toma una muestra de 30 unidades que genera una varianza en el
corte de 3,3 mm y de la máquina B se toma una muestra de 25 unidades que
2
genera una varianza de 4,1 mm2. ¿Se puede afirmar, con o=5%, que una
máquina es mejor que la otra?
SOLUCION

Sea a2Ala varianza producida por la máquina A
ct2bla varianza producida por la máquina B
Ho: ° a= ° 2b
2
H . : < j 2 a = ° 2b
b. La hipótesis es bilateral puesto que se desea probar la existencia o no

de diferencias entre las varianzas de ambas máquinas.
e. La Figura 2.18 muestra las áreas de cumplimiento de hipótesis.

s, 2 3,3
F = -----------= ---------- = 0,805
S22 4,1
g. El valor de F calculado (0,805) se encuentra en el área de cumplimiento de

la hipótesis nula.
h. En conclusión, se puede afirmar, con a=5%, que no existe ninguna
diferencia de variabilidad entre ambas máquinas.
4. De dos medias
En este tipo de hipótesis se tienen dos poblaciones y se desean comparar

los promedios generados después de haber extraído una muestra de cada una
de las poblaciones. Esto se puede representar según la Figura 2.19.
POBLACION POBLACION
1 2
FIGURA 2.19. Representación gráfica de hipótesis de dos medias
4.1 Caso de o conocida y muestras mayores que 30

4.1.1 a ,2= o22= o
x, - x2-8
Z = -----——— — — —
o \| ( /n,)+( /n2)
1 1
5: diferencia deseada entre medias, generalmente debida a la naturaleza

tecnológica de los procesos, de los cuales se extraen las muestras
4.1.2 o no es igual a o
, 2 2 2
x , - x2- 8
Z = —— —
\ | (o, /n )+(a /n2)
2 1 2 2
EJEM PLO 2.20
Las m áquinas a que se refiere el Ejemplo 2.19 cortan las bolsas con
promedios de longitud de 16,1 m m y 14,3mm. La varianza es conocida y es 4,0
» "N
• 's
mm2. Se dice que existe diferencia entre los promedios de ambas máquinas si
la diferencia es mayor a 0,12 mm. ¿Existe diferencia entre la longitud de bolsas
fabricadas por ambas máquinas? Use a=5%.
SOLUCION

Sea pAel promedio de longitud generado por la máquina Ay
Sea pBel promedio de longitud generado por la máquina B
Ho" Ma ®
H a : MA = M B
b. La hipótesis es bilateral puesto que lo que se desea probar es si ambos

promedios son ¡guales o diferentes.
x, - x 2- 5
Z= ■
o \ |( /n,)+( /n2)
1 1

2 .20 .
x, - x2 - 5 1 6 ,1 -1 4 ,3 -0 ,1 2
Z= - = ------------------------------=3,1
o\l(1/n,)+(1/n2) 2 \|(1/30)+(1/25)
5= 0 ,12
CONTROL DE CALIDAD
g. El valor de Z calculado (3,1) se encuentra fuera del área de cumpli

miento de la hipótesis nula.
h. En conclusión, se puede afirmar, con a = 5%, que estadísticamente
existe diferencia entre la longitud de las bolsas sum inistradas por
ambas máquinas.
4.2Caso de o desconocida. En este caso se requiere ejecutar antes la

prueba F para varianzas.
4.2.1 o no es igual a cj
, 2 2 2
x , - x 2- 8
t=
\J ( s */n j+ (s22/n2)
(s ^ W s ^ /n /
v = [-------------------------------------------------- ] - 2
{[(s, /n,)2/(n
2 + )]+[(s /n ) /(n + )]}
1 2 2 2 2 2 1
4.2.2 o ^ e s ig u a la a /y n(>30
x, - x2- 8
t=
\| (s */n,)+(s */n2)
1 2
v = n, + n 2 - 2
4.2.3 a,2es¡gu alaa22ynj< 30
x, - x 2- 6
t = ----------------------------
SpV(1/n,)+(1/n2)
SP=\| [(n , - 1 )s, +(n

2 2- 1 )s ]/(n,+n - )
2 2 2 2
v = n, + n 2 - 2
EJEMPLO 2.21
Una inspección de calidad efectuada sobre dos marcas de baterías para

linterna, reveló que una muestra aleatoria de 61 unidades de la marca A generó
un promedio de vida útil de 36,5 horas con una desviación estándar de 1 , 8
horas, mientras que otra muestra aleatoria de 31 unidades de la marca B

generó un promedio de 36,8 horas con una desviación estándar de 1,5 horas.
Con un nivel de significación del 5% se desea saber si hay diferencia
significativa entre la vida útil de ambas marcas.
SOLUCION
Para probar si hay diferencia significativa entre los promedios se debe

comprobar primero la diferencia entre las varianzas, para así seleccionar el
estadístico adecuado.
1. Hipótesis de varianzas
Siguiendo los pasos de una prueba de hipótesis se tiene:
g. El valor de Z calculado (3,1) se encuentra fuera del área de cumpli

miento de la hipótesis nula.
h. En conclusión, se puede afirmar, con a = 5%, que estadísticamente
existe diferencia entre la longitud de las bolsas sum inistradas por
ambas máquinas.
4.2Caso de o desconocida. En este caso se requiere ejecutar antes la

prueba F para varianzas.
4.2.1 o no es igual a o
, 2
x , - x 2- S
t=
\J (s /n,)+(s /n,)
2 2
(s, /n,)+(s /n
2 2 2 2 ) 2
v=[ ] - 2
{[(s /n ) /(n + )]+[(s /n ) /(n + )]}

12 1 2 1 1 2 2 2 2 2 1
4.2.2 o,2es igual a o,2y n(>30

x, ~ x2- 5
t = ----------------------------
\| (s, /n,)+(s 7n2)
2 2
v = n, + n 2 - 2
4.2.3 a /'e s ig u a la a /y n ^ S O
x 1- x2- 8
t = ----------------------------
SpV(1/n,)+(1/n2)
Sp=\| [(nl-1 )s) +(n -1)s y(n +n -2 )

2 2 2 2 1 2
v = n, + n 2 - 2
E JEM PLO 2.21
Una inspección de calidad efectuada sobre dos marcas de baterías para

linterna, reveló que una muestra aleatoria de 61 unidades de la marca A generó
un promedio de vida útil de 36,5 horas con una desviación estándar de 1 , 8
horas, mientras que otra muestra aleatoria de 31 unidades de la marca B

generó un promedio de 36,8 horas con una desviación estándar de 1,5 horas.
Con un nivel de significación del 5% se desea saber si hay diferencia
significativa entre la vida útil de ambas marcas.
SOLUCION
Para probar si hay diferencia significativa entre los promedios se debe

comprobar primero la diferencia entre las varianzas, para así seleccionar el
estadístico adecuado.
1. Hipótesis de varianzas
Siguiendo los pasos de una prueba de hipótesis se tiene:
98 CONTROL DE CAUDAD
b. Como la hipótesis alternativa es de desigualdad, entonces es bilateral.

Esto significa que puede darse una relación mayor o menor.
c. El nivel de significancia es a= 5%.

d. El estadístico por usares Fc= S,z/S22(distribución F-Fisher), pues lo
que se desea es medir la relación de varianzas.
e. La Figura 2.21 muestra las áreas de la hipótesis que se va a probar.
vi = n 1 - 1 = 6 1 - 1 = 6 0
v2 = n 2 -1 =31 - 1 = 30
De la Tabla IV del Apéndice I se tiene:
F60,30.0.025 = 0,551
F60.30.0975 = 1,440
Ha
’ (
F V I , V 2, 0 (/ 2 Fvif V 2, (l -0 ( / 2 )

f. Fc= S, /S 2 2 2 = 1,8 /1,5 = 1,44

2 2
g. Este valor calculado de Fc cae en el área donde se cumple H0, por lo

tanto se acepta Ho.
h. Se concluye que ambas varianzas, al 5% de significancia, son iguales.
Se procede entonces a hacer la hipótesis de promedios.
Siguiendo los pasos de prueba de hipótesis se tiene:
H0: ^1+^2
H :p , + p
8 2
b. La hipótesis es bilateral al igual que en la hipótesis anterior.

c. El nivel de significación es del 5%.
d. Según la hipótesis anterior las varianzas son desconocidas pero igua*
les, además, los» iamaños de muestra son mayores que 30. Por lo tanto
el estadístico por usar es:
t=—= = =
\ | (s, /n,) + (s z/n2)
2 2
e. Las áreas de cumplimiento y rechazo de la hipótesis se observan en la

Figura 2.22.
v = n +n
1 2 - 2
v = 61 +31 - 2
v = 90
De la tabla II del Apéndice I se obtienen los valores:
*90.0.025 = ~^ *90.0.975 = ^
f. El estadístico calculado es:

Ho
36,5 - 3 6 ,8 -0
t=
\|(1 ,8 2/61) + 1,52/31)
-0 ,3
t = ----------= -0,845
0,355
En este caso (p, - p2) = 0 pues es de suponer que tratándose de un

mismo producto las medias poblacionales son iguales.
g. El valor de t calculado cae dentro del área donde se cumple Ho, por lo
tanto, no hay evidencia estadística, con a = 5%, para concluir que
ambas medias son diferentes.
BO NDAD D E AJUSTE
Una de las bases fundamentales del control estadístico de la calidad es la

inferencia estadística. Por ello, la determ inación del tipo de distribución
correspondiente a un conjunto de datos provenientes del estudio es absoluta
mente necesaria. La prueba de bondad de ajuste permite probar el ajuste de los
resultados de un experimento a una distribución de probabilidad teórica sujeto a
un error a.
I
El método en cuestión se basa en la comparación de las frecuencias ab

solutas observadas y las frecuencias absolutas esperadas, calculadas a partir
de la distribución teórica en análisis.
La prueba de bondad de ajuste se hace a través de una prueba de hipó
tesis que se plantea de la siguiente manera:
H :f(x ) = |_____ |
0
H .:f(x) = l_____ |
El símbolo |_____| representa a la distribución teórica que se va a probar.

Así por ejemplo, si se desea probar el ajuste de un conjunto de datos experi
mentales a una distribución normal, entonces la hipótesis se plantea así:
1
Ho: f(x) = --------------e-«x->1»2/2a2>
o \| rc2
1
H : f(x) = --------------e-u»-vr2n«2)
ONÍ27
Si se trata de un ajuste para una distribución de Poisson, la hipótesis se

plantea así:
e"Ty*
Ho: f(x) = p (x, ) = ------------
7
x!
e-Yy*
Ha: f(x) = p (x, y) = ------------
x!
Para la prueba de la hipótesis se usa el estadístico chi-cuadrado. Este se

calcula así:
a. Datos discretos
n
aB2c = Z (n i- e j)2/ ej
i
= 1
b. Datos agrupados
nc
ae2c = X (n k- e k) / e k
2
k=1
donde:
a: frecuencia absoluta de datos discretos
e¡: frecuencia esperada de la distribución (por requisitos estadísti
cos, ninguna de estas frecuencias debe ser menor que 5. Si
ocurriese se deben agrupar x^s o clases).
n: número de datos discretos
nc: número de clases
La frecuencia esperada se calcula multiplicando la respectiva probabilidad
asociada con el dato o la clase (p,) por el tamaño de la muestra (n).
Los grados de libertad (v) usados para la búsqueda del estadístico teórico
ee2„( -a).son:
1
v= k-m si se trata de datos discretos (k es el número de variaciones de

- 1
la variable x) y
v= nc-m - 1 si son datos agrupados.
El valor m se refiere al número de parámetros que son necesarios de
estimar para calcular la frecuencia esperada.
La aceptación de Ho se da cuando el ae2c es menor que ce2(1_0). en cuyo
caso se dice que el conjunto de datos se distribuye según la distribución plan
teada, con ( -<x)% de confianza.
1
EJEMPLO 2.22
Al fabricar una lámina de vidrio, se inspeccionan muestras a intervalos de

tiempo regulares. En 250 muestras tomadas al azar se han encontrado imper
fecciones que varían de 0 a 10 con diversas frecuencias. El Cuadro 2.4 muestra
las frecuencias observadas.
I
JORGE ACUÑA ACUÑA ,0 3
Se desea saber si esta variable aleatoria se distribuye por Poisson con
S O L U C IO N
La hipótesis por probar es la siguiente:

e -T y
H0: f(x) = p (x, y) = -------------- con y=3
x!
e-TY*
Ha: f(x) = p (x, y) = ---------------- con y=3
x!
El valor de y se calcula así:

k
In . * x ,
número total de defectos i= 1
Y = --------------------------------------- ---------------
número de muestras n
k: número de variaciones de las imperfecciones

8*0 + 40*1 + 6 2 * 2 + ................+ 1*10
Y = -------------------------------------------------
250
Y= 740/250 = 2,96 3,0
Como muestra de cálculo se presenta la frecuencia esperada de x=0 y x= .6
El Cuadro 2.4 presenta la totalidad de los cálculos.

Para x,= 0
3o
p, = e ------- =0,0498
3
0!
104 CONTROL DE CALI DAD
CUADRO 2.4. Frecuencias observadas y esperadas
Número de Frecuencia Probabilidad Frecuencia

imperfecciones observada Poisson (y=3) esperada
(x.) (n.) (pt) (e.)
0 8 0,0498 12,5
1 40 0,1494 37,4
2 62 0,2240 56,0
3 54 0,2240 56,0
4 43 0,1680 42,0
5 27 0,1008 25,2
6 1 0 0,0504 1 2 , 6
7 3— 0,0216 5,4“
8 2 6 0,0081 2 , 0
9 0 0,0027 0,7
1 0 1 0,0008 0 , 2 _
e, = 0,0498 *250 =12,45

Para x 7 = 6
3 6
p =e
7 3 = 0,0504
6!
e7= 0,0504 *2 5 0 =12,60
—12,5 ( 8 (40 - 37,4 ) 2 ) 2 (6 -8 ,3 ) 2
ae2c = ----------------+ ------------------- + ................ + ---------------

12,5 37,4 8,3
as2=3,84
El número de grados de libertad es:

v = k-m- = - 1 8 1 - 1 = 6
m= 1 puesto que se estima y

La Figura 2.23 muestra el valor de chi-cuadrado teórico.
FIGURA 2.23. Representación de las áreas de hipótesis
Como ae2c< ae260g5, entonces se acepta la hipótesis nula y se puede

afirmar con a = 5% que la variable aleatoria se distribuye mediante Poisson con
media igual a 3 imperfecciones.
EJE M P LO 2.23
Una muestra de 100 unidades tomadas de una máquina llenadora de

bolsas de cacao en polvo, originó la distribución de frecuencias de peso
(gramos) que se presenta en el Cuadro 2.5.
¿Se puede afirmar, con a=5%, que la variable aleatoria peso se distribuye
según la distribución normal?
SOLUCION
El Cuadro 2.5 presenta los cálculos necesarios para probar la hipótesis de

normalidad.
La hipótesis por probar es:
106 CONTROL DE CALI DAD
L, L. n* d nk*d n k*d2 P. ek
— 75,55 0_l r 72,4 -3 0 0 0,0087 0,87 —

78,7
5,7
75,55 81,85 5 5 -2 -10 20 0,0483 4,83
81,85 88,15 15 85,0 -1 -15 15 0,1607 16,07
88,15 94,45 35 91,3 0 0 0 0,2903 29,03
94,45 100,75 25 97,6 1 25 25 0,2830 28,30
100,75 107,05 12 103,9 2 24 48 0,1644 16,44 —
107,05 113,35 8 20 110,2 3 24 72 0,03666 3,66 20,9
113,35 +e° 0_ 116,5 4 0 0 0,0080 0,80__
TOTALES: 48 180
1
H :f(X )= ---------------e-K*-n) / a ]
2 2 2
O ' ' ,-----
a \Í2rc
1
Ha:f(x) = ------------ e-f<x-">2/2°21
a \J27t
Con el fin de proceder al cálculo de las frecuencias esperadas se necesita

estimar la media (p’) y la desviación estándar (o').
p’ = 91,3 + [(48/100) * 6,3] = 94,324 gramos

a’ = 6,3 V (180/100) - (48/100)2= 7,893 gramos
La distribución teórica se presenta en la Figura 2.24. Los cálculos corres

pondientes son los siguientes:
75,55-94,324
Z=---------------------- = -2 ,3 8 A, = 0,0087
7,893
I
Límites de clase
FIGURA 2.24. Curva normalpara cálculo de probabilidades
81,85 -9 4 ,3 2 4 A2= 0,057 - 0,0087

Z= = -1 ,5 8 A2= 0,0483
7,,893
88,15 - 94,324 A3= 0,2 1 7 7 -0 ,0 5 7

Z= = -0,78 A =0,1607
7, 893
94,45 - 94,324 A = 0 ,5 0 8 -0 ,2 1 7 7
z= = 0,016 A =0,2903
7, 893
100,75 - 94,324 As= 0,791 -0 ,5 0 8

z= = 0,81 A5= 0,283
7,893
107,75 -9 4 ,3 2 4 A6= 0,9544-0,791

z= = 1,7 A =0,1644
7.893
113,35 - 94,324 A?= 0,992 - 0,9544

z= = 2,41 A7= 0,0366
7,893 A„=
o
1 -0 ,9 9 2 = 0,008
El valor del estadístico chi-cuadrado calculado es el siguiente:

(5 - 5,7 ) 2 (1 5 -1 6.07)2 (20 - 20,9 ) 2
+.... +
5.7 16,07 20,9
Como m=2, pues se estima la media y la desviación estándar para el

cálculo de las frecuencias esperadas, entonces:
v = 5-2-1 = 2
La Figura 2.25 muestra las áreas de la hipótesis.

Como as2c< 5,99, entonces se acepta Hoy se puede afirmar con 5% de
nivel de significancia que la variable peso se distribuye normalmente con media
igual a 94,324 gramos y desviación estándar igual a 7,893 gramos.
ANALISIS DE VARIANZA
El análisis de varianza es una de las técnicas del diseño de experimentos

de mayor aplicación, pues ofrece resultados muy útiles para la toma de deci
siones. Consiste en una prueba de hipótesis para la diferencia de más de dos
F(x )
*2 ,0,95 - 5 ,9 9
FIGURA 2.25. Curva chi-cuadrado, para la hipótesis de bondad de ajuste

medias. En esta prueba se tienen k-parámetros poblacionales distribuidos

normalmente, cuya variación se estudia dividiéndola en componentes.
La hipótesis general que se va a probar se plantea así:
Ho: H i= m = = m*
Ha : Al menos dos de las medias son diferentes.
Si la hipótesis nula es rechazada, se pueden hacer comparaciones
individuales a través del Método de Tukey, el que veremos más adelante. En el
análisis de varianza se presume que cualquier variación existente entre los
promedios de una o más variables categorizadas se debe a:
1. Una variación entre las observaciones Y „dentro de cada categoría
(variación inter) o
2. Una variación entre las categorías debido a sus características propias
(variación extra).
La variación inter se debe al azar mientras que la variación extra se debe a
causas sistemáticas. Para tratar lo anterior, el análisis de varianza separa la
variabilidad total en dos componentes:
1. Variabilidad entre categorías, midiendo variación sistemática y aleatoria.
2. Variabilidad dentro de las categorías, midiendo variabilidad aleatoria.
El procedimiento consiste en comparar las dos estimaciones de o2, una
basada en la varianza entre medias muéstrales y otra basada en la varianza
dentro de las muestras. Estas varianzas se calculan así:
n _
o = Z (Y. - Y) /(n-1) varianza dentro de la muestra
2 2
i= 1
m_ _
o = n * [ I (Y. - Y) /(m-1)] varianza basada en medias muéstrales
2 2
i=1
La conclusión se obtiene una vez que se compare el valor de F calculado

como el cociente de ambas varianzas con el F teórico extraído de tablas.
L, L, n„ Xk d nk*d nk*d2 P. ek
—> 75,55 72,4 -3 0 0 0,0087 0,87— ]

°~ 1 r 5.7
75,55 81,85 5 5 78,7 -2 -10 20 0,0483 4,83
81,85 88,15 15 85,0 -1 -15 15 0,1607 16,07
88,15 94,45 35 91,3 0 0 0 0,2903 29,03
94,45 100,75 25 97,6 1 25 25 0,2830 28,30
100,75 107,05 12 — I 103,9 2 24 48 0,1644 16,44 —
107,05 113,35 8 20 110,2 3 24 72 0,03666 3,66 20,9
113,35 +co 0 116,5 4 0 0 0,0080 0,80
TOTALES: 48 180
1
Ho: fM = — e-[<x-*,)2/2o2>
a ^271
1
Ha:f(x) = ------------ enx-»)V2<¿)
O \] 271
Con el fin de proceder al cálculo de las frecuencias esperadas se necesita

estimar la media (p’) y la desviación estándar [&).
p’ = 91,3 + [(48/100) * 6,3] = 94,324 gramos

a’ = 6,3 V (180/100) - (48/100)2= 7,893 gramos
La distribución teórica se presenta en la Figura 2.24. Los cálculos corres

pondientes son los siguientes:
75,55 - 94,324
Z=---------------------- = -2,38 A, = 0,0087
7,893
75,55 81,85 88,15 94,95 100,75 107.75 113,35

Límites de clase
FIGURA 2.24. Curva normal para cálculo de probabilidades
81,85 - 94,324 A2= 0,057 -0,0087

Z= = -1,58 A2= 0,0483
7,,893
88,15 -9 4 ,3 2 4 A3= 0,2177-0,057

z= = -0,78 A = 0,1607
3
7, 893
94,45 - 94,324 A4= 0,508-0,2177

z= = 0,016 A = 0,2903
4
7,893
100,75 - 94,324 A5= 0,791 -0 ,5 0 8

z= = 0,81 A =0,283
7,893
107,75 - 94,324 A6= 0,9544-0,791

z= = 1,7 A =0,1644
7,893
113,35 - 94,324 A7= 0,992-0,9544

z= = 2,41 A7= 0,0366
7,893 A =1 - 0,992 = 0,008
Según el número de variables en estudio el análisis de varianza recibe el

nombre de clasificación en una dirección o en dos direcciones. Esto también se
conoce como una variable y dos variables de clasificación.
C lasificación en una dirección
La denominación “clasificación en una dirección” se debe a que la variable

en estudio se clasifica en un solo sentido y se le llama tratamiento. En este
análisis se seleccionan muestras aleatorias de tamaño n de m-poblaciones
pertenecientes a cada variable categorizada. La representación matricial de
esta clasificación se encuentra en el Cuadro 2.6.
La hipótesis que se prueba es la siguiente:
Ho: Mm = M-,2®M-.3= ••••= Km

H3: no todas las u.i’s son iguales
CUADRO 2.6. Matriz de una variable de clasificación
Tratamientos
Observación 1 2 3 4 m
1
Y„ Y« y13 Y,, ...... •••• Ylm
2
y„ yk y23 Y?< ..... •••• Y2m
3 y 3, Y 32 Y33 Y ..... ....
34 Y^
4 Y., Y« Y« Y .....
4 4
Y4m
n Y n1 Ytó Yf»3 Y ..... .... Y ^

n1
TOTALES T, t 2 T.3 T , .... .... Tnm T..
MEDIA Y, Y, Ya Yo ..... ..... Y.m Y..

El valor de Y.significa el valor asignado a la observación i en la categoría o

tratamiento j.
El análisis de varianza se hace con base en el Cuadro ANOVA como un
medio de evitar cálculos tediosos. El Cuadro 2.7 presenta el cuadro ANOVA
para una variable de clasificación.
El error especifica la variación aleatoria dentro de los tratamientos. El
significado y fórmulas de cálculo de los términos usados son los siguientes:
m : número de tratamientos
n : tamaño de la muestra.
SIC(TR): Suma intermuestral de cuadrados de tratamientos

m
SIC(TR)= [( IT ,) /n ]- C
M
m
C= T..*m*n T ..-E T ,
M
T..= Gran Total de las m*n observaciones
STC: Suma Total de Cuadrados
CUADRO 2.7. Cuadro ANOVA para una variable de clasificación
Origen de Grados de Suma de Cuadrado F.

variación libertad cuadrados medio
Tratamiento m - 1
CMm GNU
Error m*(n- ) 1 SCE CME CME
TOTAL m*r > - 1 STC

m n
STC= [I I Yij2] - C
i
= 1 j
= 1
SCE: Suma de cuadrados del error.

SCE= stc - s ic (TR)
CM<W Cuadrado medio de los tratamientos
SIC(TR,
CM(TR,=
(m- ) 1
CME: Cuadrado medio del error

SCE
CME=
m*(n- ) 1
La aceptación de la hipótesis nula se da cuando el F teórico es menor que

el F calculado. La Figura 2.26 mucctra el área de cumplimiento de la hipótesis.
F (*)
I
' vl.v2.(1-u)
FIGURA 2.26. Area de cumplimiento de la hipótesis
EJEM PLO 2.24
Para comparar la efectividad de tres tipos diferentes de pintura fosfores

cente usados para pintar cuadrantes de indicadores de instrum entación
náutica, se pintan ocho cuadrantes con cada una de las pinturas. Luego, se
iluminan los cuadrantes con luz ultravioleta y se mide el tiempo-en segundos-
que los números del cuadrante quedan iluminados después de apagar la luz. La
información generada se presenta en el Cuadro 2.8.
¿Se puede afirmar con a=1 % que las diferencias observadas entre las me
dias de los tipos de pintura son significativas o se deben simplemente al azar?
SOLUCION
H0:u 1= fi2= ft3

Ha: Al menos dos p’s no son iguales
Según los datos suministrados por el Cuadro 2.8:
T , = 378
T 2=396,6
CUADRO 2.8. Matriz de información para el análisis de varianza
T ip o de p in tura
C uadrante 1 2 3
1 46,3 38,7 62,3

2 48,2 53,6 64,7
3 42,0 49,3 56,2
4 41,8 47,3 60,2
5 48,9 51,4 53,6
6 51,0 53,9 55,5
7 49,7 43,6 61,8
8 50,1 48,8 54,5
TOTAL 378,0 396,6 468,8 1243,4
PROMEDIO 47,3 49,6 58,6 51,8

T 3= 468,8
T =1243,4
Se calculan entonces los factores del cuadro ANOVA.
(1243.4)2
C ----------------- 64418,479
24
3782 + 396,62+ 468,82
SIC,TD= ------------------------------------------ 64418,479 = 575,146
r 8
STC = (46,32+ 38,72+ 62,32+ ......+ 54,52) - 64418,479
STC = 65285,04 - 64418,479 = 866,561
SCE = 866,561 - 575,146 = 291,415
575,146
CM(TR)= -------------------=287.573
2
291,415
CME = ---------------------- =13,877
21
El Cuadro 2.9 presenta el Cuadro ANOVA correspondiente a este ejemplo.
La Figura 2.20 presenta las áreas de hipótesis.
Como Fces mayor que el F teórico, no hay evidencia estadística para
aceptar la hipótesis nula de igualdad de medias, con a= 1%. Por lo tanto, la
efectividad de cada tipo de pintura es diferente.
La Figura 2.27 presenta las áreas de la prueba.
Clasificación en dos direcciones
La denominación “clasificación en dos direcciones” se debe a que existen

dos variables en estudio que se clasifican en dos sentidos, llamándose uno
tratamiento y el o tro .
CUADRO 2.9. Cuadro ANOVA para el Ejemplo 2.17
Origen de Grados de Suma de Cuadrado FC

*
Variación libertad Cuadrados Medio
Pintura 2 575,146 287,573 20,73

Error 2 1 291,415 13,877
TOTAL 23 866,561
* De Tabla IV del Apéndice.
En este análisis se seleccionan muestras aleatorias de tamaño n para cada

alternativa correspondiente a la intersección de las variables de clasificación
según su categoría. La representación m atricial de esta clasificación se
encuentra en el Cuadro 2.10.
En este caso se prueban dos hipótesis, una para tratamientos y otra para
bloques. Ambas hipótesis son independientes, por lo que sus resultados no se
asocian. Las hipótesis son las siguientes:

CUADRO 2.10. M atriz de dos variables de clasificación
B loques
1 2 3 4 • • n Total Media
T 1 Y„ y I2 Y 13 Y„ • • Yln T, Y,
R
A 2 y„ y 22 y 23 y 24 • Y2n y2
T
-<
A 3 y 31 Y* Y33 Ym • • Y* t 3
U
M
I 4 y 41 y <2 Y 43 Y44 • Y^ t 4 Y 4
E
N • • • • • • • •
T
0 • • • • • • • •
S
m
Y ., Y ., Y** Y(n4 • • • Y^ Tm Ym
TOTAL T, T. T .3 t. Tn T..
MEDIA Y, y 2 y 3 Y4 • • Y.n Y..
- Para bloques
Ho: M. = ^ 2= M 3 = - " = K m
Ha: no tod as las ji.j’s son iguales
- Para tratamientos
Ho: lA1.= m = ^ 3 .= - - = ^ n.
Ha: no tod as las jj.í’s son iguales
El valor de Y(j significa el valor asignado a la observación del bloque i y el

tratamiento j.
Este análisis de varianza se hace también con base en el Cuadro ANOVA

como un medio de evitar cálculos tediosos. El Cuadro 2.11 presenta el cuadro
ANOVA para dos variables de clasificación.
El significado y fórmulas de cálculo usados son los siguientes:
m: número de tratamientos
n: número de bloques
SIC(TR): Suma intermuestral de cuadrados de tratamientos
m
SIC(TR)= [ ( X T. 2)/n] - C
Í=1
SIC(0L): Suma intermuestral de cuadrados de bloques
S I C ( b l >= t( I T /)/n ] - C
i=i
n m
C= T..2/m*n T..= I T = X T .
¡=1 1 ¡=1
CUADRO 2.11. Cuadro ANOVA para dos variables de clasificación
Origen de Grados de Suma de Cuadrado

variación libertad cuadrados medio
Tratamiento m-1 SIC™ c m (TH,
CME
Bloque n-1 c m (BU c m (BL(

SIC(BL,
CME
Error (m-1)*(n-1) SCE CME
TOTAL m*n-1 STC

T ,* 468,8
T =1243,4
Se calculan entonces los factores del cuadro ANOVA.
(1243.4)2
C = ---------------- = 64418,479
24
3782 + 396,62 + 468,82
SIC ------------------------------------------64418,479 = 575,146
(TR
8
STC = (46,32+ 38,72+ 62,32+ ......+ 54,52) * 64418,479
STC = 65285,04 - 64418,479 = 866,561
SCE = 866,561 - 575,146 = 291,415
575,146
CM(TH)= -------------------=287,573
2
291,415
CME = ---------------------- =13,877
21
El Cuadro 2.9 presenta el Cuadro ANOVA correspondiente a este ejemplo.
La Figura 2.20 presenta las áreas de hipótesis.
Como Fces mayor que el F teórico, no hay evidencia estadística para
aceptar la hipótesis nula de igualdad de medias, con a= 1%. Por lo tanto, la
efectividad de cada tipo de pintura es diferente.
La Figura 2.27 presenta las áreas de la prueba.
Clasificación en dos direcciones
La denominación “clasificación en dos direcciones” se debe a que existen

dos variables en estudio que se clasifican en dos sentidos, llamándose uno
tratamiento y el o tro .
Origen de Grados de Suma de Cuadrado F*

Pintura 2 575,146 287,573 20,73

Error 21 291,415 13,877
TOTAL 23 866,561
De Tabla IV del Apéndice.
En este análisis se seleccionan muestras aleatorias de tamaño n para cada

alternativa correspondiente a la intersección de las variables de clasificación
según su categoría. La representación m atricial de esta clasificación se
encuentra en el Cuadro 2.10.
En este caso se prueban dos hipótesis, una para tratamientos y otra para
bloques. Ambas hipótesis son independientes, por lo que sus resultados no se
asocian. Las hipótesis son las siguientes:

T.. = Gran Total de las m*n observaciones

STC: Suma Total de Cuadrados
m n
STC= [I I Y if J - C
|=1 i=i
SCE: Suma de cuadrados del error.

SCE= S T C -S IC ^ -S IC ^
CM(TR): Cuadrado medio de los tratamientos
SIC.(TR )
C M <t r >=
(m-1)
CM|BL): Cuadrado medio de los bloques
SIC(BU
cm(BL)=
(n-1)
CME: Cuadrado medio del error
SCE
CME = ----------------
La aceptación de la hipótesis nula se da cuando el F teórico es menor que

el F calculado. Como se indicó antes esta decisión se toma para bloques y
tratamientos por separado. La Figura 2.28 muestra el área de cumplimiento de
la hipótesis. Existen dos curvas de este tipo: una para tratamientos y otra para
bloques.
v1,: número de grados de libertad de los tratamientos

v1b: número de grados de libertad de los bloques
v 2 : número de grados de libertad del error
V l b av 2 , ( 1 -a )
EJEMPLO 2.25
El departamento de servicio de una compañía distribuidora de equipo

computacional tiene un grupo de tres técnicos encargados de la reparación de
averías secundarias en unidades centrales de proceso (CPU). Estos técnicos
se han especializado en tres importantes marcas. Los tiempos de reparación en
minutos de cada marca para cada técnico se muestran en el Cuadro 2.12. Con
a=5%, ¿se puede afirmar que el tiempo de reparación depende de la marca o
del técnico que repara?
CUADRO 2.12. Información para el análisis de varianza
Técnicos
Marca 1 2 3 Ti.
1 45 46 51 142
2 42 44 50 136
3 36 41 48 125
4 49 47 54 150
T-j 172 178 203 553

SOLUCION
Como se puede observar en el Cuadro 2.12 los totales son los siguientes:
T, = 142 T2 = 136 T3 = 125 T4 = 150
T , = 172 T 2= 178 T 3= 203 T =553
5532
C =---------- = 25484
4*3
STC = 452+ 462+ 512+...........+ 542 - 25484 = 265
1422 +1362+ 1252+ 1502
SIC.Tm= ---------------------------------------------- 25484 = 111
3
1722 + 1782+ 2032
SIC(BL)= ------------------------------------------ 25484 = 135
4
SCE = 265-111 -13 5 = 19
CM(TR)= 111/3 = 37,0
C M (B L )= 1 3 5 / 2 = 6 7 -5
CME = 19/6 = 3.2
El C uadro 2.13 presenta el cuadro ANOVA correspondiente a este

ejemplo. Las áreas de la hipótesis se pueden observar en la Figura 2.22.
Con a =1 %, se puede afirmar que hay evidencia estadística para rechazar
ambas hipótesis nulas. Esto significa, que el tiempo de reparación varía de
acuerdo con el técnico que efectúa la reparación y la marca que está siendo
reparada.
Cuando L hipótesis se rechaza se pueden hacer comparaciones múltiples
a través de diversos métodos con el fin de identificar diferencias significativas
entre categorías. Existen tres métodos principales: Bonferroni, Scheffé y Tukey.
En este texto se analizará solamente uno de éstos: el método de Tukey.
Origen de Grados de Suma de Cuadrado Fe

Marca 3 111 37 11,6

Técnico 2 135 67,5 21,1
Error 6 19 3,2
TOTAL 11 265
M étodo de Tukey
Cuando Hoes rechazada significa que hay diferencia entre por lo menos I
dos de los promedios. Este método es exacto cuando el tamaño de la muestra
es constante y conservativo cuando ese tamaño es variable.
El método consiste en evaluar el conjunto de todos los posibles pares
(|x - l l ’ s ) con base en intervalos de confianza y la distribución del rango estu-
dentizado.
FIGURA 2.29. Areas de cumplimiento de las hipótesis

La distribución del rango estudentizado se basa en la siguiente premisa: Si

se tienen r observaciones independientes Y,, Y2, Y3,..., Yrde una distribución
normal con media p y varianza o2, siendo w el rango de este conjunto de obser
vaciones tal que w= Máx(Y.)-Mín(Y.) y si se estima o2a partir de o2con v grados
de libertad e independientemente de Y¡, entonces la razón w/s es llamada rango
estudentizado y se denota por q(r,v) = w/s.
Como se puede notar la distribución de q depende de r y v, lo que ha permi
tido el desarrollo de tablas como las mostradas en el Apéndice I, para niveles de
confianza del 90,95 y 99%.
Tal y como se dijo anteriormente el método de comparaciones múltiples se
basa en límites de confianza para todos los posibles pares de promedios. Si el
intervalo incluye al cero se dice que no hay diferencia significativa entre las
medias consideradas; caso contrario, la diferencia es significativa.
El intervalo de confianza se calcula así:
1. Una variable de clasificación
D±T*s(D)
D = IYI. -Y..I
I.
s2(D) = CME[(1/nj) + (1/ni.)]

1
T =------ * [q(1 -a,m,n-m)]
||
EJEMPLO 2.26
En un estudio de efectividad de cuatro componentes químicos contra la

oxidación, se toma un conjunto de cinco observaciones de cada uno, con lo que
se genera la información mostrada en e! Cuadro 2.14.
Se considera que entre más grande el valor de Y., mejor es la efectividad
del compuesto.
CUADRO 2.14. Datos del Ejemplo 2.20
I Componente n,
1 A 5 43
2 B 5 89
3 C 5 67
4 D 5 40
Después de haber efectuado el análisis se generó el cuadro ANOVA, que

se presenta en el Cuadro 2.15.
a. ¿ E xisten d ife re n cia s s ig n ific a tiv a s entre com ponentes al 95% de
confianza?
b. Si las hay, ¿cuáles componentes establecen esa diferencia?
S O LU CIO N
a. Al lo ca liza r el valor de F3 16095en tablas este es 3,24, por lo que es

significativam ente m enor que el F calculado. En conclusión, sí hay
diferencias significativas entre componentes con 95% de confianza.
b. Búsqueda de diferencias significativas,
m=4 n-m = 20-4 = 16
En tabla VIII del Apéndice se localiza el valor de q.
q(0.95,4,16) = 4,05
1
T = ------------- * (4,05) = 2,86
y¡2
s2(D) = 4,5 *[(1 /5 )+ (1/5)] = 1,8

CUADRO 2.15. Cuadro ANOVA del Ejemplo 2.20
Origen de Grados de Suma de Cuadrado F0*

Componente 3 7893,75 2631,25 584,72

Error 16 72,00 4,50
TOTAL 19 7965,75
S (D) = 1,34
T * s ( D ) = 2,8 6 * 1,34 = 3,8
Los intervalos de confianza son:
42.2 = (89 - 43) - 3,8 < |i2 - |i, < (8 9 - 43) + 3,8 = 49,8
20.2 = (67 - 43) - 3,8 < |t3 - p, < (67 - 43) + 3,8 = 27,8
-0,8 = (43 - 40) - 3,8 < p, - p4 < (43 - 40) + 3,8 = 6,8
18.2 = (89 - 67) - 3,8 < p 2 - p 3 < (89 - 67) + 3,8 = 25,8
45.2 = (89 - 40) - 3,8 < p 2 - p 4 < (89 - 40) + 3,8 = 52,8
23.2 = (67 - 40) - 3,8 £ p3 - p4 < (67 - 40) + 3,8 = 30,8
Como se puede ver, el único intervalo de confianza que incluye al cero es

( p, - p4). Por lo tanto, se concluye, con 95% de confianza, que el único par de
promedios que no muestran diferencias significativas es el par formado por los
componentes 1 y 4. Dado que la medida de efectividad es de maximización el
componente B puede ser escogido como la mejor alternativa.
2. Dos variables de clasificación
El in te rva lo usado tam bién se basa en la d istrib u ció n del rango

estudentizado, pero con pequeñas diferencias en el cálculo de sus términos.
A. D = ÍY.-Yr l
2*CME
s2(D) = ----------------
bn
1
T = ----------------q[1-a,a,(n-1)abl
<2
a: Número de tratamientos
b: Número de bloques
B. D = IYj-Y..I
- 2CME
s2(D) = ------------
an
1
T =------------- q[1-a,b,(n-1)ab]
y¡2
EJEMPLO 2.27
La Compañía CBC vende repostería en un área metropolitana. Del total de

artículos vendidos hay tres hacia los que la clientela ha mostrado especial
interés. La Cía desea saber si el tamaño y el peso son significativos para la
decisión del cliente por uno u otro tipo. Un análisis hecho sobre muestras de
tamaño dos, para tres tamaños y dos pesos, generó la información de costo en
colones del Cuadro 2.16.
CONTROL DE CALIDAD
CUADRO 2.16. Información del Ejemplo 2.21
Peso
Ta m a ño 1 2
1 Y Y 44
2 Y 21 Y1 22 67
3 Y 31 Y 33 42
Y, 50 52 51
El análisis de va ria n za efectuado g e n e ró los resultados m ostrados por el

A N O V A pre sentado en el C u a d ro 2.17.
a. ¿ E x is t e n d if e re n c ia s s ig n if ic a tiv a s en ta m a ñ o s y p e s o s al 9 5 % de
confianza?
b. Si las hay, m uestre dó n de se encu entran esas diferencias.
O rige n de G ra do s de Sum a de C uadrado Fe

Variación libertad C uadrados Medio
Tam año 2 1544 772 77,2

Peso 1 12 12 1.2
Error 2 20 10
TO TA L 5 1576
SOLUCION
a. C o n a = 5 % , los valores teóricos de F son los siguientes:
^ 2 ,2 ,0.95 1 ,2 ,0 .9 5 -
Al c o m p a ra r los valores teóricos con los valores ca lcu lado s se nota que,
con a = 5 % , no hay evidencia estadística para acep tar la hipótesis nula de
tam años, pero sí para aceptar la hipótesis nula de pesos.
b. S e efectuará la prueba de T u k e y para tam años, con el fin de identificar los

pares que m uestran diferencias significativas. Los datos para el cálculo de
los intervalos de con fian za son los siguientes:
CM E = 10,3
a= 3
b= 2
n= 2
(n -1 )a b = 6
2 * 1 0 ,3
s2(D ) = --------------------------------= 5,15
2*2
D e la T a b la VIII del A pé n d ice I se obtiene:
q (0 .9 5 ,3 ,6 ) = 4,34
4 ,34
T = -----------------------------= 3,07
2
T * s ( D ) = 3 ,0 7 * ^ 5 ,1 5 = 7,0
16 = (6 7 - * 4) - 7 ,0 < p 2 - n, < (6 7 - 4 4 ) + 7,0 = 30
- 5 = (44 - 4 2) - 7,0 < p , - p 3 < (44 - 42) + 7,0 = 9
18 = (67 - 4 2 ) - 7 ,0 < |i2 - p 3 < (6 7 - 42) + 7,0 = 32

Al analizar los intervalos de confianza se puede concluir, con a = 5 % , que la

única diferencia q u e no es significativa se da entre los tam años 1 y 3. Al ser la
m e d id a de e fe c tiv id a d de m in im iz a c ió n , la m e jo r a lte rn a tiv a p u e d e s e r la
n ú m e ro 3.
MUESTREO ESTADISTICO
E n la inspección de calidad es de fundam ental im portancia confiar en los

resultados obte nidos a partir del análisis de m uestras.
E stas m uestras que son obtenidas de poblaciones finitas o infinitas, deben

cu m plir con los d o s principales requerim ientos del m uestreo inferencial; éstos
son aleatoriedad y representatividad.
U n a m u e s tra e s alea toria cu a n d o los elem entos que la com pon en fueron
extraídos de una población en la cual todos sus com ponentes tuvieron la m ism a
probabilidad de perte ne ce r a e sa m uestra.
U n a m u e s t r a e s r e p r e s e n t a t iv a c u a n d o s u s e le m e n to s re fle ja n las
características de la población de la cual fueron extraídos. C o n ello, se puede
afirm ar con cierto nivel de confianza, que lo qu e ocurre con la m uestra, ocurre
con la población.
C o m o se puede ver, para cum plir con una verdadera inspección por m u e s
treo es m u y co n ve n ie n te g a ra n tiza r estas dos características, g e n e ra lm e n te
ligadas al ta m a ño de la m uestra y al m étodo usado para su selección.
El m u estre o e sta d ístico p a ra se r efectivo y eficaz d e b e b a s a rs e en tres

aspectos principales: en la selección de m uestras de tam año a d e c u a d o , en la
e je cu ció n de in fe re n cia s v á lid a s y a p lica b le s y en la m edición del g ra d o de
con fian za de las conclusiones.
P a ra lograr lo e x p re sa d o anterio rm ente, es necesario seg u ir un p ro ce d i

m iento que incluya los siguientes paso s:
a. Id e n tifica ció n de la c a ra c te rís tic a p o r e s tu d ia r y d e la to ta lid a d de las

u n id a d e s de m u e stre o de n tro de las cu a le s se s e le ccio n a rá la m u e stra
(m a rc o de m ue stre o).
JORGE ACUÑA ACUÑA 12S
b. E s c o g e n c ia del tipo de m uestreo que se v a a usar identificando la unidad

de m uestre o. Esto deb e garantizar la aleatoriedad y representatividad a n
tes definidas.
c. D eterm inación del tam año de la m uestra, m ediante la fórm ula que especi
fique el tipo de m uestreo.
d. S e le c c ió n a le a to ria de la m u e stra p re via definición del p ro ce d im ie n to

a d e cu a d o .
e. E s co g e n cia del m étodo de estim ación del error estadístico.
f. C á lc u lo de inferencias, errores y grado de confianza de las conclusiones.
E n general, son m uchas las razones por las cuales se debe usar m uestreo.
A lg u n a s de éstas son:
a. A h o rro de dinero al evitar la inspección 1 0 0 % , la cual tiene costos m á s

altos.
b. A h o rro de tiem po al dism inuir la cantidad por inspeccionar en relación con

la inspección 1 0 0 % .
c. Atención de caso s individuales en form a m ás sistemática.
d. R e cu rso indispensable cu a n d o la inspección es destructiva.
e. U n ico m étodo posible cua n d o la población es infinita.
f. E x c e le n te o p c ió n c u a n d o los e rro re s no m u é s tra le s , e s p e c ia lm e n te

hu m a n o s, son g ra n d e s e im posibles de reducir.
Al ejecutar m uestreo estadístico siem pre estarán presentes dos tipos de

errores qu e se con o ce n co m o erro r estadístico y sesgo.
E l e rr o r e s ta d ís tic o es aquel propio del m uestreo y que se produce por la

n a tu ra le z a a le a to ria de la m u e s tra y p o r la falta de h o m o g e n e id a d en los
elem entos que la conform an. Este error se m inim iza, si se ejecuta el m uestreo
en form a o rd e n a d a y siguiendo el procedim iento antes fijado.
El s e s g o es el error h um ano, intencional o no intencional que se com ete al

ejecutar el m uestreo y que generalm ente es sistemático. Este error se m inim iza
a tra vé s de p ro g ra m a s de e ntrenam iento, capacitación y m otivación de in s
pectores y recolectores de inform ación estadística.
T i p o s d e m u e s tre o
Existen diferentes tipos de m uestreo, dentro de los cuales se pueden citar:

el m uestreo aleatorio sim ple, el m uestreo sistemático, el m uestreo estratificado,
el m uestreo por conglom erados y el m uestreo de aceptación. E n inspección de
c a lid a d los m á s u s a d o s s o n el m u e s tre o a le a to rio s im p le , el m u e s tre o
estratificado y el m u e stre o de a ce p ta ció n . E n el C a p ítu lo VI se d esarro llará
am pliam ente el m uestre o de aceptación.
M u e s t re o a le a t o rio s im p le : se b a s a en la e x tra cció n de u na m u e stra

aleatoria de una población, para u na característica seleccionada, con el fin de
inferir los resultados a la citada población. Esta inferencia está sujeta a un error
estadístico qu e es necesario determ inar.
El m uestre o aleatorio p u e d e ejecutarse para estim ar el prom edio de una

característica o estim ar una proporción de ella.
C u a n d o se d e s e a e s tim a r un v a lo r m e d io , el ta m a ñ o de la m u e s tra se
calcula así:
Z 2a/2_ * N * o 2
n = --------------------------------
zV ^+ ne2
C u a n d o se d e s e a e s tim a r u n a p ro p o rc ió n , e n to n c e s ei ta m a ñ o de la
m uestra se calcula com o
Z2„/2 * N * P * q
Z 2o/2 * P * q + N E 2
Los térm inos usado s en estas expresiones significan:
n : ta m a ño de la m uestra
Z ^ : estadístico de distribución norm al ligado al error a
N : ta m a ño de la población
a 2: va ria nza poblacional
E : error de estim ación entre el parám etro y el estadígrafo

p : proporción de la característica en la m uestra
q : proporción que no pertenece a la característica en la m uestra
S i la p o b la ció n es infinita las e x p re s io n e s del ta m a ñ o de la m uestra se

convierten en:
Z 2o/2 * o 2
n =-------------------------------------- para estim ación de la m edia
E2
n = p * q [ Z 2^ / E 2] para estim ación de una proporción
El error están dar correspondiente al m uestreo se calcula co m o
<r-= \j [(N -n )/ (N -1 )] * (a 2/n) Si se trata de una población finita y

se estim a una m edia
c -= \] o 2/n Si se trata de una población infinita

y se estim a una m edia
o p= \ l[(N -n ) / (N -1 )]* (p * q )/ n t>i se trata de una población finita y

se estim a una proporción
a p= \ ] ( p * q ) / n Si se trata de u na población infinita

y se estim a una proporción.
EJEMPLO 2.28
C o n s id é re se un lote de producción de 1000 unidades, cu ya va rianza en el

diám etro de una de su s partes es 250 m m . S e d e s e a estim ar el pro m e dio del
diám etro, a partir de u na m u estra , con u na co n fia n za del 9 5 % y con error no
m a yor a 1 m m .
SOLUCION
N = 250 E = 1
Z (i/2= 1,96 (extraído de T a b la I de A pén dice I)

O2 = 2 5 0
1 ,962 * 1 0 0 0 * 2 5 0
n = ---------------------------------------------------= 4 8 0 ,2 - 481
(4 * 2 5 0 ) + (1 0 0 0 * 1)
a ; = \|[(1 0 0 0 - 481)/(1000 - 1)] * (2 5 0 / 4 8 1 ) = 0,52
P a ra estim ar el pro m e dio de diám etro de esta pieza, se deb e extraer una
m uestra de 481 unidades. El m u estre o tiene un error están dar de 0,52.
EJEMPLO 2.29
U n f a b r ic a n te a firm a q u e el 2 , 5 % d e lo s p ro d u c to s q u e e n tr e g a el
c o m p ra d o r so n d e fe c tu o s o s . Si é ste re cib e los p ro d u cto s en lotes de 5 0 0 0
u n id a d e s, ¿c u á l d e b e se r el ta m a ñ o de la m u e stra p o r u s a r para verificar lo
e x p re sa d o por el fabricante? U s e 9 5 % de con fian za y un error no m áxim o del
1 % en la estim ación.
SOLUCION
E= 0,01
p= 0 ,025
q= 0 ,975
N = 5000
(1 -a ) = 0 ,9 5
Z„y2= 1.96
1 ,962 * 5000 * 0,0 2 5 * 0,975
n= ------------------------------------------------------------------------------- = 7 8 9 unidades
1 ,962 * 0 ,0 2 5 * 0 ,9 7 5 ) + (5 0 0 0 * 0 ,0 1 2)
o p= \ J [(5 0 0 0 -7 8 9 ) / (5 0 0 0 -1 )] * [(0 ,0 2 5 * 0 ,9 7 5 ) / 789] = 0,005

JORGE ACUÑA ACUÑA
Lo a n te rio r significa q u e p a ra e stim a r el p o rce n ta je d e fe c tu o so de ese

producto, se de b e extraer una m uestra de 789 unidades. E ste m uestreo tiene
un error estándar de 0 ,0 0 5 , bastante bajo.
F o r m a s d e e x t r a c c ió n d e la m u e s t r a : un a sp e c to m u y im portante de
considerar en él m uestreo aleatorio sim ple es el uso de las ta b la s de n ú m e ro s
a le a to rio s , con el fin de g aran tizar aleatoriedad en la tom a de la m uestra. El
p ro c e d im ie n to co n sis te en a s ig n a r un n ú m e ro a c a d a e le m e n to del m a rco
m uestral y luego, con la tabla seleccionar los que la m uestra indique.
EJEMPLO 2.30
S e de se a tom ar una m uestra de 5 elem entos de un total de 80 que confor

m a n la pob lación a tra vé s de la tabla de nú m e ro s aleatorios. E s ta b le z c a ios
n ú m ero s que conform an la citada m uestra.
SOLUCION
P a ra efectos de e ste e jem plo se u sa rá n las sig uie n te s c o lu m n a s de la

T a b la IX de nú m ero s aleatorios del A pé n d ice I.
2 25 3 2176
1342 8664
5498 0184
2 36 4 0900
8439 9898
S e de b e n e sco g e r cinco núm ero s de dos cifras, com prendidos entre 01 y

80.
S e to m a u n a c o lu m n a a rb itra ria , p o r e je m p lo la de 53, se a la te rc e ra

(prim era 22, se g u nda 25, tercera 53). Si es así, los elem entos asignados son el
5 3 ,4 2 ,6 4 ,3 9 y 76. Esto se obtiene en form a vertical, si se acaba ésta se puede
ca m b ia r a otra.
Nótese qu e no se tom ó en cuenta el 98, por estar arriba de 80.
T a m b ié n c u a n d o se ag o tó la co lu m n a , se p a só a la últim a c o lu m n a del
se g u n d o bloque.
O tra form a de extraer una m uestra es m ediante m u e s tre o s is te m á tic o , el

cual es m u y ágil, cu a n d o el n ú m e ro de elem en tos qu e se v a a sele ccio nar es
m u y grande. A s í, por ejem plo obtener una m uestra del 5 % de un lote de 20000
pro ductos, oblig aría a s e le ccio n a r 1000 n ú m e ro s aleatorios y luego h a ce r la
selección correspondiente.
E n estos ca so s lo m ejor es seleccionar un núm ero aleatorio entre 1 y 20 y

en adelante e sco g e r cada vigésim o elem ento. A s í, si el núm ero fuese el 3, los
elem entos sele ccionado s serán 3 , 2 3 , 4 3 , 6 3 , 8 3 , . . . , hasta 19983. El pro cedi
m iento es el siguiente:
1. C o n o c e r el tam año del lote y de la m uestra que se v a a extraer.
2. C alcular el intervalo de m uestreo, qu e se obtiene dividiendo el tam año del

lote entre el tam año de la m uestra (N/n).
3. S e le ccio n a r un núm ero aleatorio, entre 1 y el intervalo de m uestreo.
4. A partir del núm ero aleatorio encontrado anteriorm ente, su m ar el intervalo

de m uestreo. Esto dará los núm eros posicionales de los elem entos que se
deben con tem plar dentro de la m uestra.
5. S e le c c io n a r la m u e stra , e s c o g ié n d o la del lote s e g ú n el p ro ce d im ie n to

citado en 4.
M u e s tre o e stra tifica d o : en este tipo de m uestreo, los elem entos poblacio-
na le s se d ivid e n p rim e ro en k -g ru p o s y lu e g o se a p lica m u e stre o a lea torio
sim ple sob re ca d a g rupo. El p ro ce so usa d o para e sta b le ce r estos g ru p o s se
llam a e s tra tific a c ió n y a c a d a g ru p o se le llam a e s tra to . La razó n de aplicar
estratificación se de b e a qu e los elem en tos po b lacio nale s pre sentan m u ch a
h e te ro ge n e id a d , por lo qu e la obtención de c o n clu sio n e s represen tativas se
hace difícil.
En este m uestreo, las probabilidades de selección de los estratos pueden

s e r dife ren te s y no es n e c e s a rio q u e to d o s los e le m e n to s te n g a n la m is m a
oportunidad de selección, pero se debe co n o ce r la probabilidad de ca d a uno.
La estratificación se ejecuta de tal m anera que exista cierta hom ogeneidad

entre los e le m e n to s de c a d a g ru p o y q u e q u e d e n en igual n ú m e ro en c a d a
estrato.
El error están dar del se calcula así:
O j = \J(1/N2) * { X [ ( N , - n ) / (N . - 1 ) ] * N 2 * ( a 2 / n.)}
¡=1
d onde:
N : ta m a ño de la población
N ¡: ta m a ño del estrato i
k : núm e ro de estratos
n .: ta m a ño de la m uestra por extraer del estrato i
o : desviación están dar del estrato i
EJEMPLO 2.31
E n el p u e sto de re c e p c ió n de m a te ria le s se han re c ib id o 12 lotes que

originaron los porcentajes defectuosos que se presentan en el C u a d ro 2.18.
a. Estratificar esta situación y obtener sus m edidas
b. C a lc u la r el error estándar
c. ¿ C u á l es el error si se usa m uestreo aleatorio sim ple?
SOLUCION
a. El C u a d ro 2 .1 9 p re se n ta la estratificación e fe ctu a d a co n b a s e e
m agnitud del porcentaje defectuoso.
S e p u e d e n c a lc u la r a lg u n o s va lo re s para c a d a estrato. El C u a d r o 2 .2 0
m u e s tra el ta m a ñ o , la m e d ia a ritm é tica y la d e s v ia c ió n e s tá n d a r d e c a d a
estrato.
CUADRO 2.18. Información de recepción de materiales
Lote % Defectuoso
1 0,85
2 1,35
3 0,60
4 2,20
5 1,80
6 3,10
7 0,90
8 0,50
9 1,75
10 0,75
11 2,40
12 2,10
CUADRO 2.19. Estratificación del % defectuoso
Estrato 1 Estrato 2 Estrato 3
0,50 0,90 2,10

0,60 1,35 2,20
0,75 1,75 2,40
0,85 1,80 3,10
CUADRO 2.20. Cálculos de la estratificación
Estrato 1 Estrato 2 Estrato 3

4^
N, = 4 N3= 4
Z
II
x, = 0,675 x2 = 1,45 x 3= 2,45
o, = 0,134 O, = 0,362 a 3= 0,39

C o n b a s e e n el C u a d r o 2 .2 0 s e c a lc u la u n e s tim a d o del p ro m e d io
poblacional.
_ (N 1* x ,) + (N 2* x 2) + (N 3 *x3)
x ’ = -----------------------------------------------------------
N
_ (4 * 0 ,6 7 5 )+ (3 * 1 ,4 5 )+ (4 * 2 ,4 5 )
x ’ = -------------------------------------------------------------------------
12
x’ = 1,525
S e puede p ro b a r que este valo r es igual al poblacional.
N
p = ( Z x . ) / N = 18,3 / 1 2 = 1 ,5 2 5
i=i
b. El error estándar de este m uestreo estratificado es:
0- = \J (1 /1 2 2)*{[(4 -2 )/(4 -1 )]*42* (0 ,1 3 4 2/2 )+ [(4 -2 )/(4 -1 )]*42* (0 ,3 6 2 2/2 )+ [(4-2)/(4-1 )]*42*(0 ,39 2/2 )}
a -= \J ( 1 / 1 44)*[(16/3)*(0,1342+ 0 ,3 6 2 2+ 0 ,3 9 2)
o 5= \J (1/14 4)*((16/3)*0,3011)
a x= 0 ,1 0 5 6
El error del m uestreo estratificado es 0,1056.
c. Si se hubiere usado m uestreo aleatorio simple, entonces el tam año de la

m uestra se ría seis y el error están dar sería:
o -= \ J [(1 2 -6 )/(1 2-1 )]*(0,79282/6) = 0 ,2 3 9
C o m o se p u ede o b servar el m uestreo estratificado ofrece un error m ucho

m enor, lo que lo hace m ás confiable.
E n m u e s tre o estra tifica d o no s ie m p re se ca lc u la a n tic ip a d a m e n te un

ta m a ñ o de m uestra constante para ca d a estrato, sino que de acuerdo con las
c a ra c te rís tic a s de los m is m o s se c a lc u la n ta m a ñ o s de m u e s tra v a ria b le s ,

u s a n d o p a ra e llo d o s f o rm a s : u n a d e c o n v e n ie n c ia , lla m a d a a f i ja c ió n
p r o p o r c io n a l y otra re la c io n a d a c o n la v a ria b ilid a d del e s tra to , lla m a d a
a fija c ió n ó p tim a .
E n el m uestre o proporcional, el tam año de la m uestra se calcula com o:
nl= (n / N )* N i
don de n es el tam año de m uestra total fijado de antem ano.
El error estándar se calcula com o:
i=i
E n afijación óptim a, el ta m a ñ o de m uestra se calcula com o:
n¡= n * [ ( N i* o i) / I ( N l* o ¡)]
El error estándar se estim a así:
o -= \J (1/n) * { [ I ( N . * o,) / N ]2} - [I (N .* a 2) ] / N 2
EJEMPLO 2.32
La producción de una e m presa se ha dividido en tres estratos, de acuerdo

con la fracción defectuosa qu e presenten. P or registros de los últim os año s se
co n o ce la inform ación que se m uestra en el C u a d ro 2.21.
a. Si se desea tom ar una m uestra de 20 lotes, ¿cuántos lotes de ca d a estrato
se de b e n sele ccionar?
b. C o m p a re los errores está n d a r corresp ondientes con el error están dar de

m uestreo aleatorio sim ple.
CUADRO2.21. Información de porcentaje defectuoso en los últimos años
Estrato % Defectuoso Núm ero de Desviación

lotes estándar (% )
1 5 ó más 35 0,97
2 1,5 a 4,99 80 0,82
3 Menos de 1,5 15 0,30
TO TA L 130 1,25*
Para el total de la producción.
SOLUCION
a. Para efectos didácticos este problem a se resolverá por afijación proporcio

nal y por afijación óptim a. E n situaciones prácticas se debe esco ger el que
m ejor se adapte a las condiciones.
• Afijación proporcional
El C u a d ro 2 .22 m uestra los cálculos de tam año de m uestra.
C o m o se p u ede o b s e rv a r en el C u a d ro 2 .2 2 , para com pletar los 20 lotes

se le ccio n a d o s, se de b e n tom ar 5 lotes del estrato 1 ,1 2 lotes del estrato 2 y 3
lotes del estrato 3.
CUADRO 2.22. Cálculos por afijación proporcional
Estrato Tam año de la muestra
1 n, = (20/130) * 35 = 5,38= 5
2 n2 = (20/130) * 8 0 = 12,3 =12
3 n3 = (20/130) *15 = 2,3 = 3
• Afijación óptim a
Ei C u a d ro 2 .2 3 m uestra los cá lcu lo s iniciales para ob te n e r el ta m a ñ o de

m uestra por este m étodo.
C o n b a s e en el C u a d r o 2 .2 3 se c a lcu la n los ta m a ñ o s de m u e stra de la

siguiente m anera:
n, = 2 0 * (3 3 ,9 5 / 1 0 4,05) = 6 ,5 2 = 6
n2= 2 0 * (6 5 ,6 / 1 0 4 ,0 5 ) = 12,61 = 13
n3= 2 0 * ( 4 ,5 / 1 0 4 ,0 5 ) = 0 ,8 6 = 1
b. C o m p a ra ció n de errores
El error están dar para afijación proporcional es:
g _= sj [(1 30-20)/(130*20)]*[(1/130)*[(35*0,972)+ (8 0 * 0 ,8 2 2)+ (1 5 * 0 ,3 0 2)]
o -= 0 ,1 6 9
El error e stán dar para m uestreo por afijación óptim a es:
o -= \J (1/20)* [(104,05/13 0 )2] - (88,07/1302)
o; = 0 ,1 6 4
CUADRO 2.23. Cálculos iniciales para afijación óptima
Estrato N, N,*a, ai2 N,*a2
1 35 0,97 33,95 0,94 32,93

2 80 0,82 65,60 0,67 53,79
3 15 0,30 4,50 0,09 1,35
TO TA LE S IN * a .= 104,05 I N * 0¡2= 88,07

El error e stá n d a r si se usa m uestreo aleatorio sim ple se calcula así:
ax= \| [(1 3 0 -2 0 )/ (1 3 0 -1 )] * (1 ,252/20)
Oj=0,26
C o m o se puede observar, los errores del m uestreo por afijación proporcio
nal (0 ,1 6 9 ) y óptim a (0 ,1 6 4 ) son parecidos, m ientras que el error del m uestreo
a le a to rio s im p le ( 0 ,2 6 ) es a lto , p o r lo q u e s e p u e d e c o n c lu ir q u e no es
recom e nda b le usar este tipo de m uestreo en este caso.
RESUMEN
S e ha visto en este capítulo que:
1. La s aplicaciones de la estadística son am plias y variadas en los distintos

aspectos de la inspección de calidad.
2. La estadística es solam ente una herramienta poderosa para la solución de

problem as. Ella no es por sí sola la solución a los problem as de calidad.
3. E l a ná lisis de d a to s y la in fe re n cia e s ta d ís tic a , si son bien u sa d a s , se

convierten en p od erosas arm as para la tom a de decisiones.
4. E l m u e s tre o e s ta d ís tic o , en s u s d istin ta s fo rm a s , es un re c u rs o m u y

necesario para co n o ce r y corregir los procesos.
5. Para qu e los estudios estadísticos no pierdan su fundam entación científi

ca, es necesario tener m uy presente que deben seguirse los procedim ien
tos establecidos.
PREGUNTAS DE REPASO
1. Establezca claram ente las ventajas que ofrecen al control estad ístico déla
calidad, el análisis de datos y la Inferencia estadística.
2. R a zo n e m e surad am ente las características de los procesos que permiten

decidir si un estudio estadístico se debe hacer por variable continua o por
variable discreta.
3. ¿ Q u é u s o s tie n e n los in te rv a lo s de c o n fia n za p a ra p ro m e d io s y p a ra

va ria n za s ?
4. ¿ C u á l e s el principai objetivo de una p ru e b a de hipó tesis? ¿ P o r q u é se

deb e seguir un procedim iento?
5. ¿ Q u é im p o rta n c ia tie n e u n a b o n d a d de ajuste al e fe c tu a r un e s tu d io

estadístico?
6. E xplique en qu é consiste un análisis de varianza.
7. ¿ Q u é significa re c h a za r una hipótesis en un análisis de v a ria n za ?
8. ¿ E n qué consiste el M étodo de T u k e y y en qu é caso s se aplica?
9. ¿ C u á le s so n las d o s p rin c ip a le s c a ra cte rís tica s q u e d e b e c u m p lir u na

m uestra estadística? E xp líquelas detalladam ente.
10. ¿ E n qué casos se debe aplicar un m uestreo aleatorio simple o un m uestreo

estratificado? ¿ C ó m o se decide cuál es m ejor?
PROBLEMAS
1. El C u a d ro 2 .2 4 m uestra las m ediciones ejecutadas en el diám etro exterior

de un anillo. E stas m edidas fueron tom adas en g ru pos de siete anillos.
a. H a ce r una distribución de frecuencias de datos agrupad os para las 112

observaciones.
b. H a c e r representaciones gráficas de la distribución.
c. ¿ Q u é porcentaje de anillos tienen diám etro exterior superior a 32,241

m ilím etros?
d. ¿ Q u é porcentaje de anillos están entre 32,241 y 3 2 ,2 4 9 m ilím etros?
e. ¿ C u á n to s anillos se e s p e ra que tengan m edidas iguales o inferiores a

3 2 ,2 4 0 m ilím etros?
CUADRO 2.24. Mediciones de diámetro externo de un anillo

(medidas por encima de 32,200 milímetros)
G R U P O N?
# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 34 50 55 38 51 44 49 47 43 48 48 42 40 46 46 43
2 45 50 42 49 49 49 40 46 48 45 45 42 50 41 48 48
3 45 40 47 41 47 48 49 48 43 50 50 57 40 40 41 47
4 37 44 44 46 45 43 40 39 43 48 44 40 49 49 42 43
5 41 42 46 50 48 42 40 42 50 43 49 48 49 49 52 44
6 53 34 41 43 40 46 46 55 42 42 31 37 48 48 40 51
7 45 45 48 47 39 36 46 47 44 45 40 49 44 44 36 47
f. ¿ C u á n to s anillos se esp e ra que tengan m e didas superiores a 3 2 ,2 5 0

mm?
g. Si los anillos con diámetro exterior igual o inferior a 32,240 milímetros se

deben desechar, ¿q ué decisión tom aría si el costo de materia prim a es
de 0 1 44,00?
h. T o m a n d o en cuenta la siguiente inform ación:
-c o s t o de m a n o de obra por anillo = 030,95
-c o s to de e n erg ía con su m ida por anillo = 012,65
-c o s to s indirectos = 1 8 % de costos directos
-u tilid a d e s brutas = 3 5 % de costos directos
-im p u e s to s = 2 5 % del precio de los anillos
-n iv e l de producción m ensual = 10000 unidades
¿ C u á n to e s lo q u e la e m p re s a g a n a si los an illo s d e s e c h a d o s son

vendido s a 080 ca d a uno?
2. U n a em p re sa dedica da al pro cesam iento de cacao tiene problem as con el

p e so de u n o de su s p ro d u cto s. E s te pro ducto es c a c a o en po lvo q u e se
v e n d e en so b re s m a rca d o s con p e s o nom inal de 100 g. Para efectos de
e s tu d ia r la s itu a c ió n s e to m a ro n 60 s o b re s lle n o s, o rd e n a d o s en seis
g ru p os de d ie z unida de s qu e originaron la inform ación del C u a d ro 2.25.
H a g a un análisis estadístico para resolver el pro blem a de la operación de

llenado. Si el p roblem a existe estab lezca una estrategia para su solución.
3. E n una b od e ga de m ateria prim a se han recibido tres lotes de 20 unidades

cada uno. El núm ero de piezas por lote que cum plen con lo requerido es de
1 8 ,1 5 y 10 re s p e ctiva m e n te . D e un lote se to m a u na unidad q u e resulta
cum plir con lo requerido. D e s p u é s de restituir la unidad, del m ism o lote se
extrae otra qu e tam bién resulta cu m plir con lo requerido.
Hallar la probabilidad de que a m b a s piezas hayan sido extraídas del tercer

lote.
4. El proceso A produce piezas c u y a longitud se distribuye norm alm ente con

m edia 10,5 cm y va ria n za 4 c m 2. El proceso B pro du ce le0 m ism as piezas
CUADRO 2.25. Datos generados del peso de cacao en polvo
G ru p o No.
1 2 3 4 5 6
1 98,7 99,4 100,8 99,7 101,5 97,9

2 99,5 101,3 99,7 103,0 102,3 98,8
3 100,5 100,3 100,7 102,5 101,7 99,0
4 100,0 97,7 103,4 101,4 95,8 100,0
5 96,6 96,0 102,1 101,0 100,7 101,5
6 98,7 98,0 102,3 100,8 99,9 100,8
7 96,7 99,7 96,9 100,1 103,6 98,8
8 100,3 99,9 97,5 99,7 102,0 97,9
9 103,2 100,3 98,7 99,8 103,7 96,5
10 103,7 103,0 100,0 100,7 98,0 100,5
co n lo n g itu d ta m b ié n n o rm a lm e n te d is trib u id a co n m e d ia 1 0 ,4 cm
va ria n za 8 c m 2. La utilidad lograda u sand o el pro ceso A es de 080,00 po
pie za y usando el pro ceso B de 0150,00 por pieza.
Las piezas qu e no midan entre 9 y 14 cm , son desechadas. ¿ C u á l procesi

recom ienda usar y qu é criterio usó para la selección?
5. U n a fábrica de aluminio produce, entre otras cosas, un tipo de canal de un;

aleación de aluminio. P or experiencia, se sabe que la rigidez m edida en ps
está n o rm a lm e n te d istribuida con m e dia igual a 2 4 2 5 psi y desviaciói
e s tá n d a r 1 1 5 p s i. ¿ C u á l e s la p ro b a b ilid a d d e q u e un c a n a l de es;
alea ción, qu e es s e le ccio n a d o aleatoriam ente, teng a un va lo r de rigide:
com p re ndido entre 2230 y 2425 psi?
6. U n a población está form ada por cuatro elem entos cu y a s m agnitudes soi
5 , 8 , 1 2 y 15. D e m o s tra r el te o re m a del lím ite cen tral co n m u e stra s d;
tam año dos tom adas con reem plazo.
7. Lo s p e s o s de las b o b in a s de tela recib ida s en una b o d e g a de materia:

prim as tienen un peso m edio de 100 kilos con desviación estándar de 25 ki
los. ¿ C u á l es la probabilidad de que el peso de cinco bobinas re c ib id a s '
ca rga das en una carretilla supere el límite de capacidad de ésta que es di
600 kilos?
8. E n el P ro ble m a No. 7:
a. ¿ C u á l e s la p ro b a b ilid a d de que la m e d ia se e n c u e n tre entre 95 ,5 '

108 ,7 5 kilos?
b. Si se recibieran estas b ob in as en g ru p o s de ta m a ñ o cinco, ¿cuánta:

bobinas se espera que tengan un peso m edio superior a 107,7 kilos?
9. En un proceso de producción de láminas de acero para techo, se necesit;

co n o ce r el com portam iento de su grosor. Si se extrae una m uestra de 11
e le m e n to s , q u e o rig in a u n a m e d ia de 0 ,0 5 8 c m , c o n u n a d e s v ia c ió i
e stán dar de 0 ,0 0 2 8 cm
a. D ete rm inar la probabilidad de encontrar lám inas que tengan;
- u n g roso r igual o superior a 0,06 cm
- u n g roso r entre 0,05 y 0,0 6 5 cm
- u n g roso r igual o inferior a 0,056 cm

b. ¿ C o n qu é nivel de co n fia n za se p u e d e afirm ar qu e este p ro ce so p ro

d u ce lám inas con un g rosor que se encuentra entre 0,055 y 0,061 cm ?
10. Para una distribución t-student con 15 grados de libertad, hallar el valor del
estadístico t, tal que:
a. el áre a a su derech a es 0,01
b. el áre a a su izquierda es 0,95
c. el áre a entre él y el valor de t2es de 0,95
11. El v o lu m e n p ro m e d io de un ta n q u e es de 305 litros. S i se e je cu ta n 22

m ediciones del volum en, la desviación estándar correspondiente es de 35
litros. D eterm ine la probabilidad de que la m edia de esas m ediciones:
a. esté com prendida entre 290 y 304 litros
b. se a inferior a 308 litros
c. se a superior a 299 litros
12. Para analizar la dispersión de una m áquina cortadora de alam bre, se tom a
una m uestra de 30 pie za s cortadas. Si la desviación están dar de corte es
de 3 ,1 5 c m . ¿ C u á l e s la p ro b a b ilid a d de h a lla r en las 30 p ie z a s u n a
desviación estándar:
a. S u p e rio r a 2 cm
b. Inferiora 1 ,8 cm
c. E ntre 1,7 y 2,8 cm
13. C o n el fin de analizar la calidad sum inistrada por dos m áquinas troquelado
ras, se tom a inform ación sobre el diám etro de m uestras de piezas m aqui
nadas. El C u a d ro 2.2 6 m uestra esta inform ación.
D eterm ine cuál es la probabilidad de qu e la razón de v a rianzas:
a. S e a superior a 2,5
b. S e a inferiora 0,8
c. S e encuentre entre 0,95 y 2,35

CUADRO 2.26. Información para el problema No. 13
Máquina Tam año de Media Desviación

Muestra estándar
1567-A 31 5,5 cm 0,75 cm

1568-B 27 5,8 cm 0,72 cm
14. La p ro b a b ilid a d de q u e no falle un tra nsistor es d e 0 ,9 5 . S e p ru e b a n 5

transistores. ¿ C u á l es la probabilidad de que fallen dos transistores, de tal
m ane ra que el se g u n d o transistor que falle sea pro bado de último?
15. U n p ro c e s o de m a n u fa c tu ra de circu ito s in te g ra d o s p ro d u c e c o n una

fracción defectuosa de 0 ,5 5 % . C a d a 20 m inutos se tom a una m uestra de
2 0 0 unidade s al aza r. Si la m uestra contiene u na o m ás unidade s defec
tu osa s, el p ro ce so deb e ser parado. D eterm ine la probabilidad de qu e el
proceso sea parado de acu erdo con el e sq u e m a de m uestreo.
16. P o r e x p e rie n c ia se s a b e q u e la p ro b a b ilid a d de q u e un to rn illo sa lg a

defectuoso es 0,0 5 y la de qu e una tuerca salga defectuosa es 0,04.
a. ¿C u á l es la probabilidad de que una tuerca escogida al a za r y un tornillo

esco gido al a z a r no ajusten y por lo tanto el par no pueda ser usado?
b. Si la fábrica ve n d e su pro d u cto en cajas de 2 0 0 parejas. ¿ C u á l es el

núm ero e sperado de parejas defectuosas?
17. U n fabricante de piezas para autom óviles garantiza que una caja de estas
piezas contiene un m áxim o de 2 unidades defectuosas. Si la caja contiene
20 piezas y la experiencia dem uestra que el proceso produce 2 % de piezas
defectuosas, ¿cuál es la probabilidad de que una caja de piezas satisfaga
esta garantía?
18. E n un proceso de fabricación de bombillos, se tiene una fracción defectuo

sa de 0,02. Hallar la probabilidad de que en una m uestra de 100 bombillos
se encuentren:
a. cero defectuosos
b. un defectuoso
c. m e nos de un defectuoso
d. m á s de tres defectuosos
19. La probabilidad de qu e un dispositivo electrónico falle es de 0 ,0 0 2 5 . Si se

to m a n 3 0 0 0 d isp o s itivo s p a ra un análisis, hallar la p ro babilidad d e que
fallen:
a. 8 dispositivos
b. 3 ó 6 dispositivos
c. D e 4 a 7 in c lu s iv e
d. M e nos de 3 dispositivos
e. M ás de 9 dispositivos
20. U n a m uestra de 12 calcetines de algodón son som etidos a una nru e b a de

resistencia de rotura de h e b ra s. El resultado del experim ento g e n e ró un
prom e dio de resistencia de 2 1 2 ,1 7 g/cm2con una desviación están dar de
3 5 ,6 5 g/cm 2. H a lla r los lím ites de co n fia n za del 9 5 % para la m e d ia y la
desviación estándar.
21. D o s m á q u in a s lle n a d o ra s d e g e la tin a en p o lv o e s tá n s u m in is tra n d o

paquetes con variabilidad m u y alta en su peso. C o n el fin de an a liza r esta
s itu a c ió n s e to m a n 5 0 p a q u e te s de la m á q u in a I y 6 0 p a q u e te s de la
m áqu ina II, originando las distribuciones de frecuencia del C u a d ro 2.27.
a. ¿ S e pu e d e afirm ar con a = 5 % , q u e una de estas m áqu inas g e n e ra un

peso superior a la otra?
b. ¿ C u á l es la probabilidad de co m e te r error tipo II?
c. ¿ S e p u e d e afirm ar con a = 5 % , q u e h a y diferencia entre los p e s o s de

am b a s m á q u in a s?
22. E n u na inve stig a c ió n so b re eficacia y re n dim iento de d o s tipos d e s u s

tancias quím icas usada s co m o pegam ento, se hicieron dos pruebas piloto,
u n a co n c a d a u n a de e lla s, m id ie n d o la re s is te n c ia a la te n s ió n . E sta
CUADRO 2.27. Distribuciones de frecuencia del Problema 21
L| L. "« nwi
82,95 83,75 5 6
83,75 84,55 7 9
84,55 85,35 14 18
85,35 86,15 11 15
86,15 86,95 7 7
86,95 87,75 6 5
nkl: frecuencia absoluta de máquina I

nkll: frecuencia absoluta de máquina II
p ru e b a co n s is te en te n s a r las partes p e g a d a s h asta q u e se s e p a ra n ,

m o m e n to en que se m ide la fuerza requerida. Los valores obtenidos para
a m b a s pru e bas se observan en el C u a d ro 2.28.
¿E xiste alguna diferencia significativa entre a m bos pegam entos? ¿C u á l es

la probabilidad de error tipo II?
CUADRO 2.28. Datos para el Problema 22
M uestra # Pegam ento I Pegam ento II
1 174.0 173.0
2 173.5 171.5
3 172.6 172.0
4 173.0 173.8
5 171.5 171.1
6 172.5 172.4
7 173.6 172.0
8 172.0 173.8
2 3. La resistencia a la rotura de cables producidos por un fabricante tiene una

m e dia de 90 0 kilos y u na d e s via ció n e stán dar de 50 kilos. M ediante una
nue va técnica en el proceso de fabricación, se aspira a que esta resistencia
pu e da se r increm entada. Para co m p ro b a r esta suposición se e n s a ya n 50
c a b le s y s e e n c u e n t ra u n a re s is te n c ia m e d ia d e 9 2 5 kilos c o n u n a
desviación estándar de 55 kilos ¿ P u e d e aceptarse que hay un increm ento
significativo en la resistencia?
24. U n a m áquina debe producir arandelas con un grosor de 0,125 cm . S e saca

u na m uestra de 10 arandelas que resultan tener un grosor m edio de 0,135
c m y u n a d e s via c ió n e s tá n d a r d e 0 ,0 0 7 . P ru e b e si la m á q u in a e stá en
b u e n a s condiciones de fabricación.
2 5. Si en 250 piezas producidas por la m áqu ina A, hay 19 piezas defectuosas,

y en 300 de la m áquina B, 27 defectuosas ¿existe diferencia en cuanto a la
c a lid a d s u m in is tra d a p o r a m b a s m u e s tra s re s p e c to a su p o rc e n ta je
defectuoso pro ducido? U s e a = 3 % .
2 6. U n estudio destinado a co m p a ra r el contenido de nicotina de dos m a rca s

de cigarrillos reveló qu e 5 0 cigarrillos de la m arca A , tenían un contenido
p ro m e d io de 2 4 ,2 m ilig ra m o s con u n a d e s via ció n e s tá n d a r de 1 ,3 m ili
g ra m o s , m ien tra s q u e 5 0 cigarrillos de la m a rca B , tenían un co n te n id o
m edio de 25,1 miligram os, con una desviación estándar de 1,5 miligramos.
¿ E s significativa la diferencia o b s e rv a d a entre las m edias? U se a = 5 % .
2 7. S e tom a una m uestra de 18 piezas provenientes de la m áquina 12 3 -A , que

g e n e ra n u n a re s is te n c ia m e d ia a la c o m p re s ió n d e 2 2 0 0 psi c o n u n a
desviación estándar de 150 psi. Lu eg o se toman 16 piezas provenientes de
la m áquina 12 4 -B ; qu e generan u na resistencia m edia a la com presión de
2410 psi con una desviación estándar de 145 psi. Las piezas de la m áquina
12 3 -A , cue sta n m e n o s qu e las de 12 4 -B y se c o m p ra rá n las de la 12 4 -B ,
solo si resultan por lo m enos 150 psi m ás resistentes qu e las de la m áquina
1 2 3 -A . ¿ Q u é solución le da U d a este pro blem a? U s e a = 5 % .
28. S e quiere hacer un análisis sobre una pieza m ediante la utilización de dos
p r o c e d im ie n t o s . E n el p r o c e d im ie n to A s e u s a u n a m u e s tra d e 2 5
e le m e n to s y en el p ro c e d im ie n to B d e 16 e le m e n to s . El C u a d r o 2 .2 9 .
m uestra los resultados correspondientes.
CUADRO 2.29. Información para ambos procedimientos
Procedim iento Prom edio Desviación

Estándar
A 136 cm 12cm
B 128cm 10cm
P robar las hipótesis respectivas, si u = 135 cm y o = 20 cm , con a = 5 % .
2 9. D e un lote de 10 0 0 0 u n id a d e s se to m a n 2 6 0 p ie z a s e n c o n trá n d o s e un
núm ero de defectos com prendido entre 0 y 13 defectos distribuidos según
el C u a d ro 2 .30. ¿ S e puede afirm ar con a = 6 % , que la variable aleatoria se
distribuye por Poisson?
30. Al a nalizar la calidad de un lote se pueden encontrar, segú n los registros

históricos, u na cantidad de defectos qu e oscila entre 1 y 8. Ai so m e te r a
in s p e c c ió n un lote d e 2 5 6 u n id a d e s s e e n c o n tró el c o m p o rta m ie n to
m ostrado en el C u a d ro 2.31.
Determ ine con cc= 5 % , si la distribución correspondiente a este conjunto es

la distribución geom étrica g (x ;0 .5 )
CUADRO 2.30. Defectos encontrados en las 260 piezas del problema 29
No. defectos No. de piezas No. defectos No. de piezas
0 18 7 10
1 44 8 10
2 58 9 9
3 28 10 9
4 18 11 8
5 14 12 14
6 12 13 8
CUADRO 2.31. Datos obtenidos para el problema 30
X 1 2 3 4 5 6 7 8
f 136 60 34 12 9 1 3 1
x: número de defectos
f: número de piezas con ese número de defectos
La función den sid ad de esa distribución es:
g (x ,p ) = p . qx_1
31. P a ra el P ro blem a 21 se establece que el producto que no pese entre 83,0

y 8 6 ,0 g ra m o s, no se acep tará c o m o bueno.
a. P ru eb e norm alidad de peso para a m b a s m áquinas.
b. ¿ Q u é se puede decir, con 9 5 % de confianza, acerca de los porcentajes

de producto no co n fo rm es en a m b a s m áquinas?
32. T r e s p ro v e e d o re s e n tre g a n lotes de p ro d u c c ió n q u e se p ru e b a n en el

laboratorio. La prueba consiste en m edir la resistencia a la com presión en
psi. Los datos correspondientes a los últimos tres lotes de cada proveedor
se m uestran en el C u a d ro 2 .32.
CUADRO 2.32. Datos obtenidos de las pruebas para el problema 32
Proveedores
A B C
60500 69000 68000
59000 58000 61000

62500 65500 64500
T
a. C o n un n iv e l d e s ig n if ic a c ió n d e l 5 % , p r o b a r si h a y d if e re n c ia s
significativas para las m edias de cad a lote.
b. C o n un n iv e l d e s ig n ific a c ió n d e l 5 % , p r o b a r si h a y d if e re n c ia s
significativas para las m edias de cad a lote y para cada proveedor.
c. S i h a y d ife re n cia s en cu a lq u ie ra de los c a s o s , d e m o s tra r d ó n d e se

presentan esas diferencias.
3 3. E n una em presa fabricante de piezas cilindricas se han generado m uchos

re cha zo s en los últimos m eses y se cree que ello se debe a las diferencias
m o s tra d a s entre las d im e n s io n e s g e n e ra d a s entre las m á q u in a s y a la
Inexactitud de las m ism as. P a ra investigar esta situación se tom an cinco
m uestra s de cincuen ta unidades de ca d a m áqu ina, m idiendo su longitud
en m m y originando la inform ación presentada en el C u a d ro 2.33.
a. ¿ S o n ciertas las hipótesis planteadas con a = 5 % ?
b. Si h a y diferencias, ¿e n qué m áquinas las h a y? U s e a = 5 %
3 4. La resistencia a la tensión ha sido una de las características que m ás ha

fallado en la elaboración de cintas vulcanizadas para llantas. Para analizar
la situación se e n s a y a n dos m u estra s a diferentes tiem pos de c u ra d o a
14 ° C y u s a n d o d ife re n te s a c e le r a d o r e s . L a in f o rm a c ió n o b te n id a
p re sentada en el C u a d ro 2.3 4 es para tres tiem pos de curado en minutos.
M A Q U IN A S
A B C D
M 53,4 55,5 53,3 54,3

E 55,8 56,0 56,2 54,9
D 54,5 55,0 54,0 55,8
I 55,6 55,5 55,0 54,1
A 54,0 54,6 53,8 53,5
ACELERADOR
A B C
T 40 3900 4300 3700

I 3600 3700 4100
E
M 60 4100 4200 3900
P 3500 3900 4000
0
S 80 4000 4300 3600
3800 3600 3800
a. ¿ S e p u e d e afirm ar con a = 5 % , q u e la resistencia m edia v a ría seg ú n el

tipo de acelerado r?
b. ¿ S e p u e d e a firm a r c o n c t= 5 % , q u e la re s is te n c ia m e d ia v a ría de
a cu erdo con el tiem po de curado?
c. Si h a y diferencias identifique: ¿ e n qu é tipo de a celerado r o tiem po de

cu rado se pre senta?
35. Para el P ro b le m a 22:
a. ¿ Q u é ta m a ñ o de m u e s tra s e re q u ie re p a ra lo g ra r un e rro r tipo II de

0 , 12 ?
b. D e acuerdo con los resultados obtenidos en 1. ¿q u é nivel de confianza
se requiere pa ra obtener una decisión contraria a la obtenida?
c. Si se considera defectuoso todo aquello que teng a un valor bajo 171,0

y sobre 173,0 y se supone distribución normal para am bas poblaciones.
- ¿ q u é s e p u e d e a firm a r a c e rc a d e los p o rc e n ta je s d e fe c tu o s o s
sum inistrados por a m bos tipos de peg am ento?
- si se fija un porcentaje defectuoso de 1 % , ¿ q u é se pu ede afirm ar de

c a d a u n o de los p e g am entos?
d. Si se fija el siguiente estim ador de la desviación estándar: a ’=T/3 donde

T es la tolerancia dad a, ¿ q u é se pu ede decir de las va ria n za s de cad a
tipo de p e g am ento si T es igual 2 ,0 ?
e. Si se especifica que el prom edio de resistencia debe ser 172,0, ¿qué se

p u e de decir de la eficacia obtenida por cad a tipo de pegam ento?
Nota: use a = 5 % para todas las estim aciones
36. U n a fábrica dise ñ a e m p a q u e s p a ra pro du ctos alim enticios. La form a de

trabajo consiste en diseñar varios bocetos y m ostrarlos al cliente. Actua l
m ente se han pre sentado a un cliente cuatro o pcion es de diseño para su
a p ro b a c ió n . P a ra e v a lu a r c a d a d is e ñ o se e s tim a el m o n to de v e n ta s
anu a les para ca d a opción.
La s cuatro opciones se presentan en el C u a d ro 2.35.
L a inform ación o bte nid a del A N O V A se pre senta en los C u a d ro s 2 .3 6 y

2.37.
¿ Q u é opción se p u e d e considerar la m ejor? U s e ot=5%
37. S i se d e s e a m u e s tre a r un lote de 5 0 0 0 0 u n id a d e s , p a ra v e rific a r el

p ro m e d io de d e fe c tu o s o s , ¿ c u á l d e b e s e r el ta m a ñ o de la m u e stra si:
p = 0 ,0 4 , E = 0 ,1 ,1 -a = 9 5 % ?
38. S e d e s e a m u e s tre a r la p ro d u c c ió n de u n a m á q u in a p a ra e s tim a r el

prom edio del diám etro de las piezas qu e fabrica. ¿ C u á l es el tam año de la
m uestra que garantiza un error no m a yo r de 0,5, con 9 5 % de confianza, si
se sa b e qu e cr2= 4 ,7 c m 2?
CUADRO 2.35. Opciones de diseño presentadas al cliente
O pción Descripción
A Tres colores con dibujos animados

B i res colores sin dibujos animados
C Cinco colores con dibujos animados
D Cinco colores sin dibujos animados
CUADRO 2.36. Tamaño de muestra y promedios
O pción
A1 B C D
", 2 3 4 2
15 13 19 27
CUADRO 2.37. Cuadro ANOVA deI Problema 36
O rigen g-1. Sum a de C uadrados C uadrado m edio F
Diseño 3 258 86 11,21

Error 6 46 7,67
TO TA L 9 304
39. U n de pa rtam ento de control de calidad lleva un registro sobre la cantidad

de defectuosos encontrados por sem ana. La Información se presenta en el
C u a d ro 2.38.
a. Extraer una m uestra aleatoria de seis elem entos, utilizando m uestreo

aleatorio sim p le y m uestreo estratificado. E n a m b o s ca so s estim e los
parám e tros poblacionales y el error estándar.
b. ¿ C u á l de los dos tipos de m u éstre o s es preferible?
40. L o s p o rc e n ta je s d e fe c tu o s o s d e ios lotes re c ib id o s p o r u n a c o m p a ñ ía

oscilan entre 0 ,5 % y 3 ,5 % . D u ra n te el pre sente a ñ o se han recibido 216
lotes que se han dividido en tres estratos, cuya inform ación se m uestra en
el C u a d ro 2.39.
JORGE ACUÑA ACUÑA
CUADRO 2.38. Datos registrados en las últimas doce semanas
Sem ana Cantidad de

núm ero defectuosos
1 30
2 45
3 60
4 20
5 15
6 10
7 10
8 50
9 30
10 35
11 9
12 17
CUADRO 2.39. Información para el Problema 40
Estrato % Defectuoso Núm ero de Desviación

lotes estándar del %
1 0 ,5 % -0 ,9 9 % 98 0,05
2 1 ,0 % -1 ,9 9 % 106 0,15
3 2 ,0 % -3 ,5 0 % 12 0,35
a. S e d e s e a sa ca r una m uestra de 40 lotes, ¿cuál es el n ú m ero de lotes

que se de b e extraer de ca d a estrato? U s e tanto afijación óptim a com o
proporcional.
b. C a lc u le los e rro re s c o rre s p o n d ie n te s y c o m p a re a m b a s fo rm a s de

estratificar.
Capítulo III
INGENIERIA DE CALIDAD
a ingeniería de calidad es la disciplina que se e n c a rg a
L
de investigar los m edios que perm iten la dism inución y
si e s p o s ib le la e lim in a c ió n d e la v a ria b ilid a d en los
p ro c e s o s . E s te e s tu d io s e h a c e a n te s de in ic ia r la
p ro d u c c ió n y tie n e c o m o o b je tiv o in v e s tig a r to d a s
a q u e lla s c a u s a s q u e p ro v o c a n que u na d e te rm in a d a
c a ra c te rís tic a d e c a lid a d s e c o m p o rte c o n a m p lia s
tolerancias.
Para ejecutar este tipo de investigaciones se nece

sita un o rd e n a m ie n to en las activid ades de d ise ñ o de
producto de tal m an e ra que se pu eda h acer uso de las
herram ientas estadísticas y de laboratorio para efectuar
las p rue bas que sean necesarias.
La b a s e estadística de este tipo de estu dios es el

d is e ñ o de e x p e rim e n to s q u e a tra v é s d e d ife re n te s
fo rm a s de p ru e b a perm iten identificar y co n tro la r las
causa s de posibles problem as de calidad en la etapa de
diseño de producto.
E n la a ctu a lid a d , la te n d e n c ia es h a cia co n stru ir

calida d en la etapa de d iseño de producto, e v a lu a n d o
las diferentes m odalidades en que las características de
calidad p u eden actuar.
160 CONTROL DE CALÍDAD
CARACTERISTICAS DE CALIDAD
El control de p ro ce so de un pro d u cto se ejecuta so b re la ba s e de c a ra c

terísticas de calida d que se g e n e ra n en las diferentes etapas de fabricación.
U n a ca ra cte rística de calidad es u n a va riable o un atributo g e n e ra d a en una
o p e ra ció n de p ro d u cció n y q u e d e b e cu m p lir con los requisitos fijados. Si la
característica es u na variable significa qu e es m edible (p o r ejem plo: longitud,
tem peratura, presión, hum edad y p H ). Si ésta es un atributo significa que no es
m edible (p or ejem plo: olor, color, sab or, apariencia y textura).
E n el control p o r va ria b le s, s e ejecu tan una serie de m e d icio n e s co n un

instru m e n to a d e c u a d a m e n te se le c c io n a d o . La m ag nitu d o bte nid a refleja la
con dició n del p ro ce so y perm ite ob te n e r con clusiones para realizar accio n es
correctivas, p re ve ntivas y pro yectivas que evitarán futuros problem as.
E n el control por atributos, se recolecta inform ación acerca de la cantidad

d e u n idade s d e fe ctu osas a s í c o m o de los defectos en co n tra d o s. E n esta a c
ción se tom a nota de posibles ca u sa s y se tom an decisiones para decrem entar
tanto la ca n tid a d de d e fe c tu o s o s c o m o la ca n tid a d y v a rie d a d de d e 'o c to s .
T a m b ié n p ueden usarse para el control de producto que no siendo defectuoso
no cu m p le con lo especificado.
T a l y co m o se p u ede abstraer de la definición de característica de calidad,

un producto tiene una gran cantidad y variedad de características. A n te ello, es
n e c e s a rio e je c u ta r u na cla sifica ció n con el fin de d e te rm in a r a q u e lla s m á s
Im portantes y relevantes. P ara ejecu tar esta clasificación se hace uso de tres
d iagram as que son el diagrama de Ishikawa, el diagrama de Pareto y el dia
grama de causa- efecto. La cla sifica ció n co n sis te en re c o le cta r to d a s las
ca ra cte rística s y p o n erlas en el d ia g ra m a de Ishikaw a, lu eg o clasificarlas de
acuerdo con su frecuencia e importancia en un diagram a de Pareto y finalmente
en co n tra r las c a u s a s y efectos o ca sio n a d o s por la falla de las características
se le cciona da s, u sand o d ia g ra m a s cau sa -efecto .
Diagrama de Ishikawa
Este diagram a, también conocido com o diagrama de espina de pescado,

es un m e dio de re c o le cta r la info rm a ció n so b re to d a s las ca ra cte rística s de
calidad g e n e ra d a s en la fabricación del producto.
Existen tres tipos de d ia g ra m a s de Ishikawa, el diagram a para e l proceso

en el que se colocan las operaciones de proceso en las ram as, el diagram a para
e l p ro d u cto en el que se colocan las partes del producto en las ram as y el dia
g ra m a g e n e ra l en el q u e se an o ta n las c a ra cte rística s d ire c ta m e n te en las
ram as, de a cu e rd o con su ocurrencia. E n el diag ram a para producto, adem ás
d e las partes, es reco m e n d a b le anotar, en las ram as, el n o m bre del producto
final p u e s existen características que se o bservan solo en él.
El procedim iento para construir este diagram a es el siguiente:
1. E le g ir el producto o pro ceso qu e se v a a estudiar.
2. C o lo c a r la palabra proceso o el nom bre del producto (para diagram a para

producto y diagram a general) en el extrem o derecho de una flecha horizon
tal, tal y co m o lo m uestra la Figura 3.1.
3. H a c e r u n a lista de to d a s las ca ra cte rística s de calidad q u e se g e n e ra n .

E sta lista se efectúa para cada parte del producto, cada etapa del proceso,
o en form a general. E n esto, se deb e tom ar en cuenta al operario y a ins
p ecto res exp erim entados con el fin de no dejar por fuera aq uellas c a ra c
terísticas qu e te n g a n u na periodicidad m u y irregular o m u y e sp a c ia d a y
que por lo tanto pu ede qu e no se detecten en el período de observación.
4. O rd e n a r la información en forma secuencial, de acuerdo con las partes que

c o m p o n e n al producto o las etapas qu e conform an el proceso.
5. D ibujar las flechas diagonales (ra m a s principales) sobre las que se repre
s e n ta rá n las partes del p ro ce s o , las partes del p ro d u cto o las c a ra c te
rísticas de calidad. E sto se puede ve r en la Figura 3.2.
Nombre de producto
>
Proceso
>
FIGURA 3.1. Formas de la flecha horizontal
Rama
6. D ib u ja r las s u b ra m a s si e x iste n v a ria c io n e s p a ra la c a ra c te rís tic a de

calidad anotada.
7. Verificar qu e toda s las características han sido anotadas.
E J E M P L O 3.1
E la bo ra r un diag ram a de Ishikaw a para producto para un abridor de latas

con ba se en la siguiente inform ación recolectada.
1. El producto está com puesto por las siguientes partes: m anigueta superior,
m a n ig u e ta inferior, cu ch illa de co rte , p iñ ó n , patilla de giro del p iñ ó n y
rem ache de cuchilla.
2. La s características de calidad para cad a parte son las siguientes:
Manigueta superior Manigueta inferior

- resistencia - longitud
- porosidad ' - diám etro
- longitud - porosidad
- im presión - resistencia
- du re za - dureza
- aca b a do
Cuchilla de corte Piñón

- ángulo de corte - paso del diente
-filo - du reza
- profundidad de corte - resistencia

- resistencia - porosidad
- du re za - nú m e ro de dientes
- porosidad - diám etro exterior
- pulido - ajuste
Remache de cuchilla Patilla de giro del piñón

-tip o -flexibilidad de giro
- longitud - an ch o
- holgura - resistencia
- diám etro exterior - porosidad
- a ca b a do - elasticidad
- diám etro de c a b e za
Abridor de latas
- apariencia
- peso
- e m p aq ue
S O L U C IO N
C o n ba se en la inform ación su m inistrada se con struye el d ia g ra m a que

m uestra la Figu ra 3.3.
Diagrama de Pareto
El diag ram a de Pareto perm ite clasificar las características de calidad de

acuerdo con su frecuencia de ocurrencia y su importancia. Esta acción permite
c e n tra r la a te n c ió n s o la m e n te s o b re a q u e lla s c a r a c te r ís tic a s q u e sean
im portantes y no triviales. E ste d ia g ra m a se u sa tam bién en clasificación de
inventarios y es co m ú n m e n te con ocido co m o clasificación A B C .
E n la aplicación de esta técnica se hace uso de la siguiente categorizaciór

de características:
Característica crítica (A): es aquella falla qu e puede pro vocar la pérdida

de vida de personas, el da ñ o a la propiedad privada o hace que el producto nc
cu m p la con el fin para el cual fue creado.
M anigueta superior Rem ache Cuchilla de corte
FIGURA 3.3. Diagrama de Ishikawa para un abridor de latas
Característica principal o mayor (B): e s a q u e lla q u e h a c e q u e el

p ro du cto de je de cu m p lir con la función intentada si cae fu era de los lím ites
prescritos.
Característica menor (C): es a q u e lla q u e h ace q u e el p ro d u cto te n g a

fallas de poca im portancia si ca e fuera de los límites prescritos.
Característica incidental o irrelevante ( D ) : es a q u e lla falla q u e no

p ro voca p ro blem a s im portantes y en m u ch o s ca so s pasa de sa p e rcib id a a los
ojos del usuario. El cliente raras v e c e s se queja por este tipo de falla.
La clasificación de características o b e d e c e a u na política de elim inación

de p ro ble m a s. La regla m á s u sa d a es la del 8 0 % y consiste en b u sc a r cu ále s
ca ra cte rística s p ro v o ca n el 8 0 % de los pro b le m a s de calidad. La regla es la

siguiente:
De 0 % a 8 0 % se d en om inan características críticas

D e m á s de 8 0 % a 9 5 % se d en om inan características m ayores
D e m á s de 9 5 % a 9 8 % se d en om inan características m enores
D e m á s de 9 8 % a 1 0 0 % se denom inan características incidentales
E l p ro ce d im ie n to de se le cció n de c a ra cte rís tica s de calida d u sa n d o el

d ia g ra m a de Pareto es el siguiente:
1. Listar todas las características de calidad presentadas en el diag ram a de

Ishikaw a. (C o lu m n a 1)
2. T o m a r u n a m u e s tra de p ro d u c to te rm in a d o de ta m a ñ o p re v ia m e n te
c a lc u la d o y to m a r n o ta de la fre c u e n c ia d e fa lla de c a d a u n a d e las
características de calidad listadas en 1. (C o lu m n a 2)
3. O t o r g a r un p e s o (w ) a c a d a c a ra c te rís tic a d e s p u é s de un a n á lisis de

criticidad y ubicarla dentro de una de las cuatro categorías citadas. Puede
u sa rse u na esca la de peso , c o m o la siguiente: 1 0 0 ,5 0 , 2 5 ,1 s e g ú n sea
característica crítica, principal, m e n o r o incidental. (C o lu m n a 3)
4. M u ltip lica r la fre c u e n c ia a n o ta d a en 2 (n :) p o r el co rre s p o n d ie n te peso

a sig n a d o en 3. (w¡). (C o lu m n a 4)
5. S u m a r la colu m n a 4 y obtener el total correspondiente.
6. C a lc u la r el p o rce n ta je de c a d a c a ra c te rís tic a d iv id ie n d o el v a lo r de la

C o lu m n a 4 por el total obtenido en el paso 5. (C o lu m n a 5)
7. A n o ta r en un s e g u n d o c u a d ro el listado de c a ra c te rís tic a s de ca lid a d

o rd e n a d a s de m a y o r a m e n o r con base en el porcentaje ca lcu lado en ei
p a so 6 el cual se anota en la C o lu m n a 5. (C o lu m n a s 6 y 7)
8. C a lc u la r el p o rc e n ta je a c u m u la d o , a c u m u la n d o el p o rc e n ta je de la
co lu m n a 7. (C o lu m n a 8)
9. Efectuar el corte al 8 0 % y asignar a cada característica en el intervalo de 0

a 8 0 % , su c o r re s p o n d ie n te c la s ific a c ió n id e n tific a d a p o r u n a letra.
(C o lu m n a 9)
10. C o n s tru ir el eje x c o n e s c a la indiferente pero de igual a n c h o p a ra cad a

c a r a c t e r ís t ic a d e c a lid a d y el eje / c o n u n a e s c a la d e 0 a 1 0 0 q u e
representa el porcentaje.
11. Dibujar el rectángulo correspondiente a cada característica de la altura que

indique la co lu m n a 2.
12. Dibujar el a cu m u la d o de la colu m n a 3.
13. Localizar en el eje y, los valores 8 0 % , 9 5 % y 9 8 % y observar en el eje x las

c a ra c te rís tic a s q u e s e d e n o ta rá n c o m o c rítica s , m a y o re s , m e n o re s e
incidentales. P a ra hacer esto se localiza el valor y se traza una línea hori
zontal hasta intersecar la línea de porcentaje a cu m u la d o , luego se traza
una línea vertical de la intersección al eje x. Las características encerradas
por el cu a d ro form ado son las que corresponden a la categoría en estudio.
14. O b te n e r las conclusiones de la clasificación.
EJEMPLO 3.2
Efe ctuar un dia g ra m a de P areto para las características de calidad va ria

bles del abridor de latas citado en el E jem plo 3.1. La regla por seg u ir es la del
8 0 % y se desean identificar las características críticas sobre las qu e se basará
el su bsiste m a de control de pro ceso.
Para clasificarlas haga uso de la información que se presenta en el C uadro

3.1 que se obtuvo de una m uestra de 200 unidades.
SOLUCION
S e seguirá el procedim iento planteado.
a. Los paso s 1 ,2 y 3 se pre sentan en el C u a d ro 3.2.

b. Lo s paso s 4 , 5 , 6 , 7 , 8 y 9 se presentan en los C u a d ro s 3.3 y 3.4.
c. Lo s paso s 1 0 ,1 1 ,1 2 y 13 se presentan en la F ig u ra 3.4.
CUADRO 3.1. Información recolectada para 200 unidades
Característica Abridores que no cumplieron Peso (w)

(Columna 1) (Columna 2) (Columna 3)
1. Dureza de manigueta inferior 2 100

2. Longitud de manigueta inferior 3 25
3. Longitud de manigueta superior 5 1
4. Dureza de manigueta superior 4 50
5. Diámetro de manigueta inferior 5 50
6. Resistencia de manigueta inferior 4 25
7. Angulo de corte 25 100
8. Profundidad de corte 10 100
9. Dureza de cuchilla de corte 15 50
10. Resistencia de cuchilla de corte 1 1
11. Paso del diente 20 25
12. Dureza del piñón 1 50
13. Resistencia del piñón 5 50
14. Número de dientes 6 5U
15. Diámetro exterior del piñón 24 25
16. Longitud del remache 30 1
17. Diámetro exterior del remache 25 25
18. Holgura del remache 10 100
19. Holgura de la patilla 10 100
20. Ancho de la patilla 25 50
21. Resistencia de la patilla 5 100
C o n c lu s io n e s
Al o bserva r la Figura 3.4 o el C u a d ro 3.4 se concluye q u e la característica

m ás im portante es la N o. 7 qu e es el ángulo de corte y la m e n o s im portante la
N o. 10 qu e es la resistencia de la cuchilla de corte. A su v e z el subsistem a co n
trol de p ro ce so basará su s accio n es en las características pre sentada s en el
C u a d ro 3 .4 . Esto significa qu e el subsistem a bu sca la elim inación del 8 0 % de
los pro ble m as de calidad por m edio del estudio e im plem entación de m edidas
sobre las características seleccionadas.
CUADRO 3.2. Cálculos Intermedios para el Paretograma
Característica ", w n*w Porcentaje

(Columna 1) (Columna 2) (Columna 3) (Columna 4) (Columna 5)
1 2 100 200 1,800

2 3 25 75 0,670
3 5 1 5 0,040
4 4 50 200 1,800
5 5 50 250 2,230
6 4 25 100 0,900
7 25 100 2500 22,350
8 10 100 1000 8,940
9 15 50 750 6,700
10 1 1 1 0,009
11 20 25 500 4,470
12 1 50 50 0,450
13 5 50 250 2,2G0
14 6 50 300 2,680
15 24 25 600 5,360
16 30 1 30 0,270
17 25 25 625 5,600
18 10 100 1000 8,940
19 10 100 1000 8,940
20 25 50 1250 11,170
21 5 100 500 4,470
TO TA L: 11186
D ia g ra m a c a u s a -e fe c to
P a ra c a d a u n a de las c a ra c te rís tic a s prioritaria s s e le c c io n a d a s p o r el

p a re to g ra m a se c o n s tru y e un d ia g ra m a de c a u s a -e f e c to , d o n d e c o m o el
n o m b re lo indica, el objetivo es b u s c a r las ca u sa s qu e pro vo ca n y los efectos
p ro vo ca d o s por la falla de esa característica.
CUADRO 3.3. Cálculos finales del Paretograma
Característica % % acumulado Clasificación

(Columna 1) (Columna 2) (Columna 3) ' (Columna 4)
7 22,35 22,35 A
20 11,17 33,52 A
8 8,94 42,26 A
18 8,94 51,40 A
19 8,94 60,34 A
9 6,70 67,04 A
17 5,36 72,64 A
15 5,36 78,00 A
21 4,47 82,47 B
11 4,47 86,94 B
14 2,68 89,62 B
5 2,23 91,85 B
13 2,23 94.08 B
4 1,80 95,88 C
1 1,80 97,68 C
6 0,90 98,58 D
2 0,67 99,25 D
12 0,45 99,70 D
16 0,27 99,65 D
3 0,04 99,99 D
10 0,01 100,00 D
Este diagram a es una importante arm a para la bú sq u eda y eliminación de

causa s de variación y constituye una forma ordenada de recolectar información
a ce rca de las fallas que afectan la calidad del producto.
Este diagram a puede ser construido de dos formas. La prim era consiste en
colocar siete ram as para las causas y siete ram as para los efectos. Estas ramas
co n stitu ye n los facto res de la calida d. La otra form a co n sis te en ano tar las
c a u s a s y los efectos d irectam e nte en ca d a ra m a . La s e g u n d a form a tiene la
desventaja de que no Identifica al agente causante o afectado con la falla de la
FIGURA 3.4. Paretograma del Ejemplo 3.2.
Q -O Ô L ü Z H < -3 U J "3
o'-
CUADRO 3.4. Características seleccionadas por el Paretograma
No. Nom bre
7 Angulo de corte
20 Ancho de la patilla
8 Profundidad de corte
18 Holgura del remache
19 Holgura de la patilla
9 Dureza de la cuchilla de corte
17 Diámetro exterior del remache
15 Diámetro exterior del piñón
característica de calidad. E n a m bos casos se actúa con control preventivo con

el fin de proyectar todas las actividades que pre ve ng an las fallas de calidad.
El procedim iento de construcción de este diagram a es el siguiente:
1. C o lo ca r la característica en estudio en un cu ad ro centrado
2. A n ota r a la izquierda las ca u sa s y a la dere ch a los efectos
3. Identificar cada ram a con un factor de calidad. Los nom bres de los factores
de calidad se anotan en el e n c a b e za d o de las ram as
4. A n o ta r en c a d a ram a las c a u s a s y los efectos se g ú n sean o rig in a d o s o

afectados por cad a factor de calidad
5. C o rro b o ra r que se haya anotado toda la inform ación
La Figu ra 3.5 m uestra el e sq u e m a correspondiente a este diagram a.
EJEMPLO 3.3
D e te rm in a r las c a u s a s y e fe cto s p a ra el c a s o en q u e la o p e ra c ió n de
llenado de bolsas de cacao no cum plan con el peso especificado.
Causas Efectos
Hom bre M áquina Dinero Hombre M áquina Dinero
FIGURA 3.5. Esquema de un diagrama causa-efecto.
SOLUCION
La Figura 3.6 presenta el diag ram a solicitado. La inform ación se recolecta

directam ente en las líneas de producción y en entrevistas con inspectores.
NORMALIZACION
El a vance tecnológico y las condiciones com petitivas de los productos en

el m erca do provocan cam bios relevantes en la forma de pensar de productores
y con sum ido res.
U n o de estos ca m bios se refiere a exigencias de calidad, las cuales en su

m a y o ría son esta b le cida s por el c o n s u m id o r y cu m plidas p o r el pro ductor, si
éste d e s e a te ne r éxito en m e rc a d o s tanto ra c io n a le s c o m o internacionales.
Bajo este con ce pto m od e rn o de calidad de producto, el pro ductor d e b e esta
blecer eficientes y eficaces sistem as, para lograr la fabricación de un producto
q u e c u m p la c o n e s p e c if ic a c io n e s d e d is e ñ o q u e g a ra n tic e n a su v e z el
cum plim iento de los requerim ientos del consum idor.
JORGE ACUÑA ACUÑA
FIGURA 3.6. Diagrama causa-efecto para el Fjemplo 3.3

C o m o u n a a c tiv id a d p a ra le la a la identificación de c a ra c te rís tic a s de

c a lid a d , el a n a lista de ca lid a d d e b e e s ta b le c e r o re c o le cta r las n o rm a s de
proceso y de producto que sean los patrones de com paración para llevar a cabo
un v e rd a d e ro co n tro l. E s te p ro c e s o p e rte n e ce a u n a disciplina o rg a n iz a d a
co n o cida co m o norm alización.
L a n o rm a liz a c ió n se d e fin e c o m o el p ro c e d im ie n to de fo rm u la c ió n y
aplicación de reglas que pretenden e n c a u za r una determ inada actividad dentro
de un patrón de com portam iento ad e cu a d o . Los objetivos m ás im portantes de
esta disciplina son:
1. Facilitar y racionalizar la flexibilidad en el uso de m ateriales de tal m anera

qu e se tengan costos m ás bajos y calidad de un nivel superior.
2. E s t a b le c e r p ro c e d im ie n to s q u e p e rm ita n e v a lu a r las In n o v a c io n e s
tecnológicas im portada s de otros países.
3. P rotege r los intereses del co n su m id o r y las condiciones del am biente.
4. G e n e r a r e s p e c ific a c io n e s q u e p e rm ita n un v e rd a d e ro co n tro l de las

actividades productivas.
5. O rg a n iz a r la producción o rd e n a n d o procedim ientos y m etodologías.
El instrum ento g e ne ra do de un estudio de norm alización se con oce com o

n o rm a . La n orm a se define c o m o el resultado de la gestión de norm alizació n
a p ro b a d a p or u n a autorid ad form al y c u y a aplicación se hace a tra vé s de un
d o c u m e n to q u e co n tie n e los re q u e rim ie n to s y c o n d ic io n e s q u e d e b e n ser
c u m p lid a s. Si se habla de p ro ce s o s pro ductivos, el n o m b re que recibe es de
n orm a técnica. La norm a técnica contiene, entre otras cosas, especificaciones
p a ra la va ria b le e n e s tu d io , m é to d o de e n s a y o , e q u ip o e in s tru m e n ta c ió n
necesaria, m étodo de tom a de la m uestra y accion es por tomar.
Tipos de normas técnicas
L a s n o rm a s té c n ic a s se cla sifican s e g ú n su c a rá c te r de a p lica c ió n , su

contenido y su nivel de aplicación.
L a s n o rm a s s e cla sifica n d e a c u e rd o co n su c a rá c te r de a p lica c ió n en

n o rm a s obligatorias y optativas. La s norm as obligatorias son dictadas por un
ente oficial com petente y adquieren validez al ser publicadas en un diario oficial.
Las norm as optativas son tam bién aprobadas por un ente oficial pero su aplica
ción es voluntaria.
La s n o rm a s, de a c u e rd o con su con te n id o , se clasifican en la siguiente

form a:
1. D e term inología y definiciones. Recolectan conceptos y los definen con el

fin de establecer un lenguaje uniforme.
2. D e cla sifica ció n . C la s ifica n c o n c e p to s y los o rd e n a n en fu nción d e su

finalidad.
3. D e elaboración. Establecen condiciones de manufactura que garanticen el

cum plim iento de los requisitos exigidos por el cliente.
4. D e requisitos. Indican entre otras co s a s valores nom inales y tolerancias

p ara productos y partes.
5. D e m étodos de ensayo . Establecen los procedim ientos para la ejecución

de e n s a y o s q u e p e rs ig u e n e v a lu a r el c u m p lim ie n to de los re q u isito s
exigidos al producto.
6. D e m u e s tre o y re c e p c ió n . E s ta b le c e n ta m a ñ o s de m u e s tra , p ro c e d i
m ientos de extracción y criterios de aceptación y rechazo.
7. De rotulado. Plantean la forma de identificar, manipular y transportar el pro

ducto. Estas norm as son m uy útiles en el e m p a q u e de producto.
8. D e enva se y em balaje. Establecen las características y propiedades de los

m ateriales por usar para proteger, transportar y alm acen ar el producto.
9. D e uso. Establecen los m étodos para lograr una a d e c u a d a utilización del

producto.
La s norm as segú n su nivel de aplicación se clasifican en:
1. D e nivel individual. S e usan para la atención de problem as que conciernen

a un usuario.
2. D e nivel em presarial. La em presa decide desarrollar una norm a para ser

aplicada internam ente. P or ejemplo, una em presa del sector m e ta l-m e cá
nico decide im plem entar una norm a para el proceso de limado.
3. D e nivel de asociación. V a ria s e m p re s a s afiliadas a una asociación d e ci

den plantear y acatar una norm a qu e les permite cum plir con intereses afi
nes. Por ejem plo, una cám ara sectorial decide implantar una norm a con el
fin de qu e las e m p re s a s afiliadas la cum plan.
4. D e nivel n a c io n a l. S e c to re s in d u s tria le s d e s a rro lla n n o rm a s p a ra s e r

cum plidas por todos ellos. E sto pu ede darse a nivel formal o informal. Por
ejem plo, el Instituto de N o rm a s T é c n ic a s de C o sta R ica ( I N T E C O ) decide
im plem entar u na norm a para s e r cu m plida por un sector específico.
5. D e nivel regional. V a rio s pa íse s acu e rd a n desarrollar una norm a p a ra su

beneficio m utuo. P or ejem plo, el Instituto C e n tro a m e rica n o de Investig a
ció n y T e c n o lo g ía Indu strial ( I C A I T i ) d e c id e p o n e r a las ó rd e n e s de la
región cen troam erican a una n orm a determ inada.
6. D e nivel m undial. S e dictan en ám bito m undial para facilitar el intercam bio

e co nóm ico con parám etros c o m u n e s . P or ejem plo, la O rg a n iza ció n Inter
nacional de E sta n d a riza ció n (IS O ) pon e a disposición de quien lo quiera
u na norm a para el control de aceptación por atributos.
U n o de los a sp e cto s cla ve s es q u e la em p re s a d e b e b u sca r por el m edio

m ás convenie nte, la form a de desarrollar o adoptar norm as. U n o de los a s p e c
tos qu e ayudan en esta tarea son las norm as técnicas de aplicación específica.
S in e m b a rg o , al s e r e s p e c ífic a s so n a p lic a b le s s e g ú n cie rta s c o n d ic io n e s
im puestas por la naturaleza del pro ceso y producto en estudio. A sí, la tarea de
integración de n orm as se pu ede vo lve r inm anejable e im productiva. P a ra ello,
es m ejor el uso de norm as de aplicación general cuyo objetivo es e nm arcar una
d e te rm in a d a tarea, de ja n d o los a sp e c to s específicos para ser a n a liza d o s de
a cu e rdo con el p ro ceso o producto analizado.
N o r m a IS O -9 0 0 0
U n a de las te n d e n c ia s p o s itiv a s de los o rg a n is m o s de n o rm a liz a c ió n

in te rn a c io n a le s h a s id o el e s ta b le c im ie n to de se rie s de n o rm a s c o n un fin
e specífico. E n este ca s o la S e rie IS O -9 0 0 0 pro cu ra un ordenam iento de todo
aquello relacionado con asegu ra m iento de calidad, visto desde su con cepción
integral.
E n 1987, IS O (O rg a n is m o Internacional de E sta n d a riza c ió n ) aprobó un

c o n ju n to de n o rm a s q u e lle va n el n o m b re S e rie IS O -9 0 0 0 , c u y o principal
objetivo es el establecim iento de m ecanism os de aseguram iento de la calidad,
que garanticen la bu en a m arch a de las actividades internas de una em presa y
de su relación con los clientes.
La Serie IS O -9 0 0 0 es un conjunto de cinco norm as num era das de 9000 a

9004, las cuales se aplican a la gestión de calidad. Las norm as se pueden usar
bajo co n d icio n e s contractuales y no contractuales, con el fin de garan tizar la
entrega de un producto que cu m pla los requisitos previam ente establecidos por
el cliente.
La aplicación de la Serie IS O -9 0 0 0 requiere de bastante grado de especia-

lización en co n cepto s m odernos de calidad, p u e s la norm a solo establece los
in stru m e n to s p o r e v a lu a r, q u e d a n d o los m e d io s y los p ro ce d im ie n to s para
h a ce rlo bajo la re s p o n s a b ilid a d del analista q u e la a pliqu e . E s to s p ro c e d i
m ientos y m étodos persiguen diagnosticar el sistem a de calidad. D e b e tenerse
presente aquí qu e las norm as usan el concepto de calidad con enfoque integral
y no bajo el c o n ce p to m ínim o de inspección de pro du cto. La n o rm a contiene
definiciones y co n ce p to s qu e perm iten e n m a rc a r la evalu ación y decidir qué
a spectos evaluar.
La norm a 9000 establece los criterios para seleccionar o aplicar las normas
que co m p o n e n la serie. E n ella se dan las características de cad a norm a de tal
m ane ra qu e se p u e d a decidir con facilidad cuál usar.
Si se d e s e a estab lecer un nivel de gestión de calidad, qu e con lleve a un

constante m ejoram iento de la calidad de producto y servicio al con su m ido r, y
qu e tom e en cuenta tanto factores h um a nos co m o técnicos y organizativos, se
de b e aplicar la norm a 9004.
S i s e h a n e s ta b le c id o s itu a c io n e s c o n tra c tu a le s e n tre el clie n te y el

p ro v e e d o r se d e b e aplicar la n o rm a 90 0 1 , 9 0 0 2 o 90 0 3 . Al decir situaciones
contractuales im plica que el cliente ejecuta pedidos al proveedor en los cuales
establece su s condiciones.
El C u a d ro 3 .5 m uestra una breve descripción de cad a una de las norm as

qu e co m p o n e n la Serie IS O -9 0 0 0 .
CUADRO 3.5. Descripción de la Serie iSO-9000
Norma Nombre Breve descripción
ISO-9000 Norma para la gestión y Es la guía que permite seleccionar el tipo de

aseguramiento de la calidad. modelo a usar. Da las pautas para que el ana
Lineamlentos de selección lista escoja el modelo que más se adecúa a las
y aplicación. características de la empresa y a sus relaciones
con el cliente.
ISO-9001 Sistema de calidad. Modelo Se usa cuando existe un compromiso contrac

de aseguramiento de la tual entre cliente y proveedor para entregar un
calidad aplicado al diseño- producto acorde a sus requisitos. Se fijan las
desarrollo, fabricación, características que demuestran que el produc
instalación y servicio. tor es capaz e Idóneo para cumplir el contrato.
Incluye todas las actividades por realizar
desde el diseño de producto hasta el
servicio post-venta.
ISO-9002 Sistema de calidad. Modelo Se usa en situaciones contractuales,

de aseguramiento de calidad cuando la capacidad del proveedor para
aplicado a la fabricación e fabricar un producto acorde a las necesi
instalación. dades del cliente, debe ser demostrada.
Las actividades planteadas tienen por
objetivo la prevención y detección de
Irregularidades tanto en la etapa de fabri
cación como en la etapa de instalación.
ISO-9003 Sistema de Calidad. Modelo Se usa en situaciones contractuales

de aseguramiento de calidad cuando se debe demostrar que el produc
aplicado a la inspección y tor ejecuta ensayos y pruebas finales al
ensayos finales. producto, con el fin de evitar que productos
no conformes lleguen a manos del cliente.
ISO-9004 Sistema de calidad. Gestión Se usa cuando se desea diseñar un sistema

de calidad y elementos del de calidad que dé confianza a la dirección
sistema. Lineamientos. de que se van a cumplir los requisitos
impuestos por el cliente. Incluye actividades
que van desde el diseño de producto,
análisis de materiales, control de proceso y
hasta la investigación de fallas del pro
ducto en manos del cliente.
U n a de las ventajas de esta serie es qu e sirve de base para la im plem en-

tación de un sistem a m o d e rn o de control de calida d, el cual p o d e m o s estar
se g u ro s qu e cum plirá con lo requerido por la Serie.
El cum plim iento de lo establecido por esta norm a es im prescindible, pues

se rá un requisito por cu m plir para iniciar o p e ra cio n e s com erciales con o rg a
nism os internacionales.
METROLOGIA
L a m etrología es la ciencia de la m edición y se refiere a la e sco gen cia del

instrum ento adecu ado, que perm ita m edir un elem ento o característica en las
u n ida de s d e seadas, y en los sistem as de unidades adoptados. E n el ca so de
inspección de calidad la unidad d e s e a d a d e pe nde de la especificación qu e se
t e n g a y el s is te m a d e m e d id a a d o p ta d o e s el M K S (m e t r o -k ilo g r a m o -
s e g u n d o ).
Si la m edición no es efectuada bajo las condiciones m etrológicas fijadas,

los datos obtenidos no reflejarán las condiciones de la característica qu e está
siendo m edida. C o m o resultado, las conclusiones y decisiones serán erróneas
y costosas.
E n m e tro lo g ía se p u e d e n co m e te r dos tipos de e rrore s: sistem ático s y

c a s u a le s . Lo s e rrore s sistem áticos so n pro pio s del instrum en to u sa d o y se
deb e n entre otras cosas a cam bios de tem peratura qu e afectan al material de
q u e están h e ch os, a de s ga ste s o a errore s en la esca la tra za d a . Lo s errores
casua les se deben al ser hum ano y su origen se encuentra principalmente en la
falta de e n tre nam iento en el uso del instrum ento. E sta falta de capa citació n
p ro voca errores tales co m o m ala colocación del instrum ento con respecto a la
p ie z a , lectura e rró n e a de e s ca la s y m a la o in a d e c u a d a re g u la c ió n del in s
trum ento con respecto al patrón de m edida usado.
L o s in s tru m e n to s d e m e d ic ió n s e p u e d e n c la s ific a r s e g ú n el á re a o
disciplina en que se usan. Algu na s de estas á, aas son: M ecánica, Electricidad,
F ísica , M etalurgia, Q u ím ic a , Biología y Botánica (Brito,1993)
E n el área M e cá n ica , por ejem plo, los instrum entos se clasifican en ins
tru m e nto s para m e d id a s de longitud, instrum entos para m edidas ang u la re s,
in stru m e n to s de ve rificación de atributos e instrum en tos de m e dida y verifi

ca ción en el laboratorio.
L o s in stru m e n to s para m e d id a s de longitud perm iten m edir entre otras

d im e n s io n e s a n c h o , la rg o , p ro f u n d id a d y d iá m e tro . E je m p lo s d e e s to s
instrum entos son el pie de rey y el m icróm etro. Los instrum entos para m edidas
a n g u la re s c o m o su n o m b re lo Indica perm iten m edir m a g n itu d e s a n g u la re s.
E je m p lo s de ellos son el gonióm etro y la regla de senos. Lo s instrum entos de
verificación de atributos perm iten co m p ro b a r si una característica c u m p le con
un patrón fijado sin efectuar m edición a lg u n a . Ejem plo s de éstos son los cali
bres p a s a -n o pa sa , las ruedas den tadas, e scua dras, c o m p a s e s y palp adore s
de carátula. Los instrum entos de verificación en laboratorio cum plen la m ism a
fu n c ió n de los a n te rio re s y g e n e r a lm e n te o c u p a n un e s p a c io im p o rta n te .
E je m p lo s de ellos s o n la m e sa de control de excentricidades y el co m p a ra d o r
óptico.
ESPECIFICACIONES
D e a cu erdo con su origen, existen dos tipos de especificaciones q u e son

las especificaciones de co n su m id o r y las especificaciones de productor.
Especificaciones del consumidor
E sta s especificaciones se originan en los requerim ientos o características

q u e el c lie n te d e s e a in c o r p o r a r e n el p ro d u c to q u e v a a a d q u irir. E s ta s
e sp e c ifica cio n e s se clasifican en o c h o g ru p o s cu y a d e s crip ció n se b rin d a a
continuación.
A. Dimensional. A q u í se definen a lg unas m edidas qu e el cliente de se a en el

producto. P or ejem plo, la capacidad en litros de un tanque de captación de
a gua.
B. Funcional. E n e ste c a s o el c lie n te e s ta b le c e los re q u e rim ie n to s de

fu n cio n a m ie n to q u e g a ra n tice n u n a m e jo r utilización del p ro d u cto . P o r
ejem plo, la ca pa cid ad de d e sco nex ió n de una plancha cu a n d o alcance la
tem peratura d e seada.
C. Apariencia. E sta característica juega un papel m u y importante, principal

m e n te pa ra p ro d u cto s alim enticios y s u n tu o s o s , p u e sto q u e en ellos el
p rim e r p unto crítico de e va lu a c ió n de calida d se da por la vista. La a p a
riencia está relacionada con la forma, el color, la presentación, el em paque
y todo a quello qu e llame la atención del cliente. P o r ejem plo, el color que
presente una jalea.
D. Servicio. E s te se refiere a todo s aquellos a sp e c to s relacionado s con la

a te n c ió n b rin d a d a , p o r la e m p re s a , u n a v e z q u e el p ro d u c to ha sid o
adquirido por el cliente. El servicio con sid era los siguientes aspectos:
• Disponibilidad. S e refiere a la acción qu e permite localizar el producto

con facilidad, es decir, qu e si se necesita se pueda adquirir en el m enor
tiem po posible. S e asocia tam bién con la facultad del producto de estar
apto para su uso.
• Mantenibilidad. S e refiere a la necesidad qu e tiene el con su m ido r de

qu e al fallar el producto, éste pu eda s e r re p arado en el m e n o r tiem po
posible, existiendo am plia disponibilidad de repuestos. P or ejem plo, la
varie dad de repuestos para reparar un televisor.
• Servicibilidad. Esto se refiere a la necesidad que tiene el consum idor

de q u e el s e rv ic io de in sta la c ió n , e x p lic a c ió n de fu n c io n a m ie n to y
reparación se haga en la m ejor form a y en el m eno r tiem po posible. S e
in c lu y e n las facilid a d e s q u e se le d a n al cliente de q u e d e v u e lv a el
producto si éste no satisface sus expectativas.
E. Conservación. S e refiere a la c a p a c id a d del p ro d u c to , e x ig id a p o r el

c lie n te , d e c o n s e rv a r su s c a ra c te rís tic a s in ic ia le s d u ra n te un tie m p o
prudencial fijado por el fabricante. Por ejem plo, el tiem po de duración de
una caja de leche.
F. Manejo. S e refiere a las facilidades de m ovim iento que ofrezca el producto,

de tal m a n e ra qu e su traslado de un lugar a otro sea fácil. P o r ejem plo, la
utilización de en va se s desechables en lugar de e nvase s retornables, en el
ca so de refrescos g aseoso s.
G. Requisitos legales. S e refiere a los requisitos de ca rá cte r legal q u e se

exigen al producto. Por ejem plo, etiqueta que contem ple los Ingredientes y
la m a rca respectiva.
H. Empaque. S e refiere a la fu n cio n a lid a d y pro te cció n q u e se te n g a del

p ro d u c to , c o n el fin d e n o a lte ra r s u s c a ra c te rís tic a s d e c a lid a d . P o r
ejem plo, e m pa q ue doble uso.
El productor debe tom ar estas especificaciones y generar especificaciones

técnicas capa ces de cum plir con las exigencias establecidas. Parte del éxito de
lograr total satisfacción del co n s u m id o r se ba s a en h acer una correcta inter
pretación de esos requerim ientos.
U n a de las técn ica s q u e en la actualidad es usada para ejecutar u na efi

ciente traducción de con ceptos es Q F D “Q uality Function Deploym ent” (G u tié
rrez, 1989). A través de ella se pretende transformar las peticiones del cliente en
e sp e c ifica cio n e s in g e n ie rile s q u e al s e r re p ro d u c id a s g a ra n tice n el c u m p li
m iento de las ne ce sid a des del cliente. Este C a pítulo analizará, m á s adelante,
a lgunos aspectos referentes a esta técnica.
Especificaciones del productor
L a s e s p e c ifica cio n e s del p ro d u c to r o e s p e c ifica cio n e s té cn ica s so n el

patrón d e c o m p a ra c ió n q u e fo rm a n parte de u na n o rm a y c u y o ob je tivo es
brin d a r a la insp e cció n la g u ía p a ra ca ta lo g a r al p ro du cto c o m o a ce p ta b le o
recha za ble.
D e p e n d ie n d o del pro du cto, este tipo de especificaciones son fijadas por

m edio de una norm a, del cliente o de la e m p re s a m ism a. N o e s p o s ib le d e c ir
que se está ejecutando un con tro l de proceso si no existe una especificación. El
parámetro de com paración es absolutam ente necesario para conocer cuál esfel
estado de un proceso.
La s especificaciones del pro ductor se deb en dar en form a escrita y en la

m e d id a de lo p o s ib le d e b e n s e r n u m é ric a s p u e s al s e r v e rb a le s p u e d e n
pro voca r m alas interpretaciones. Las especificaciones a m enu do se presentan
co m o un va lo r nom inal d e n o ta d o por M y u na tolerancia d e n o ta d a por T . E s e
valor nom inal es un valor central m ientras qu e la tolerancia es una desviación
m á xim a perm isible. E n la co m b in a c ió n de estos dos a sp e c to s se pre sentan
cuatro ca so s que son:
CASO I
M ± T : este caso establece una variación entre dos valores, uno superior (M + T )
y otro inferior (M - T ) , s ie n d o inacepta ble la p ro d u cció n q u e sa lg a del
intervalo establecido
CASO II
M - T : este caso establece un valor nominal (M ) y un valor Inferior (M - T ) bajo el
cual la producción se considera inaceptable
CASO III
M + T : este c a s o e sta b le ce un v a lo r nom inal (M ) y un va lo r s u p e rio r (M + T )
sobre el cual la producción se considera inaceptable
CASO IV
+t , : este caso establece un valor nominal y tolerancias diferentes hacia arriba

, ~T* y abajo.
Esto se da pu es el costo y la probabilidad de que el producto salga a un

lado u otro son diferentes
Para ana lizar caso s, referentes especialm ente a variables, es necesario

d o m in a r los c o n c e p to s de e x a c titu d y p re c is ió n , los q u e se v e rá n a c o n
tinuación.
Exactitud y precisión
La exactitud se m ide de acuerdo con la m agnitud del movimiento que tenga

el p ro m e d io y la precisión de a cu e rd o con la m a g nitu d de la variabilidad con
respecto a un valor prefijado. El análisis de exactitud y precisión de un proceso
puede llevar a identificar anom alías, las cuales una v e z eliminadas o reducidas,
oca sio na n la dism inución de producto no conform e con especificaciones.
Si se tiene una especificación M ± T , entonces se definirá la exactitud com o

el grado en que el prom edio estim ado del proceso coincide con el valor nominal
(M) de especificación. C u a n d o se c u m p le esa con dició n se habla de un pro
ceso centrado. Si se m uestra n diferencias entre a m b o s valores es necesario
pro b a r si son significativas. Lo s p ro c e s o s ce n tra d o s d e b e n ser u sa d o s solo
cu an do las condiciones físicas y eco nó m icas, arriba y abajo del valor nom inal,
son parecidas o iguales.
La precisión e s el g ra d o en qu e el pro ceso tiene una m agnitud de v a ria

bilidad igual o inferior a un te rcio d e la to le ra n c ia p re fija d a . Lo a n te rio r se
dem u estra así:
S e a un pro ce so ce n tra d o que se distribuye no rm a lm e n te con m edia X ’ y

desviación estándar a ', el cual estadísticam ente es obligado a producir dentro
del rango de la m edia y 3 o ’, entonces su representación gráfica se da s e g ú n la
Figu ra 3.7.
D e sd e el punto de vista estadístico (9 9 ,7 4 % de producto aceptable), para

tener la m áxim a producción aceptable es necesario que 6 o ’ sea igual o m e n o r
a 2 T , de a quí 6 o ’ < 2 T o s e a o < T / 3 . Si hay d u d a s e n la diferencia se debe hacer
la prueba de hipótesis corresp ondiente u sand o la distribución ch i-cu a d ra d o .
i__________________________________________________ i
2 T
l--------------------------------------------------------------------------------------------- 1
6 o -’
FIGURA 3.7. Representación gráfica de exactitud y precisión

E n la com binación de exactitud y precisión existen cuatro caso s que son:
C A S O A : P roceso c entrado y p re ciso
E ste e s el m ejo r de los c a s o s y a q u e el porcentaje d efectu oso s e g ú n la

distribución norm al es 0 ,2 7 % o m enos. Si se tiene este caso se deben ejecutar
a ctividades qu e perm itan qu e esta condición pre va lezca.
La Figu ra 3 .8 m uestra este caso.
(* ) X’ - 3 0 -’ X’ = M X’ - 3 tr ’
1 _ -------------------------------------------------------------- l
M - T M + T
(*) El intervalo X ± 3o’ puede ser menor que el representado.

FIGURA 3.8. Representación gráfica del Caso A
C A S O B: P roceso d escentrado y pre ciso
L a p re s e n ta c ió n de e s ta s itu a c ió n p u e d e g e n e r a r g ra n c a n tid a d de
defectuosos o producto no conform e con especificaciones. La m agnitud de esta
cantidad d e p e n d e de qu é tan g ra n d e es la diferencia entre la m edia estim ada
del pro ce so y el valor nom inal especificado.
La Figura 3.9 representa este caso. E n ella se puede ver que los valores de
la m edia del pro ceso y el nom inal son diferentes.
X’ " 3 u ’ X’ x» - 3tr>
FIGURA 3.9. Representación gráfica del Caso B.
C A S O C: P roceso cen tra do e im preciso
E s un caso delicado, que puede provocar gran cantidad de producto defec

tuoso o no conform e con especificaciones, esto depende de la m agnitud de o ’.
La F ig u ra 3 .10 m uestra este caso.
M -T M +T
FIGURA 3.10. Representación gráfica del Caso C

1-----
C A S O D: Proceso d escentrado e im preciso
E ste es el p e o r de los ca so s. C u a n d o se p re se n ta , se d e b e dism in u ir la

dispersión para luego centrar el proceso. E L objetivo es disminuir la cantidad de
producción defectuosa o no conform e con especificaciones.
L a Figu ra 3.11 m uestra este caso .
X’ - 3 ir X ’ X’ - 3 tr’
FIGURA 3.11. Representación gráfica del Caso D
L a e x actitu d y la p re cis ió n del p ro c e s o , se d e fin e n de a c u e rd o con la

especificación, pero tam bién se pueden definir de acuerdo con la capacidad del
p ro ceso. Si es así, exactitud y precisión se definen de la siguiente form a:
Exactitud es el grado en que un proceso m antiene su prom edio cerca del

valor verd a d e ro poblacional sin cam bios bruscos que lo descontrolen.
Precisión es la c a p a c id a d de un p ro ce so de m a n te n e r u na d ispersió n
controla da, o se a q u e la desviación están dar se encu entra siem pre ce rca del
valor poblacional m á s favorable.
P a ra c o m p le m e n ta r el aná lisis de exactitud y p re cis ió n es im p o rtante

calcular el porcentaje defectuoso o no conform e con especificaciones. Para ello
es necesario que la variable en estudio se distribuya norm alm ente tal y co m o lo
m uestra la Figura 3.12.
M - T X’ M t T
A, + A2= Porcentaje de producto fuera de especificaciones
FIGURA 3.12. Representación gráfica de la curva normal para el cálculo del porcentaje
de inconformidades
EJEMPLO 3.4
U n a operación de corte de piezas deb e cum plir con una especificación de

10 ,5 ± 1 ,3 c m . S e to m a u n a m u e s tra de 100 u n id a d e s y d e s p u é s de h a b e r
realizado u na distribución de frecu encias se obtiene u na m edia de 10,2 cm y
u na d e s via ció n e stá n d a r de 0 ,8 cm . A d e m á s , se ha e je cu ta d o la re s p e ctiva
prueba de norm alidad, siendo ésta acep tada con 9 5 % de confianza. ¿ C u á l es
el estado de la operación de corte?
SOLUCION
1. A ná lisis de exa ctitud
D e a cu e rd o con los datos, M no es igual a X ’ por lo qu e se hará la re s p e c

tiva p ru e b a d e h ip ó te sis. L a F ig u ra 3 .1 3 m u e s tra las c a ra c te rís tic a s de la
hipótesis por probar.
C o n a = 5 % , no h a y e v id e n cia p a ra afirm ar que el p ro c e s o está e s ta d ís

ticam ente centrado, puesto que el Z teórico (-1 ,9 6 ) es m ayor que el Z calculado
(-3 ,7 5 ),
H 0: n = 10,5
H a: g no es igual a 10,5
0 ,0 2 5 0 ,0 2 5
1 0 ,2 -1 0 ,5
: -3 ,7 5
0,8
- 1,9 6 l,9 6 \/ióo~
FIGURA 3.13. Hipótesis de medias (bilateral)
2. A ná lisis de pre cisió n
C o n el fin d e a n a liz a r la p re c is ió n d e e s te p r o c e s o s e c o m p a r a la
desviación estándar con un tercio de la tolerancia. A sí:
o ’ < T/3
0,8 > 1,3/3
0,8 > 0 ,4 3
E ste análisis m uestra evidencia de im precisión. N o es necesario, en este

c a s o , p e ro p a ra efecto s ilustrativos se p ro b a rá la h ipó tesis. La F ig u ra 3 .1 4
m uestra las características de la hipótesis por probar.
H 0; ° 2= (T / 3 )2
H a: o 2> (T / 3 )2
0 , 82
se2 = 100 ---------- = 3 4 6 ,1 3
0 ,4 3 2 .
(*) V a lo r o b te n id o d e T A B LA III del

Apéndice I.
ae= 124,342"
FIGURA 3.14. Hipótesis de una varianza

C o n a = 5 % , no h a y e videncia estadística para afirm ar que el p ro ce so es

pre ciso. C o m o es evidente el pro ceso es altam ente im preciso.
3. P orcentaje de p ro d u cto no a co rd e a especificaciones
C o m o un m edio de co n o ce r la cantidad de producto que no cu m ple con lo

e s ta b le c id o co n la e sp e c ific a c ió n se utiliza la d istribució n n o rm a l s e g ú n lo
m u estra la F ig u ra 3 .1 5.
% de producto
conforme = N((11,8-10,2/0,8)-N((9,2-10,2)/0,8)
o- ’ = 0 , 8 = N(2,00) - N(-1,25)
= 9 7 ,73-10,57
= 87,16 0
% de producto no
conforme= 100- 87,16= 12,84%
(*) P o rce n ta je s ob tenido s de T A B LA I en

9 ,2 10 ,2 II,8 Apéndice I.
FIGURA 3.15. Porcentaje no conforme
E n c o n c lu s ió n , s e tie n e u n p ro c e s o q u e e s tá d e s c e n t r a d o , q u e es
impreciso y que g e nera un 1 2 ,8 4 % de producto fuera de las especificaciones. Al
c a lc u la r el p o rc e n ta je de p ro d u c to no co n fo rm e p a ra el p ro c e s o c e n tra d o ,
usando el m ism o m étodo, se obtiene un valor de 1 0 ,3 2 % . Lo anterior dem uestra
qu e au nq u e se centre el proceso no es m ucho lo que se logrará. La acción que
co rre sp o n d e es dism in uir la variabilidad tanto co m o sea posible, con el fin de
reducir la cantidad de producto qu e no cum ple con especificaciones.
Determinación de especificaciones
P a ra co n ta r c o n un v e rd a d e ro co n tro l en las lín e a s de p ro d u c c ió n es

n e c e s a r io fija r p a r á m e tro s d e c o m p a r a c ió n , q u e e s té n b a s a d o s en los
requerim ientos del cliente y en la capacidad técnica, tecnológica y hum ana con
que se cuenta.
Lo s límites de tolerancia naturales son los que se establecen con base

en el proceso en estudio. A partir de estos límites y tom ando en cuenta factores
adicionales se establecen los límites de especificación.
Los límites de tolerancia se establecen para características de calidad que

pueden ser variables o atributos. C u a n d o son variables se pueden calcular para
u n id a d e s de p ro d u c c ió n o p a ra p ie z a s e n s a m b la d a s . E n el c a s o de estas
ú ltim a s, los c o m p o n e n te s d e b e n c u m p lir co n re q u isito s p a rc ia le s q u e les
perm itan form ar parte del ensam ble.
C u a n d o s e c u e n ta c o n un b u e n s is te m a d e in fo rm a c ió n es p o s ib le
d e te rm in a r lím ites de to le ra n cia co n facilidad. A s í, p o r e je m p lo , si se tiene
inform ación de qu e una característica a io largo del tiem po se ha com portado
n o rm a lm e n te co n m e d ia g y d e s via c ió n e s tá n d a r a , se p u e d e n ca lcu la r los
límites de tolerancia fácilmente. Basta con definir un porcentaje de artículos que
se de se a que estén entre los límites y con ello se calcula un intervalo. A sí, si se
quiere que ese porcentaje sea 9 0 % (P = 0 ,9 ), entonces:
Lím ites de tolerancia= g ± 1,645 •a
don de el valor de 1,645 se obtiene de la T a b la I del A pé n d ice I.
S in e m ba rgo , esa no es la regla, puesto que es difícil co n o ce r los valores

de g y a . A n te esto, es n e c e s a rio h a c e r e stim a c io n e s a partir de m u e stra s
estadísticam ente obtenidas. C o n base en esta muestra se calcula el valor de la
m e dia y de la d e svia ció n está n d a r (u s a n d o distribución de fre cu e n cia s) y se
hacen las inferencias del caso . S e deb e enten der que los valores obtenidos a
partir de la m uestra no son iguales a los parám etros poblacionales, aspecto que
la estim ación de b e tom ar en cuenta.
El m étodo usado consiste en calcular los límites de tolerancia con base en

la constante K, la cual d e p e n d e de un nivel de confianza (1 -a ), del tam año de
muestra (n) y de la proporción de producto que se desea se encuentre dentro de
límites (P ). Los límites de tolerancia se calculan así:
Lím ites de tolerancia= x ± K*s
La constante K se obtiene de la T a b la VII en el A pé n d ice I.

C o n b a s e en e so s lím ites se pu e d e n obte ner especificacione s. El ajuste

inicial se h a ce a partir del análisis de exactitud y precisión. A sí:
V se + V.te
M =--------------------------
2
se ie
T = ----------------------------
2
donde:
V se es el va lo r superior especificado (M + T )
V je es el va lo r inferior especificado (M -T )
L o s v a lo re s finales de e sp e c ific a c ió n se o b tie n e n a g re g a n d o facto res

e x te rn o s y e x p e rie n c ia . La v a lid e z de e sta estim a ció n d e p e n d e de la b a s e
estadística qu e tenga la m uestra y la eficacia de los factores de ajuste.
EJEMPLO 3.5
U n a e m p re s a q u e se d e d ica a la fabrica ció n de b o lsas plásticas, d e s e a

co n o ce r los límites de tolerancia para el e speso r de la bolsa. P ara ello se tiene
in fo rm a c ió n de e s p e s o r p a ra u n a m u e s tra d e 5 0 b o ls a s c a lc u la d a b a jo
c o n c e p to s e s ta d ístico s . Lo s dato s o b te n id o s , en d é c im a s de m ilím e tro , se
presentan en el C u a d ro 3.6.
Determ ine los límites de tolerancia que garanticen con 99 de confianza que
el 9 5 % de las bolsas cu m p le n con lo especificado.
SOLUCION
Para calcular la m edia aritm ética y la desviación están dar se hace uso de
una distribución de frecuencias. S e usa una distribución de frecuencias pues es
CUADRO 3.6. Información para el Ejemplo 3.5
Dato Valor Dato Valor Dato Valor Dato Valor
1 8,0 11 4 ,9 :; 21 7,0 31 5,3

2 6,0 12 7,1 22 6,9 32 8,3
3 7,3 13 8,2 23 7,1 33 8,1
4 5,1 14 8,0 24 7,2 34 7,6
5 7,0 15 8,5 25 6,8 35 7,8
6 6,8 16 8,1 26 6,4 36 7,3
7 7,0 17 7,1 27 6,0 37 7,2
8 6,8 18 6,0 28 7,0 38 7,0
9 8,1 19 6,3 29 5,8 39 7,1
10 6,9 20 6,3 30 4,3 40 6,9
una form a eficaz de representar la distribución de probabilidad correspondiente.

El C u a d ro 3.7 presenta esta distribución de frecuencias.
La prueba de b o n dad de ajuste realizada sobre la anterior distribución de

frecuencias acep ta la norm alidad con a = 5 % .
Los valores de la m edia aritm ética y la desviación estándar son:
CUADRO 3.7. Distribución de frecuencias del Ejemplo 3.5
L LS I1 IS CO N TEO nk Nk K Fk
4,25 5,05 4,3 5,0 III 3 4,65 3 6 6

5,05 5,85 5,1 5,8 mu 5 5,45 8 10 16
5,85 6,65 5,9 6,6 iiiiiii 7 6,25 15 14 30
6,65 7,45 6,7 7,4 iiiiiiiiiiiiiiiiiiii 20 7,05 35 40 70
7,45 8,25 7,5 8,2 iiiiiiini 10 7,85 45 20 90
8,25 9,05 8,3 9,0 mu 5 8,65 50 10 100
194 CONTROL DE CALiDAD
x = 7 ,0 5 + [(-6 / 5 0 ) * 0,8] = 6 ,9 décim as de milímetro
o = 0 ,8 V (85/50) - (-6/50)2 = 1,1 d écim as de milímetro
Al c o n su lta rla T a b la VII en el A p é n d ice I, el valor de K, para el tam año de

m uestra de 50 unidades, nivel de con fian za del 9 9 % y proporción entre límites
del 9 5 % , es de K = 2 ,576.
Los lím ites de tolerancia son los siguientes:
L st = x + 2’ ,5 7 6 * 1,1 = 9 ,7 d é cim as de m ilím etro
L.It = x - 2’,5 7 6 * 1,1 = 4 ,0 d é cim as de m ilím etro
E s t o q u ie r e d e c ir q u e el p ro c e s o e s c a p a z d e p ro d u c ir c o n 9 9 % de
c o n fia n za , el 9 5 % d e las b o ls a s co n m e d id a s c o m p re n d id a s entre 4 ,0 y 9,7
d écim a s de m ilím etro.
Si no h a y fa c to re s e x te rn o s a d ic io n a le s la e s p e c if ic a c ió n s e p u e d e
establecer en 6,85 ± 2,85 décim as de milím etro. Esta especificación se calcula
así:
V se = 9,7
’
d é cim a s de m ilím etro
V.ie = 4 ,0
’
d é cim a s de m ilím etro
v se +v le 9 ,7 + 4,0
M= = 6,85
2 2
V se - V le
9 ,7 -4 ,0
T = = 2,85
2 2
METODO DE TAGUCHI
E ste m é todo , c u y o objetivo es lograr a tra vés del diseño de pro du cto un
m ás alto nivel de calidad, fue desarrollado en Ja p ó n por el Dr. G enichi Ta g u ch i.
El m étodo de T a g u ch i, cu ya aplicación ha sido am pliam ente probada en países

industrializados, consiste en diseñar calidad al diseñar el producto. La principal
m eta es estudiar todas aquellas fuentes de variabilidad con el fin de m inim izar
su incidencia durante la m anufactura del producto.
E ste m étodo es una variación de los m étodos tradicionales de diseño ex

p e rim e n ta l y su a p lica c ió n co n sis te en o p tim iza r p ro c e s o s en relación con
especificaciones del consum idor. E sta técnica posee una gran ventaja y es que
no requiere de gran conocim iento del proceso por optim izar.
El M étodo de T a g u c h i com bina técnicas co m o torm enta de ¡deas, diseño

de experim entos, arreglos ortogonales y análisis de va ria n za con dos nuevos
c o n ce p to s de s a rro lla d o s por el D r. T aguchi lla m a d o s función de pérdida y
análisis señal/ruido (T a g u c h i, 1987).
La función de pérdida se define co m o la pérdida eco nóm ica ocasionada
a la socie d a d c u a n d o las características funcionales del producto se desvían
del valor objetivo d eseado. Esta pérdida se g enera por cuanto el cliente desea
un va lo r nom inal y no ese va lo r aso c ia d o con u na tolerancia. E n g eneral, los
d ise ñad ore s e ingenieros no calculan esta pérdida por falta de inform ación la
cual no ha sido recolectada o no está disponible.
U n a form a de e stim a r esta p é rd id a es a tra vé s de la cu a n tifica cló n de

costos tales com o servicio y garantía por reparación de productos defectuosos,
p é rd id a de m e rc a d o , insatisfacción del cliente y p é rd id a de ve n ta s futuras.
A lg u n o s de é sto s s o n cla ra m e n te difíciles de e s tim a r p o r lo qu e d e b e n ser
prorrateados con ba s e en los otros.
El análisis señal/ruido b u sc a d is e ñ a r el p ro d u cto o el p ro ce so lo sufi

cientem ente robusto (ca p a z de afrontar los efectos de la variación sin cam bios
significativos) para qu e satisfaga las variaciones a que se verá som etido tanto
interna com o externam ente. Las variaciones internas son aquellas que ocurren
durante el proceso de m anufactura, m ientras que las variaciones externas son
las p ro vo ca d a s por factores externos que norm alm ente no están bajo control
del fabricante o el consum idor.
A lg u n o s ejem plos de cau sa s de variación internas son alm acen aje inde
bido, pérdidas de fricción de m aquinaria, calor, polvo y corrosión. C o m o causas
de v a ria c ió n e x te rn a se p u e d e n cita r a q u e lla s c a u s a d a s p o r c o n d ic io n e s
d e s fa v o ra b le s q u e s e p re s e n ta n en el m e rc a d o o a m b ie n te en el q u e se
d e se nvu e lve el producto. A lguno s ejem plos de ellas son: hum edad, cam bios de
tem peratura, tensiones y otros esfuerzos que hacen que el producto se aleje de
las especificaciones establecidas.
D e s d e el p u n to de v is ta e s ta d ís tic o , el m é to d o b u s c a la re d u c c ió n de
variabilidad alrededor de la m edia con una desviación estándar m uy peq u eña.
U n a fo rm a d e m e d ir lo e x p re s a d o a n te rio rm e n te es a tra vé s del índice de
capacidad de proceso (IC P ), q u e se define co m o la relación entre las tole
rancias y la cap a cid ad de pro ceso. La F ig u ra 3.1 6 da u na representación g rá
fica de este índice.
El IC P se calcula de la siguiente m anera:
Ancho de la especificación ( o Tolerancia de diseño)

C p = ---------------------------------------------------------------------------------------------------------------------------------------------------
Capacidad de proceso ( o Variación Total del proceso)
v e - v ie
C p = ---------------------------------------------------------------------------------------------------------------------------------------------------
6 a (Rango Total desde - 3 a hasta +3 cr)
V se: Valor superior especificado
V ¡e: Valor inferior especificado
El M étodo de T a g u c h i trata de optim izar la capacidad de proceso buscando

un equilibrio entre lo qu e piensan los diseñadores y lo que pueden ejecutar los
Ingenieros de proceso.
Valor inferior Valor Valor superior

de especificación nominal de especificación
-------------------------------------------- Toleremcias --------------------------------------------
FIGURA 3.16. Representación del Indice de capacidad de proceso

E ste m é to d o se ba s a en d is e ñ o ex p e rim e n ta l a tra vé s d e los lla m ad os

cu a d ros latinos. Lo s arreglos ortogonales m ás usado s son los de dos y de tres
n iveles totalm ente b a la n ce a d o s. E sto s arreglos son co n o cid o s co m o L a el de
d o s n iv e le s y L 9 el de tre s n iv e le s . E l C u a d r o 3 .8 p re s e n ta el a rre g lo L 9.
(N e tte r,1 9 8 4 ).
E n el C u a d r o 3 .8 se p u e d e o b s e rv a r q u e so n n e c e sa rio s n u e v e ex p e ri
m entos para lograr la m axim ización de cuatro factores en tres niveles. Nótese
que el prom edio de los tres prim eros experim entos, Y 1 ,Y 2 , y Y 3 , es el promedio
de rendimiento del producto o proceso cuando se selecciona el nivel 1 del factor
A . El prom edio de Y 2 , Y 5 y Y 8 es el efecto de seleccionar el nivel 2 del factor B.
E n general, el p ro m e dio de las d o ce com binacion es (factores A ,B ,C y D y sus
n ive le s 1,2 y 3 ) e s e va lu a d o co n el fin de ob te n e r el m ejor resultado para las
especificaciones del pro ceso o producto.
EJEMPLO 3.6 ( SHINA.1990)
La s p a rte s en este p ro c e s o so n p e g a d a s m e d ia n te un siste m a de alta

t e c n o lo g ía . E l p e g a m e n t o R T V fu e s e le c c io n a d o c o m o a g e n te en el
CUADRO 3.8. Arreglo ortogonal para tres factores L9(3i)
Factores
Exp. A B C D Resultado
1 1 1 1 1 Y1
2 1 2 2 2 Y2
3 1 3 3 3 Y3
4 2 1 2 3 Y4
5 2 2 3 1 Y5
6 2 3 1 2 Y6
7 3 1 3 2 Y7
8 3 2 1 3 Y8
9 3 3 2 1 Y9
e x p e rim e n to , c o n p a rá m e tro s e le g id o s a rb itra ria m e n te p a ra la e ta p a de

p re lim p ieza y tem pera tura de curado.
L a ra zó n del e stu d io se fu n d a m e n ta en el h e ch o d e qu e el p ro d u cto en

m a n o s del co n s u m id o r está siendo afectado por la se paración de las partes.
S u rg ió la idea de aplicar el m étodo de T a g u c h i para optim izar la resistencia de
adherencia y entonces se decidió m edir la resistencia de la unión con un apara
to esp ecial co m ú n m e n te u sa d o para d e te rm in a r la presión m áxim a aplicada
antes de qu e dos partes se separen al elim inar cierta presión externa.
S e decidió en este caso usar un arreglo ortogonal de tres niveles, y a que se

d e s e a iniciar con el nivel actual ca ta lo g á n d o lo co m o m edio y luego va ria r los
niveles hacia arriba o hacia abajo para ob s e rva r los correspondientes efectos.
L o s c u a tro fa cto re s c o n s id e ra d o s en el a rre g lo L 9 fu e ro n : te m p e ra tu ra de
cu rado, lim pieza ultrasónica, cantidad de R T V y tipo de agente quím ico.
L a te m p e ra tu ra de c u ra d o se p ro b ó en tres n ive le s a s a b e r 30 ° C c o m o
tem peratura am biente, 50°C com o nivel actual de tem peratura del horno y 70°C
co m o un va lo r alto de tem pera tura del horno. La lim pieza ultrasónica, m étodo
usa do para prelim piar las partes, se aplicó tam bién en tres niveles a sa b e r 1, 3
y 5 m in u to s, s ie n d o 3 m in u to s el tie m p o u sa d o a ctu a lm e n te . El v o lu m e n de
R T V , u sand o diferentes c a b e za s de aplicación, se varió alrededor del volum en
u sa do actualm ente, el cual es 1,7 cm 3; los valores usado s fueron 1 ,2 ,1 ,7 y 2,5
c m 3. El tipo de agente q u ím ic o u sado para la lim pieza ultrasónica fue variado
del em pleado actualmente Metileno (M E T ), a otros limpiadores tales com o Metil
Etil K etona (M E K ) y a g u a (H 20 ) .
El cu a d ro latino fue diseñad o s e g ú n lo m uestra el C u a d ro 3.9.
E n el C u a d r o 3 .9 s e p u e d e v e r c ó m o en el e x p e rim e n to n ú m e ro 3 los
v a lo r e s u s a d o s fu e ro n : 3 0 ° C p a ra te m p e ra tu ra d e c u r a d o , 2 ,5 c m 3 p a ra
volu m e n de R T V , Metil Etil K etona co m o lim piador y 5 m inutos para tiem po de
lim pieza . E l resultado fue una unión qu e necesitó 2 2 ,6 libras de presión para
sepa ra rse .
L o s efe cto s de c a d a nivel fueron s u m a d o s y ta b u la d o s de la form a qu e

m uestra el C u a d ro 3 .10. P ara calcular los valores correspondientes se su m an
los fa cto re s q u e c o in c id e n . C o m o e je m p lo se p re s e n ta n tres c á lc u lo s , los
d e m á s se ejecutan de la m ism a form a.
CUADRO 3.9. Arreglo ortogonal para el Ejemplo 3.7 U (37)
F a ctores
Exp. A B C D F u erza
1 30 1 1 ,2 h 2o 1 1 ,5
2 30 3 1 ,7 MET 2 2 ,7
3 30 5 2 ,5 MEK 2 2 ,6
4 50 1 1 ,7 MEK 1 9 ,0
5 50 3 2 ,5 h 2o 2 8 ,5
6 50 5 1 ,2 MET 2 4 ,0
7 70 1 2 ,5 MET 2 5 ,1
8 70 3 1 ,2 MEK 3 0 ,3
9 70 5 1 ,7 h 2o 3 3 ,3
FAC TO RES N IV E L E S U N ID A D E S
A=TEMPERATURA DE CURADO 30 50 70 °C
B=TIEMPO DE LIMPIEZA 1 3 5 MINUTOS
C=VOLUMEN DE RTV 1,2 1,7 2,5 cm3
D=AGENTEUSADO h 2o MET MEK
C álculo de Factor A al nivel 1
A1 = E xp erim e nto 1 + Experim ento 2 + Experim ento 3
A1 = 11,5 + 22 ,7 + 22,6
A1 = 5 6 ,8
C álculo de Factor B al nivel 2
B 2 = Experim ento 2 + Experim ento 5 + E x p e rim e n to s
B 2 = 2 2 ,7 + 28,5 + 30,3
B 2 = 81,5
C á lc u lo de F a cto r C al nivel 3
C 3 = Experim ento 3 + Experim ento 5 + Experim ento 7
C 3 = 22 ,6 + 2 8,5 + 25,1
C 3 = 76 ,2
C o n b á s e e n el C u a d r o 3 .1 0 , el v a lo r m á s alto p a ra c a d a f a c to r es
seleccionado, de tal m anera que la resistencia de la unión sea m axim lzada. E n
este experim ento, el m áxim o se da para A 3 (70°C), B2 (3 m inutos), C 3 (2 ,5 cm 3
de v o lu m e n de R T V ) y D1 (a g u a para el bañ o ultrasónico). La s co n clu sio n e s
son las siguientes:
1. El factor m ás importante es la tem peratura de curado puesto que eS el que

ca u sa el m a y o r cam bio.
2. El factor m enos importante es el agente quím ico puesto que el usarlo o no

usarlo no c a u sa diferencia significativa.
3. La com binación del m ejor factor seleccionado de los cuatro factores no se

encuentra en la m atriz del arreglo L 9.
4. La re siste ncia p ro m e d io u s a n d o los factores s e le c c io n a d o s p u e d e ser

estim ada s u m a n d o los p rom edios de los cuatro factores sea 88,7 + 81 ,5 +
76 ,2 + 7 3 ,3 = 319,7/9 = 3 5,5. E sto representa a p ro xim adam ente un 5 0 %
de increm ento sob re el pro m e dio de todos los experim entos.
CUADRO 3.10. Análisis de datos del experimento
A B C D
N IV E L 1 5 6 ,8 5 5 ,6 6 5 ,8 7 3 ,3
N IV E L 2 7 1 ,5 8 1 ,5 7 5 ,0 7 1 ,8
N IV E L 3 8 8 ,7 7 9 ,9 7 6 ,2 7 1 ,9
TOTAL 2 1 7 ,0 2 1 7 ,0 2 1 7 ,0 2 1 7 ,0
D e lo a n te rio r se c o n c lu y e q u e el M é to d o d e T a g u c h i p u e d e rá p id a y
fácilm ente o p tim izar un p ro ce so o un pro du cto u sa n d o técn ica s estadísticas
m u y sim ples. P or otro lado, no es necesario tener un conocim iento profundo de
las c a ra c te rís tic a s físic a s y q u ím ic a s del p ro c e s o o p ro d u c to q u e va a se r
optim izado.
Este ejem plo ¡lustra có m o la m edia de un proceso puede ser llevada hasta
el nivel deseado. U n procedim iento similar puede ser aplicado para optim izar la
variabilidad, a lo q u e el Dr. T a g u c h i llam a Análisis Señal/R uido. E n este caso,
v a rio s p ro d u c to s d e b e n s e r p ro b a d o s p a ra c a d a lín e a d e e x p e rim e n to y
en to n ce s los resultados pu e d e n s e r m a x im iza d o s red u cie n d o la v a ria n za en
form a opuesta al procedim iento usado en este caso de estudio. (T a g u c h i,1986)
DISEÑO PARA LA MANUFACTURA
L a in te n ció n de e sta té c n ic a e s g a ra n tiz a r q u e el d is e ñ o de p ro d u cto

c u m p lirá co n los re q u e rim ie n to s de c a lid a d fijado s p o r el cliente y con las
lim ita c io n e s de fa b ric a c ió n e s ta b le c id a s p o r la te c n o lo g ía de p ro c e s o . El
objetivo es lograr un diseño fácil de fabricar y que cum pla con las expectativas
fijadas por el consum idor.
T o d o producto industrial pasa por una etapa de diseño. E n unos casos este
proceso es altam ente especializado y en otros casos obedece al trabajo de una
única p e rs o n a , la q u e a tra vé s de los a ñ o s , ha ad q u irid o la suficiente e x p e
riencia y pericia para bosquejar un diseño. E n m uchas ocasiones, se hace caso
om iso de las especificaciones del co n sum ido r y se diseña un producto fácil de
fabricar pero que no es del total agrado del cliente. E n otras ocasiones, se dise
ña el producto sin tom ar en cuenta las capa cid ades tecnológicas y técnicas de
los procesos productivos, con el correspondiente problem a de que se tiene un
diseño difícil de producir. El producto que se fabrica no cu m p le con la calidad
exigida por el diseño pues los ingenieros de producción se limitan a interpretar
lo establecido por el diseñador.
U n o de los procesos productivos m ás afectado por situaciones de este tipo

es el p ro ce so de e n s a m b le , p u e s si el pro du cto no se dise ñ a para u na fácil y
sim ple o p e ración de e n s a m b le , los p ro b le m a s de productivid ad y calidad se
a g r a v a r á n y s e in c re m e n ta rá n . N o im p o rta si el e n s a m b le es m a n u a l o
a utom ático, los cuidados en la etapa de diseño deb en ser analizados.
E n el ca so de un ensam b le m anual los operarlos necesitan m esas, dispo

sitivos, cajas, sujetadores y herram ientas m anuales para llevar a cabo su traba
jo. A d e m á s , se necesitan b a n d a s transportadoras, dispositivos de gra ve d a d u
otros equipos de m anejo de m ateriales para el transporte de materiales, partes
y p ro du ctos de un puesto de trabajo a otro. La s m a n o s son la principal h e rra
mienta de trabajo. E n el caso de un ensam ble automático, el diseño de producto
d e b e tom ar en cuenta todas aquellas características que faciliten el desarrollo
de p ro gra m a s de co m putad ora de a cu erdo con el pro ceso por ejecutar.
E n general, sin importar el tipo de ensam ble, el objetivo de los diseñadores

es uno: diseñar un producto cu ya sim plicidad y características permitan un fácil
en sa m b le , satisfaciendo los requerim ientos del co n su m ido r a un nivel e co n ó
m ico para la e m p resa. Esto es con ocido co m o diseño para la manufactura.
E n la aplicación de este concepto, los diseñadores tom an en cuenta el tipo

d e p r o d u c t o , s u s c a r a c t e r ís t i c a s y a d e m á s lo s s ig u ie n t e s p r in c ip io s
(F ish e r, 1984):
1. Modularidad. S e deb en co m b in a r tantas partes co m o sea posible en una

sola, con el fin de reducir inventario, m anejo de partes y piezas, tiem po de
e n s a m b le y n iv e l de d ific u lta d de la o p e ra c ió n . A la v e z , el o rd e n se
favore ce y la p ro gram ación y el control de producción se hace m á s fácil.
2. Partes multifuncionales. E ste tipo de partes perm iten te ner tareas de

e nsam b le m ás eficientes y m ás productivas pues se reduce considerable
m ente el tiem po de ensam b le, la probabilidad de errores y la necesidad de
largas y com plicad as actividades de capacitación y entrenam iento.
3. Accesibilidad. La s partes q u e c o m p o n e n el e n s a m b le d e b e n se r d is e
ñ a d a s de tal m a n e ra q u e fa v o re z c a n el d iseño de un m éto do de trabajo
fácil, e v ita n d o el tra b a jo de “c o n to rs io n is ta ” q u e es fre c u e n te v e r en
o p e racione s de e nsam b le m anuales.
4. Flexibilidad. Las partes de un producto ensam b lado deben ser diseñadas

de tal m anera qu e permitan cam bios rápidos y ágiles en el futuro. Esto con
el fin de reducir los costos de los cam bios necesarios para adaptarse a los
requerim ientos de m erca do y del a vance tecnológico.
5. Utilidad. Las partes y su ben sam bles deben ser diseñad os de tal m anera
que se obtengan utilidades sin sacrificar la calidad de materiales y c o m p o
nentes. P ara esto, el dise ñ a d o r deb e h acer un análisis de costos y estar
con sciente de q u e se deb e d is e ñ a r un pro du cto lo suficientem ente e c o
nóm ico y de alta calidad y que por consiguiente cu m p la con los requisitos
establecidos tanto por parte del cliente com o del proceso de manufactura.
6. Simplicidad. U n diseño de pro ducto que sea sim ple evita errores en las
líneas de ensam b le pues las instrucciones y e sq u e m a s son fáciles de en
te n d e r. E s ta s im p lic id a d p u e d e e lim in a r o p e r a c io n e s d e e n s a m b le
inne ce sa rias. E n el ca so del e n s a m b le au tom ático, sim plicidad significa
diseñar el producto para que sea fácil de en s a m b la r m anualm ente.
7. Seguridad. D is e ñ a r un pro d u cto que sea fabrica do y u sa d o bajo co n d i

cio n e s s e g u ra s es u na tarea fu n d a m e n ta l del d is e ñ a d o r. D isp o sitivo s
m a te ria le s y p ro c e s o s d e b e n c u m p lir co n las n o rm a s d e s e g u rid a c
establecidas.
8. Facilidad.El ensam blaje unidireccional facilita la operación de ensam ble

Puestos de trabajo que se diseñen para ejecutar el ensam ble en una ónice
dirección facilitan am pliam ente la operación.
9. Variabilidad. El diseño de un producto con un excesivo núm ero de partes

variables perjudica la ejecución de las o p e ra cio n e s de e n sa m b le . El nú
m e ro de pa rte s d e b e se r m ín im o , de tal m a n e ra q u e se sim p lifiq u e I;
estructura del ensam b le y se facilite el proceso.
10. Orientación. La orientación de las partes en la ope ra ció n de ensam b li

p u e d e ca u sa r d e m o ra s y p u e d e increm entar la probabilidad de error. Lí
n e c e s id a d de orie n ta r partes p u e d e ser e vita d a u s a n d o disp o s itivo s <
superficies de orientación. El diseño de puestos de trabajo que obedezcai
a un proyecto cu idado sam ente evaluado garantiza este principio.
E s requisito de un d iseño p a ra el e n s a m b le el cum p lim ie n to de cierta

condiciones. Entre éstas (G a iro la ,1 986):
1. Eliminación de ajustes y escogencia de un método eficiente d

ensamble de partes. La operación de ajuste es la que m ás problem as d
ca lida d ca u s a , p o r ello d e b e s e r c u id a d o s a m e n te estu d ia d a b rin d a n d
tole ra ncias q u e no sean tan g ra n d e s co m o p a ra q u e el p ro d u cto pierd
e s té tic a y c a lid a d , ni tan p e q u e ñ a s c o m o p a ra q u e la o p e r a c ió n d e

ensam ble se vuelva difícil de ejecutar. El m étodo y los materiales para unir
parte s de b e n se r c u id a d o s a m e n te s e le ccio n a d o s de tal m a n e ra q u e se
re d u zca la probabilidad de desajustes y uniones defectuosas.
2. Reducción del uso de herramientas y sujetadores. E l d is e ñ o d e b e

c o n te m p la r form as de e n s a m b le q u e m inim icen el uso de tornillos y toda
clase de sujetadores. Si esto se logra, el uso de herram ientas será m ínim o
y la operación de e nsam b le será m á s eficiente.
3. Atención especial sobre valores objetivo establecidos para dimen

siones críticas. T o d a dim ensión crítica deb e ser especialm ente tratada y
a n a liza d a por m e d io del control e sta d ístico , b u s c a n d o sie m p re el v a lo r
objetivo para m in im iza r la variabilidad. El m étodo de T a g u c h i constituye
una gran ayuda en el logro de esta m eta.
4. Establecimiento de superficies con características topográficas que

favorezcan el ensamble. Este tipo de superficies permitirán a la m áquina
o al o p e r a d o r e je c u ta r la o p e r a c ió n en u n a fo rm a m á s á g il, rá p id a y
eficiente.
5. Identificación de parámetros de diseño. Si se con o ce n los parám etros

que pueden afectar la calidad del producto se pueden predecir fallas antes
de la etapa de producción. El m étodo de Ta g u ch i y en general las técnicas
de diseño de experim entos pu e d e n s e r útiles para este análisis.
6. Análisis de propiedades de los materiales. E s im p o rta n te to m a r en

cu e n ta p ro p ie d a d e s de los m ateriales en el diseño de producto, p u e s es
este el m edio de estudiar interacciones entre el am biente, el ser h um a no y
las m áquinas, e va lu a n d o las posibles ca u sa s de fallas.
7. Estudio del producto y de la tecnología del proceso. E s absolutam ente

n e c e s a rio c o n o c e r a c e rc a de las c a ra c te rís tic a s del p ro d u c to y d e la
te cn o lo g ía del p ro ce so . D is e ñ a r un p ro d u cto sin to m a r en cu en ta estos
asp e cto s p ro voca un gran riesgo de co m e te r errores. El d ise ñ a d o r deb e
co n o c e r las lim itaciones y forta lezas de los sistem as de e n s a m b le . E sto
requiere del trabajo en equipo de d iversa s disciplinas.
8. Análisis de la competencia. E s im portante analizar las causa s de éxito o

fracaso de m ercado de com petidores, pues es una forma de retroalimentar
productos y pro cesos. Para ello se deb e establecer un a d e c u a d o sistema

de In fo rm a ció n q u e p e rió d ic a m e n te re c o le cte d a to s p a ra su posterior
análisis.
9. Análisis de diseños preliminares y finales. Definitivam ente no es una

bu e n a práctica iniciar una pro d u cció n sin a n a liza r las fortalezas y debili
d a d e s del d is e ñ o e sta b le cid o . E s to se logra a tra vé s de p ru e b a s piloto
iniciales qu e perm itan e v alu ar las características de diseño y determ inar
los c a m b io s n e c e s a rio s . L a p rá c tic a de fijar v a lo re s o b je tivo en lugar
de to le ra n c ia s o b lig a al p ro c e s o a p ro d u c ir c o n un m e jo r m a rg e n de
calidad.
E l d is e ñ o d e un p ro d u c to ba jo esto s p rin c ip io s y c o n d ic io n e s g a ra n ti

z a rá éxito en el m e rc a d o con el c o rre sp o n d ie n te a u m e n to en el v o lu m e n de
ventas.
La s inquietudes g e n e ra d a s por este objetivo han da d o origen a los siste

m a s C A D (D is e ñ o A s is tid o p o r C o m p u ta d o ra ) p u e s el objetivo es utilizar la
com putadora para producir un diseño que tom e en cuenta la m ayor cantidad de
variables que p u edan influir en la fabricación del producto. C o n el fin de dism i
nuir la interpretación de los requerim ientos de diseño se habla en la actualidad
de sistem a s C A D / C A M , a tra vés de los cu ale s el d is e ñ a d o r p u e d e transmitir
instrucciones directam ente a la m áqu ina respectiva.
Del a n á lisis an te rio r se d e s p re n d e qu e el d ise ñ o de p ro d u cto ju e g a un

papel clave en el logro del objetivo de calidad. Si un diseño se plantea apegado
a los re q u e rim ie n to s del c o n s u m id o r y a las lim itacion es y n e c e s id a d e s del
proceso existe una alta probabilidad de que satisfaga al consum idor. Esta tarea
incluye un análisis profundo de m ateriales y procesos.
SI se diseña para la producción, las diversas tareas de inspección de cali

dad y control de producción se harán relativam ente m ás fáciles. Si los diseños
e stán su je tos a interpretación del e q u ip o de p ro d u c c ió n , la pro b a b ilid a d de
com e te r errore s crece.
A u n q u e la discusión se ha cen trado en diseño para el e nsam b le los crite

rios citados a q u í son totalmente válidos para otros procesos.
CONCEPTOS DE EFECTIVIDAD DE SISTEMAS
C u a n d o se ha bla de ca lid a d de p ro d u cto y se enfoca d e s d e el punto de

vista del cliente, es n e ce sa rio e v a lu a r la efectividad co n la qu e el objetivo de
satisfacción com ple ta se cum plirá. P ara ello se deb e som eter al producto a un
ciclo de vida qu e con tem ple las siguientes fases:
a. Concepción y factibilidad. S e refiere a la idea de lan zar un producto al

m e rca do com o producto de investigación y desarrollo o com o producto de
la investigación de m erca do. Incluye un análisis de factibilidad desde tres
ángulos: económ ico, operativo y técnico. E n el análisis económ ico se e va
luarán d iv e rs a s alternativas s e g ú n su costo. E n el análisis op e ra tivo se
a n a liza rá la factibilidad de fabrica r el p ro du cto de a cu e rd o con el equipo
p ro du ctor que se cuen ta. E n el análisis técnico se e va luará la capa cid ad
con que se cuenta y se com parará con la requerida para fabricar el produc
to. L a d e c isió n final se b a s a rá en el aná lisis de co s to be n e ficio y en la
ca p a cid a d de inversión que se tenga.
b. Diseño de producto. E n el capítulo I se analizó el im pacto qu e el diseño

de p ro d u cto tiene en la calida d q u e se o b te n ga . Y a se co m e n tó en este
capítulo a ce rca de la im portancia de diseñar para producir.
c. Desarrollo de pruebas piloto. E s n e c e sa rio e v a lu a r las b o n d a d e s del

diseño a través de la ejecución de pruebas piloto qu e permitan corregir los
errores antes de producir.
d. Análisis de producción previa. C onsiste en producir uno o m ás lotes de

pru e ba qu e perm itan efectuar los ajustes necesarios directam ente en las
líneas de producción.
e. Producción masiva. U n a v e z q u e se tiene la c e rte z a d e q u e se han

a lca nzado los parám etros dictados por el diseño se inicia la producción en
m a sa efectuando los controles previam ente diseñados.
f. Cambios en diseño. A través de la retroalimentación recibida del cliente y

del proceso de fabricación se incorporan las m ejoras al diseño, con el fin de
irse a ce rca nd o ca d a día m ás a lo d e s e a d o por el cliente.
E n todas estas etapas existe riesgo de error y este error será frecuente en
la m edida en que la efectividad del sistem a sea baja.
La efectividad de un sistema es la m e d id a de la extensión en qu e se

espera que ese sistem a satisfaga los requisitos fijados para cum plir una misión
espe cífica. La efectividad es función de la disponibilidad, la fiabilidad y la
capacidad de los com ponentes del sistem a los cuales se com binan a través de
índices que m iden la efectividad del sistem a.
La disponibilidad del sistema se define co m o la condición de inicio que

perm ite qu e un pro d u cto e m p ie ce la lab or para la qu e fue c re a d o . La d isp o
nibilidad del sistem a se determ ina a partir del cálculo de la disponibilidad de sus
com ponentes, los que se com binan por m edio de las leyes de probabilidad para
determ inar la disponibilidad final. La disponibilidad de los com pon entes (P a) se
calcula com o:
Pa= T M E F / (T M E F + T M D R )
donde:
TM EF = J01 * f(t) dt
P a: disponibilidad del com ponente
T M E F : tiem po m edio entre fallas
T M D R : tiem po m edio de reparación
f(t): función de falla
EJEMPLO 3.7
La función de fiabilidad de un co m p o n e n te eléctrico de un tosta dor este,

dad a por la función R (t) = e'5'. La razón constante ue falla es de 0,0 0 8 fallas por
hora. Al ocurrir una falla, el tiempo m edio de reparación es de 15 minutos. ¿Cuál
es la disponibilidad del tostador?
SOLUCION
T M E F = 1/5 = 1 / 0 ,0 0 8 = 125 horas
Pa= ( T M E F + T M D R ) / T M E F
P a = 125 7 (1 2 5 + 0 ,2 5 ) = 0,998
La disponibilidad de este co m p o n e n te eléctrico es 0,998.
La fiabilidad e s la p ro b a b ilid a d d e q u e el s is te m a se e n c u e n tre en

c u a lq u ie ra de los e sta d o s fijados en su m isión y c u m p la a cab alidad con las
funciones asociadas con ese estado. P ara calcularla se h ace uso de funciones
de probabilidad. La fiabilidad de un co m p o n e n te (R (t)) se calcula com o:
h(t) = razón de dañ o = f(t)/R(t)
d R (t)
f(t) = -------------
d(t)
T a m b ié n T M E F se puede definir co m o :
TM EF = !(t )d t
EJEMPLO 3.8
U n co m p re so r tiene una tasa constante de falla de 0 ,0 0 0 4 fallas por hora.

S u p o n g a que el c o m p re so r inicia el trabajo al tiem po t=0.
C a lcule la fiabilidad del c o m p re so r en 150 horas de trabajo.

SOLUCION
h(t) = 0 ,0 0 0 4 fallas/hr 1 = 1 5 0 horas
R (t) = exp [-0 ,0 0 0 4 J 0 dx] = exp [-0,0004 t]
R (1 5 0 ) = exp [-0 ,0 0 0 4 (1 5 0 )] = 0 ,9418
La fiabilidad es de 0,9418, o sea que la probabilidad de falla es de 0,0582.
Al e v a lu a r la fiabilidad del siste m a se c o m b in a n las fia b ilid a d e s de los

co m p o n e n te s a través de tres m odelos que son el m odelo en serie, el m odelo
en paralelo y el m odelo parcialm ente redundante.
Modelo en serie
Este m odelo representa un sistem a que tiene m com pon entes idénticos e
independientes conectados en serie, lo que significa que si uno falla, el sistem a
o su bsistem a falla. La expresión de fiabilidad para este m odelo es:
Rs = (R+g)m=R +m Rrn~1q + m (m -1)Rm2q2+...+m fm-1L..fm-¡+11Rmia¡+...+qm

2! i!
Rs= fiabilidad del sistema
R = fiabilidad del com ponente
m = número de componentes
Rm= fiabilidad de m elementos operando exitosamente
mR'"-'q = probabilidad de que exactam ente (m -1) elem entos operen

exitosamente
m (m -11Rm2q2 = probabilidad d e q u e exactam ente (m-2) elementos

2! operen exitosamente
m(m-1t...fm-¡+11Rmiqi = probabilidad de que exactam ente (m-i) elem entos

i! operen exitosamente
qm= probabilidad de falla de m elem entos

Si los c o m p o n e n te s son no idénticos la fiabilidad del sistem a se calcula

com o:
m
rS = n rI
i=1
R s = fiabilidad del sistem a
R¡ = fiabilidad del co m p o n e n te i
E J E M P L O 3.9
U n sistem a de producción es alim entado por bom be o usando tres bom bas
de diferente c a p a cid a d . L a s tres b o m b a s son n e cesarias para perm itir que el
p ro ce so cu m pla con su razó n de producción. Las fiabilidades de estas bom ba s
s o n 0 ,9 , 0 ,9 5 y 0 ,9 2 re s p e c tiv a m e n te . ¿ C u á l es la fiabilidad del s iste m a de
bom beo?
SOLUCION
La F ig u ra 3 .1 7 rep resen ta al sistem a de bom beo.
3
R s= n R¡= R , * R2* R3
¡=i
R s = 0 ,9 * 0 ,95 * 0 ,9 2 = 0 ,7 8 6 6
La fiabilidad del sistem a de bo m b e o es de 0,7866.
#1 #2 #3
R,= 0,9 R,= 0,95 R,= 0,92
FIGURA 3.17. Representación del sistema de bombeo

Modelo en paralelo
E s te m o d e lo re p re s e n ta m a c tiv o s e in d e p e n d ie n te s c o m p o n e n te s
c o n e c ta d o s en p a ra le lo . E s to significa que al m e n o s un c o m p o n e n te deb e
funciona r n orm alm ente para el éxito del sistem a. La fiabilidad del sistem a se
calcula com o:
a. Para com pon entes idénticos
Rs = 1 - qm
~
b. Para co m p o n e n te s no idénticos
m
Rs= i - n qi
i=1
don de:
Rs = fiabilidad del sistem a
qm = probabilidad de falla de m com pon entes
q¡ = probabilidad de falla del co m pon ente i
n = productoria
EJEMPLO 3.10
a. La F ig u ra 3 .1 8 rep resen ta un sistem a de tres m otores eléctricos c o n e c

tados en paralelo. Estos son idénticos e independientes. La probabilidad
de falla de un m otor es 0,15. C a lcule la fiabilidad del sistem a.
R s = 1 - q 3= 1 -( 0 ,1 5 )3 = 0 ,9966
b. La Figu ra 3.1 9 representa al m ism o sistem a anterior con la diferencia de

qu e los tres m otores no son idénticos. L a s fiabilidades de estos m otores
son 0,80, 0,91 y 0,8 7 respectivam ente.
CONTROL DE CALIDAD
0,15
FIGURA 3.18. Sistema de motores conectados en paralelo
0,80
FIGURA 3.19. Sistema de motores conectados en paralelo
3
RS = 1 - n q 0
¡=1
R = 1 -q ,* q 2*q3
R s = 1 - (0 ,2 0 )(0 ,0 9 )(0 ,13)

JORGE ACUNA ACUNA
R S = 1 - 0,00
’
234
R S = 0 ,9
’
9766
Modelo parcialmente redundante
E n e ste m o d e lo n de los m c o m p o n e n te s d e b e n fu n c io n a r p a ra q u e el
siste m a fu n cio n e co n éxito. La fiabilidad de este tipo de m o d e lo se calcul;
com o:
n m
Rn/m= 1 ( )R '(1 -R r
i=m i
R = fiabilidad del co m pon ente
R n/m= fiabilidad de n de m co m p o n e n te s
EJEMPLO 3.11
La Figura 3.20 representa un sistem a com puesto de tres subsistem as A , I

y C respectivam ente. E n el su bsistem a A solo dos co m pon entes deben operar
sim ultáneam ente para g aran tizar el éxito del su bsistem a. C a lc u le la fiabilidad
del sistem a.
S O L U C IO N
a. S u bsiste m a A
Ra= £ ( )R¡(1-R)3-'
i=2 i
3 3
Ra= ( ) R2(1 - R) + ( )R3
2 3
Subsistema A Subsistema B Subsistema C
FIGURA 3.20. Representación del sistema del Ejemplo 3.11
R A = 3 R 2 (1 - R ) + R 3 = 3 R 2 - 2 R 3
R A = 3 * (0 ,8 9 )2 - 2 * (0 ,8 9 )3 = 0,9 6 6 3 6 2
b. S u b siste m a B
R b = 0,93
c. S u b siste m a C
R c = 1 - q4 = 1 - (1 - R )4
R c = 1 -( 1 - 0 ,9 4 ) 4= 0 ,999987
La Figura 3.21 representa al sistem a.
R s = R a * R b * R c
R s = (0 ,9 6 6 3 6 2 )(0 ,9 3 )(0 ,9 9 9 9 8 7 )
R S = 0 ,8
’
987
0,966362 0,93 0,999987
FIGURA 3.21. Representación del sistema
La fiabilidad del sistem a es 0,8987.
La c a p a c id a d es la facultad de un siste m a para log rar los objetivos de

acu e rdo con las condiciones fijadas.
RESUMEN
H e m o s visto en este capítulo có m o la ingeniería de calidad busca el análi

sis de los problem as de calidad de los procesos con base en una Identificación
de características de calidad. A partir de ellas y de ias actividades en la etapa de
d ise ñ o de p ro d u cto se logra red u cir la va riabilidad, el eterno e n e m ig o de la
calidad.
A d e m ás, se fundam enta la necesidad de aplicar la norm alización con el fin

d e o b t e n e r n o r m a s y e s p e c if ic a c io n e s q u e g o b ie rn e n los p ro c e s o s de
m anufactura.
O tra de las técnicas útiles es el análisis de efectividad del sistem a a través

del cu a l se p u e d e d is e ñ a r ca lid a d , e s tu d ia n d o la p ro b a b ilid a d de falla del
producto y ejerciendo las acciones necesarias.
PREGUNTAS DE REPASO
1. ¿ Q u é es ingeniería de calidad y cuál es su objetivo en control de calidad

total?
2. ¿ P o rq u é es im po rtante clasificar las ca ra cte rística s de ca lid a d ? ¿ Q u é

m étodos se usan para esta clasificación?
3. D é un ejem plo real en el qu e se apliquen los m étodo s de clasificación de

características.
4. E x p liq u e ¿ p o r q u é e s im p o rtante q u e la n o rm a liza c ió n se a to m a d a en

cuen ta en el control de calidad?
5. ¿ O u é tipo-de n orm a s existen y c u á n d o deben ser aplicadas?
6. Analice las ventajas de la N o rm a IS O -9 0 0 0 para el desarrollo industrial del

país.
7. A n a lice el objetivo del establecim iento de especificaciones técnicas.
8. ¿ Q u é es el diseño pa ra la m a nu factu ra y qué objetivo cu m p le el Q F D en

ella?
9. Explique el concepto de fiabilidad y capacidad en efectividad de sistem as.
10. ¿ Q u é v e n ta ja s o fre c e la a p lic a c ió n de las té c n ic a s de e fe c tiv id a d de

sistem as en control total de calidad?
PROBLEMAS
1. E s ta b le z c a las e s p e c ific a c io n e s del c o n s u m id o r p a ra los s ig u ie n te s

productos:
1. Pantalón para m ecánico
2. Pantalón de vestir
3. B olsa para café
4. Bicicleta
5. B asurero
2. El departam ento de inspección de calidad de una em p re s a m anufacturera

de agujas y alfileres desp ach a su producto en lotes de 5000 cajas de 1000
unidades cada una. La longitud m edia de la agujas es de 46,5 m m , con una
desviación e stán dar de 0,8 m m .
a. Si se e xtrae u n a m u e stra de 2 0 0 ag u ja s de u n a caja, d e te rm in e la

probabilidad de encontrar ag u ja s con m edidas:
• com p re n d id a s entre 45 ,4 y 45 ,7 m m
• superiores a 45 ,3 m m
b. Si la especificación de longitud dad a por norm a es
E : 4 5 ,8 ± 2 ,0 m m :
• ¿ C u á l es el % defectuoso?
• ¿ C u á l e s el v a lo r e s p e r a d o d e a g u ja s d e f e c t u o s a s en un
d e s p a ch o ?
3. Para el P roblem a N o. 2 del C a pítu lo II, responda las siguientes preguntas

si la n o rm a establece una especificación de peso de E: 100,0 ± 2,5 g.
a. ¿ Q u é c o n d ic io n e s tie n e n q u e d a rs e p a ra g e n e ra r un 1 % de p ro
ducción fuera de especificación?
b. ¿ Q u é ocurriría si la m e d ia s e d e s p la za a 103,7 g?
c. Si en última instancia las condiciones del proceso no pueden cam biar,

¿cuál debe ser una nueva especificación?
d. Si el c o n s u m id o r m u e stre a este p ro d u cto u sa n d o m u e stra s de 60

so b re s y re c h a za la m uestra si en cu e n tra dos o m á s bajos de peso,
¿ c u á l e s la p ro b a b ilid a d d e q u e u n a d e te r m in a d a m u e s tra s e a
rech a za d a ?
e. ¿ C ó m o ca lcu la ría usted los lím ites de tole rancia naturales de este
p ro ce so , por un p ro cedim ien to diferente a los pre se n ta d o s en este
texto?
4. D e un p ro c e s o de fa b rica ció n de a b o n o se extrae u na m u e stra de 100

sa co s con el fin de ch e q u e a r el peso. Esta m uestra origina la distribución
de frecuencias que se presenta en el C u a d ro 3.11 (p e so en kilogram os).
Si la especificación es: E : 7,0 ± 1,1 kg
a. Analice la situación de este proceso.
b. ¿ C u á le s son sus conclusiones y recom endacion es?
c. A un nivel de c o n fia n za del 9 9 % y d e s e a n d o u na p ro p o rc ió n entre

límites del 9 5 % , ¿cuáles son los límites de tolerancia?
CUADRO 3.11. Distribución de frecuencias del Problema No. 4
L, L I, >, nK
2,15 4,05 2,2 4,0 5

4,05 5,95 4,1 5,9 12
5,95 7,85 6,0 7,8 56
7,85 9,75 7,9 9,7 20
9,75 11,65 9,8 11,6 4
11,65 13,55 11,7 13,5 3
d. S i se h iciera un con trol b a s a d o en p ro m e d io s, ¿ q u é p o rce n ta je de

ellos saldría de especificación?
5. D e un p ro c e s o de fa b rica ció n de v a rilla s p a ra p a ra g u a s se extrae u na

m u e s tra de 2 5 u n id a d e s , c o n el fin d e in s p e c c io n a r su lo n g itu d . Lo s
resultados obtenidos, con m edidas en cm , se presentan en el C u a d ro 3.12.
Si la especificación es: E : 29 ,6 ± 2 ,5 cm
a. ¿ S e puede afirm ar con a = 5 % , qu e el proceso está centrado?
b. ¿ S e p u ede afirm ar con a = 5 % , qu e el proceso es preciso?
c. ¿ Q u é con clu siones obtiene del análisis h echo?
6. La especificación para el diám etro de ciertos tubos plásticos es: E : 39,12

± 1,90 cm .
CUADRO 3.12. Datos para el problema No. 5
28,6 30,1 29,9 28,1 30,0

28,8 32,1 30,8 28,7 29,0
28,9 32,0 31,7 29,9 29,7
29,1 30,5 30,2 30,2 30,8
30,8 30,0 29,0 30,5 31,2
E xisten en la planta tres m á q u in a s qu e p ro d u c e n bajo las co n d icio n e s

pre sentada s en el C u a d ro 3.13.
CUADRO 3.13. Información del Problema No. 6
M A Q U IN A S
A B C
Promedio 39,12 40,85 34,91
Desviación 1,50 1,90 1,40
D ada s las características de las m áquinas, realizar un análisis que dé res

puesta a las siguientes pregun*as:
a. ¿ C u á l es el % d efectuoso de c a d a m á q u in a y qu é re c o m e n d a c io n e s se
dan?
b. Si se re a liza ra u na in sp e cció n 1 0 0 % , u s a n d o un calibre p a s a -n o pasa,

cu y a s d im e n sio n e s son 3 5 ,8 y 3 9 ,8 cm , ¿cu ál es el porcentaje de tubos
qu e p a sa ro n c o m o b u e n o s siendo m alo s y cuál es el porcentaje q u e se
rechazaron siendo buenos? Analice la situación para cada m áquina y para
la producción total.
c. ¿ C u á l d e b e s e r u na e s p e c ifica ció n p a ra q u e to d a s las m á q u in a s p ro

du zca n 3 % o m enos de tubos defectuosos? R esuelva considerando tanto
proceso centrado com o descentrado.
ch. ¿ C u á l se ría la especificación q u e red u ce al m ínim o el porcentaje defec

tuoso de estas m áquinas?
7. E n un estudio se tiene por objetivo determ inar la com binación de variables

q u e p ro d u c e la m á s alta p ro d u c c ió n d e a lu m in io a tra v é s d e c u a tro
diferentes variables del pro ceso. S e tiene la siguiente inform ación:
L ista d e v a ria b le s
A. T ie m p o de m ezclad o
Se-tienen tres diferentes tiem pos que son 2 , 3 y 4 horas
B. V e locidad de corte
S e tienen tres velocida des que son 3 6 ,7 8 ,1 0 0 rpm
C. C o nd ició n de nitrógeno usado
S e p u e d e u s a r s e c o , c o n 7 2 % d e h u m e d a d re la tiv a y 5 0 % d e
h u m e d a d relativa
D. E sta d o físico del im pulsor
S e tienen tres niveles qu e son alto, m edio y bajo
Si los resultados de los experim entos L9 en su o rden respectivo son

1 6 ,3 , 16,0, 16,2, 16,1, 16,0, 16,8, 15,5, 15,9 y 16,7 kilo g ra m o s por
hora.
a. D e term ine la m ejor com binación de variables.
b. ¿ Q u é conclusiones obtiene de este experim ento?
8. U n a e m p re s a de se a invertir en un sistem a de inspección que funcione a

tra v é s d e s e n s o re s . S e han re c ib id o tre s ofertas c u y a in fo rm a ció n se
pre senta en el C u a d ro 3.14.
Si se d e s e a q u e este e q u ipo trabaje tres turnos, c o m p a ra r las o p cio n e s

ofrecidas con base en su efectividad, por un período de un año y para un
uso qu e requiera inspeccionar 2 2 0 0 unidade s por hora.
9. U n a red está com puesta de unidades independientes según la Figura 3.22.

La p ro b a b ilid a d de falla de c a d a u n id a d se e sp e c ifica en el d ia g ra m a .
¿ C u á l es la fiabilidad del sistem a?
CD c/5
E 2
E "S
.2 -S c CD O
-°! 8 E£ O
O
<o o E
CD .O Q o S o
c o
■E o CM
0) "O Q)
3 "O
V) ü) r € .5
CD <D i;
O E 3 .2 íi> CD <o
■° E > "9
O) Q. .-g -o cü O
— C (D LO f- CD nD
CD c/5 C <D C LLI O W
co .E 3 > * := CM O >S CD
CUADRO 3.14. Información ,)ara el Problema No. 8
0
C
0) ü)
E 2
:I .SE2 -g
"S C CD O
CD
-0 — 0 E * O
— o
2 -Q . o o 8
05 CD
II
TR £ i_ ° C
i— mD CD cc
CD
R ra f _
CD CD
T3 C
ü) w ¿
(D (D ® í ; C-S
"O 0
2
?
CD
•c O "S O J ¡ => > "O
■ o 7 3 ra O C/5 C
O) o • - C (D O CD 'CD
CD 0) C CD c LO ■o W
C¿) CL 3 >< — CM > , CD
O E "S
cu .2 ^
cc </) ~& '-=
o CD JO ü)
t:
0 O) CD -Q CD II
« E • cr
LJ- CD '
C/5 C/5
0 0
05 O . LL I
U J CD
0 Q)
CO CL
POR
<
CD CE
UJ O
x
DE PRODUCCION
NO FUN CIO N AR
< i GE
O z o O
< o < < Q_
O < O Q O <
o < co£ o
O CE
gS p s
< < □
o. CD 0. CD LD C/5 O x
< < O uj UJ
o O O 0.
r 0,01
® a0,03
- 12 -
0,09
0,02 0,08
- 1 - 2 — 13 14
0,08 0,02 0,03 0,02
0,04 0,05
0,02 0,01 0,07
- 10 - - 11 -
0,04 0,05
FIGURA 3.22. Diagrama para el Problema 9

Capítulo IV
GRAFICOS DE CONTROL
PARA VARIABLES
os procesos productivos son incapaces de producir dos

unidades de producto exactam ente iguales. Esto se de
be a un sinnúm ero de ca u sa s qu e provocan variación y
q u e por io tanto es n e c e s a rio co n tro la rlas c u a n d o se
presentan en exceso.
U n a de las h e rram ienta s e sta d ística s q u e p u e d e

servir para esta función es el gráfico de control. A través
de un gráfico se pueden investigar anorm alidades en los
pro cesos productivos, las cuales provocan producción
no conform e con las especificaciones. Ta m b ié n es posi
ble visualizar tendencias que lleven al pro ceso paulati
n a m e n te fu e ra de co n tro l c o n las c o rre s p o n d ie n te s
c o n secu encias que ello acarrea.
DEFINICION DE GRAFICO DE
CONTROL
El gráfico de control es una form a gráfica y cro n o

lógica de representar el com portam iento de una o m ás
características de calidad, fijando límites que sean acor
des con experiencias y valores especificados y p re via
m ente establecidos.
E n algunas e m p re s a s aún está m u y arraigado el uso de inspección 1 0 0 %

(e s decir inspección del total p ro ducido) con la idea de qu e esta es la form a de
evitar qu e pro d u cto fuera de e sp e cifica cio n e s alcance las m a n o s del c o n s u
m idor. Sin e m b a rg o , este es un m étodo m u y caro, que requiere m u ch o tiem po
y q u e no n e c e s a ria m e n te c u m p le c o n la id e a re q u e rid a . A d e m á s , no es
aplicable en inspección destructiva.
P a ra estos c a s o s , el gráfico de control constituye u na im portante h e rra

m ienta que permite un control m ás barato con grandes posibilidades de generar
un análisis representativo si se cu m plen los requisitos establecidos para su uso
y aplicación.
E n el análisis m ediante gráficos de control se tom an m uestras del proceso

o m áquina a intervalos de tiem po, con el fin de estudiar el com portam iento de la
v a ria b le . El requisito es q u e v a lo re s , q u e son rep resen tativos del c o m p o rta
m iento del p ro ce so , se m antengan dentro de dos ban d a s de con fian za llam a
das límites de control con el fin de concluir que el pro ceso es estable.
E n resum en, el gráfico de control tiene com o objetivo principal, descubrir el

desajuste del pro ce so, m ostrado por tendencias pro nunciadas o puntos fuera
de límites de control, y encontrar las ca u sá s a través del análisis de factores de
calidad com o el hom bre, las m áquinas, los materiales y los m étodos de trabajo.
Estadísticam ente, el gráfico de control se pu ede definir co m o un intervalo

de co n fia n za en u na e sca la se rie -tie m p o , en don d e los lím ites de control son
niveles de significación, con su s coeficientes correspondientes a la desviación
están da r de la característica en estudio.
ETAPAS DE UN GRAFICO DE CONTROL
U n g rá fico de co n tro l se a p lic a a tra v é s de tre s e ta p a s q u e s o n c o n s

tru cció n, análisis y seg u im iento . La construcción del gráfico co n siste en el
d is e ñ o del e x p e rim e n to y en la re c o le c c ió n y re p re s e n ta c ió n g rá fica de la
información. E n esta etapa se define, entre otras cosas, la característica por es
tudiar, el núm e ro de grupo, el ta m a ñ o de cad a grupo y el m étodo de selección.
JORGF ACUÑA ACUÑA '225
Ta m b ié n se calculan los límites de control y se dispon e la inform ación para su

análisis.
T o d o s e s to s p ro c e d im ie n to s d e b e n e je c u ta r s e m e d ia n te el u so de
form u la rios e sp e c ia lm e n te d is e ñ a d o s con el fin de d is p o n e r de inform ación
a de cu a d a m e n te o rdenada .
El a n á lis is del gráfico se efectúa en dos paso s. P rim e ro , se co m p a ra la

situación del p ro c e s o co n re s p e cto a su c o m p o rta m ie n to n orm al y luego se
com para con respecto a la especificación. Al efectuar el análisis, las dificultades
se m ostrarán por m edio de puntos fuera de límites de control o tendencias pro
nu ncia d as. La intención principal no es un análisis correctivo sino preventivo.
S e investigan las ca u sa s para evitar qu e situaciones sim ilares o relacionadas
ocurran en el futuro.
A q u í se debe tener claro que si el proceso está bajo control no significa que
c u m p le con la e s p e c ific a c ió n , p o r lo q u e esto últim o d e b e in ve stig a rse por
se p a rado. Este análisis es m u y im portante, pu es de los resultados obtenidos
d e p e n d e rá el éxito de la siguiente etapa.
El s e g u im ie n to consiste en la acción preventiva que se lleva a cabo d e s

pués de conocer el com portam iento del proceso. Este consiste en graficar nue
vas m uestras sobre un patrón de gráfico que contiene solo los límites de control
y en elaborar con clusiones de acu e rd o con el com portam iento detectado.
CAUSAS DE VARIACION
Los gráficos de control se basan en el estudio de cau sa s de variación pues

son éstas las que originan los pro blem as de calidad en los procesos. C o m o se
recalcó anteriorm ente ningún p ro ce so de m anu factura es c a p a z de producir
dos unidade s idénticas, pues siem pre existe variación.
Esta variación tiene su origen en la naturaleza del proceso y en la interven

ción de agentes externos que hacen que el com portam iento de la característica
en estudio se altere.
E x iste n d o s tipos de c a u s a s de v a ria c ió n : las c a u s a s a s ig n a b le s y las

ca u sa s no asignables.
Las causas no asignables o cu rre n al a z a r y se d e b e n a la n a tu ra le za

te c n o ló g ic a de m á q u in a s , p ro c e s o s y m ateriales. E s ta s c a u s a s tienen una
influencia m u y p e q u e ñ a sobre la calidad del producto y no son determ inantes
para qu e el p ro ce so salga fuera de control. E sta s ca u sa s son independientes
entre sí y su distribución de probabilidad no es conocida.
Las causas asignables o cu rre n d eb ido al co m po rtam ien to a no rm al de

uno o m ás factores de calidad, son pocas en núm ero pero de gran influencia en
la ca lid a d del p ro d u c to . E s ta s c a u s a s p u e d e n s e r e s tu d ia d a s a fo n d o para
dism inuir o anular su influencia.
E stas ca u sa s llevan al proceso paulatina o bruscam ente fuera de control y

se obs e rva n en los gráficos c o m o puntos fuera de límites de control o te n d e n
cias pro nunciadas.
S e g ú n su incidencia en la especificación pueden generar altos volúm enes

de producto disconform e con especificaciones. S u distribución de probabilidad
e s la distribución norm al.
E J E M P L O 4.1
U n a o p e ra c ió n de corte de una lám ina, e je cu ta d a en una g uillotina, se

efectúa siguiendo este procedim iento:
1. C o lo c a r la lám ina bajo la guillotina y sujetarla con el dispositivo.
2. A cc io n a r la p ala nca de a v a n c e para que la guillotina baje.
3. C o rta r la lám ina.
4. A cc io n a r la p a la nca de a v a n c e para que la guillotina suba.
5. D e sc a rg a r las dos piezas y colocarlas a un lado de la guillotina.
Establecer un listado de posibles causas asignables de variación, que pu e

dan p rovocar problem as de calidad en esta operación, clasificadas de acuerdo
con los factores de calidad h om bre, m áquina, m étodo y material.
JORGE ACUNA ACUNA
SOLUCION
Listado de características
Causas imputables al hombre

• Falta de adiestram iento
• E x c e s o de confianza
D e scu ido
• D esm otivación
• N eglige ncia
Causas imputables a la máquina

• Filo de cuchilla
• Lubricación de partes m ecánicas
• Desajuste de cuchilla
G o lp e de guillotina
• Desajuste de dispositivo
Dispositivo mal colocado
Causas imputables al método de trabajo

P uesto de trabajo mal diseñado
• D istancia a palanca
• M étodo de carga y descarga
A cc io n a r de la pieza no controlado
Causas imputables a la materia prima y materiales

• D u re z a de la lám ina
• Lá m in a s torcidas
• P orosidad
• Defectos superficiales
• Brillo
• G ranulación
• R aya d u ra s
GRAFICOS DE CONTROL PARA VARIABLES
C u a n d o la característica de calidad es importante de acu erdo con el a n á

lisis de P areto, una de las té cn ica s estad ísticas que se p u e d e aplicar son los
g ráficos de control. E l objetivo es lle va r un estudio d e ta lla d o del c o m p o rta
m iento de la variable con el fin de tom ar las acciones correctivas y en especial
preventivas para qu e las a n o m a lía s no se presenten.
Los gráficos de control para variables se com ponen de dos partes: una se
basa en prom edios y controla la exactitud; la otra parte se basa en m edidas de
dispersión y controla la precisión. T a m b ié n existen en esta categoría los g rá
ficos de su m a s a cum uladas qu e solam ente controlan exactitud con base en un
estudio de desplazam iento periódico del prom edio del proceso. El Ejem plo 4.2
d e m u e s tra la ra z ó n p o r la q u e se u s a n p ro m e d io s c o m o e s tim a d o re s de
tendencia central.
U n aspecto que se debe tom ar en cuenta para decidir si usar o no este tipo
d e g r á f ic o s e s un a n á lis is d e c o s t o s p u e s es n e c e s a r io el e m p le o de
in s tru m e n ta c ió n , m a te ria le s y p e rs o n a s q u e en m u c h o s c a s o s d e b e n s e r
especia lizad os. Esto es aún m ás im portante si se tom a en cuen ta que solo se
puede controlar una variable a la v e z.
EJEMPLO 4.2
U n a operación de producción debe cum plir con la especificación 34 ± 9 cm .

E n este m om ento el pro m e dio del pro ceso se encuentra en 40 cm . D e m o stra r
que es m ejor un control basado en prom edios con m uestras de cuatro unidades
que un control ba sado en o b se rvacio nes individuales.
SOLUCION
M = 34 cm T = 9 cm
o ’ = T/3 = 9/3 = 3 cm
P a ra d e m o s tra r lo so licita d o , se ca lc u la rá la p ro b a b ilid a d de detectar

puntos fuera de límites usando observaciones individuales y se com parará con
la corresp ondiente a pro m e dio s. Lo s límites se ba sa rá n en tres desviaciones
e stán dar a la izquierda y tres a la d erech a del pro m e dio del proceso.
CASO A. Observaciones individuales
Los límites de control se calculan así:
L S C = x + 3 * a ’ = 34 + 3 * 3 = 43 cm
L IC = x - 3 * a ’ = 34 - 3 * 3 = 25 cm
L a F ig u ra 4.1 m u e stra g rá fic a m e n te la fo rm a de h a c e r el cá lc u lo de la

probabilidad planteada.
S e a A la probabilidad de detectar un valor x fuera de límites y com puesta

por la su m a de A , y A 2.
A , = P ( x > 43 ) = 1 - N ((4 3 -4 0 )/3 )
A , = 1 - N ( 1 ) = 1 -0 ,8 4 1 = 0 ,1 5 9
S itu a c ió n te ó ric a S itu a c io 'n re a l
FIGURA 4.1. Representación de probabilidad basada en observaciones individuales.

A , = 1 5 ,9 % de T a b la I de A pé n d ice I
A 2= P ( x < 25 ) = N ((2 5 -4 0 )/ 3 )
A 2= N ( - 5 ) cu yo valor es a proxim adam ente cero
P o r lo tanto: A = A , + A 2= 15,9 + 0 = 15,9 %
A =15,9%
CASO B. Promedios con muestras de cuatro unidades
S e a B la probabilidad de encontrar un prom edio de una m uestra fuera de

límites y calculado por la su m a de B , y B 2.
D a d o qu e se tra bajará con pro m e dio s se usará el teorem a del límite c e n

tral, por lo que:
p_= ¡i = 34,0
a* = o 1N n = 3 / V 4 = 1,5 c m
Lo s límites de control serán:
L S C * = x + 3 * O j = 3 4 ,0 + 3*1 ,5 = 3 8 ,5 c m
L I C X- = x - 3 * o X- = 3 4’ , 0 -3 * 1,5
’
= 2 9 ,5
’
cm
L a F ig u ra 4 .2 m u e s tra g rá fic a m e n te la form a de h a c e r el c á lc u lo de la

probabilidad planteada.
B , = P ( x > 3 8 ,5 ) = 1 - N ((3 8 ,5 -4 0 ,0 )/ 1 ,5)
B ,= 1 - N ( -1 ) = 1 -0 ,1 5 9 = 0,841
B , = 8 4 ,1 % de T a b la I de A p é n d ice I
S itu a c ió n te ó ric a S itu a c ió n re al
FIGURA 4.2. Representación de la distribución muestral (n=4)
B 2= P ( x < 29,5 ) = N ((2 9 ,5 -4 0 ,0 )/ 1 ,5)
B 2= N ( - 7 ) cu yo valor es aproxim adam ente cero
B = B ,+ B 2= 8 4 ,1 + C = 8 4 ,1 %
B = 8 4 ,1 %
Al com p a rar a m bos valores es evidente que la probabilidad de detectar el

p ro m e dio de una m uestra fuera de lím ites (8 4 ,1 % ) es m u ch o m ás alta que la
probabilidad de detectar una observación individual (1 5 ,4 % ) fuera de límites de
control. Esto dem uestra la razón por la cual se usan prom edios en el control de
procesos.
Existen d ive rso s tipos de gráficos de control para variables. S e ve rá n a

continuación los siguientes:
a. Gráfico de prom edios e intervalos (x ,R )
b. Gráfico de prom edios y desviación estándar (x ,o )
c. Gráfico de m edianas e intervalos (M e,R )
d. Gráficos de su m as a cu m u lad as (C U S U M )
GRAFICO DE PROMEDIOS E INTERVALOS ( x,R)
E s te gráfico u tiliza c o m o m e d id a de control de exactitud el p ro m e d io y

c o m o m edida de control de pre cisión el intervalo. E sta s m edidas se calculan
con base en m -m u estra s de tam año n, extraídas del proceso en estudio a inter
valos de tiem po o cantida d de pro ducción que son definidos previam ente.
E s requisito c la v e para u sa r e ste tipo de gráficos s e le c c io n a r m u e stra s

p e q u e ñ a s, pues el intervalo solo es un buen estim ador de dispersión en estos
caso s.
Construcción del gráfico
E n la co n stru cció n de un gráfico de control x,R se sig ue n los siguiente s

pasos:
1. Selección de la variable. E s te d e b e s e r n e c e s a ria m e n te un p a s o ya

e je c u ta d o a tra v é s de la id e n tific a c ió n de c a r a c te rís tic a s de c a lid a d
em p le an do el dia g ra m a de Ishikaw a y el paretogram a.
2. Definición del marco de muestreo y método de seleción. E s necesario

definir el lugar de don d e se extraerán las m uestras, sea éste lotes pro d u
c id o s o m á q u in a s en p ro c e s o . A d e m á s , se d e b e e s tru c tu ra r a d e c u a
dam ente la form a en que las m uestras van a ser extraídas. A lg u n a s de las
form as de ejecutar estas actividades son:
a. U tiliza c ió n d e u n a p ro p o rc ió n so b re u n a ca n tid a d p ro d u c id a (p o r
ejem plo cinco de ca d a cien)
b. Utilización de intervalos de tiem po iguales (p o r ejem plo una m uestra

cada diez m inutos)
c. Selección aleatoria u sa n d o la tabla de núm ero s aleatorios
d. U s o de m uestreo sistem ático
3. Determinación del número de subgrupos o muestras (m). La d e te r

m inación de este núm ero se deb e hacer de tal m anera que la probabilidad
de d e te c ta r c a u s a s a s ig n a b le s e n tre las u n id a d e s q u e c o n fo rm a n la
»
m u e s tra s e a la m ín im a p o s ib le , p e ro la m á x im a e n tre m u e s tra s o

s u b g ru p o s . E s to se lo g ra si se c u m p le n las c o n d ic io n e s de re p re s e n
tatividad del m uestre o. La experiencia en el uso de este tipo de gráficos
dicta qu e este núm ero deb e ser m ayor a veinte. Si esto no es posible solo
se p ueden u sar el núm ero de subgrup os de tam año cinco especificado en
la T a b la IX del A pé n d ice I.
4. Determinación del tamaño del subgrupo o muestra (n). E s m uy im por

tante que la selección de esta m uestra sea aleatoria y que la frecuencia de
tom a de ella se haga sob re la base de los beneficios esperados y el costo
de evaluación de calidad g enerado. D ebido al uso del intervalo com o m e
dida de dispersión, la experiencia dicta q u e el tam año no deb e ser m ayor
que die z unidades. Los núm ero s m ás u sado s son cuatro, cinco y seis.
5. Recolección de información. U n a v e z diseñado el esquem a de muestreo

se p ro ce d e a la recolección datos, ejecución de m ediciones y cálculo de
m edidas estadísticas. E s importante en este paso hacer uso de un formato
a d e c u a d o q u e p re s e n te la in fo rm a ció n o rd e n a d a p a ra su a n á lisis. El
E je m p lo 4 .3 p re s e n ta un e je m p lo de fo rm a to . L o s d a to s y las m e d id a s
ca lcu lada s a partir de ellos deb en tener u n a cifra significativa m ás que lo
exigido por la especificación.
Los cálculos qu e se efectúan son los siguientes:
a. P rom e dio de la m uestra
n
Ix ,
i=1
X=-
n
donde:
n : tam año de la m uestra
x.: dato individual
b. Intervalo de la m uestra
R = x i máx - x imin.
donde:
ximáx: dato de m a yo r m agnitud en la m uestra
ximín: dato de m e n o r m agnitud en la m uestra
c. P rom edio de p ro m ed ios
m
Xx
X i + X 2 + X3 + . . . + X n ¡ =1
x= _
m m
d onde:
m : nú m e ro de m uestras
x: pro m e dio de la m uestra i
d. Intervalo pro m e d io
XR,
R 11+ 2R , + R 3, + ... + R m ¡=1
R = ----------------------------------------------------
m
donde:
m : n ú m e ro de m uestras
R¡: intervalo de la m uestra i
6. Cálculo de límites de control. Existen dos tipos de límites de control. Los

lím ites de con tro l d e l pro ce so sirven para analizar la situación del proceso
con respecto a su s capa cid ades naturales, o sea aquellas sin la interven
ció n de c a u s a s a s ig n a b le s . L o s lím ite s de c o n tro l e s p e c ific a d o s son
aquellos b asa do s en la especificación y que sirven para ve r si el pro ceso
cum ple con ella. La dem ostración de estos límites se puede observar en el
A p é n d ice III.
Lo s lím ites d e b e n te ner una cifra significativa m ás q u e lo exigido por la

especificación y el criterio de re d o n d e o es re d o n d e a r lím ites superiores
hacia arriba a la cifra siguiente y lím ites inferiores hacia abajo a la cifra
pre cedente. Las fórm ulas son las siguientes:
a. Lím ites de control especificados
Para prom edios P ara intervalos
L S E -= M + T I NfrT L S E R = D 2*T/3
L C E -x= M L C E R = d2*T/3
L IE - = M - T / 'í ñ L IE R = D ,* T / 3
L S E : Lím ite Su perior Especificado
L C E : Línea C entral Especificada
L IE : Lím ite Inferior Especificado
b. Lím ites de c o r frol del proceso
Para prom edios Para intervalos
L S C x = x + A 2* R LSC r= [Y
LCC lc c r= r
L IC x = x - A 2 * R L 'C r = D 3
L S C : Lím ite Su p e rio r de Control
L C C : Línea C entral de Control
L IC : Lím ite Inferior de Control
Lo s va lores de las con stantes A 2, D ,, D 2, D 3, D 4 y d2se encu e n tra n en el

form ato de recolección de datos.
7. Construcción del gráfico. El gráfico con siste de d o s partes: una para

g ra ficar los p ro m e d io s y otra p a ra gra fica r los in te rva lo s. P a ra esto se
gradúan dos escalas, la del eje x que sirve para anotar entre otras cosas el
n ú m e ro de la m u e stra , la hora de recolección y la m á q u in a de don d e se
obtuvo.
La otra esca la , la del eje y, se divide en dos partes indepen dientes, u na

gra du a d a para prom edios y la otra g raduad a para intervalos, por supuesto
con esca las diferentes.
La fo rm a e n q u e s e g ra d ú a n las e s c a la s p a ra el p ro m e d io y p a ra el
intervalo deben contem plar la m agnitud m ás grande y m ás pequeña entre
los va lores de p ro m e d io e intervalo y los respectivos lím ites superiores e
inferiores.
Los límites de control especificados no se dibujan sobre el gráfico, sino que

se p u ede n su p e rp o n e r utilizando una lám ina de plástico.
U n a v e z g radu ad a s las escalas se procede a dibujar los límites de control

de pro ce so y los puntos corresp ondientes a cada m uestra. Lo s intervalos
se grafican con ba stone s y los pro m edio s con línea de trazo continuo.
Lo s puntos que sa lg a n ruera de lím ites deb en ser identificados m ediante

u na m a rc a e s p e c ia l, un c írc u lo p o r e je m p lo . La F ig u ra 4 .3 m u e stra un
e sq u e m a de este gráfico.
Análisis del gráfico
U n a v e z qu e se ha co n stru id o el gráfico se pro ce d e a h a c e r un análisis

detallado con el fin de detectar los problem as que presenta la característica de
calida d en estudio. El a n á lisis del gráfico se efectúa en d o s p a s o s qu e son :
análisis del proceso con respecto a sus capacidades y análisis del proceso con
respecto a especificaciones.
El análisis del p ro ce so con re sp e cto a su s c a p a cid a d e s se h a c e en dos

etapas que son análisis correctivo y análisis preventivo. E n el análisis correctivo
se identifican puntos fuera de límites y se elim inan. La razón de su elim inación
es que su causa es asignable y por lo tanto eliminable. E n el análisis preventivo
se estudian las cau sa s de los puntos fuera de límites y se analizan tendencias
y p e c u lia rid a d e s . Si un an á lisis inicial m u e s tra que no h a y p u n to s fuera, ni
tendencias ni peculiaridades se dice qu e este proceso está bajo control.
x ,R .
<
2
ro O
O
FIGURA 4.3. Representación de un gráfico

Q
<<
tr z
»- Q
en o uj
uj < UJ
=> S o
S CCUJ
í °Q
O . o
QC<
UJ £r
5 <
5 a-
Z o
n in ^ io cvj — o
o . i r o 5 i i J ü - o to — z h u j t r > < _ J o </>

Al efectuar este análisis correctivo pu eden ocurrir cuatro casos:
CASO A. No hay puntos fuera de límites en ambos gráficos
En este ca so a m b o s gráficos m uestran estabilidad y por lo tanto se puede

concluir que la característica no presenta ca u sa s asignables.
CASO B. Hay puntos fuera de límites solo en el gráfico x
E n este caso se tiene un problem a de exactitud del proceso con respecto a

su prom edio natural. A q u í, los límites y los prom edios se desplazan hacia donde
se desplace el prom e dio de prom edios. Lo s puntos que se encuentren fuera de
lím ites d e b e n e lim in a rse y los lím ites d e b e n recalcu la rse. El n u e vo va lo r del
prom edio m odificado se calcula así:
m h
x m= ( S v I x j/ (m -h )
k=1 k=1
donde:
Xm = prom edio m odificado
m = nú m e ro de m uestras totales
h = nú m e ro de m uestras fuera de límites
Los límites m odificados se calculan usando las m ism as expresiones vistas

a n te rio rm e n te , y se su stitu y e el v a lo r del p ro m e d io p o r el n u e v o v a lo r m o
dificado.
El c h e q u e o de p u n to s fu e ra de lím ite s d e b e e je c u ta rs e c a d a v e z q u e
n u e v o s lím ites se a n obte nid os. El análisis term ina en el m o m e n to en que no
h a y a ningún punto fuera de lím ites, siem pre y cu a n d o no se h ayan elim inado
m á s del 3 0 % de las m u e s tra s . S i ello o cu rrie se , se s u s p e n d e el e stu dio , se
analiza el proceso para encontrar las causas de lo ocurrido y una v e z corregidas
las fallas, se inicia de n u e v o la re c o le cc ió n de datos p a ra la co n stru cció n y

análisis de un nuevo gráfico.
CASO C. Hay puntos fuera de límites solo en el gráfico R
E n este caso se tiene un problem a de alta variabilidad que debe corregirse.

C u a n d o el intervalo au m e n ta los pu nto s del gráfico R tienden hacia el límite
su p e rio r y los puntos de los p ro m e d io s en el gráfico de p ro m e dio s tienden a
ubicarse cerca de los límites de control de proceso, con tendencia a salir fuera
de ellos. Lo s va lo re s de R fuera de lím ites son elim in a d o s y se recalcu la un
nue vo intervalo prom edio y límites m odificados, tanto para los intervalos co m o
p a ra los p ro m e d io s, p u e s ellos están b a s a d o s en el in tervalo p ro m e d io . El
intervalo prom edio m odificado se calcula así:
_ m f
Rm= (X R k- X R J / (m -f )
k=1 k=1
don de:
R m = intervalo prom edio m odificado
m = nú m ero total de m uestras
f = nú m e ro de m uestras que se salen de límites
CASO D. Hay puntos fuera de límites en ambos gráficos
E ste es el p e o r de los c a s o s , p u e s las situ a cio n e s p re s e n ta d a s en los

c a s o s B y C ocurren juntas. El pro b le m a se torna aún m á s g rand e c u a n d o al
corregir uno se altera el otro.
C u a n d o existen cam bios m ás g rand es en la m edia del proceso qu e en los

intervalos, el gráfico R p u e d e m ostrar a lg u na estabilidad m ientras q u e en el
gráfico de prom edios los puntos se salen de límites. Las acciones que se deben
seguir son las m ism as presentadas para los casos B y C . Al eliminar los puntos
fu e ra d e b e in iciarse c o n los p u n to s fu e ra del g ráfico de in te rva lo s p u e s el

intervalo prom edio m odificará los lím ites de control de prom edios.
La s m uestras qu e se elim inan por precisión no se elim inan por exactitud y

vice ve rsa . A m b o s análisis se ejecutan en form a independiente.
E n el análisis preventivo se efectúa una investigación detallada de las cau

sas que p rovocaron qu e el o los puntos salieran fuera de control. P ara ello, se
h a c e u so del d ia g ra m a c a u s a y e fe cto co n stru id o p a ra la ca ra c te rís tic a en
estudio.
El objetivo de este análisis es identificar las cau sa s y establecer p ro cedi

m ientos para eliminarlas, de tal m anera qu e no continúen influyendo en el co m
portam iento de la variable. C o m o una herram ienta para detectar cam bios futu
ros se p u e den usar los límites de advertencia que son lím ites b asados en dos
desviacione s están dar en lugar de tres.
E n el ca so de qu e existan te n d e n c ia s , éstas deben ser analizadas cu ida

dosam ente haciendo uso de ecuaciones de regresión si se considera necesario
p ro ye c ta r un d e te rm in a d o co m p o rta m ie n to . El objetivo es a ctu a r de m a n e ra
preventiva ya que con el tiem po causa s no asignables de variación con tenden
cia m a rca d a pueden convertirse en ca u sa s asignables de variación.
Si existen p eculiarid ades d e b e n se r analizad as deten id am e nte. Si éstas

fuesen m u y m arca da s pueden ser el resultado de un com portam iento anorm al
que aún no se ha m anifestado de m anera abierta. Ejem plos de ellas son puntos
cerca de límites y cam bios bruscos en el prom edio del proceso. E n el A pén dice
IV se presentan varios ejem plos de peculiaridades y sus posibles cau sa s.
El análisis del p ro ce so con respecto a la especificación se h ace c o m p a

rando los limites m odificados con los límites de control especificados. A d e m á s ,
se efectúa el análisis de exactitud y precisión y se calculan los respectivos por
centajes de producto qu e no cum ple con especificaciones al inicio y al final del
estudio.
Al c o m p a ra r los lím ites de control del pro ceso con los lím ites de control
especificados se p u e d e n g e ne rar las siguientes situaciones:
S itu a c ió n 1. D oble lím ite especificado. Los lím ites de c on tro l d e l p ro ce so

se en cuentran dentro de los lím ites de c o n tro l especificados y e l p ro ce so está
centrado
E sta es u na situación bastante favora ble pero po co usual. C u a n d o ésto

ocurre, se de b e n seguir las siguientes acciones:
1. S e g u ir u sand o los m ism o s m edios de control
2. C o n s id e r a r la p o s ib ilid a d d e u s a r lím ite s de co n tro l d e p ro c e s o m á s

h olgados sin perjudicar el d e s e m p e ñ o del proceso
3. R e du cir los intervalos de inspección
4. R evisar la especificación con el fin de constatar su apego a las condiciones

exigidas al proceso. El objetivo es d e m ostrar qu e la situación presentada
se d e b e a la b u e n a c a lid a d del p ro c e s o y no a u na m a la e s c o g e n c ia o
diseño de especificaciones
S itu a c ió n 2. D oble lím ite especificado. Los lím ites de c on tro l d e l proceso
se encuentran casi coincidiendo con los lím ites de control especificados cuando
e l p ro ce so está centrado
C u a n d o ésto ocurre, se debe:
1. V ig ila r co n sta n te m e n te el cen tro del p ro c e s o , p u e s un m ín im o c a m b io

puede pro vo ca r producto defectuoso
2. A n a liza r la posibilidad de dism inuir la dispersión
3. Analizar la posibilidad de am pliar tolerancias (debe ser la última acción que

se siga)
S itu a c ió n 3. Doble lím ite especificado. Los lím ites de control especificados
se encuentran ligeram ente dentro de los lím ites de con tro l d e l pro ceso cuando
e l p ro ce so está centrado
Esta situación pro voca un nivel de producto disconform e con las especifi
c a c io n e s q u e d e b e se r co n tro la d o con c u id a d o . L a s m e d id a s q u e se de b e n
tom ar en este ca so son entre otras:
1. D ism inuir la dispersión del proceso haciendo los cam bios necesarios
2. Utilizar inspección 1 0 0 % , hasta qu e el pro ceso vu elva a su norm alidad
3. A n a liza r la posibilidad de am pliar tolerancias (últim a acción)

S itu a c ió n 4. Doble lím ite especificado. Los lím ites de c on tro l del pro ceso
se en cue ntran dentro de los lím ite s de c o n tro l esp ecificado s y e l p ro ce so está
descen tra do
E ste c a s o es de c u id a d o p u e s si el p ro ce so es irre gu lar en m a n te n e r su

c e n tro p u e d e p ro v o c a r d e un m o m e n to a otro un v o lu m e n no d e s e a d o de
producto defectuoso. La s m e didas por tom ar son las siguientes:
1. Ejecuta r acciones que permitan centrar el proceso y controlar su exactitud
2. S i no fu e ra p o sib le c e n tra r el p ro c e s o de in m e d ia to , s e d e b e e m p le a r
inspección 1 0 0 % hasta que se logre
3. E sta blecer controles rígidos que perm itan detectar cualquier cam bio en el
centro del proceso.
S itu a c ió n 5. D oble lím ite especificado. Los lím ites de con tro l d e l p ro ce so
se encuentran casi coincidiendo con los lím ites de control especificados cuando
e l p ro ce so está descentrado
E s te c a s o e s p a re c id o al m o s tra d o en la S itu a ció n 4. L a s a c c io n e s por

seguir son las m ism as a u nq ue el control d e b e ser aún m á s rígido.
S itu a c ió n 6. Doble lím ite especificado. Los lím ites de control especificados
se encuentran ligeram ente dentro de los lím ites de con tro l d e l pro ceso cuando
e l p ro ce so está descentrado
E n esta situación la cantidad de pro ducto qu e no cu m p le con especifica

ciones pu e de ser alta en la m edida en que el proceso tenga su valor m edio m uy
a le ja d o del v a lo r n om inal e s p e c ifica d o . L a s a c c io n e s so n las m is m a s de la
situación 4.
S itu a c ió n 7. Un s o lo lím ite especificado. E l lím ite de c on tro l especificado

se e n cu e n tra ba jo e l lím ite de c o n tro l de p ro c e s o s i se c o n tro la un m ín im o o
sob re é l s i se controla un m áxim o
Esta es una situación favorable que debe continuar. La calidad del proceso
se rá m ejor en la m edida en qu e el límite de control del pro ceso se aleje del e s
pecificado. Si e sa distancia fuera m u y g ra n d e se puede reducir el intervalo de
inspección en form a controlada.
S itu a c ió n 8. Un solo lím ite especificado. E l lím ite de c on tro l especificado

coincide con e l lím ite de con tro l d e l p ro ce so
E sta es u na situación de c u id a d o p u e s p u e d e g e n e ra r pro du cto que no

cu m p le con especificaciones en cu alq u ier m om ento. La s accio n es por seguir
son:
1. C u id a r qu e el p ro ce so no m u e v a su p ro m e d io hacia el lím ite de control

especificado
2. A u m e nta r la frecuencia de inspección
3. Dism inuir ligeram ente la dispersión del proceso
S itu a c ió n 9. Un solo lím ite especificado. E l lím ite de c on tro l especificado

se encuentra s o b re e l lím ite de c o n tro l de p ro ce so s i se c ontrola un m ínim o o
bajo é l s i se controla un m áxim o
Esta situación genera disconform idades que se agravan de acuerdo con la

brecha que se presente entre los límites. Las m edidas que hay que tom ar son:
1. M over el centro del proceso en dirección contraria a donde se encuentre el

límite de control especificado
2. Inspeccionar 1 0 0 % hasta lograr un control favorable
3. T ra ta r de dism inuir la tolerancia (en último caso )
U n a v e z que se han co m p a ra d o lím ites se pro cede a h acer el análisis de

exactitud y precisión. Para ello se realizan las siguientes com paraciones con las
respectivas p ruebas de hipótesis si es necesario:
M = x
g ’< T / 3
o ’ = R/d2
H e c h o ésto se calcula el porcentaje disconform e con especificaciones al

inicio y al final del estudio. Las Figuras 4 .4 y 4.5 m uestran las curva s norm ales
qu e se deben plantear para calcular a m b o s porcentajes.
M - T M+ T
*¡
FIGURA 4.4. Cálculo del porcentaje disconforme inicial.
FIGURA 4.5. Cálculo del porcentaje disconforme final.
a e s t i m a c i ó n inicial de la desviación están dar antes del análisis
o j: estim ación final de la desviación están dar despu és del análisis
R . : intervalo prom edio inicial -a n t e s del a n á lis is -
R , : intervalo prom e dio final -d e s p u é s del a n á lis is -
El p o rce ntaje de p ro d u cto d isco n fo rm e total se e n c u e n tra s u m a n d o las

á re as A , y A 2. S i se d e s e a , se p u e d e e fe ctu a r una p ru e b a de hipótesis p a ra
dete rm ina r si la reducción lograda en el porcentaje calculado es significativa

(pru e b a de hipótesis de dos pro porcion es).
S e g u im ie n to
U n a v e z qu e se ha finalizado el análisis y se ha constatado que el proceso

cum ple con las especificaciones, se proyectan los límites de control del proceso
al futuro en un e sq u e m a que permitirá el control con base en nuevas muestras.
C a d a m u e s tra se g rá fica y s e to m a n las d e c is io n e s del c a s o co n el fin de
corregir situaciones anóm alas.
Para esta actividad se debe adiestrar al personal para que tom en muestras
obe deciendo a los esq u em as que cum plen con las condiciones de aleatoriedad
y representatividad.
E ste pro ce so debe ejecutarse hasta que las con dicio nes que presenta la
característica se an favorables, es decir, hasta que se entregue al con su m ido r
un producto que satisface sus expectativas.
P a ra te ne r u na idea global de las tres e tapas en el uso de un gráfico de

co n tro l de p ro m e d io s e in te rv a lo s se p u e d e o b s e rv a r el flu jo g ra m a I en el
A p é n d ice III.
EJEMPLO 4.3
E n una industria m a nufactu rera de e n v a s e s plásticos, existe un enva se

cu y o p e so nom inal deb e ser 45 g ra m o s. C o n el fin de c h e q u e a r el estado del
p ro c e s o se to m a n treinta m u e s tra s de c in co e n v a s e s c a d a u na y se p e sa n
obteniendo la inform ación que se presenta en el C u a d ro 4.1.
a. Efectuar un análisis u sand o un gráfico de prom edio e intervalo
b. Si las tolerancias se fijan en ± 5 gram os ¿ Q u é conclusiones se obtienen del

estado del pro ceso?
CUADRO 4.1. Hoja de datos y cálculos iniciales para el Ejemplo 4.3
Hoja de datos - Gráficos de control X, R

Artículo: ' Envase plástico Código: A-X-30
Característica: Peso en gramos Especificación: 45 ± 5 g
Operación: Extrusión Máquina: Extrusora
Operario: J. Morales Inspector: H. Picado
Fecha: 30-6-84 Tumo: 2-10 Hora de inicio: 3:30 Hoja # 1 de 1
Muestra # 1 2 3 4 5 6 7 8 9 10 n=5
V I 5 48 42 42 43 41 45 59 40 40 42
A N 4 35 48 40 43 42 47 60 40 42 45
L D 3 46 47 49 40 41 44 59 46 43 39
O I 2 55 45 48 40 41 47 59 46 46 44 O
R V 1 41 46 41 42 45 49 60 46 47 45
B
TOTAL 225 228 220 208 210 232 297 218 218 215
PROMEDIO 45,0 45,6 44,0 41,6 42,0 46,4 59,4 43,6 43,6 43,0 S
INTERVALO R 20 6 9 3 4 5 1 6 7 6
E
MUESTRA # 11 12 13 14 15 16 17 18 19 20
R
V I 5 52 44 44 54 51 44 46 39 42 48
A N 4 38 53 43 41 39 45 55 42 42 42 V
L D 3 48 47 45 45 54 46 47 55 49 43
O I 2 44 38 40 44 45 37 46 47 43 43 A
R V 1 45 44 43 39 38 43 43 48 44 43
TOTAL 227 226 215 223 227 215 237 231 220 220
PROMEDIO 45,4 45,2 43,0 44,6 45,4 43,0 47,4 46,2 44,0 44,0 I
INTERVALO R 14 15 5 15 16 9 12 16 7 5
MUESTRA # 21 22 23 24 25 26 27 28 29 30
N
V I 5 35 46 54 48 60 45 40 36 45 47
A N 4 58 47 49 47 53 44 40 47 45 50 E
L D 3 50 49 46 46 49 42 40 48 46 51
O I 2 40 40 43 45 51 40 39 45 44 47 S
R V 1 52 41 35 41 52 40 41 35 47 44
TOTAL 235 233 227 227 275 211 200 211 227 237
PROMEDIO 47,0 46,6 45,4 45,4 55,0 42,2 40,0 42,2 45,4 47,6
INTERVALO R 23 11 19 7 9 5 2 13 3 7
i—CONSTANTES—
n 2 3 4 5 6 7 8 9 1 0 1 1
a2 1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308 0,285
d2 3,686 4,358 4,698 4,918 5,078 5,203 5,307 5,394 5,469 5,534
D4 3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777 1,744
d2 1,118 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173
SOLUCION
A. Construcción del gráfico
Los pasos del 1 al 4 se encuentran en el C u a d ro 4.1.
P a so 5. C á lc u lo del p ro m e d io de pro m e dio s y el intervalo pro m e dio . Del

C u a d ro 4.1 se obtiene que:
1359 ' - 276

x — ----------------= 4 5 ,3 R = -------------= 9 -2
30 30
Paso 6. C á lc u lo de límites de control
Especificación: M ± T = 45 ± 5 g ram os
Para prom edios
LSE_= M + T / 'f rf = 45 + 5/\f5 = 47,3 gram os

X
LCE = M = 45,0 gram os

X
L IE = M - T/fn = 45 - 5/15 = 42 ,7 gram os

X
Para intervalos
LSEr = D2 * T/3 = 4 ,9 1 8 * 5 / 3 = 8 ,6 gram os
LCEr = d2 * T/3 = 2 ,3 2 6 * 5/3 = 3,9 gram os
L IE r = D, * T/3 = 0*5/3 = 0 gram os
Para n=5 , los valores de D 2, d2y D , se localizan en la hoja de datos en el

C u a d ro 4.1. El valor de D , es cero.
b. Lím ites de control del proceso
Para p rom edios

.48 CONTROL DE CALIDAD
LSCx= x + A 2* R = 45 ,3 + (0 ,5 7 7 * 9 ,2 ) = 5 0 ,7 g ram os
Lca= x = 45 ,3 gram os
L IC x = x - A 2* R = 4 5 ,3 - (0 ,5 7 7 * 9 ,2 ) = 3 9 ,9 g ram os
P a ra intervalos
L S C R= D 4* R = 2 ,1 1 5 * 9 ,2 = 1 9 ,5 g r a m o s
LCCr =R = 9,2 gram os
U C R = D 3* R = 0 * 9 ,2 = 0 gram os
Los valores utilizados y las constantes se encuentran en el C u a d ro 4.1.
Pa so 7. C onstru cción del gráfico
La Figu ra 4 .6 pre senta el gráfico correspondiente a este ejem plo.
B. Análisis del gráfico
1. A ná lisis con resp ecto a l p ro ce so
Al o b servar la F ig u ra 4 .6 se nota que hay puntos fuera en a m b o s gráficos,

por lo qu e se p ro ce de a elim inarlos.
G rá f ic o R
S e nota qu e las m uestra s 1 y 21 se encuentran sob re el límite superio r de

control, ento nces se recalcula el intervalo prom edio.
2 7 6 - ( 2 0 + 23)
Rm = 8,32 gramos
30 -2
FIGURA 4.6. Gráfico de control X,R del Ejemplo 4.3.
O CC< L l — U O IX O CC<Ll. —O O CE
S e re c a lc u la s o lo el lím ite s u p e r io r p u e s es el q u e s e n e c e s ita p a ra

o b s e rva r si hay m ás puntos fuera.
L S C Rm= D 4* R m= 2 ,1 15* 8 ,3 2 = 17,6 g ram os
Al obse rvar de nuevo el gráfico se nota que la m uestra 23 se sale de límites

por lo qu e se elim ina. E l nuevo intervalo m odificado es:
2 3 3 -1 9
R m= ------------------------= 7 ,9 3 gram os
2 8 -1
L S C ^ = 2 ,1 1 5 * 7 ,9 3 = 16,8 gram os
Y a no hay m á s puntos fuera y se elim inaron solo el 1 0 % de las m uestras.

S e p ro cede entonces a analizar el gráfico de prom edios.
Gráfico x
S e recalculan los límites con el n u e vo intervalo prom edio.
L S C - = 4 5 ,3 + (0 ,5 7 7 * 7 ,9 3 ) = 49 ,9 g ra m o s
L i a = 45 ,3 - (0 ,5 7 7 * 7 ,9 3 ) = 40 ,7 g ra m o s
S e nota que las m uestras 7 ,2 5 y 27 se encuentran fuera de límites. P or lo

tanto se procede a elim inarlas y a recalcular el prom edio.
1 3 5 9 - ( 5 9 , 4 + 5 5 + 40)
x m= --------------------------------------------------= 44 ,6 g ra m o s
3 0 -3
Lo s límites de control de pro ceso m odificados serán:
L S C 5m= 44 ,6 + (0 ,5 7 7 * 7 ,9 3 ) = 49 ,2 g ra m o s
L IC 5m= 44 ,6 - (0 ,5 7 7 * 7 ,9 3 ) = 40,0 g ra m o s
Al o bse rvar de n u evo el gráfico se nota qu e ya no hay m ás puntos fuera y

so lo se e lim in a ro n el 1 0 % d e las m u e s tra s . E n c u a n to a p e c u lia rid a d e s y
tendencias no se observa nada importante.
2. A nálisis con respecto a especificaciones
Al co m p a ra r la situación de los lím ites de control de pro ceso finales y los

límites de control especificados se nota que corresponde a la Situación 3, por lo
que ya se co n o cen las acciones que hay qu e tom ar.
Al hacer el análisis de exactitud, de precisión y de porcentaje de producto

no conform e con especificaciones se tiene:
a. Exactitud
M= x
45 ,0 = 44,6
S e plantea la siguiente hipótesis
H 0: p = 45
H a: p = 45
La Figu ra 4.7 m uestra la curva norm al correspondiente.
o ’ = 7,93/2,326 = 3,41
4 4 ,6 -4 5
Z = = - 0,26
3,41
'15
C o m o se puede o bservar en la Figura 4.7, no existe evidencia estadística,

con a = 5 % , para re c h a za r la hipótesis nula. P or lo tanto, bajo las condiciones
actuales se puede afirmar con 9 5 % de confianza que el proceso está centrado.
FIGURA 4.7. Curva normal para la prueba de hipótesis.
b. Precisión
El proceso no es preciso puesto que:
a ’ > T/3
a' = R/d2= 7 ,9 3 / 2,3 2 6 = 3,41
T/3 = 5 / 3 = 1,67
3,41 > 1 ,6 7
C o n la d ife re n c ia m o s tra d a re s u lta in n e c e s a rio h a c e r la p ru e b a de

hipótesis.
c. P orcentaje de producto disconform e
o'.= 9 ,2 / 2 ,3 2 6 = 3,96
& = 7 ,9 3 / 2 ,3 2 6 = 3,41
Las Figuras 4.8 y 4.9 m uestran las curvas norm ales usadas para el cálculo
del porcentaje de producto fuera de especificaciones.
FIGURA 4.8. Cálculo del porcentaje de producto disconforme inicial.
A , = P (x < 4 0 ,0 ) = N ((4 0 ,0 - 44,6)/3 ,96) = -1 ,1 6
A , = 0 ,1 2 3 ó 1 2 ,3 %
A 2= P ( x > 5 0 ,0 ) = 1 - N ((5 0 ,0 - 44,6)/3 ,96) = 1 - N (1 ,3 6 )
A 2= 1 -0 ,9 1 3 1 = 0 ,0 8 6 9 0 8 ,6 9 %
El porcentaje de producto disconform e total inicial es 20,9 9 % .
A , = P (x < 4 0 ,0 ) = N ((4 0 ,0 - 4 4 ,6)/3 ,41) = -1 ,3 4
A , = 0,09 ó 9 %
A 2= P ( x > 5 0 ,0 ) = 1 - N ((5 0 ,0 - 4 4 ,6)/3 ,41) = 1 - N ( 1 , 5 8 )
A 2= 1 -0 ,9 4 3 = 0,0 5 7 6 5 ,7 %
El porcentaje de producto disconform e total final es 14,7 % .
C o m o se p u e d e co n clu ir del análisis rea liza do, la elim inación de ca u sa s

asignables a yu da a dism inuir el porcentaje de producto disconform e de 2 0 ,9 9 %
a 1 4 ,7 % . S in e m b a rg o , esto no es su ficie n te y d e b e n h a c e rs e las m e jo ra s
re c o m e n d a d a s para elevar el nivel de calidad de este proceso.
UTILIZACION D EL GRAFICO x, R PARA A JU ST A R UN

PROCESO
U n o de los aspectos en que es útil un gráfico de controfx, R es para ajustar

un p ro c e s o o m á q u in a de a c u e rd o c o n el d e s e m p e ñ o de u na d e te rm in a d a
característica. El prim er paso es seleccionar esa característica y m áquina en la
qu e se efectuará el estudio. El procedim iento por seguir es el m ism o explicado
anteriorm ente y en adelante solo se hará énfasis en las diferencias.
Este análisis consiste en un estudio de por lo m enos tres días, a través de

los cuales se introducen m ejoras y se evalúan al día siguiente.
El procedim iento es el siguiente:
1. R e c o le c ta r los d a to s del p rim e r d ía , co n stru ir el gráfico y a n a liza rlo . Al

efectuar el análisis pueden ocurrir las siguientes situaciones:
a. H a y p u n to s fue ra de lím ite s de c o n tro l de pro ceso . E n este ca s o se

procede tal y com o se explicó anteriorm ente, es decir, se recalculan lí
m ites, se a n a liza n te n d e n cia s y p e cu lia rid a d e s y se c o m p a ra n con
especificaciones. Al final del día se efectúan las m edidas correctivas y
p re ve ntiva s n e c esarias aju stando m á q u in a s, m étodos y m ateriales,
con el fin de continuar el estudio al día siguiente. Si el proceso cum ple
con las especificaciones no hay necesidad de continuar con un seg un
do día de estudio, a no ser que el proceso se presente m uy descontro
la d o o q u e s e d e m u e s t r e q u e la s e s p e c if ic a c io n e s e s tá n m al
establecidas.
b. N o h a y p u n to s fu e ra de lím ite s de c o n tro l de p ro ce so . Si es a sí se

p ro ce d e a e v a lu a r la situación del p ro ce so con respecto de e s p e c i
ficaciones. Si cum ple con las especificaciones se aplica lo dicho en el
punto a ). Si no cu m p le con ellas se deb en introducir m ejoras al pro

ceso, las que se evaluarán al día siguiente.
Si en el prim er día, uno o a m b o s gráficos m ostraron estabilidad inicial, c

se a n in g u n a m u e stra fue elim in a d a , e n to n ce s los lím ites de control de
proceso se usan co m o límites de control iniciales para el seg u ndo día, c o r
el fin de probar su consistencia.
2. R ecolectar los datos del seg u ndo día. Si existen límites de control de pro
c e s o iniciales los datos reco lecta do s se graflcan y se a n aliza la c o n s is
tencia del p ro ce so co n respecto al d ía anterior sin e n trar en el análisis
L u e g o , se efectúan los cálculos n e cesarios para ob te n e r n u e vo s límites
con base en las m uestras del primer y segundo días com o si fuesen un solc
c o n ju n to . C o n b a s e en e s to s lím ite s y en los d a to s de a m b o s d ía s se
e fectúa el a nálisis. Si h ay pu nto s fu era se e lim in an, se c o m p a ra con la
especificación y se h acen los ajustes necesarios. Si no hay puntos fuera
sim p le m ente se p ro ce d e a c o m p a ra r con especificacione s y a tom ar las
a ccio n e s p re ve ntivas y correctivas q u e se e va lu a rá n al siguiente día. S
c u m p le con e s p e c ific a c io n e s se a p lic a lo d ic h o en el p u n to 1 a ). S i nc
existen límites iniciales de control de proceso se efectúa el m ism o análisis
y se toman las m ism as acciones, pero con base solamente en las muestras
tom ada s el se g u n d o día.
Si únicam ente en el segundo día, uno o am bos gráficos m ostraron estabi

lidad inicial, es decir, ninguna m uestra fue elim inada, entonces sus límites
de control del p ro ce so se usan c o m o lím ites de control iniciales para e
tercer día Si en el prim er y seg u ndo días hubo consistencia, se tom an los
límites calculados con base en las m uestras de a m b o s días.
3. Recolectar los datos del tercer día. Si existen límites de control de procese
iniciales, los datos recolectados se grafican y se analiza la consistencia de
proceso con respecto al día o días anteriores, sin entrar en la etapa de aná
lisis. L u e g o , se efectúan los c á lcu lo s n e c e s a rio s p a ra o b te n e r nuevos
límites con base en el conjunto de m uestras del prim ero, seg u ndo y tercei
días o con base en el seg undo y tercer día, si los límites iniciales se basar
solo en el segundo día. C o n base en estos límites y en los datos de los tres
o dos días, según sea el caso, se efectúa el análisis. Si hay puntos fuera se
e lim in a n y se p ro c e d e a c o m p a ra r con la e s p e c ific a c ió n y a h a c e r los
ajustes necesarios. Si no h a y puntos fuera, sim plem ente se co m para con

especificaciones y se tom an las acciones preventivas y correctivas que se
e v a lu a rá n al sig uie n te d ía . Si no existen lím ites iniciales de control de
proceso se efectúa el m ism o análisis y se tom an las m ism as acciones, pero
con base solam ente en las m uestras to m a d a s durante el tercer día.
4. Si ya se-ha logrado cum plir con las especificaciones, se tiene entonces un

proceso ajustado a los requerim ientos. D e lo contrario pueden ocurrir dos
cosa s:
a. Q u e se a necesario el análisis de un cuarto día, si h ay indicios de que

el proceso todavía es ca p a z de dar algo mejor, en cu yo caso se aplica
el m ism o procedim iento explicado.
b. Q u e se concluya que la o las m áquinas analizadas no son capa ces de

cum plir con las exigencias planteadas, en cuyo c a s o se deben tom ar
las acciones de sustitución de equipo o modificación o eliminación del
contrato con el cliente.
5. U n a v e z ajustado el pro ceso se deb en establecer las accion es de control

por seguir con el fin de qu e el proceso m antenga su g ra d o de ajuste.
Este es un buen procedim iento para encontrar la capacidad de un proceso

o m áquina y así cum plir con las exigencias de calidad planteadas por el cliente
o c o n su m id o r. La F ig u ra 4 .1 0 pre senta un e s q u e m a del gráfico resultante al
aplicar este procedim iento.
E s im portante re c a lca r qu e un estudio de esta natu ra le za deb e ir a c o m

p a ñ a d o de una c a m p a ñ a de m otivación y entrenam iento a nivel de e m p re sa ,
p u e s los e s fu e rz o s p a ra m e jo ra r c a lid a d d e p e n d e n en un alto g ra d o del
com portam iento, actitud y aptitud del factor hum ano.
EJEMPLO 4.4
U na Com pañía que fabrica paraguas desea controlar la longitud de las varillas
a través de un gráfico de control de prom edios e intervalos. La recolección de
0 52 -
M 50 -
D 4 8 ~
1 46-
0 44-
42-
40-
38 -
36-
34-
I 22-
n 18-
I 2 3 4... I 2 3. I 2 3 4 ... m
P r im e r d ía S e g u n d o d io T e rc e r día
Espacio para la inform ación adicional que se desee
FIGURA 4.10. Representación de un gráfico x,R en ajuste de proceso.
inform ación se h izo durante tres d ía s to m and o cien o b s e rv a cio n e s diarias y

efectu a n do las m ejo ras del ca so al final de cad a día. Lo s datos obte nid os se
encuentran en los C u a d ro s 4 .2 ,4 .3 y 4.4.
Te rm in a d o el análisis se de se a saber:
1. ¿ Q u é se ha logrado a través de los tres días de control?
2. ¿ Q u é se planea hacer en el futuro?
3. ¿ Q u é destino d ar a la producción fabricada?

CONTROL DE CALIDAD
SOLUCION
A. C onstrucción del gráfico
Lo s p aso s del 1 al 5 se e ncuentran en los C u a d ro s 4 .2 ,4 .3 y 4.4.
Lím ite s de control especificados
Especificació n: M ± T = 4 0 ,0 + 2,5 cm
P a ra pro m e dio s
LSE = M + T / T ñ = 4 0 ,0 + 2,5/ Í 5 = 4 1 ,1 2 c m
X
LCE = M = 4 0 ,0 0 cm
X
L IE _ = M - T/ T ñ = 4 0 ,0 - 2,5/ Í 5 = 38,8 8 cm
X
P ara intervalos
L S E r = D 2* T/3 = 4 ,9 1 8 *2,5/3 = 4,1 O c m
L C E r = d2 * T/3 = 2 ,3 2 6 * 2,5/3 = 1,94 cm
L IE r = D , * T/3 = 0 * 2 ,5 / 3 = O cm
P a ra n = 5 , los v a lo re s de D 2, d2y D , se localizan en la hoja de datos en el

iuadro 4 .2. El valor de D , es cero para m uestras de tam año igual o inferior a 11.
Construcción del gráfico para el día lunes

(M u e stra s de la N o . 1 a la N o . 20 en el C u a d ro 4 .2 ).
a. Lím ites de co n tro l del p ro ce so
P ara prom edios

JORGE ACUNA ACUNA
CUADRO 4.2. Datos del primer día para el Ejemplo 4.4
Hoja de datos - Gráficos de control x, R

Articulo: Varilla de paraguas Código: AM-05
Característica: Longitud de corte Especificación: 45,0 ± 2,5 gr
Operación: Corte de barras Máquina: Cortadora xy
Operario: T. P. Aguilar Inspector: A. M. Flores
Fecha: 26-09-84 Turno: 1 Hora de inicio: 8:00 a.rti. Hoja # 1 de 3
Muestra # 1 2 3 4 5 6 7 8 9 10 n=5
V I 5 42.1 38.5 40,2 37,9 40.5 48.0 36.0 45.0 42,3 50.0
A N 4 42.7 40.5 35,9 37.8 41.5 43,4 38.7 40,8 41,5 47.0
L D 3 40.7 47,2 37,5 36,5 42.5 44.0 39.0 40,2 39,9 45,6
0 I 2 39.1 39,4 46.7 40,0 40,0 43.0 41.7 40.1 39.8 46.1 O
R V 1 43,3 38.6 38.8 39.9 39,9 40.0 43,5 41,7 36.9 46,9
B
TOTAL 207,9 204,2 199,1 186,8 204,4 218,4 198,9 207,8 200,4 235,6
PROMEDIO 41,58 40,84 39,82 37,36 40,88 43,68 39,78 41,56 40,80 47,12 S
INTERVALO R 4,2 8,7 10,8 1,4 2,6 8,0 7,5 4,9 5,4 4,4
MUESTRA # 11 12 13 14 15 16 17 18 19 20
V I 5 37,0 40.6 35,0 38,9 40,3 41.5 43,3 42.1 41,5 35,9
A N 4 38.4 41,5 37.6 36.3 4 ; ,3 41.5 42,1 43.2 37,4 41.7 V
L D 3 39.5 39.7 40,3 38.4 40,8 40.3 40.0 40,8 38,3 43.8
O I 2 38,7 38.8 39.7 39,6 41.5 39.3 38,8 40,0 37.8 42,7 A
R V 1 37,9 37,1 38,5 40,0 42.5 38,9 38.0 39,7 38.9 40,1
TOTAL 191,5 197,7 191,1 193,2 206,4 201,5 202,2 205,8 193,9 204,2
PROMEDIO 38,30 39,54 38,22 38,64 41,28 40,30 40,44 41,16 38,78 40,84 I
INTERVALO R 2,5 4,4 5,3 3,7 2,2 2,6 5,3 3,5 4,1 7,9
CALCULOS N
E
MUESTRAS DE LA 1 A LA 20 £ x = 810,2 X = 40,51
S
£ R = 99,4 R = 4,97
n 2 3 4 5 6 7 8 9 10 11
A2 1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308 0,285
D2 3,686 4,358 4,698 4,918 5,078 5,203 5,307 5,394 5,469 5,534
D4 3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777 1,744
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173
i
CUADRO 4.3. Datos del segundo día para el Ejemplo 4.4

Artículo: Varilla de paraguas Código: AM-05
Operario: T. P. Aguilar Inspector: A, M. Flores
Fecha: 27-09-84 Turno: 1 Hora de inicio: 8:00 a.m. Hoja # 2 de 3
Muestra # 21 22 23 24 25 26 27 28 29 30 n=5
V I 5 42,1 38,5 40,2 37,9 40,6 43,0 38,0 40,8 41,3 40,0
A N 4 40,8 40,5 38,9 39,8 41,4 43,4 38,7 39,3 41,5 36,9
L D 3 40,7 42,3 37,5 40,0 42,4 40,5 39,1 39,0 38,9 38,8
O I 2 39,3 39,4 42,1 41,5 40,2 41,3 40,3 39,9 39,8 39,2 O
R V 1 42,5 38,6 38,8 39,7 40,0 38,9 39,9 40,9 37,6 40,0
B
TOTAL 205,4 199,3 197,5 198,9 204,6 207,1 196,0 199,9 199,1 194,9
PROMEDIO 41,08 39,86 39,50 39,78 40,92 41,42 39,20 39,98 39,82 38,98 S
INTERVALO R 3,2 3,8 3,3 3,6 2,4 4,5 2,3 1,9 3,9 3,1
MUESTRA # 31 32 33 34 35 36 37 38 39 40
R
V I 5 37,9 41,6 37,5 39,8 39,3 41,5 40,3 36,9 36,9 38,7
A N 4 38,0 41,5 37,6 38,3 38,4 41,5 40,9 40,9 36,9 38,8 V
L D 3 39,4 39,5 40,3 39,9 40,0 41,5 38,8 41,9 42,7 39,0
O I 2 38,5 38,8 39,7 40,9 41,5 39,9 39,7 40,5 40,1 40,7 A
R V 1 38,4 39,1 40,0 41,0 40,5 38,7 39,6 40,3 40,1 40,6
TOTAL 192,2 200,5 195,1 199,9 199,7 203,1 199,3 200,5 196,7 197,8
PROMEDIO 38,44 40,10 39,02 39,98 39,94 40,62 39,86 40,10 39,34 39,56 I
INTERVALO R 1,5 2,8 2,8 2,7 3,1 2,8 2,1 5,0 5,8 2,0
n
CALCULOS
DE LA MUESTRA 21 A LA 40 DE LA MUESTRA 1 A LA 40 E
(2d° DIA) (1», y 2do DIAS)
I x = 797,50 x= 39,88 I x = 1607,7 x= 40,19 S
IR = 62,60 R= 3,13 IR = 162,0 R=4,05
n 2 3 4 5 6 7 8 9 10 11
a2 1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308 0,285
d2 3,686 4,358 4,698 4,918 5,078 5,203 5,307 5,394 5,469 5,534
d4 3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777 1,744
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173
CUADRO 4.4. Datos del tercer día para el Ejemplo 4.4

Artículo: Varilla de paraguas Código: AM-05
Operario: T. P. Aguilar Inspector: A. M. Flores
Muestra # 41 42 43 44 45 46 47 48 49 50 n=5
V I 5 41,1 39,5 40,0 41,5 38,9 38,7 40,0 39,5 39,0 39,8
A N 4 40,6 40,5 41,3 42,3 38,0 38,0 41,0 39,6 39,9 38,9
L D 3 40,3 41,3 39,3 40,0 41,0 37,6 40,5 40,1 40,3 39,9
O I 2 39,8 39,4 39,8 39,6 40,3 38,9 39,5 40,3 40,9 40,1 O
R V 1 41,2 38,9 40,0 39,8 40,3 38,9 40,0 41,3 41,1 40,3 B
s
TOTAL 203,0 199,6 200,4 203,2 198,5 192,1 201,0 200,8 201,2 199,0 E
PROMEDIO 40,60 39,92 40,08 40,64 39,70 38,42 40,20 40,16 40,24 39,80 R
INTERVALO R 1,4 2,4 2,0 2,7 3,0 1,3 1,5 1,8 2,1 1,4 V
A
MUESTRA # 51 52 53 54 55 56 57 58 59 60 C
V I 5 39,9 39,9 39,7 38,7 38,1 38,7 39,5 40,2 40,0 39,5 O
A N 4 40,0 40,3 40,3 39,7 42,6 39,1 38,5 40,1 41,7 38,1 N
L D 3 41,0 40,5 38,6 40,1 40,0 39,2 40,6 40,0 40,8 40,7 E
O I 2 40,0 40,0 38,6 41,6 40,0 40,2 40,4 39,7 39,6 40,5 S
R V 1 39,8 39,9 40,7 42,0 39,3 40,7 40,0 39,9 39,5 40,0
TOTAL 200,7 200,6 197,9 202,1 200,0 197,9 199,0 199,9 201,6 199,2
PROMEDIO 40,14 40,12 39,58 40,42 40,0 39,58 39,80 39,98 40,32 39,84
INTERVALO R 1,2 0,6 2,1 3,3 4,5 2,0 2,1 0,5 2,2 2,8
CALCULOS
DE LA MUESTRA 41 A LA 60 DE LA MUESTRA 21 A LA 60 DE MUESTRA 1 A LA 60

(3er DIA) (2d0 y 3“ DIAS) (LOS TRES DIAS)
I R = 40,90 R= 2,05 I R = 103,50 R= 2,59 IR = 202,9 R= 3,39
I x = 799,54 X= 39,98 I x = 1597,04 x= 39,93 I x = 2407,2 x= 40,12
n 2 3 4 5 6 7 8 9 10 11
1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308 0,285
\
3,686 4,358 4,698 4,918 5,078 5,203 5,307 5,394 5,469 5,534
Dp
3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777 1,744
1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173
d2
LSC = x + A * R = 40,51 + (0 ,5 7 7 * 4 .9 7 ) = 43,3 8 cm

X ¿
LCC _ = x = 40,51 cm
X
L IC = x - A * R = 4 0 ,51 -( 0 ,5 7 7 * 4 ,9 7 ) = 37,6 4 cm
X ¿
P a ra intervalos
L S C r = D 4* R = 2 ,1 1 5 * 4 ,9 7 = 1 0 ,5 2 c m
LCCr = R = 4 ,9 7 cm
L IC r = D 3* R = 0 * 4 ,9 7 O cm
Los valores de x y R utilizados y las constantes se encuentran en el C u a d ro

4 .1.
L a F ig u ra 4.11 presenta el gráfico correspondiente a este día.
b. Análisis del gráfico
• A n á lisis con resp ecto a l p ro ce so
Al o b se rva r la F ig u ra 4.11 y el C u a d ro 4.2 se nota que hay puntos fuera en

a m b o s gráficos, por lo qu e se pro cede a elim inarlos.
G ráfico R
S e nota que la m uestra N o . 3 se encuentra sobre el límite superior de co n

trol por lo qu e se p ro cede a calcular el intervalo m odificado.
9 9 ,4 -1 0 ,8
Rm = 4,6 6 cm
20-1
JORGE ACUÑA ACUÑA
o cr < u. _ o o
C
3cr < u— o o
263
FIGURA 4.11. Gráfico de control del Ejemplo 4.4.(Prlmer día).

S e re c a lc u la s o lo el lím ite s u p e r io r p u e s es el q u e se n e c e s ita p a ra

ob s e rva r si hay m ás puntos fuera.
L S C R m = D 4/ R m
= 2 ,1
7
1 5 * 4 ,6
7
6 = 9,8
7
6 cm
Y a no hay puntos fuera y se elim inó solo el 5 % de las m uestras.
S e procede ento nces a ana lizar el gráfico de prom edios.
G ráfico x
S e recalculan los límites con el nu e vo intervalo prom edio.
L S C x= 40,51 + (0 ,5 7 7 * 4 ,6 6 ) = 4 3 ,2 0 cm
Lia = 4 0 ,5 1 - (0 ,5 7 7 * 4 ,6 6 ) = 37,8 2 cm
S e nota en la F ig u ra 4.11 qu e las m u e stra s N o . 4, 6 y 10 se encu e n tra n

fuera de límites. Por lo tanto se procede a eliminarlas y a recalcular el prom edio.
8 1 0 , 2 - ( 3 7 ,3 6 + 4 3,6 8 + 4 7 ,1 2 )
x m= ------------------------------------------------------------------------- = 4 0 ,1 2 c m
2 0 -3
Los límites de control de p ro ceso m odificados serán:
L S C xm = 4 0 ,1 2 + (0 ,5 7 7 * 4 ,6 6 ) = 42,81 cm
L IC xm = 4 0 , 1 2 - (0 ,5 7 7 * 4 ,6 6 ) = 3 7 ,4 3 cm
Al o bse rvar de nu e vo el gráfico se nota que ya no hay m ás puntos fuera y

se e lim in a ro n solo el 1 5 % de las m u e s tra s . E n c u a n to a p e c u lia rid a d e s y
tendencias no se ob s e rva nada im portante.
• A ná lisis con respecto a especificaciones

límites de control especificados se nota que corresponde a la Situación 3. Por lo
que se aplican las acciones ya citadas anteriorm ente.

fuera de especificaciones se tiene:
• E xactitu d
M = x
4 0 ,0 0 = 40,12
H 0: p = 40,0 0
H a:g = 40,00
La Figu ra 4 .1 2 m uestra la cu rva norm al correspondiente.
o ' = 4,66/2,326 = 2
4 0 ,1 2 -4 0 ,0 0
Z =— — = 0,13
2
\Í5
C o m o se puede observar en la Figura 4.12, no existe evidencia estadística,

con cc= 5 % , para re c h a za r la hipótesis nula. P or lo tanto, bajo las condiciones
actuales se puede afirmar con 9 5 % de confianza que el proceso está centrado.
Precisión
El pro ce so no es preciso puesto que:
a ’ > T/3
& = R/d2= 4 ,6 6 / 2 ,3 2 6 = 2
T/3 = 2 ,5 / 3 = 0,833
2 > 0,833
La diferencia m ostrada hace innecesario hacer la pru e b a de hipótesis.
Porcentaje de p ro d u cto discon fo rm e
o \= 4 ,9 7 / 2 ,3 2 6 = 2,14
o ’, = 4 ,6 6 / 2 ,3 2 6 = 2
L a s F ig u ra s 4 .1 3 y 4 .1 4 m u e s tra n las c u rv a s n o rm a le s u s a d a s p a ra el
cálculo del porcentaje de producto disconform e.
A , = P (x < 37 ,5 ) = N ((3 7 ,5 - 40,51 )/2,14) = -1,41
FIGURA 4.13. Cálculo del porcentaje disconforme inicial

A , = 0,0 79 3 ó 7 ,9 3 %
A 2= P ( x > 4 2 ,5 ) = 1 - N ((4 2 ,5 - 40,51 )/2,14) = 1 - N (0 ,9 3 )
A 2= 1 -0 ,8 2 3 8 = 0 ,1762 6 1 7 ,6 2 %
El porcentaje de producto disconform e inicial es 2 5 ,5 5 % .
A , = P ( x < 3 7 ,5 ) = N ((3 7 ,5 - 4 0 ,1 2)/2) = -1,31
A , = 0,0951 6 9 ,5 1 %
A 2= P ( x > 4 2 ,5 ) = 1 - N ((4 2 ,5 - 4 0 ,1 2)/2) = 1 - N (1 ,1 9 )
A 2= 1 -0 ,8 8 3 = 0 ,1 1 7 6 1 1 ,7 %
El porcentaje de producto disconform e final es 21,21 % .
C o m o se p u e d e con clu ir del análisis realizado, la elim inación de ca u sa s

a signable s a y u d a po co a dism inuir el porcentaje de producto disconform e de
2 5 ,5 5 % a 21,21 % . Esto no es suficiente y deben hacerse las m ejoras recom en
dadas para elevar el nivel de calidad de este proceso y evaluarlas el día martes.
2. Construcción del gráfico para el día martes

(M u e stra s de la No. 21 a la No. 41 en el C u a d ro 4.3).
268 CONTROL DE CALiDAD
a. Lím ites de co n tro l d e l p ro ce so
P ara prom e dios
LSCx= x '+ A 2* R = 39 ,8 8 + (0 ,5 7 7 * 3 ,1 3 ) = 41,69 cm
LC C x= x = 39,88 cm
L IC x = x - A 2* R = 3 9 ,8 8 - (0 ,5 7 7 * 3 ,1 3 ) = 38,07 cm
Para intervalos
L S C R = D 4 * R = 2 ,1
’
1 5 * 3,13
’
= 6,6
’
2 cm
LCCr = R = 3 ,1 3 c m
L IC r = D 3* R = 0 * 3 ,1 3 = O cm
Los valores de x y R utilizados y las constantes se encuentran en el C u a d ro

4.2.
L a Figu ra 4.1 5 presenta el gráfico correspondiente a este día.
b. A n á lis is de l g rá fic o
• A ná lisis con resp ecto a l p ro ce so
Al observar la Figura 4 .15 y el C u a d ro 4.3, se nota que no hay puntos fuera

en a m b o s gráficos.
E n cuanto a tendencias y peculiaridades no se observa nada importante de

o n a l¡ 7 a r
G 424
JORGE ACUÑA ACUÑA
269
FIGURA 4.15. Gráfico de control ^ ,fl de/ Ejemplo 4.4. (Segundo día).
Al c o m p a ra r la situación de los lím ites de control de pro ceso finales y los

q u e se aplican las a ccio n e s citadas anteriorm ente.
Al h acer el análisis de exactitud, de precisión y de porcentaje de producto

discon form e con especificaciones se tiene:
E xactitu d
M = x
4 0 ,0 0 = 39,8 8
H 0: p = 40,0 0
H a: p = 40,00
La Figu ra 4.1 6 m uestra la cu rva norm al correspondiente,
o ’ = 3,13/2,326 = 1,35

3 9 ,8 8 -4 0 ,0 0
Z = ------------------------------------------= -0 ,2 0
1.35
n -
con a = 5 % , para re c h a za r la hipótesis nula. P o r lo tanto, bajo las condiciones
actuales se puede afirm ar con 9 5 % de confianza que el proceso está centrado.
Precisión
o ’ > T/3
a ’ = R/d2= 3 ,1 3 / 2 ,3 2 6 = 1 ,3 c;
T/3 = 2 ,5 / 3 = 0,833
1.35 > 0 ,8 3 3
Si se de se a se pu ede h acer la pru e ba de hipótesis. S in e m bargo, en este

ca s o a m b o s v a lo re s están a lejado s p u e s es casi s e g u ro que la hipótesis de
precisión se rechazará.
• P orcentaje de pro du cto disconform e
A l no h a b e r s e e lim in a d o m u e s tra s , el p o rc e n ta je in ic ia l e s ig u a l al
porcentaje final.
o ’ = 3 ,1 3 / 2 ,3 2 6 = 1,35
L a F ig u r a 4 .1 7 m u e s tra la c u r v a n o rm a l u s a d a p a ra el c á lc u lo del
porcentaje de disconform es.
>72 CONTROL DE CALIDAD
3 7 ,5 3 9 ,8 8 4 2 ,5
FIGURA 4.17. Cálculo del porcentaje de producto disconforme.
A , = P ( x < 3 7 ,5 ) = N ((3 7 ,5 - 39 ,88)/1,35) = -1 ,7 6
A , = 0 ,0 3 92 ó 3 ,9 2 %
A 2= P ( x > 4 2 , 5 ) = 1 - N ((4 2 ,5 - 39,88)/1,3 5) = 1 - N (1,94)
A 2= 1 - 0 ,9 7 3 8 = 0 ,02 6 2 ó 2 ,6 2 %
El porcentaje de producto disconform e es 6 ,5 4 % .
C o m o se p u e d e co n clu ir del análisis re a liza d o , las a c c io n e s lle va d a s a

c a b o al final del d ía lu n e s su rtie ro n efecto p u e s el p o rc e n ta je de p ro d u c to
discon form e se redujo de 21,21 % a 6 ,5 4 % . A pesar de qu se corrigió este a s
pecto, se harán nu e va s m ejoras pu es aún no se cum ple con especificaciones.
E stas m ejoras se evaluarán el día m iércoles.
3. Construcción del gráfico para el día miércoles
D a d o qu e el día m artes el pro ceso m ostró consistencia, el análisis se b a

sa rá so b re las veinte m u e stra s del d ía m artes y las veinte del día m ié rco le s
(M uestra s de la No. 21 a la N o. 40 en el C u a d ro 4.3 y de la N o. 41 a la No. 60 en
el C u a d ro 4 .4 ).
SI se o b s e rv a la F ig u ra 4 .1 9 qu e re su m e la situación de los tres d ías, los

valores del día m artes se m uestran consistentes y m ejorados. S e p ro cederá a
h a ce r el análisis co rre sp o n d ie n te con los va lo re s de a m b o s d ía s u sa n d o las

m edida s calculadas en el C u a d ro 4.4.
a. Límites de control del proceso
Para prom e dios
L S C - = x + A 2* R = 39,9 3 + (0 ,5 7 7 * 2 ,5 9 ) = 4 1 ,4 3 cm
LCC X = x = 3 9 ,9 3 cm
L IC - = x - A 2* R = 3 9 ,9 3 - (0 ,5 7 7 * 2 ,5 9 ) = 3 8 ,4 3 cm
Para intervalos
L S C R = D ,*
4
R = 2,1
’
1 5 * 2,5 9 = 5 ,4 8 c m
LCCr=R = 2,59 cm
L I C r = D 3* R = 0 * 2,5 9 = O cm
La Figura 4 .1 8 presenta el gráfico correspondiente a este día.
b. Análisis del gráfico
A nálisis con respecto a l pro ceso
Al observar la Figura 4.18 se nota que hay puntos fuera en am bos gráficos,
por lo que se p rocede a elim inarlos.
274
CONTROL DE CALIDAD
N U M E R O DE L A M U E S T R A
FIGURA 4.18. Gráfico de control del Ejemplo 4.4. (Tercer día).
o
J3
O
m
>
Primer día Segundo día Tercer día
FIGURA 4.19. Gráfico de control x <R del Ejemplo 4.4. (Los tres días de estudio).
G ráfico R
S e nota qu e la m uestra No. 39 del C u a d ro 4.3 se encuentra sobre el límite

superio r de control.
1 0 3 ,5 -5 ,8
R m= ----------------------------- = 2,51 cm
4 0 -1

o b s e rv a r si hay m ás puntos fuera.
L S C R m = D „4 * R m
= 2 ,1
’
1 5 * 2 ,5
’
1 = 5 ,3 1 cm
Y a no hay m ás puntos fuera y se elim inó solo el 2 ,5 % de las m uestras. S e

p ro ce d e ento nces a a n a liza r el gráfico de prom edios.
G ráfico x
S e recalculan los lím ites con el n uevo intervalo prom edio.
LSC* = 39,93 + (0,577*2,51) = 41,38 cm

LIC^ = 39,93 - (0,577*2,51) = 38,48 cm
S e nota en la F ig u ra 4 .1 8 qu e las m uestra s N o . 26 y 31 del C u a d ro 4 .3 y

N o. 46 del C u a d ro 4.4 se encuentran fuera de límites. P o r lo tanto se pro ce d e a
elim inarlas y a recalcular el prom edio
1 5 9 7,0 4 - (4 1 ,4 2 + 3 8 ,4 4 + 3 8 ,4 2 )
x m = --------------------------------------------------------------------------= 39,97 cm
4 0 -3
Los límites de control de proceso modificados serán:

L S C xm = 3 9 ,9
’
7 + '(0 ,5
’
7 7 * 2 ’,5 1 )' = 41,4
’
2 cm
L IC ^ = 3 9 ,9 7 - (0 ,5 7 7 * 2,51 ) = 38,5 2 cm
Al observar de nuevo el gráfico se nota que ya no hay m ás puntos fuera. Se

e lim in a ro n solo el 7 ,5 % de las m u e stra s. E n cu a n to a p e cu lia rid a d e s y te n
dencias no se ob s e rva nada importante.
Al co m p a ra r la situación de los lím ites de control de p ro ce so finales y los

límites de control especificados se nota que corresponde todavía a la Situación
3, au nq u e m ás favorable qu e al inicio del estudio.

disconform e se tiene:
• E xactitiK l
M = x
4 0 ,0 0 = 39,97
H 0:p = 40,00
H a:p = 40,00
La Figura 4 .2 0 m uestra la cu rva norm al correspondiente.
o ’ = 2,51/2,326 = 1 ,0 8
3 9 ,9 7 -4 0 ,0 0
Z = = 0,0 6 2
1,08
V5

con a = 5 % , pa ra re c h a za r la hipótesis nula. P o r lo tanto, bajo las con dicio nes
actuales se puede afirm ar con 9 5 % de confianza que el proceso está centrado.
• P recisión
El pro ce so no es preciso puesto que:
o ’ > T/3
a ’ = R/d2= 2,51 / 2 ,3 2 6 = 1,08
T/3 = 2 ,5 / 3 = 0,833
1,08 > 0 ,8 3 3
S e p rocede a efectuar la pru e b a de hipótesis.
H 0: a 2= 0 ,8 3 3 2
H a : o 2> 0 ,8
’
332
Usando la Figura 4.21, se puede notar que el valor de chi-cuadrado calculado

está dentro de la zona de cum plim iento de H 0. Por lo tanto, se puede afirmar con
9 5 % de confianza que las diferencias m ostradas no son significativas. Ante ello,
se p u e d e d e c ir q u e el p ro c e s o es e s ta d ís tic a m e n te p re c is o . La d ife re n cia
FIGURA 4.21. Curva Chi-cuadrado para la prueba de hipótesis.
m o s tra d a entre el v a lo r esp e c ifica d o de o ’2 (0 ,8 3 3 ) y de s 2 (1 ,0 8 ) g e n e ra un

porcentaje d e V o d u c t o disconform e que es necesario calcular.
(n -1 ) * s2 (4 ) * 1,082
ae2= ---------------------------- = -------------------------------= 6,724
a2 0,8 3 3 2
• Porcentaje de p ro d u cto disconform e
o ] = 2 ,5 9 / 2,3 2 6 = 1,11
a ’ = 2 ,5 1 / 2,3 2 6 = 1,08
L a s F ig u ra s 4 .2 2 y 4 .2 3 m u e stra n las c u rv a s n o rm a le s u s a d a s p a ra el
cálculo del porcentaje de producto disconform e.
A = P (x < 37 ,5 ) = N ((3 7 ,5 - 39,93)/1,11) = -2 ,1 9
A , = 0 ,0 1 4 3 ó 1 ,4 3 %
A 2= P ( x > 4 2 ,5 ) = 1 - N ((4 2 ,5 - 39,93)/1,1 1) = 1 - N (2 ,3 2 )
A 2= 1 -0 ,9 8 9 8 = 0 ,0102 0 1 ,0 2 %
El porcentaje de producto disconform e inicial es 2 ,4 5 % .

FIGURA 4.22 Cálculo del porcentaje disconforme inicial.
A , = P ( x < 37,5 ) = N ((3 7 ,5 - 39,97)/1,08) = -2 ,2 9
A , = 0 ,0 1 1 0 ó 1 ,1 0 %
A 2= P ( x > 42 ,5 ) = 1 - N ((4 2 ,5 - 39,9 7 )/1 ,08) = 1 - N (2 ,3 4 )
A 2= 1 - 0 ,9 90 4 = 0 ,0 0 9 6 ó 0 ,9 6 %
El porcentaje de producto disconform e final es 2 ,0 6 % .
C o m o se p u ede con clu ir del análisis realizado, la elim inación de c a u s a s

a s ig n a b le s en e ste d ía a y u d a p o c o a d is m in u ir el p o rc e n ta je de p ro d u c to
disconform e, pues únicam ente pasa de 2 ,4 5 % a 2 ,0 6 % . S in e m bargo, el logro
o b te n id o d e s d e el p rim e r d ía es re a lm e n te significativo (p a s ó de 2 5 ,5 5 % a
2 ,0 6 % ).
Ante este logro, quizás no sería conveniente un día m ás de estudio pues ya

se ha exigido bastante al pro ceso. Si se hiciera se podrían obtener resultados
desfavorables.
Respuestas al problema
1. ¿ Q u é se ha logrado?
a. D ism in uir con sid erab lem ente la variabilidad del pro ceso, desde una
p o sició n inicial en la q u e se tiene un p ro c e s o im p re ciso hasta una
posición final en que se tiene un pro ceso estadísticam ente preciso.
b. C entrar el proceso logrando la exactitud deseada. Esto a pesar de que

desde el inicio el pro ceso m ostró estar estadísticam ente centrado.
c. D ism inuir el producto disconform e desde un porcentaje preocupante

de 2 3 ^ 5 5 % a un porcentaje m anejable de 2 ,0 6 % .
2. ¿ Q u é h a ce r en el futuro?
a. C o n t r o la r el p r o c e s o e s t r ic t a m e n t e p a ra q u e m a n t e n g a las
condiciones para las cuales ha m ostrado capa cid ad de logro.
b. A n a liza r las implicaciones de un porcentaje de disconform e del 2 ,0 6 %

en el sig u ie n te p ro c e s o , las c u a le s ló g ic a m e n te no v a n a s e r las
m ism as qu e se tienen bajo las condiciones anteriores. E n el caso de
qu e se esté p ro d u cie n d o para un cliente se le de b e n co m u n ica r las
n u e v a s co n d ic io n e s y o b te n e r su de c isió n con el fin de v e r si se le
s ig u e s u p lie n d o . D e lo co n tra rio s e rá n e c e s a rio h a c e r un estu dio
técnico-económ ico para sustituir equipo, si es que se desea continuar
con e se cliente.
c. Si se quiere se p u e d e n u sar los lím ites obte nid os para el último día
p ara la etapa de seguim iento.
3. ¿ Q u é h a ce r con lo fabricado?
Lo fa brica do el s e g u n d o y tercer d ía es de un nivel de calida d bastante

aceptable, por lo que se pu ede efectuar una inspección 1 0 0 % , utilizando
CONTROL DE CALIDAD
las varillas de longitud no conform e con especificaciones para otros p ro

ductos o de s e ch á n d o lo en última instancia.
C o n re s p e cto a lo fa b rica d o el p rim e r d ía , que se trata de un p ro d u cto

m a y o rm e n te fuera de especificacione s, se pue d e n se g u ir los siguientes
pasos:
a. A p a rta r el pro ducto disconform e m ediante inspección 1 0 0 %
b. Utilizarlo en otro tipo de producto
c. D e se ch a rlo totalm ente
d. R e p ro c e s a rlo si se trata de p ro d u cto con longitud m a y o r a la e s p e

cificada.
GRAFICO DE PROMEDIOS Y DESVIACION ESTANDAR
U n a p rá c tic a g e n e ra liz a d a e s u s a r el in tervalo R c o m o m e d id a de v a

riabilidad, qu izá s justificada en la facilidad de su cálculo. Sin e m bargo, cu an do
un p ro c e s o tie n e p r o b le m a s g ra v e s d e p re c is ió n o e s im p o s ib le e x tra e r
m uestras p e queñas de él, ya sea por la razón de producción o por cualquier otra
ca u s a , el uso del intervalo no es u na decisión estadística confiable. E n estos
ca so s, se deb e usar la desviación están dar co m o m edida de variabilidad.
El grá fico de p ro m e d io s y d e s v ia c ió n e s tá n d a r u sa la m e d ia aritm ética

co m o m edida de exactitud y la desviación están dar m uestral co m o m e dida de
precisión.
Lo s procedim ientos en el uso de este tipo de gráfico son básicam en te los

m ism o s del gráfico de p ro m e d io e intervalos. A n te ello, se explicarán a conti
nuación solo las diferencias en las tres e ta p a s de este gráfico de control, sea
construcción, análisis y seguim iento.
C o n s t r u c c ió n de l g rá fic o
E l p ro c e d im ie n to p a r a la c o n s tru c c ió n d e e s te tip o d e g rá fic o e s el

siguiente:
1. Los p aso s 1 y 2 son los m ism os del gráfico de pro m e dio e intervalos.
2. Determinación del número de subgrupos o muestras (m). La deter

m inación de este núm ero se debe hacer de tal m anera que la probabilidad
de d e te c ta r c a u s a s a s ig n a b le s e ntre las u n id a d e s q u e c o n fo rm a n la
m u e stra s e a la m ín im a posib le , pe ro la m á x im a entre m u e stra s o s u b
grupos. E sto se logra si se cum plen las con dicio nes de representatividad
del m uestreo. La experiencia en el uso de este tipo de gráficos dicta que
este núm ero deb e ser m a yo r a veinte.

tom a de ella se haga sobre la base de los beneficios esperados y el costo
de evaluación de calidad generado. Al ser la desviación estándar la medida
de dispersión usada no hay restricciones importantes en el tam año de esta
m u e stra *

se procede a la recolección de datos, ejecución de m ediciones y cálculo de
a d e c u a d o q u e p re s e n te la in fo rm a ció n o rd e n a d a p a ra su a n á lisis. El
E je m p lo 4 .5 p re s e n ta un m o d e lo de fo rm a to . L o s d a to s y las m e d id a s
ca lculadas a partir de ellos deb en tener una cifra significativa m ás que lo
Los cálculos que se efectúan son los siguientes:
a. P rom edio de la m uestra
n
Ex,
X 1 + X2 + X 3 + . . . + Xn i=1
x = --------------------------------------- =-------------
n n
donde:
x¡: dato individual

CONTROL DE CALIDAD
b. Desviación estándar muestral
n _
I (X ,-x)2
c. Promedio de promedios
m
_ _ _ _ I *
X, + X2 + X3 + . . . + Xm ¡=1
X = ---------------------------------------------------- = --------------
m m
donde:
m : nú m e ro de m uestra s
x: prom e dio de la m uestra i
d. Desviación estándar promedio
_ rn
< T = ( I s ( )/ m
¡=1
d on de:
m : nú m ero de m uestras
s.: desviación e stán dar de la m uestra i
5. Cálculo de límites de control. La dem ostración de estos limites se puede

obse rva r en el A p éndice II. El criterio de redondeo es el m ism o usado en el
gráfico de pro m edio s e intervalos. Las fórm ulas son las siguientes:
JORGE ACUÑA ACUÑA
Para p rom edios Para intervalos
L S E , = M + T/vTf L S E O = B 2 * T/3
LCE X = M L C E „ = c2 * T/3
L IE X = M - T / íñ L IE O = B , * T/3
L S E : Lím ite S u p e rio r Especificado
L C E : Línea C entral Especificada
Para pfbm edios Para intervalos
LSC- = x + A ^ o L S C 0 = B 4* o
L C C -= x LCC„ = o
L I C - = x - A ,* a
L S C : Lím ite Su p e rio r de Control
L C C : Línea Central de Control
Lo s v a lo re s de las co n sta n te s A ,, B ,, B 2, B 3, B 4y c 2se e n c u e n tra n en e

formato de recolección de datos. Si la muestra excede el tam año de 25, los
valores se pu eden aproxim ar de la form a qu e se indica en el A pé n d ice II.
6. C o n s t r u c c i ó n d e l g rá f ic o . El gráfico co n siste de dos partes: u na paré

graficar los prom edios y otra para graficar las desviaciones. Las escalas s í
g ra d ú a n en la m is m a form a que se h ace para el gráfico de p ro m e d io s e

intervalos.
U n a v e z gra d u a d a s las escalas se procede a dibujar los límites de control

de proceso y los puntos correspondientes a cada m uestra. A m b o s gráficos
se trazan con línea continua.
Los puntos qu e salgan fuera de límites deben ser identificados m ediante

u na m a rca e sp e c ia l, un círcu lo por e jem plo. La F ig u ra 4 .2 4 m u e stra un
e sq u e m a de este gráfico.
Análisis del gráfico
Al Igual que en el gráfico de prom edios e intervalos, se procede a h acer un

a n á lis is d e ta lla d o c o n el fin d e d e te c ta r los p ro b le m a s q u e p re s e n ta la
c a ra c te rís tic a de c a lid a d en e s tu d io . L o s p ro c e d im ie n to s y c o n c lu s io n e s
ge n e ra le s tienen los m ism o s fundam entos.
Al efectuar el análisis correctivo pu eden ocurrir cuatro casos posibles:
CASO A. No hay puntos fuera de límites en ambos gráficos
E n este ca so a m bos gráficos m uestran estabilidad y por lo tanto se puede

concluir qu e la característica no pre senta cau sa s asignables.
CASO B. Hay puntos fuera de límites solo en el gráfico x
L a conclusión es la m ism a que para el anterior gráfico. El n u evo valor del

p ro m e dio m odificado se calcula u sand o la m ism a expresión:
( m_ h_ T
xm = Xxk - X x k / (m -h )
Vk=1 k=1 )
UJ
c/)
< co
í -
Í2 °
2<
3i
kj y
° §
° 2
I— s 2
2 a
ü
o
Ll.
2
<
<
tr
<
Q_
Lü
C L c r o ^ u j o — oc/) OLiJtO>— <0 —0 2

donde:
x m= pro m e dio m odificado
m = nú m e ro de m uestra s totales
h = nú m e ro de m uestra s fuera de límites
L o s lím ite s m o d ific a d o s s e c a lc u la n u s a n d o las m is m a s e x p re s io n e s

u s a d a s in ic ia lm e n te , s u s titu y e n d o el v a lo r del p ro m e d io p o r el n u e v o v a lo r
m odificado.
E l c h e q u e o d e p u n to s fu e ra de lím ite s d e b e e je c u ta rs e c a d a v e z q u e
n u e v o s lím ites se a n obte nid os. E l análisis term ina en el m o m e n to en qu e no
h aya ningún punto fuera de lím ites, siem pre y c u a n d o no se h ayan elim inado
m ás del 3 0 % de las m uestras. Si ello ocurriese, se su spe nde el estudio, se ana
liza el proceso para encontrar las cau sa s de lo ocurrido y una v e z corregidas se
inicia de n u e v o la re colección de dato s para la co n stru cció n y análisis de un
n u evo gráfico.
CASO C. Hay puntos fuera de límites solo en el gráfico a
E n este ca so se tiene un problem a de alta variabilidad que debe corregirse.

El análisis e s el m ism o del gráfico anterior. Los valores de o sob re el límite s u
p e rio r so n e lim in a d o s re c a lc u la n d o u n a n u e v a d e s v ia c ió n m e d ia y lím ites
m odificados, tanto para las desviaciones co m o para los prom edios, pues ellos
están b a sa do s en la desviación prom edio.
Los valores que se encuentren bajo el límite inferior deben ser investigados
con el fin de c o n o ce r las ca u sa s de esa baja variabilidad y ve r la posibilidad de
im plem entar esas ca u sa s al pro ceso, si ellas perm iten lograr una m ejora inte
gral. La s c a u s a s de esta situación p o d rían s e r n e g ativas, c o m o por ejem plo,
m ala inspección, m ediciones erróneas y negligencia de inspectores. La desvia
ción prom e dio se recalcula así:
_ ni f
o m = ( I o k - I o k) / ( m - f )
k=1 k=1
donde:
o m = intervalo pro m e dio m odificado
m = nú m ero total de m uestras
f = nú m e ro de m uestras que se salen de límites
CASO D. Hay puntos fuera de límites en ambos gráficos
Este es el peor de los caso s pues las situaciones presentadas en los casos
B y C o c u rre n ju n ta s . E l p ro b le m a se to rn a a ú n m á s c o m p lica d o c u a n d o al
corregir uno se altera el otro.
La s acciones por seguir son las m ism as presentadas para los caso s B y C .
Al elim inar los puntos fuera de límites de control, debe iniciarse con los puntos
fuera del grápce de desviaciones, p u e s si se modifica la desviación prom edio
ca m bian los límites de control de prom edios.
La s m uestras qu e se elim inan por precisión no se elim inan por exactitud y

vice ve rsa . A m b o s análisis se ejecutan en form a independiente. E n el ca so de
te n d e n cia s y p e cu lia rid a d e s se sig u e n los p ro cedim ien to s indicados para el
gráfico de prom e dio e intervalos, inclusive lo indicado en el A pén dice IV.
El aná lisis del p ro c e s o con re s p e c to a la e sp e c ifica ció n se h a ce c o m

p a ra n d o los lím ite s m o d ific a d o s c o n los lím ites de co n tro l e s p e c ific a d o s .
A d e m á s , se efectúa el análisis de exactitud y precisión y se calculan los res
pectivos porcentajes de producto fuera de especificaciones al inicio y al final del
estudio.
Al c o m p a ra r los lím ites de control del pro ceso con los límites de control
e s p e c ific a d o s se u tiliza n las m is m a s s itu a c io n e s d is c u tid a s en el grá fico
anterior.
U n a v e z que se ha hech o la com paración de límites se procede a h acer el

análisis de exactitud y precisión. P a ra ello se h acen las siguientes c o m p a ra
ciones con las respectivas pruebas de hipótesis si es necesario:
M = X
a ’< T/3
o ’ = o/c2
H e c h o esto se calcula el porcentaje de producto disconform e al inicio y al

final del estudio. La s Figuras 4.25 y 4.2 6 m uestran las curvas norm ales que se
deb e n plantear para calcular a m b o s porcentajes.
El p o rcentaje de p ro du cto disco n fo rm e total se e n c u e n tra s u m a n d o las

á re a s A 1y A 2. Si se d e s e a , se p u e d e efectuar una p ru e b a de h ipó tesis para
FIGURA 4.25. Cálculo del porcentaje disconforme Inicial.

determ inar si la reducción lograda en el porcentaje de producto disconform e es

significativa.
Seguimiento
El procedim iento y las accion es por seg u ir en esta etapa son las m ism as
usada s en el gráfico de pro m edio s e intervalos.
P a ra te n e r una idea global de las tres e tapas en el uso de un gráfico de

control de prom edios y desviaci'on estándar se puede observar el flujogram a II
en el A p é n d ice III.
Este gráfico tam bién puede ser utilizado co m o herram ienta para el ajuste
de un proceso, el procedim iento es el m ism o.
EJEMPLO 4.5
U n fabricante de lapiceros tiene un problem a de calidad con el diámetro de

la s ta p a s . A n te e llo , d e c id e e fe c tu a r un c o n tro l m e d ia n te un g rá fic o de
p ro m e d io s y d e s v ia c io n e s e s tá n d a r p u e s cre e que el p ro b le m a es de alta
va riabilidad. E ste p ro c e s o es co n tin uo por lo que le perm ite tom ar m u e stra s
grandes.
L a e s p e c ifica ció n se fija en 10 + 2 m m . La in form ación re c o le cta d a se

e ncuentra en el C u a d ro 4.5 . S e pide analizar la situación.
SOLUCION
A. C onstrucción del gráfico
Lo s p aso s del 1 al 4 se encuentran en el C u a d ro 4.5.
Paso 5. Cálculo de límites de control

CUADRO 4.5. Datos para el Ejemplo 4.5
HOJA DE DATOS - GRAFICOS DE CONTROL x,0
Artículo: Tapas para lapicero Código: A-78

Característica: Diámetro Especificación: 10 ± 5 mm
Operación: Formación de tapas Máquina: Moldeadora
Operario: J. M. Abarca Inspector: J. A. Rojas
Fecha: 28-11-84 Turno: 1 Hora de inicio: 8:00 a.m. Hoja: # 1 de 2
# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
25 9,7 10,3 11,5 13,4 10,0 9,8 9,5 9,4 9,1 10,0 10,0 11,1 10,0 9,9 9,8 10,8 10,5 10,1
24 9.2 10,1 9,2 10,1 10,2 10,3 10,0 10,5 10,0 10,4 10,3 9,9 9,8 8,9 9,0 10,0 10,0 9,7
V 23 10,1 10,0 9,3 10,0 10,3 11,8 10,0 10,0 9,3 10,5 10,0 9,8 9.3 9,2 9,4 9,3 9,2 9,9
A 22 9,9 9,9 9,5 9,3 10,3 10,0 9,9 10,0 10,0 10,0 10,1 10,2 9,4 9,4 8,9 9,2 9,1 9,8
L 21 11,9 9,0 10,9 9,4 10,0 10,3 9,7 10,0 11,0 12,0 10,5 10,4 9,0 10,0 9,0 10,0 9,0 10,0
O 20 10,5 9,9 10,0 9,5 10,0 10,0 9,8 9,8 10,1 10,0 10,1 9,8 10,0 8,9 9,0 10,0 10,0 10,9
R 19 10,3 10,0 10,1 9,6 9,9 10,5 10,0 9,9 10,3 10,0 10,0 10,5 10,0 9,1 10,0 10,4 10,1 10,0
E 18 9,3 12,0 10,1 9,7 9,8 10,0 10,0 10,0 10,0 10,0 9,9 9,9 10,0 9,0 10,0 10,7 10,0 10,0
S 17 9,4 11,4 10,2 10,1 9,7 9,8 10,0 11,1 9,9 10,5 9,8 9,9 10,8 9,9 10,0 10,1 10,0 9,9
16 9,5 12,3 10,3 10,0 9,6 9,9 10,5 10,8 9,7 11,0 10,0 9,8 10,3 9,7 11,4 10,0 10,2 9,8
I 15 9,0 10,9 9,8 10,8 9,1 9,4 10,1 10,4 9,6 12,5 10,0 10,3 10,2 9,8 11,4 10,0 10,4 9,7
N 14 10,3 10,0 9,7 9,8 8,9 8,9 10,4 10,0 9,9 11,0 11,8 10,4 9,8 9,9 10,9 9,8 10,3 9,4
D 13 10,3 10,8 9,9 9,9 9,7 9,0 10,6 10,0 10,0 10,5 10,8 10,8 9,7 10,0 10,0 9,7 9,8 9,6
I 12 9,8 10,0 10,0 10,7 10,8 9,5 10,0 11,0 10 5 10,6 10,7 10,8 9,5 11,5 10,0 9,9 9,9 9,8
CONTROL DE CALIDAD
V 11 9,6 9,6 9,3 10,8 10,9 9,7 10,1 10,5 10,5 10,3 10,0 10,7 9,4 10,9 9,9 9,6 9,7 9,7
I 10 9,8 9,8 9,5 11,0 11,9 9,6 10,0 10,5 10,3 10,4 10,6 10,3 9,9 10,3 9,8 10,1 9,4 9,6
D 9 9,9 9,9 11,0 10,1 12,1 9,8 - 9,9 10,4 10,3 10,0 9,9 9,7 10,0 10,2 9,7 10,8 9,3 9,8
U 8 10,0 9,8 11,1 9,9 10,0 9,2 9,8 10,0 10,0 10,0 9,8 9,4 11,3 10,3 9,9 10,3 9,4 10,0
A 7 10,1 10,0 11,2 9,7 10,0 9,8 9,7 10,0 10,1 10,0 9,7 9,3 10,9 9,3 9,8 10,0 10,0 10,0
L 6 10,3 10,8 10,8 9,8 9,8 9,8 9,6 10,0 10,2 9,8 9,6 9,8 10,0 9,4 9,9 10,0 9,9 10,0
E 5 9.7 10,2 10,5 10,2 9,7 9,8 9,3 9,9 10,0 9,9 9,5 9,9 10,0 9,7 9,9 10,1 9,8 10,1
4 9,8 9,7 10,4 9,6 9,6 9,2 9,4 9,8 9,9 9,7 9,4 10,0 9,9 9,8 10,5 10,6 10,0 8,9
S
3 10,1 10,0 9,0 9,5 9,8 9,7 9,7 9,8 9,6 10,0 10,0 9,8 9,9 10,4 10,2 10,1 9,9
11,1
Continúa en la siguiente página
I
JORGE ACUÑA ACUÑA
Continuación del Cuadro 4.5
# 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
2 10,2 13.0 9,9 8,8 9,4 9,9 9,4 9.8 9,7 9,5 10,0 10,0 9,7 9,3 9,3 9,4 9.8 10,0
1 10,1 12.0 9,7 8,9 9,9 10,0 9,9 9.9 9,9 9,8 10,0 9,9 11,1 12,3 8,9 9,0 8.9 9,9
Total 248,9 261,5 253,9 249,6 250,8 249,5 244,5 272,4 251,8 268,2 252,2 251,8 249,6 246,6 246,8 250,0 244,8 246,6
Prom. 9,96 10,48 10,16 9,98 10,03 9,83 9,89 10,14 10,07 *10,32 10,09 10,07 9,98 9,86 9,87 10,0 9,79 9,86
Desv. 0,5 0,97 0,63 0,89 0,73 0,56 0,32 0,41 0,38 0,70 0,49 0,44 0,56 0,8 0,68 0,47 0,44 0,34
I— On nstanl es —
n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
A, 3,76 2,39 1,88 1,59 1,41 1,28 1,17 1,90 1,03 0,97 0,92 0,88 0,85 0,82 0,79 0,76 0,74 0,72 0,70 0,68 0,66 0,65 0,63 0,62
c2 0,56 0,72 0,80 0,84 0,87 0,89 0,90 0,91 0,92 0,93 0,94 0,94 0,94 0,95 0,95 0,95 0,96 0,96 0,96 0,96 0,97 0,97 0,97 0,97
B, 0 0 0 0 0,03 0,10 0,17 0,22 0,26 0,30 0,33 0,36 0,38 0,41 0,43 0,45 0,46 0,48 0,49 0,50 0,52 0,53 0,54 0,55
B2 1,84 1,86 1,81 1,76 1,71 1,67 1,64 1,61 1,58 1,56 1,54 1,52 1,51 1,49 1,48 1,46 1,45 1,44 1,43 1,42 1,41 1,41 1,40 1,39
B3 0 0 0 0 0,03 0,12 0,18 0,24 0,28 0,32 0,35 0,38 0,41 0,43 0,45 0,47 0,48 0,50 0,51 0,52 0,52 0,55 0,56 0,57
B4 3,27 2,57 2,27 2,09 1,97 1,88 1,82 1,76 1,72 1,70 1,65 1,62 1,59 1,57 1,55 1,53 1,52 1,50 1,49 1,48 1,47 1,45 1,44 1,43
Continúa en la página siguiente

294
Continuación del cuadro 4.5
HOJA DE DATOS - GRAFICOS DE CONTROL x, c
Artículo: Tapas para lapicero Código: A-78

Característica: Diámetro Especificación: 10 ± 5 mm
Operación: Formación de tapas Máquina: Moldeadora
Operario: J. M. Abarca Inspector: J. A. Rojas
Fecha: 28-11-84 Turno: 1 Hora de inicio: 8:00 a.m. Hoja: # 1 de 2
19 20 21 22 23 26 27 28 30 31 36
10,0 9,9
9.8 9.8
9,4 10,0
9.3 10,1
10,0 9.4
11.3 9.8
8.9 9.3
10,0 10,0
10,0 10,5
10,0 10.3
11,0 10,0
12.3 10,0
9.8 10,0
9.7 9.5
9.9 9.8
10,0 9.9
CO NTRO L
10,0 9.4
9.7 9.9
9,6 10,0
9.4 10,1
9.3 10.4
9,0 10,3
DE CALIDAD
9.9 10,2
10,0 9.9
9.4 9,3
¡
JORGE
19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
I#
ACUNA
Total 247,7 248,1

Prom. 9,91 9,92
Desv. 0,72 0,31 4
ACUNA
— O o n s ta n t e s —
n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
A, 3,76 2,39 1,88 1,59 1,41 1,28 1,17 1,90 1,03 0,97 0,92 0,88 0,85 0,82 0,79 0,74
0,76 0,72 0,70 0,68 0,66 0,65 0,63 0,62
C2 0,56 0,72 0,80 0,84 0,87 0,89 0,90 0,91 0,92 0,93 0,94 0,94 0,94 0,95 0,95 0,95
0,96 0,96 0,96 0,96 0,97 0,97 0,97 0,97
B, 0 0 0 0 0,03 0,10 0,17 0,22 0,26 0,30 0,33 0,36 0,38 0,41 0,43 0,45
0,46 0,48 0,49 0,50 0,52 0,53 0,54 0,55
b2 1 ,8 ' 1.86 1,81 1,76 1.71 1,67 1,64 1,61 1,58 1,56 1,54 1,52 1,51 1,49 1,48 1,46
1,45 1,44 1,43 1,42 1,41 1,41 1,40 1,39
B3 0 0 0 0 0,03 0,12 0,18 0,24 0,28 0,32 0,35 0,38 0,41 0,43 0,45 0,47
0,48 0,50 0,51 0,52 0,52 0,55 0,56 0,57
b4 3,27 2,57 2,27 2,09 1,97 1,88 1,82 1,76 1,72 1,70 1,65 1,62 1,59 1.57 1,55 1,53 1,52 1,50 1,49 1,48 1,47 1,45 1,44 1,43
295
a. Lím ites de con tro l esp ecificado s
Especificación: M + T = 10 ± 2 m m
Para prom edios
L S E j = M + T/1 ñ = 10 + 2/125 = 10,40 m m
LCE- = M = 10,00 m m
L lE j = M - T / f f i = 1 0 - 2 /(2 5 = 9 ,6 0 m m
P ara intervalos
L S E a = B ¿, * T/3 = 1,39 *2/3 = 0,9 3 m m
L C E O = c ¿, * T/3 = 0,97 *2/3 = 0,65 m m
L IE O = B 1
, * T/3 = 0,54
’ * 2/3 = 0,36
’ mm
Para n= 2 5 , los valores de B 2, c2 y B, se localizan en la hoja de datos en el

C u a d ro 4.5.
b. Lím ites de c on tro l d e l p ro ce so
C o n ba se en la Información brindada por el C u a d ro 4 .5 se tiene:
2 0 0,1 6 _ 11,34
x = --------------------= 1 0 ,0 0 m m o = ----------------= 0 ,5 7 m m
20 20
Para prom e dios
L S C - = x + A ^ o = 10,00 + (0 ,6 2 * 0 ,5 7 ) = 10,35 m m
JORGE ACUNA ACUNA
L C C -= x = 1 0 ,0 0 m m
L IC - = x - A 1* ct= 1 0 ,0 0 - (0 ,6 2 * 0 ,5 7 )= 9 ,6 4 m m
P a ra intervalos
L S C o = B 4* a = 1 , 4 3 * 0 ,5 7 = 0 ,8 2 m m
L C C o= o = 0 ,5 7 m m
L IC 0 = B 3 * o = 0 ,5 6 * 0 ,5
’
7 = 0 ,3
’
1 mm
P a so 6 r C b n stru cció n del gráfico
La F ig u ra 4 .2 7 presenta el gráfico correspondiente a este ejem plo.
B. A nálisis del gráfico
1. A ná lisis con resp ecto a l pro ceso
Al observa r la Figu ra 4.27 se nota que hay puntos fuera en am bos gráficos,
por lo que se pro cede a elim inarlos.
G rá fico o
E n la Figu ra 4.27, se nota que las m uestras No. 2 y 4 se encuentran sobre

el límite superior de control. Por ello deb en eliminarse y recalcular la desviación
m edia y los límites de control de proceso. E s importante recordar que los puntos
q u e sale n bajo el lím ite inferior d e b e n se r an a liza d o s en sus cau sa s, pero no
elim inados. El valor de la desviación prom edio recalculada será:
FIGURA 4.27. Gráfico de control del Ejemplo 4.5.

<
o:
3
<
O
cr
Lü
“T Í
lO <J- ro (\J — o en oo fS (D
o o O O O O o> d <x> d
> < t _ j O cr: uj co QUJ ix > < 3 0 0 : L ü (/)

1 1 , 3 4 - ( 0 , 9 7 + 0 ,8 9 )
om = = 0,53
’
mm
20 -2
S e recalculan los límites de control de proceso.
L S C c m = B„*
4
0 m
= 1,43
’
* 0,5
7
3 = 0,76
’
mm
L IC c m = B3 * o m = 0 ,5
7
6 * 0 ,5
7
3 = 0,29
7
mm
Al o b s e rva r de n u e v o el gráfico se nota que la m uestra No. 14 se sale de

límites por lo que se elim ina.
T *
9 ,4 8 -0 ,8
o m = -------------------------- = 0,51
’
mm
1 8 -1
Los nuevos límites son:
LSCc
- m= 1 ,4
7 3 * 0 ,571 = 0 ,774 m m
L IC 3m = 0 ,5
7 6 * 0 ,571 = 0 ,278 m m
Y a no hay m ás puntos fuera y se elim inó solo el 1 5 % de las m uestras. S e

pro cede entonces a analizar el gráfico de prom edios.
G ráfico x
S e recalculan los límites con el n uevo Intervalo prom edio.
L S C - = 1 0 ,0 0 + (0 ,6 2 * 0 ,5 1 ) = 1 0 ,3 2 m m
L C C S = 10,00 = 10,00 m m
L IC - = 1 0 , 0 0 - (0 ,6 2 * 0 ,5 1 ) = 9,68 m m
A l o b s e r v a r la F ig u r a 4 .2 7 , s e n o ta q u e las m u e s tra s N o . 2 y 10 se
encuentran fuera de límites. P or lo tanto se procede a elim inarlas y a recalcular
el p rom edio.
2 0 0 ,1 6 - (1 0 , 4 6 + 1 0 , 3 2 )
x = = 9 ,9 7 m m
m
2 0 -2
Lo s lím ites de control de pro ceso m odificados serán:
L S C xm = 9 ,9 7 + (0
'
,6 2 * 0 ,5 1 )' = 10,29 m m
L C C xm
- = 9 ,9
’
7 = 9,9 7 m m
L I C xm = 9 ,9 7 - (0 ,6 2 * 0 ,5 1 ) = 9,65 m m
Al o b s e rv a r de n u e v o la F ig u ra 4 .2 7 , se nota qu e y a no h ay m á s p u n to s
fuera. E n cuanto a peculiaridades se pueden ver ciclos en a m b o s gráficos que
v a ld ría la p e n a estudiar. La variabilidad al final del estu dio tiende a m e jo ra r,
p u e s dism in u ye . S e ría im portante realizar un nuevo estudio para analizar esta
situación.
2. A ná lisis con resp ecto a especificaciones
Al c o m p a ra r la situación de los lím ites de control de p ro ce so finales y los

límites de control especificados se nota que corresponde a la Situación 1. P o r lo
qu e se aplican las accion es ya citadas.
Al h acer el análisis de exactitud y de precisión se tiene:
a. E xactitu d
M = x
10,00 = 9,97
E sta es u n a h ipó tesis q u e no es n e c e sa rio pro bar, por lo qu e se p u e d e

concluir qu e el pro ceso es estadísticam ente centrado.
b. P recisión
El proceso es preciso puesto que:
a ' < 1 /3
a ' = a / c2= 0 ,5 1 / 0,97 = 0,53
T/3 = 2 / 3 = 0,67
a ’ < T/3
0 ,5 3 < 0 ,6 7
Al e s ta r p ro d u c ie n d o co n u n a v a ria b ilid a d inferior a la e s p e c ifica d a el

porcentaje de pro ducto disconform e es despreciable.
C o m o se p u e d e con clu ir del análisis rea liza do, la elim inación de cau sa s
a s ig n a b le s c o lo c a a e ste p ro c e s o en u n a s itu a c ió n v e n ta jo s a a u n q u e se
cum plía con especificaciones desde el inicio del estudio. S e debe continuar con
el control de exactitud y precisión perm itiendo un poco de libertad al proceso.
T a m b ié n ca b e la posibilidad de revisar las especificaciones.
E n con clu sión, la p re ocupación del fabricante con respecto al com porta
m iento de esta va ria b le no tiene fu n d a m e n to , s e g ú n lo m uestra el presente
estudio. E n otras palabras, los problem as de calidad de este producto se deben
a otra característica de calidad qu e no es el diám etro.
GRAFICO DE MEDIANAS E INTERVALOS
Este es un gráfico poco usado en nuestro m edio pues tiene com o requisito
la certeza de qu e la característica que está siendo controlada se com porta s e
g ún la distribución norm al. La razó n de ello es que esta distribución es la única
que tiene m edia aritm ética y m ediana de igual m agnitud, lo que permite usar la
m ediana com o m edida de exactitud en lugar de la media aritmética. A d em ás, es
conveniente qu e la dispersión no sea alta y que ojalá se m antenga bajo control.
La ventaja de usar este tipo de gráfico es que se facilita el cálculo, pues la

m e d ia n a e s m á s fácil de o b te n e r qu e la m edia. La v e n ta ja se h a ce aú n m ás
evidente cu a n d o se requiere entrenar al personal operativo. H a y que recordar
qu e la m e d ia n a se obtiene por inspección de los datos localizando aquel valor
hasta el q u e se encuentra el 5 0 % de los datos.
Existen dos tipos de gráficos de m ediana e intervalo, estos son:
a. G rá fico de m ediana e intervalo m ediano
b. G rá fico de m ediana e intervalo prom edio
El se g u n d o tipo de gráfico es una com binación del prim ero con el gráfico R
de un gráfico de p rom edios e intervalos.
A continuación se analizará el gráfico de intervalo m ediano. Lo s cam bios

que sufrirá este gráfico para convertirse en el otro son m ín im os y consisten en
la utiliza ció n de los lím ites del gráfico R en lu gar de la utilización de lím ites
b a s a d o s en intervalos m edianos.
U n o de los aspectos qu e se deb e tom ar m uy en cuenta es qu e al localizar

la m e d ia n a e s n e ce sario alterar el o rden de los datos; sin e m b a rg o , se deb e
c o n s e rv a r e s e orde n al graficar, p u e s de lo contrario se alteraría la serie de
tiem po y por lo tanto no se podrían analizar tendencias y peculiaridades.
Lo s p aso s en la construcción del gráfico M e,R son los siguientes:
1. E s t e p a s o e s el m is m o q u e s e s ig u e en el g rá f ic o d e p r o m e d io s e
intervalos.
2. E s te p a s o e s el m is m o q u e s e s ig u e en el g rá f ic o de p r o m e d io s e
intervalos.
3. Determinación del número de subgrupos o muestras (m). La d e te r

m in a c ió n d e e s te n ú m e r o s e d e b e h a c e r d e ta l m a n e r a q u e la
p ro b a b ilid a d d e d e te c ta r c a u s a s a s ig n a b le s e n tre las u n id a d e s q u e
c o n f o rm a n la m u e s tra s e a la m ín im a p o s ib le , p e ro la m á x im a e n tre
m u e stra s o s u b g ru p o s . E sto se logra si se c u m p le n las co n d icio n e s de

representatividad del m uestreo. La experiencia en el uso de este tipo de
gráficos dicta qu e este núm ero deb e ser m a yo r a veinte.
4. Determinación del tamaño dei subgrupo o muestra (n). E s m uy im por

tom a de ella se haga sobre la base de los beneficios esperados y el costo
de evaluación de calidad g enerado . Debido al uso del intervalo co m o m e
dida de dispersión, la experiencia dicta que el tam año no deb e ser m ayor
que diez unidades. Los nú m ero s m ás usado s son cuatro, cinco y seis.

se procede a la recolección de datos, ejecución de m ediciones y cálculo de
a decuqplQ q u e p re s e n te la in fo rm a ció n o rd e n a d a p a ra su a n á lisis. El
Ejem plo 4 .6 presenta un ejem plo de formato. Los datos y las m edidas cal
c u la d a s a partir de ellos d e b e n te ner una cifra significativa m á s q u e lo
Los cálculos qu e se efectúan son los siguientes:
a. Localización de la mediana
P a ra esto se req u ie re , p rim e ro , del o rd e n a m ie n to de c a d a m u e stra de

m e n o r a m ayor.
n +1
M e=----------------- térm ino S e a es el va lo r que se encuentra
2 en la mitad de los datos.
donde:
M e: m ediana del grupo
b. Intervalo de la muestra
R = x im a.x - x im ín,
don de:
xjmáx: dato de m a yo r m agnitud en la m uestra
xlmin: dato de m enor m agnitud en la m uestra
c. Localización de la mediana de medianas
m +1
M e =-------------------------térm ino
2
d on de:
m : n ú m e ro de m uestra s
M e : m e diana de m e diana s
d. Intervalo mediano
m + 1
R = --------------------- térm ino S e localiza entre los intervalos
2 de cad a m uestra
don de:
m : n ú m e ro de m uestras
R: intervalo m ediano
Si se usara un intervalo prom edio se calcula el m ism o usado en el gráfico

de prom e dios e intervalos.
6. Cálculo de límites de control. i_a descripción de estos límites es la m ism a

d a d a para el gráfico de control de prom edio e intervalos. La dem ostración
de estos lím ites se p u e d e o b s e rv a r en el A p é n d ic e II. Lo s lím ites d e b e n
te ne r u na cifra significativa m á s q u e lo exigido por la especificación y el
criterio de redondeo es límites superiores hacia arriba a la cifra siguiente y

lím ites inferiores h acia abajo a la cifra p re ce d e n te . La s fórm ulas son las
siguientes:
P a ra p rom e dios P ara intervalos
ls e Mb = m + t /^ • L S E r = D 2*T/3
L C E Me= M L C E R= d2* T/3
L IE U e = M - T / ^ L IE R = D ,* T / 3
L S E : Lím ite S u p e rio r Especificado
L C E : Línea Central Especificada
Para pro m edio s P ara intervalos
L S C Me= M e + A 2* R L S C r = D 4*R
L C C Me = M e LCCr = R
L 'C Me = M „ - A 2* R L IC r = D 3* R
L S C : Lím ite S u p e rio r de Control
L C C : Línea Central de Control

L o s v a lo re s de las co n sta n te s A 2, D r D 2, D 3, D 4y d2se e n c u e n tra n en el

form ato de recolección de datos.
7. C o n s t r u c c i ó n d e l g rá f ic o . El gráfico consiste de d o s partes: u na para

g ra fic a r las m e d ia n a s y el otro p a ra g raficar los in te rva lo s. E l p ro c e d i
m ie n to p a ra c o n s tr u ir el g rá fic o e s el m is m o u s a d o p a ra el g rá fic o
d e p ro m e d io s e intervalos. La F ig u ra 4 .2 8 m uestra un e s q u e m a de este
gráfico.
La form a en que se graf ican los puntos debe ser acorde con la form a en que
se recolecta ron los datos y no de a cu e rd o con los o rdenam iento s h e ch o s
para el cálculo de m edianas. Esto es m u y importante para efectos de anali
z a r te n d e n cia s y p e cu lia rid a d e s p u e s si no se h a ce a sí, se altera la serie
cronológica.
FIGURA 4.28. Representación de un gráfico Mg,R.

A n á lis is de l g rá fic o
U n a v e z q u e se ha co n stru id o el gráfico se p ro ce d e a h a ce r un análisis

detallado con el fin de detectar los problem as que presenta la característica de
calidad en estudio. El análisis del gráfico sigue los m ism os pasos del análisis de
un gráfico de p ro m e d io s e intervalos. El cálcu lo de la m e d ia n a y el intervalo
m ediano m odificados se hace m ediante las siguientes expresiones:
[ (m - h) + 1 ]
M em = --------------------------------------- término
2
donde:
M em = m ediana de m edianas m odificada
h= núm ero de m edianas que que dan fuera de límites de control de proceso
[ (m - f) + 1 ]
R m= -------------------------------------------- térm ino
2
don de:
R m = intervalo m ediano m odificado
f = nú m e ro de intervalos que q u e d a n sobre el límite superior de control de

proceso
E s im portante indicar que al elim in ar puntos, los restantes d e b e n o rd e

narse para continuar con el análisis. E n ocasiones, la elim inación de un punto
p ro vo ca que el total de m uestras sea impar, lo qu e ocasiona que el valor de la
m e d ia n a no se e n c u e n tre en el c o n ju n to de d a to s . S i esto o c u rre se d e b e
calcular la m ediana co m o el pro m e dio de los valores extrem os.
P or ejem plo, si quedan 20 subg ru p os, la m ediana será el térm ino 10,5°, el
cual no existe. E n este caso se calcula com o el prom edio entre los térm inos de
la posición 10° y 11°.
A l calcular el porcentaje de pro ducto disconform e la desviación están dar

se estim a com o:
c ’ = R / d2
S e g u im ie n t o de l g rá fic o
El procedim iento es el m ism o que se practica en el gráfico de pro m edio s e

intervalos. S e d e b e tener especial cu idado respecto del com portam ien to de la
pre cisión de la ca ra cte rística y de la co n se rva c ió n de su n o rm alidad, p o r ser
requisitos cla ve s en la utilización de este tipo de gráfico.
Para entender m ejor este procedim iento se puede usar el flujogram a I en el

A p é n d ice III.
EJEMPLO 4.6
U n a c o m p a ñ ía farm acé utica tiene problem as con el enva se de uno de los

ungü entos que fabrica, pues se ha detectado alguna variabilidad en el peso de
c a d a tubo. E n el p a sa d o se han h e ch o estudios y se ha c o m p ro b a d o q u e esta
va ria b le se distribuye se g ú n la distribución norm al. S e ha decidido aplicar un
gráfico de control pa ra constatar la hipótesis planteada.
La especificación del p e so del tubo se establece en 15 ± 5 g ra m o s. C o n el

fin de h a ce r el aná lisis re q u e rido se recolectó la inform ación m o s tra d a en el
C u a d r o 4 .6 . S e tra ta d e 2 7 m u e s tra s d e ta m a ñ o 5 , las c u a le s a p a r e c e n
o rd e n a d a s de m e n o r a m a yo r en ca d a subgrupo.
SOLUCION
Lo s p aso s del 1 al 5 se encu entran en el C u a d ro 4.6.
P a so 6. C á lc u lo de límites de control
CUADRO 4.6. Hoja de datos para el Ejemplo 4.6
Hoja de Datos - Gráficos de control Me, R

Artículo: Ungüento dermatológico Código: A385
Característica: Peso Especificaciones: 15 + 5 g
Operación: Llenado del envase Máquina: Llenadora
Operario: J. Sáenz Inspector: M. Blanco
Muestra # 1 2 3 4 5 6 7 8 9 10 n=
V I 5 24.2 21.4 23.0 27.9 19,7 19,5 21,0 19.0 19,8 18,7 O
a n 4 19.8 17.4 22,8 19,6 15.4 18,9 19.5 18,3 16.7 16,6
I d 3 18.8 16,8 21,7 18,5 14.4 18,8 17,2 18.0 15.7 14.9 B
o i 2 14,0 15,1 18,2 15,1 13,0 17.2 15,8 15,6 15,2 14.9
r v. 1 11.3 12,7 14.0 12.9 11,6 15.2 15.5 14,9 13.8 12,3 S
Mediana 18,8 16,8 21,7 18,5 14,4 18,8 17,2 18,0 15,7 14,9 E
Intervalo R 12,9 8,7 9,0 15,0 8,1 4,3 5,5 4,1 6,0 6,4
Muestra # 11 12 13 14 15 16 17 18 19 20
V
V I 5 18.7 20,8 17.6 22,1 19.6 21.3 19,6 19.0 21,6 15.0
a n 4 15.1 20,2 16,8 19.1 19.6 20,6 18,1 15.1 20.4 14,7 A
I d 3 15.1 17,9 15,5 18.3 19,2 17.4 16.9 14.5 19,6 14,5
o i 2 13,9 16,6 14.7 17.4 17.7 16,6 14.9 14,0 18.5 13,9 C
r v. 1 13.8 15,0 13,9 17.1 13,4 15,0 14,3 13.6 18,3 13.0
Mediana 15,1 17,9 15,5 18,3 19,2 17,4 16,5 14,5 19,6 14,5
Intervalo R 4,9 5,8 3,7 5,0 6,2 6,3 5,3 5,4 3,3 2,0 O
Muestra # 21 22 23 24 25 26 27 28 29 30 N
V I 5 16.5 15,9 15.9 23.9 15.0 19.7 21,1 E

a n 4 15,3 15,8 15,5 21,5 15.0 16,0 15,3
I d 3 14.5 14,7 15,0 21,3 14,8 15.7 14,2 S
0 i 2 14,0 14,4 14.9 20.9 14,7 15,5 13,7
r v. 1 13.5 14,3 13.9 14.9 13.1 15,1 13,0
Mediana 14,5 14,7 15,0 21,3 14,8 15,7 14,2

Intervalo R 3,0 1,6 2,0 9,0 1,5 4,6 8,2
n 2 3 4 5 6 8 9 10
A2 2,224 1,265 0,829 0,712 0,562 0,520 0,441 0,419 0,369
D3 0 0 0 0 0 0,078 0,139 0,187 0,227
D4 3,865 2,745 2,375 2,179 2,055 1,967 1,901 1,850 1,809
d2 0,954 1,588 1,978 2,257 2,472 2,645 2,791 2,916 3,024

CONTROL DE CALIDAD
a. Lím ites de c o n tro l especificados
Espe cificació n: M + T = 15 + 5 g ra m o s
P a ra prom edios
L S E Mb = M + T / f f = 15 + 5/1(5 = 1 7 ,2 4 gram os
L C E Me = M = 1 5 ,0 0 gram os
L IE Me = M - T/ \frí = 1 5 - 5/ = 1 2 ,7 6 gram os
P a ra intervalos
L S E R = D 2* T/3 = 4 ,6 6 *5/3 = 7,7 9 g ram os
L C E r = d2* T/3 = 2 ,2 5 7 * 5/3 = 3,7 6 gram os
L I E r = D 1* T/3 = 0 *5/3 = 0 gram os
D 2= 3 d 3+ d 2
= 3 (0 ,8 )+ 2,257
= 4 ,6 6
d 3p ara n=5 tom a el valor de 0,8
P a ra n = 5 , los va lo re s de D 2, d2y D , se localizan en la hoja de dato s en el

C u a d ro 4 .6.
b. Lím ites de c o n tro l d e l p ro ce so
A n te s d e c a lc u la r e s to s lím ite s e s n e c e s a rio lo c a liz a r la m e d ia n a de

m e d ia n a s y el intervalo m ediano. P ara ello es necesario o rd e n a r los dato s de
m e n o r a m a yo r. El C u a d ro 4.7 m uestra este ordenam iento.
CUADRO 4.7. Ordenamiento de mayor a menor de los datos intermedios
Muestra No. Mediana Muestra No. Intervalo
27 14,2 25 1,5
5 14,4 22 1,6
18 14,5 23 2,0
20 14,5 20 2,0
21 14,5 21 3,0
22 14,7 19 3,3
25 14,8 12 3,7
10 14,9 8 4,1
23 15,0 6 4,3
10 15,1 26 4,6
13 15,5 11 4,9
26 15,7 14 5,0
9 15,7 17 5,3
17 16,5 18 5,4
2 16,8 7 5,5
7 17,2 12 5,8
16 17,4 9 6,0
12 17,9 15 6,2
8 18,0 16 6,3
14 18,3 10 6,4
4 18,5 5 8,1
1 18,8 27 8,2
6 18,8 2 8,7
15 19,2 3 9,0
19 19,6 24 9,0
24 21,3 1 12,9
3 21,7 4 15,0
Localización de la m ediana de m edianas
(m + 1) 28
M = -------------------------- térm ino-= -----------térm ino = 14 o valor
2 2
M e= 16,5 g ra m o s
(m + 1) 28
R= térm ino = --------------térm ino = 14 o valor
2 2
R = 5,4 g ra m o s
Para m ediana s
L S C Me= M e + A 2* R = 16,5 + (0 ,7 1 2 * 5 ,4 ) = 20,3 4 g ram os
L C C M e= M e = 1 6 .5 0 g ram os
L IC Me = M e - A 2* R = 16,5 - (0 ,7 1 2 * 5 ,4 ) = 12,65 g ra m o s
Para intervalos m edianos
L S C r = D 4* R = 2,1 7 9 * 5 ,4 = 1 1 ,7 7 g ram os
LCCr =R = 5,4 0 g ra m o s
L I C r = D 3* R = 0 * 5 ,4 = 0 g ram os
Los valores y constantes utilizados están en el C u a d ro 4.6.
P a so 7. C onstru cción del gráfico
La Figura 4.29 presenta el gráfico correspondiente a este ejemplo.

NUMERO DE L A MUESTRA
FIGURA 4.29. Gráfico Me,fí para el Ejemplo 4.6.

1. A ná lisis con resp ecto a l p ro ce so
Al obse rva r la Figura 4.29 se nota que hay puntos fuera en a m bos gráficos,
por lo qu e se p ro ce d e a elim inarlos.
G ráfico R
C o m o se p uede observar en la Figura 4.2 9 y en el C u a d ro 4 .7 las m uestras

N o . 1 y 4 se e n c u e n tra n so b re el lím ite s u p e rio r de co n tro l. S e re c a lcu la el
intervalo prom edio.
26
R mm= ----------- térm ino = 13 o térm ino
2
R m= 5 ,3 g ra m os

o b s e rv a r si h a y m á s puntos fuera.
L S C r = D 4* R m= 2 ,1 7 9 * 5,3 = 11,55 g ram os
C o m o se p u e d e nota r en la F ig u ra 4 .2 9 y a no h a y m á s p u n to s fuera de
lím ites en el gráfico R y se elim inó solo el 7 ,4 % de las m u estra s. S e p ro cede
ento nce s a ana liza r el gráfico de m edianas.
G ráfico M e
S e recalculan los límites con el nuevo intervalo prom edio.
L S C Me = 15,7 + (0 ,7 1 2 * 5 ,3 ) = 19,48 g ram os
L I C Me = 15,7 - (0 ,7 1 2 * 5 ,3 ) = 11,92 g ram os

S e nota qu e las m uestras No. 19, 24 y 3 se encuentran fuera del límite su

perior. P or lo tanto se pro cede a elim inarlas.
25
M em = térm ino = 12,5° término
2
M em= 15,7 g ra m os
E n este ca so no es necesario b u sc a r ei prom edio de extrem os, pues tanto

el dato N o. 12 co m o el n ú m ero 13 tienen el valor de 15,7 gram os.
Los límites de control de pro ceso m odificados serán:
L S C Mem = 15,7 + (0 ,7 1 2 * 5 ,3 ) = 19,48 gram os
L I C M em = 15,7 - (0 ,7 1 2 * 5 ,3 ) = 11,92 gram os
Al observar de nuevo el gráfico se nota que ya no hay m ás puntos fuera. En

cu a n to a p e cu lia rid a d e s y te n d e n c ia s se o b s e rv a n a lg u n a s te n d e n cia s que
deb e n ser ana lizad as con detenim iento, tratando de identificar sus causa s.
2. A ná lisis con resp ecto a especificaciones

que aplican las accion es y a citadas.
Al h a ce r el análisis de exactitud, de precisión y de porcentaje de producto

no conform e con especificaciones se tiene:
a. E xactitud
M =M e
15,0 = 15,7
H 0: p = 15,0
H a: g = 15,0
La Figura 4 .3 0 m uestra la cu rva norm al correspondiente.
a ’ = R/d?
a ’ = 5,3/2,257 = 2 ,3 4 8 gram os
1 5 ,7 -1 5 ,0
Z = = 0,67
2 ,3 4 8
'■Í5

con a = 5 % , para re c h a za r la hipótesis nula. P or lo tanto, bajo las co n d icio n e s
a c t u a le s s e p u e d e a f irm a r c o n 9 5 % d e c o n f ia n z a q u e el p r o c e s o e s tá
estadísticam ente centrado.
b. Precisión

a ’ > T/3
2.3 4 8 > 5/3
2 .3 4 8 > 1,67
H 0: cr2= 2,7 7 7
H a : o 2= 2,777
’
La Figu ra 4 .3 0 A m uestra la cu rva ch i-cu a d ra d o correspondiente.
( 5 - 1 ) 2 ,3 4 8 2
as2= -------------------------------------------- = 7,94
2,777

con a = 5 % , p a ra re c h a za r la hipótesis nula. P o r lo tanto, bajo las condiciones
a c t u a le s s e p u e d e a f ir m a r c o n 9 5 % d e c o n f ia n z a q u e el p r o c e s o es
estadísticam ente preciso.
c. P orcentaje de p ro d u cto disconform e
c '.= 5 ,4 / 2 ,2 5 7 = 2,3 9 3
o ’f= 5 ,3 / 2 ,2 5 7 = 2,348
FIGURA 4.30A.
Curva chi-
cuadrado para la
prueba de
hipótesis
L a s F ig u ra s 4.31 y 4 .3 2 m u e s tra n las c u rv a s n o rm a le s u s a d a s p a ra el

cálculo del porcentaje de producto fuera de especificaciones.
A , = P ( x < 10,0 ) = N ((1 0 ,0 - 16,5)/2,393) = -2 ,72
A , = 0 ,0 0 3 3 ó 0 ,3 3 %
A 2= P ( x > 2 0 ,0 ) = 1 - N ( ( 2 0 , 0 -1 6 ,5)/2,3 9 3 ) = 1 - N ( 1 , 4 6 )
A 2= 1 - 0 ,9 2 7 9 = 0,0721 ó 7,21 %
El porcentaje de producto disconform e total inicial es 7,5 4 % .
A , = P ( x < 10,0 ) = N ((1 0 ,0 - 1 5,7)/2,348) = -2 ,4 3
FIGURA 4.31 Cálculo del porcentaje disconforme inicial.

JORGE ACUÑA ACUÑA
A , = 0 ,0 0 7 5 ó 0 ,7 5 %
A 2= P ( x > 2 0 ,0 ) = 1 - N ((2 0 ,0 - 1 5,7)/2,348) = 1 - N (1 ,8 3 )
A 2= 1 - 0 ,9 6 6 4 = 0 ,0 3 3 6 ó 3 ,3 6 %
El porcentaje de producto disconform e total final es 4,11 % .
C o m o se p u e d e co n clu ir del análisis realizado, la elim inación de ca u sa s

asignables ayu d a a dism inuir el porcentaje de producto diáconform e de 7 ,5 4 %
a 4 ,1 1 % . S in e m b a rg o , a u n q u e la característica en estudio ha m ostrado ser
e s ta d ís tic a m e n te e x a c ta y p re c is a , es n e c e s a rio e v a lu a r si se re q u ie re n
m ejoras para elevar el nivel de calidad de este proceso.
U n o de los aspectos claves en la administración de gráficos de control es el

diseño de form atos que ayuden en la tom a de decisiones cuando se tengan que
ejercer a ccion e s preventivas y correctivas.
A lg u n a d e e s ta in fo rm a c ió n s e re fie re a re s p o n s a b ilid a d e s , tip o de

a c c io n e s , c la s e de a c c io n e s , d e s c rip c ió n de e s a s a c c io n e s y s o b re todo
ra z o n e s del p o r q u é d e e s ta s a c c io n e s . D e b e c o n v e n c e r s e a qu ie n to m a
decisiones del p o rq u é de ellas. Si los operarlos son los encargados de llevar los
gráficos, es m u y im portante entrenarlos y darles a c o n o c e r las accio n es por
seguir cu a n d o se identifiquen situaciones anó m alas en los gráficos.
G R A F IC O D E S U M A S A C U M U L A D A S
Lo s gráficos de s u m a s a c u m u la d a s se basan en la pre m isa de que c a m

bios p e q u e ñ o s de exactitud no pu e d e n ser detectados fácilm ente u sand o los
gráficos convencionales. Si esto se lograra se necesitaría graficar una gran ca n
tidad de puntos para detectar el cam bio, acción que sería tardía y de tipo correc
tivo. E n un gráfico de su m as acum uladas se acum ulan diferencias entre el valor
obte nido de ca d a p ro m e d io m uestral y el p ro m e dio e sp e ra d o . El objetivo es
lograr una estabilidad del pro ceso en cu yo caso esas diferencias deberán ser
cero.
C u a lq u ie r cam bio en el nivel del proceso dará origen a un valor positivo o

negativo de la su m a acu m u lad a, ello depende de la pendiente del cam bio. Si el
c a m b io persiste, el va lo r absoluto de la s u m a a cu m u la d a de b e rá a u m e n ta r y
ese efecto hará aparente la situación, con lo que se pueden tom ar las m edidas
p re v e n tiv a s del c a s o . Si el c a m b io no es sig nificativo , la s u m a a c u m u la d a
tend erá a cero en form a rápida.
U n o de los p ro b le m a s de los g rá fico s de control c o n v e n c io n a le s es el

hech o de que las decisiones están basa d a s en igualdad de condiciones, tanto
para las prim eras m uestras com o las últimas. Al representar con ellos una serie
de tiem po, debería ponérsele m ás atención a los datos m ás recientes, cosa que
se pu e de lograr con los gráficos de su m as acum uladas. Lo s gráficos de su m as
a cu m u la d a s, cu yo objetivo prim ario es m antene r el control del pro ceso en las
m ejo res condiciones, son definitivam ente m á s baratos. C o n estos gráficos es
p o s ib le id e n tific a r c a m b io s en el p ro c e s o c u a n d o é s to s so n re p e n tin o s y
g e n e ra d o s p or co n d icio n e s qu e se han v e n id o a c u m u la n d o en el tiem po. La
F ig u ra 4 .3 3 m uestra la rep resentación de tendencias en este tipo de gráfico.
E n la F ig u ra 4 .3 3 s e re fleja un im p o rta n te c a m b io al v a ria r a lg u n a s

con dicio ne s. E sto obliga a tener una regla de decisión con el fin de calificar la
m ag nitu d del c a m b io y e v a lu a r si éste es rea lm ente im portante o p o r lo c o n
trario no implica accion e s inm ediatas. E n otras palabras esta regla cum plirá la
m isión de los límites de control en gráficos tradicionales.
La su m a a cu m u la d a se calcula al a cu m u la r las diferencias de los p ro m e

d io s re c o le c ta d o s co n el v a lo r n o m in a l, y a s e a en u n id a d e s s im p le s o en
unidade s de error estándar.
La regla de d e c isió n q u e se u sa e sta b le c e el tipo de g ráfico de s u m a s

acum uladas. E n esta ocasión se presentan dos tipos que son la m áscara V y el
intervalo de decisión h.
D a d o qu e estos gráficos solo controlan exactitud se deb e definir qué tipo

de g rá fico se v a u s a r p a ra co n tro la r p re c is ió n , p u e d e s e r un grá fico R o un
gráfico a. Ta m b ié n es posible decidir no controlarla si ésta no es un problem a en
la característica en estudio.
Si se d e s e a se p u e d e construir, para la m ism a inform ación, el gráfico de

control de pro m e dio s para o b s e rva r la gran eficacia de un gráfico C U S U M en
detección de ca m bios en el centro del pro ceso.
JORGE ACUNA ACUNA
>-
E
>
<
Z
o
ir
O
Lü
UJ
o
(/)
c/)
OD
321
Figura 4.33. Representación de un Gráfico CUSUM.

Máscara V
E ste gráfico u sa co m o m e dida de evaluación del cam bio una plantilla en

form a de V cu ya función es detectar si la pendiente de un cam bio registrado es
significativa o no. Este es un procedim iento de decisión de dos extrem os (c o n
trol bilateral) p u e s controla tanto c u a n d o la pend ien te de ca m b io es positiva
c o m o negativa. El m étodo consiste en colocar la plantilla en un punto determ i
na d o y si algún punto graficado anteriorm ente q u e d a debajo de la plantilla se
evidencia un cam bio importante a partir de él. Si ello ocurre se m ide la m agnitud
del ca m bio y se tom an las acciones correctivas y preventivas que se am eriten.
L a F ig u ra 4 .3 4 m u e s tra un e je m p lo de e sta p lan tilla. C o m o s e p u e d e

o b s e rv a r e sta q u e d a definida al c o n o c e r la m a g n itu d de la d ista n c ia dy dei
á n g u lo 0.
El procedim iento para la construcción de este gráfico es el siguiente:
1. Selección de la variable. E ste deb e ser necesariam ente un p a so y a eje

c u ta d o a tra v é s de la id e n tifica ció n de c a ra c te rís tic a s d e c a lid a d e m
plea ndo el diag ram a de Ishikaw a y el paretogram a. Sin e m b a rg o , en este
FIGURA 4.34. Ejemplo de una máscara V.

caso debe haberse com probado qu e existe la necesidad de controlar m ás

de cerca la exactitud del proceso. E s Importante definir aquí el gráfico que
se va a u sar para controlar variabilidad.
2. Definición del marco de muestreo y método de selección. E s n e c e

sario definir el lu g a r de d o n d e s e extraerán las m u e stra s, sea éste lotes
producidos o m áquinas en proceso. S e siguen los m ism os procedim ientos
explicados para los gráficos tradicionales
3. Determinación del número de subgrupos o muestras (m). L a d eter

m inación de este nú m ero se deb e hacer de tal m anera que la probabilidad
de d e te c ta r c a u s a s a s ig n a b le s e n tre las u n id a d e s q u e c o n fo rm a n la
m u e s tra s e a la m ín im a posib le , p e ro la m á x im a entre m u e stra s o s u b
grupos. Esto se logra si se cu m p le n las condiciones de representatividad
del m uestreo. La experiencia en el uso de este tipo de gráficos dicta que
este nú m ero d e b e s e r m ayor a veinte.

tom a de ella se h a g a sobre la base de los beneficios esperados y el costo
de evaluación de calidad g enerado. Si se usa el intervalo com o m edida de
dispersión, la experiencia dicta qu e el tam año no deb e ser m ayor que diez
unidades.
5. Recolección de información. U n a v e z diseñado el esq u em a de m uestreo

se p rocede a la recolección de datos, ejecución de m ediciones y cálculo de
m edidas estadísticas. E s importante en este paso h acer uso de un formato
a d e c u a d o qu e presente la inform ación ordenada para su análisis. S e p u e
de usar a quí el form ato de un gráfico de prom edio e intervalo o de prom edio
y desviación estándar, según cual sea el gráfico para controlar precisión.
El cálculo que se efectúa es el de la su m a acum ulada. Existen dos form as

de calcularlo: u sand o diferencia sim ple o unidades de error estándar. C a d a
analista decide cuál usar. Las expresiones son las siguientes:
• Diferencia sim ple
m _
Ym=T(vM)
i=1
• U n id a d e s de desviación estándar
m _
Y m= I t(x ,-M )/ a ; ]
i=1
en don de:
Y m = S u m a a cum ulada
xi = V a lo r del prom e dio de la m uestra i
M = pro m e dio especificado o pro m e dio deseado
o x = error estándar del m uestreo
6. D is e ñ o d e la p la n tilla . T a l y c o m o s e indicó a n te rio rm e n te la plantilla

q u e d a d ise ñ a d a cu a n d o se co n o ce n los valores de d y de 0. E xisten dos
form as de cálculo se gú n se co n o zca o no la desviación estándar.
a. M áscara V p a ra variables no rm alm e nte distribuidas
P rocedim iento A . o con ocida (D u n c a n ,1 989)
P a ra d is e ñ a r gráficos en este c a s o s e c o n o c e o ’ y se dice q u e es c o n s

tante. Para la m á sca ra V los valores de d y 0 se calculan de la siguiente form a:
d= h/tan 0
0= t a n 1(k-m )/w
don de
w = factor de esca la. E s la ra zó n de una unidad de distancia en la e sca la hori

zontal con respecto a una unidad de la e s "a la vertical.
E ste m é to d o re q u ie re q u e a ntes se ap liq u e el co n c e p to de intervalo de

d e c is ió n h co n el fin de e n c o n tra r los v a lo re s a q u í re q u e rid o s . E s te p ro c e
dim iento se ve rá m ás adelante.
JORGE ACUNA ACUNA
b. M áscara V p a ra variables no rm alm e nte distribuidas
P rocedim iento B. o d esconocida (D u n c a n , 1989)
L o s va lo re s de d y 6 se calculan co n base en d o s parám e tros qu e son el

error tipo I (a ) y el ca m b io esperado en el proceso (8).
El valor de 5 se calcula en unidades de error estándar al dividir la diferencia

re q u e rid a p a ra d e te c ta r c a m b io s (D ) p o r el va lo r del error están dar. La dife
rencia D representa al núm ero de errores estándar que se desea detectar con
la m á sca ra . A sí:
S = D/a
o - = o ’ /V ñ
& : estim ación de o
O btenido ese valo r se calcula d com o:
d = ( - 2 / 82) Inoc
El valor de 0 se calcula com o:
0 = arctan (8/2) si w es igual a 1
0 = a rc ta n [1 / (2 t)]o
0= arctan [1/(2ws)] para w diferente de 1
donde:
t: es el cociente entre o - y w (t = o - / w )
w: factor de escala (w = escala y / esca la x)
Seguimiento del gráfico
E n este gráfico no existe un análisis por separado, pues este se realiza en

la etapa de seguim iento. La razón es qu e se debe tom ar una decisión por cada
punto que se gráfica.
C o n el fin de ve r si existe un cam bio significativo durante el seguim iento del

g ráfico y a la v e z e v a lu a r el d iseño de la m á sca ra se co lo ca ésta so b re ca d a
p u n to del grá fico a partir del s e g u n d o . S i n ing ú n p u nto q u e d a o cu lto p o r la
m áscara, se dice que no hay cam bios significativos, si por el contrario un punto
o m ás qu e d a n ocultos, se afirm a que un cam bio im portante se ha g e n e ra d o a
partir del intervalo de tiem po en el cual fue recogida esa muestra.
Esta m á sca ra pu ede ser u sada para co n o ce r la m agnitud del c a m b io en el

prom e dio del proceso. P ara ello la m áscara se pivotea alrededor del punto a n a
liza d o . S i se p u e d e lo c a liza r u n a posición tal qu e los últim os t p u n to s c a ig a n
dentro de la m á sca ra V cu a n d o estos t puntos incluyen al m enos los puntos c u
biertos c u a n d o la m á sca ra estab a horizontal, ento nces la dirección d e la línea
O P en su n u e v a posición p u e d e r ser usada para m edir el increm ento en el pro
m edio del proceso. Para aclarar este concepto se puede observar la Figu ra 4.35.
U n a fo rm a de ca lcu la r la m a g nitu d real de c a m b io es e n c o n tra n d o una

línea de regresión con los valores de los puntos com prendidos entre el punto de
análisis y el punto a partir del cual se detecta el cam bio, incluyéndolos. S e a :
Y c = b o + b ,x
d onde:
I x 2 * Xy - Xx * Xxy
b o = -----------------------------------------------------------------
n X x 2- ( I x ) 2
nXxy - Xx * Xy
b, = -------------------------------------------------------------
n X x 2- ( X x ) 2
C o m o b ^ y / x entonces 6 = arctan b ,-1
U tiliz a n d o cu a lq u ie ra de las e x p re s io n e s de 9 vista s a n te rio rm e n te se

despe ja el valor de 5 y con él se calcula el valor de D.
D = 6* o -
Esta m agnitud significa el verdadero valor de D que la m áscara detectó en

la z o n a do n de ocurrió el cam bio.
Línea trazada
a mano a lo largo
de los 6 últimos /»
puntos \ /
/ ®
Puntos cubiertos
/ por extensión de
/ la mascarilla en
la posición
horizontal en P
-i 1---------1-------- 1--------- 1 i i i i i i i
Número de observación
FIGURA 4.35. Magnitud real de cambio.
EJEMPLO 4.7
U n a característica de calidad d e b e cu m p lir con el v a lo r nom inal de 50 ,0

g ra m o s y se h a e s tim a d o u n a d e s v ia c ió n e s tá n d a r d e 2 ,0 g ra m o s . P a ra
observa r tendencias en el cum plim iento con ese valor nominal se desea diseñar
u n a M á s c a ra V , p a ra la cu a l se han to m a d o los d a to s del C u a d r o 4 .7 que
corre sp onde a pro m edio s de m uestras de tam año n=4.
Presente un gráfico C U S U M en su s diferentes etapas que pueda detectar

ca m bios de un error estándar. U s a r a = 0 ,1 3 5 %
SOLUCION
Lo s pasos del 1 al 4 han sido previam ente ejecutados. P or lo tanto, se pro

ce d e a calcular las su m a s acum uladas. El C u a d ro 4.8 presenta estos cálculos.
No. Promedio No. Promedio No. Promedio No. Promedio
1 51,6 6 50,1 11 50,4 16 51,1

2 50,4 7 48,6 12 52,1 17 49,9
3 48,9 8 50,8 13 49,8 18 52,4
4 49,3 9 49,8 14 52,4 19 52,9
5 51,6 10 48,6 15 51,9 20 51,4
Estos valores se grafican según se m uestra en la F ig u ra 4.37 para obtener

el gráfico de su m a s acu m ulad as.
D a d o D=1 entonces: 5= DI cs-= 1 /1 ,0 = 1,0
Oj = 2,0/^4 = 2,0/2 =1,0
El factor de escala w = escala en y / escala en x = 2/1 = 2
0 = arctan [1/(2t)]
t =1/1/2 = 2
0 = arctan [1/(2*2)]
0 = arctan [0,25]
0 = 14°
-2 -2
d= Ina = In (0 ,0 0 1 3 5 )
( 12) 2
d = -2 (-6 ,6 )
d = 13,1
D a d o q u e la esca la es de d o s a uno se divide el v a lo r de d p o r d o s para

co n o ce r la m agnitud real de esa distancia. A sí, el valo r de d es:
JORGE ACUÑA ACUÑA
CUADRO 4.8. Cálculos para el Ejemplo 4.7
No. X x -5 0 (x - 50)/1,0
1 51,6 1,6 1,6 1,6

2 50,4 0,4 0,4 2,0
3 48,9 -1,1 -1,1 0,9
4 49,3 -0,7 -0,7 0,2
5 51,6 1,6 1,6 1,8
6 50,1 0,1 0,1 1,9
7 48,6 -1,4 -1,4 0,5
8 50,8 0,8 0,8 1,3
9 49,8 -0,2 -0,2 1,1
10 48,6 -1,4 -1,4 -0,3
11 50,4 0,4 0,4 0,1
12 52,1 2,1 2,1 2,2
13 49,8 -0,2 -0,2 2,0
14 52,4 2,4 2,4 4,4
15 51,9 1,9 1,9 6,3
16 51,1 1,1 1,1 7,4
17 49,9 -0,1 -0,1 7,3
18 52,4 2,4 2,4 9,7
19 52,9 2,9 2,9 12,6
20 51,4 1,4 1,4 14,0
d = 6,6
La F ig u ra 4 .3 6 m u estra la m á sca ra V para este ejem plo y la Figura 4.37

p re s e n ta la m á s c a ra c o lo c a d a en u n o de los p u n to s graficados. H a y qu e
re ca lca r qu e esta m á s c a ra no se dibu ja sino qu e se desliza sobre el gráfico
CUSUM .
C o n el fin de analizar posibles cam bios de tendencia se coloca la máscara

V sobre ca d a uno de los puntos del gráfico. Al h acer esto, el primer cam bio se
dete cta en la m u e stra N o . 15, p u e s la m u e stra N o . 10 q u e d a oculta. E s to se

p u e d e ve r en la Figu ra 4.37.
Si se hubiera construido el gráfico de prom edios hubiere sido difícil detec

tar un cam bio en la m uestra No. 15, a pesar de que la tendencia general refleja
a lgún ca m bio im portante en el prom edio del proceso. La Figura 4.3 8 presenta
el gráfico corresp ondiente en el que se pu ede observar lo antes apuntado.
La m a gnitu d de ca m b io detectada se calcula u sand o el valor de la su m a

a c u m u la d a c o r re s p o n d ie n te a las m u e s tra s de la N o . 10 a la N o . 15. La
inform ación se presenta en el C u a d ro 4.9.
91 (1 4 ,7 )-2 1 (7 4 ,3 )
- = -2 ,1 2
b 0= -
6 (9 1 )-2 1 2
6 (7 4 ,3 ) - 2 1 (1 4 ,7 )
1,31
6 (9 1 ) - 2 1 2
La e cuación es:
Y C = -2 ,1
’
3 + 1,31x
Lu e go:
y/x = 1,31
JORGE ACUÑA ACUÑA
331
FIGURA 4.37. Gráfico de sumas acumuladas para el ejemplo 4.7.

X II
FIGURA 4.38. Gráfico de promedios para el Ejemplo 4.7.
CUADRO 4.9. Cálculos para análisis de regresión
Muestra X y xy X2
10 1 -0,3 -0,3 1
11 2 0,1 0,2 4
12 3 2,2 6,6 9
13 4 2,0 8,0 16
14 5 4,4 22,0 25
15 6 6,3 37,8 36
Total 21 14,7 74,3 91

JORGE ACUNA ACUÑ, 333
0 = arctan 1/1.31 = 37,35°
Com o:
0 = arctan 1/(2w6)
Entonce s:
37,35° = arctan 1/(2w6)
0,7631 = 1/(2w s)
1,5262 w 8= 1
w 8= 0,6552
D a d o qu e w = 2 y 0^=1
2 5= 0,6552
Slog 2 = log 0 ,6552
log 0 ,6552
5 = --------------------------------------
log 2
5= -0,61
D = a x *5 = 1 * (-0 ,6 1 ) = -0,61
E s to quie re decir q u e el gráfico ha sido c a p a z de de te cta r en la zo n a de

análisis una m agnitud de ca m b io de ±0,61 en lu gar de +1 tal y co m o se h abía
estipulado.
C u rv a A R L
U n o de los a spectos im portantes de analizar es el n ú m ero de puntos que

se necesitan graficar para detectar un cam bio en la dirección del proceso. Para
ello, se utiliza una cu rva A R L .
Si un proceso com ienza a producir con el valor M y posteriorm ente cam bia
en una cantidad d> y si este cam bio persiste hasta ser detectado, el nú m ero de
puntos de m uestra que sob re el prom edio tendrán que ser graficaaos antes de
que el esq u em a de control detecte un cam bio es Ñamado Longitud Prom edio de
la C o rrid a (A v e r a g e R u n L e n g h t A R L ). P a ra co n stru ir e sta c u rv a s e u s a el
n o m o g ra m a de la F ig u ra 4 .39.
P a ra iniciar se fija un nivel de calidad m aque se considera el nivel de cali

d a d a ce p ta b le y qu e a d e m á s existe otro nivel de calida d m r, m a y o r q u e m a,
considerado la peor calidad y que por lo tanto será rechazado. A d em ás, se tiene
que k = (m a+ m r)/2 y qu e ios valores de o ’, n y h son conocidos.
E n t o n c e s ,’ c o n lo s v a lo r e s d e k,’ m a ’, n y
J a ’ s e lo c a liz a el v a lo r d e
y = Ik - m j J ñ / a ’ en la e s c a la de la d e re c h a . C o n los v a lo re s de h, n y a ’ se
localiza el valor de Í2=h /o’en la tercera escala. El punto que se obtiene en la
escala de Laal unir los dos puntos correspondientes a los dos valores anteriores
es la longitud de la corrida para el nivel de calidad aceptable.
El m ism o procedim iento se sigue para encontrar L rpero sustituyendo rn e n

la posición de m . La cu rva se obtiene dándole valores a m m enores que k para
encontra r L ay m a yore s qu e k para encontrar L r. El núm ero de puntos d e b e ser
tal que perm ita identificar la suavidad de la curva.
EJEMPLO 4.8
P a ra u na ca ra cterística d e te rm in a d a el nivel de calida d acep table m aes

107, el nivel de calidad recha za ble m res 113. La desviación estándar estim ada
es o ’= 1 0. El valor de h se ha fijado en h =9 ,5 y el tam año de la m uestra es de 9.
C o n s tru irla cu rva A R L para valores de m entre 107 y 113.
SOLUCION
P a ra con stru ir la c u rv a se necesita d e term ina r los v a lo re s de L ay L rcon

valores de m dados u sa nd o la Figu ra 4.39.
El C u a d ro 4 .1 0 p re se nta los pares o rd e n a d o s para la con stru cción de la

cu rva .
o =
I k -m l / ñ / o ’
Lo
i - 100
h 150
-200
-2 5 0
300
350
400
•4 5 0
500
550
600
650
700
750
800
900
^ lO O C
FIGURA 4.39. Nomograma para construir la curva ARL.
La Figu ra 4 .4 0 presenta la cu rva A R L correspondiente. E n ella se puede

o b s e rv a r c ó m o co n fo rm e los v a lo re s de m tienden al va lo r re c h a za b le m r, la
cantidad de puntos qu e es necesario graficar son pocos.
CONTROL DE CALIDAD
CUADRO 4.10. Pares ordenados para construirla curva ARL
m y L
107 0,9 740

108 0,6 155
109 0,3 50
111 0,3 9,5
112 0.6 5,5
113 0,9 4,0
FIGURA 4.40. Curva ARL para el Ejemplo 4.8.

S i se d e s e a d e te c ta r c a m b io s en el p ro m e d io del p ro c e s o en una sola
direcció n, se a ésta a s ce n d e n te o d e s ce n d e n te , existe un m étodo m á s ágil y
sencillo, llam ado intervalo h.
P a ra tra b a ja r co n este m é to d o se e s c o g e un v a lo r de refe re n cia k, se

calculan las su m a s a cu m u la d a s con diferencias entre los prom edios y el valor
de k. El valor de k es un valor m ayor que el va lo r nom inal especificado.
El p ro cedim iento original de este m étodo perm itía decidir cu a n d o el pro

m edio del pro ce so h a b ía cam biado hacia uno de los lados. C u a n d o el gráfico
era usado para detectar un cam bio con pendiente positiva, la regla de decisión
consistía en com parar el último punto graficado con el graficado inicialmente. Si
la diferencia ex ce d ía u n a cantidad especificada h, ento nces la conclusión era
q u e un c a m b io im p o rta n te h a b ía o c u rrid o . E l p ro b le m a con esto es q u e el
gráfico pod ía detectar cam bios insignificantes.
A n te ello se cam bió el procedim iento y ah ora las acciones y decisiones se

tom an tan pronto co m o la su m a acu m u lad a excede el valor de h. Si ello ocurre,
se dice que el proceso ha cam biado por arriba de k. Si la su m a acum ulada cae
p o r d e b a jo de ce ro la se rie se ro m p e y se inicia u n a n u e v a . La F ig u ra 4.41
m uestra lo apuntado.
Si se usa un valor de k m enor que el valor nom inal la situación es la m ism a

pero el análisis se hace con respecto a un valor de h negativo.
El procedim iento para la construcción de este gráfico es el m ism o usado

para la M á s c a ra V . L a s diferen cia s se dan en el p a s o 4 d o n d e el cálcu lo del
tam año de la muestra se hace con base en el nom ogra m a de la Figura 4.39 y en
el paso 6 el cual se describe a continuación.
P a so 6. C á lculo del intervalo de decisión h
E n el caso de un esquem a, por un lado se necesita conocer n y h. Para ello,

con las con dicio nes d a d a s de A R L para m ay de A R L para m f, k y o , se puede
encontrar el valor de n usando el nom ogram a. Esto se hace localizando el valor

de y = lk -m alVn/0 ’ y d e sp e jan do para n. Si n es decim al se deb en probar los dos
extrem os con el fin de ve r cuál está m ás cerca de las condiciones pedidas. Para
esto, se sigue el siguiente procedim iento:
1. S e determ ina k=lm a + m r I/2
2. S e localiza en la Figu ra 4 .39 el valor de y =lk-M N n/a’ usando los valores de

L a yJ L r dados.
3. C o n el valor de y se calcula n com o:
n = (y-o’/lk-m i)2
4. S e re d o n d e a el ta m a ñ o de la m u e stra y se localiza en la F ig u ra 4 .3 9 el
n u e vo valor de y=lk-m lVn/o’, con el valor de L adado.
5. C o n el v a lo r o b te n id o e n 3 se lo c a liz a en la m is m a fig u ra el v a lo r de
0=fWn/rr
6. C o n el valor de Q. se calcula h com o:
h = Q * o ’A/n
S e tom a el valor de h y se representa en el gráfico de su m a s acum uladas

construido con el tam año de m uestra diseñado.
Seguimiento del gráfico
E n este m é to d o , al igual que en la M á s c a ra V , no existe un análisis del

gráfico, pues el análisis se hace durante la etapa de seguim iento. C a d a punto
qu e se gráfica se co m para con h y se tom an las decisiones antes apuntadas.
EJEMPLO 4.9
P a ra un g rá fico C U S U M se tienen los sig u ie n te s p a rá m e tro s: m a= 1 0 0 ,

m = 1 10, L a= 5 0 0 y L = 5 . La desviación estándar se ha estim ado en cr’= 1 0.
D eterm inar los valores de h y n para utilizar ese gráfico C U S U M m ediante

el m étodo del intervalo de decisión.
SOLUCION
1. El valor de k es:
k = 1110+1001/2 = 105
2. S e localiza en la Figura 4.39 el valor de y usand o La=500 y L = 5 .
y=lk-mlVn/cr’= 0 ,742
3. El valor de n es:
n = [ 0,742*10/5]2= 2,20
E s decir, n está entre 2 y 3

CONTROL DE CALIDAD
D e b e hacerse el cálculo con a m b o s valores
a. Si se tom a n= 3 entonces:
■^=lk-MlVn/a’= 0,866
5. C o n y = 0 ,8 6 6 y L a= 5 0 0 se tiene 0 = 2 ,7 2
6. El va lo r de h será:
h= 2 ,7 2 (1 0)/1,7 3 2 = 15,7
E sto quiere decir que se de b e construir el gráfico de su m a s a cu m u la

das restando el valor de k a prom edios obtenidos de m uestras de tres
u n id a d e s. S i la serie se h a ce neg ativa, ésta se ro m pe y se inicia de
nuevo. P or otro lado, si la su m a acu m u lad a excede el valor de h = 1 5,7
se dice que ha habido un cam bio significativo en el pro m e dio del pro
ceso , por lo qu e se pu e d e actuar de inm ediato.
Si se localiza L r usando L a= 5 0 0 y £1=2,72 se tiene L = 3 ,9 , valor qu e es

m á s ba jo q u e el d e s e a d o d e L = 5 . Si se lo c a liza L au s a n d o L = 5 y
A = u ,8 6 6 el va lo r de L aobte nído es de m a sia d o alto en relación con el
requerido de L a=5 00 .
b. Si se tom a n= 2 entonces:
7 =lk-m l/Vn/o’= 1105-100IV2/10 = 0,7 0 7
5. C o n L a= 5 0 0 y £2=hVn/o’= 3 ,3 5
6. El valor de h es:
h= 3,3 5 (10)/V2 = 23,7
E sto quiere decir qu e se de b e construir el gráfico de s u m a s a c u m u la

das restando el valor de k a pro m e dio s obtenidos de m uestra s de dos
unidades. Si la serie se hace negativa, ésta se rom pe y se inicia de nue
vo . P o r otro lado, si la s u m a a cu m u la d a e x ce d e el va lo r de h = 2 3 ,7 se
dice que ha habido un cam bio significativo en el prom edio del proceso.
Si se localiza L ru sa nd o L a= 5 0 0 y Q = 3 ,3 5 se tiene L = 5 ,5 , va lo r que es

m á s b a jo q u e el d e s e a d o de L = 5 . SI se lo c a liz a L au s a n d o L = 5 y
7= 0 ,7 0 7 el v a lo r de L ao b te nid o es d e m a s ia d o alto en relación con el
requerido de L a=500.
JORGE ACUÑA A C U Ñ A / l 341
/I
/
/
D a d o q u e el ta m a ñ o de m u e stra de d o s e le m e n to s brin d a el v a lo r m á s
c e rc a n o de L a l v a lo r re q u e rid o , e T g rá fic o C U S U M u sa rá m u e stra s de
tam a ño 2, u sa n d o k=105 y un Intervalo de decisión h =23,7.
Capacidad de proceso
U n o de los requisitos indispensables en control de proceso es conocer cuál

e s la c a p a c id a d d e ca lid a d q u e e se p ro c e s o tiene p a ra la ca ra cte rística en
estudio. El fin de ésto es saber si se pueden adquirir com prom isos para producir
con tolerancias ajustadas o si por lo contrario se desiste de ello.
S e con oce co m o capacidad de proceso el grado de variabilidad con que

un proceso o una m áquina genera una característica de calidad al ejecutar una
operación determ inada.
Al co n o ce r la capa cid ad de un pro ceso se puede pre decir cuál es el nivel

de calidad del producto. P or ello, al h acer el estudio es im portante cerciorarse
de q u e la m á qu ina está pro d u cie n d o bajo con dicio nes n orm ales y a d e m á s el
a n a lista d e b e c o n o c e r a fond o el e q u ip o al q u e se le e stá d e te rm in a n d o su
capacidad. Si no es así, debe asesorarse por quien co n o zca el com portam iento
de ese proceso. La razón es que nunca la capacidad de un proceso es la que se
obtiene al Inicio del estudio, sino aquella lograda desp u é s de varias pruebas al
varia r condiciones y h acer cam bios.
La capacidad de proceso se define com o la extensión m ínim a de variación

de la característica, que garan tiza un 9 9 ,7 4 % de la pro ducción dentro de ella.
S e g ú n ésto, la ca p a cid a d se calcula com o:
K = ± 3 o ’= 6 a ’
donde:
a ’= desviación están dar estim ada para la característica en estudio
El cálculo de la capacidad de proceso cobra aún m ás importancia cuando se

co m pa ra con la especificación para evaluar el cum plim iento. Esta com paración
se puede hacer a través de las pruebas de exactitud y precisión. Sin em bargo, lo
m ás usa do es el índice de capa cid ad de proceso, el cual se calcula com o:
I V S E -V | E
cp 6a’
Ló gica m e n te la condición favorable de este índice se da c u a n d o tiende a

+°°, q u e se origina cu a n d o la variabilidad decrece. Si este índice es m e n o r que
uno e stam o s ante un p ro blem a de incum plim iento de la especificación y entre
m e n o r s e a , m a y o r s e r á el p o r c e n t a je d e p ro d u c to d is c o n f o r m e c o n la
especificación.
U n o de los principales beneficios de encontrar la capacidad del proceso es

que a través de ella se p u ede determ ina r el costo necesario o innecesario del
control. A s í, se p u e d e n presentar tres casos:
C aso 1. P roceso in ne cesariam e nte caro
E s te el c a s o en q u e se está tra b a ja n d o con un p ro c e s o que s u p e ra las

e x ig e n c ia s de ca lid a d d a d a s p o r la esp e cifica ció n , la cual se p re s e n ta m ás
am plia de lo que el p ro ce so produce. La Figura 4.42 representa esta situación.
El va lo r de lcpes m a y o r qu e uno.
C a so 2. P roceso en esta do de con tro l
E ste el ca so en qu e se está trabajando con un pro ceso que se encuentra

en el límite de cum plim iento con la especificación. E sto representa un peligro
p o r c u a n to un c a m b io p o r p e q u e ñ o q u e s e a p u e d e p ro v o c a r p ro d u c c ió n
defectuosa. La F ig u ra 4 .4 3 representa esta situación. El valor del I es igual o
ce rca n o a uno.
VSE
V IE
FIGURA 4.42. Representación gráfica del Caso 1.

Caso 3. P roceso fuera de c on tro l
E n e ste c a s o , la s itu a c ió n es g ra v e y d e b e b u s c a rs e u n a so lu ció n in

m ediata, p u e s no se está cum pliendo con la especificación. D e hecho se está
g enerando producto fuera de especificaciones que será de gran volum en c u a n
do la especificación se cierre con sid e ra b le m e n te . La F ig u ra 4.4 4 representa
esta situación. El valor del lcpes m enor que uno.
FIGURA 4.44. Representación gráfica del Caso 3.

La c a p a c id a d de p ro c e s o se ca lcu la m e d ia n te el p ro ce d im ie n to q u e se
explica a continuación:
1. R e c o le c ta r no m e n o s de 50 o b s e rv a c io n e s en fo rm a c o n s e c u tiv a o en
in te rv a lo s de tie m p o o c a n tid a d . P u e d e u s a rs e la te o ría de m u e s tre o
estadístico si se de se a determ inar un tam año de m uestra con a d e c u a d a s
bases estadísticas. Al ejecutar esta actividad debe cerciorarse que se esté
trabajando bajo condiciones norm ales. N o deben hacerse ajustes durante
esta tarea.
2. Efectuar un estudio de distribución de frecuencias de datos a g ru pad os.
3. C a lcula r una estim ación de la desviación estándar y de la m edia aritmética

de la variable a partir de la distribución de frecuencias realizada en el paso
anterior.
4. P ro b a r la n o rm a lid a d de la va ria b le m e d ia n te la p ru e b a de b o n d a d de
ajuste.
5. C a lc u la r la ca pa cid ad instantánea de pro ceso com o:
K’ = 6 *o ’
6. H a ce r la com paración con especificaciones usando el análisis de exactitud

y precisión.
Al hacer este análisis pu e d e n su ce d e r d o s cosas:
a. que la variable esté dentro de especificaciones
b. qu e la variable esté fuera de especificaciones
Si su ce d e lo exp resad o en a., se continúa con el P a so 7.
Si sucede lo expresado en b., se deben hacer los ajustes del caso y repetir
el estudio a partir del P a so 2. Si d e s p u é s de varios intentos no es posible
pasar al P a so 7, se puede continuar con el fin de con ocer la capacidad real
del p ro ce so a sa b iend as de que no se cu m ple con especificaciones
7. C o n los valores de x’ y a ’, se calculan límites de control iniciales de proceso

para i in gráfico de control de prom edio e intervalo o cualq uier otro gráfico
que se desee, con un tam año de m uestra escogido y aplicado en el P aso 8.
Los lím ites de control de proceso son:
l s ir = d 2'
l c ir = d2* o ’
l Ur = D V
P a ra prom edios
L S I - = x ’+ ^ i
Vn
L C C X- = x ’
iL i. - = “x — 3 o ’
Vn
d on de :
LS I = límite superior de control inicial
L C I = línea central de control inicial
Lll = límite inferior de control inicial
8. R e c o le c ta r la in fo rm a ció n n e c e s a ria p a ra el a n á lisis de un grá fico de

control de p rom edios e intervalos. S e siguen aq u í los pasos ya conocidos.
9. A n a liza r el gráfico u sand o los lím ites de control iniciales calculados en el

P a so 7. Si no aparecen puntos fuera de límites significa que el proceso es
ca p a z de m antener su exactitud y precisión iniciales. Si se desea, se puede
c o n stru ir el g ráfico d e control c o n el fin de e v a lu a r te n d e n c ia s y p e c u
liaridades. S in e m b a rg o , lo que interesa aq u í es estim ar la capa cid ad del
proceso con base en exactitud y precisión controladas m ás que en ejercer
acciones, tal y co m o ocurre al aplicar estos gráficos en form a separada.
10. C a lcular los límites de control del gráfico analizado en el P aso 9, pero con
los valores recolectados en el P a so 8. S e debe analizar de acuerdo con el
p ro ce d im ie n to a ntes descrito en la secció n del gráfico de p ro m e d io s e
intervalos.
11. C a lcula r la capacidad de proceso k, una v e z concluido el análisis. Para ello,

se usa la siguiente expresión:
6 *R
K = 6*cr = ---------
d2
12. C o m p ro b a r si el proceso es c a p a z de m antene r la capa cid ad instantánea

m o s tra d a al inicio del e stu d io . E s to se h a ce a tra vé s de u na p ru e b a de
hipótesis de dos va ria n za s co m p a ra n d o k’2con k2.
13. C a lc u la r el índice de c a p a cid a d de p ro ce so y s a ca r las co n clu sio n e s del

caso.
Este procedim iento se p u ede visualizar m ejor en el Flujogram a N o. 3 en el

A p é n d ice IV.
EJEMPLO 4.10
E n un ta lle r m e c á n ic o se p ro d u c e u n a p ie z a c ilin d rica , c u y o d iá m e tro

externo d e b e cu m p lir con una especificación de 9,40 ± 0,15 cm .
P a ra e n c o n tra r la ca p a cid a d instántanea del pro ceso se ha efectuad o la

d is tr ib u c ió n d e f r e c u e n c ia s q u e s e p re s e n ta en el C u a d r o 4 .1 1 , y q u e
co rre sp o n d e a u na m uestra de 100 observaciones.
D a d o qu e se cum ple con especificaciones, se recolectó la inform ación del

C u a d ro 4 .1 2 b ) con el fin de determ inar la capa cid ad del proceso. U tilizando el
procedim iento pre sentado anteriorm ente determ ine si el pro ceso es c a p a z de
m a n te n e r la ca p a cid a d instantánea inicial.
SOLUCION
Los p a so s 1 y 2 ya han sido realizados.
P a so 3. E stim a r el pro m e dio y la desviación estándar
x ’ = 9 ,3 9 + (39/100) * 0 ,0 3 = 9,40 cm
o ’ = 0,0 3 -y (2 2 9 /1 0 0 ) - (3 9 /1 0O )2 = 0 ,0 4 4 cm
CUADRO 4.11. Distribución de frecuencias del Ejemplo 4.10
L. Xk d n„d nkdz
9,285 9,315 9,29 9,31 9,30 3 -3 -9 27

9,315 9,345 9,32 9,34 9,33 8 -2 -16 32
9,345 9,375 9,35 9,37 9,36 12 -1 -12 12
9,375 9,405 9,38 9,40 9,39 33 0 0 0
9,405 9,435 9,41 9,43 9,42 21 1 21 21
9,435 9,465 9,44 9,46 9,45 14 2 28 56
9,465 9,495 9,47 9,49 9,48 9 3 27 81
TO TA L 100 39 229
CUADRO 4 .12a. Frecuencias observadas y esperadas
L, L, n„ K -e J K - e kl2/ek
-o o 9,315 3 11 2,23 10,11 0,89 0,0783

9,315 9,345 8 7,88
9,345 9,375 12 17,87 5,87 ' 1,9281
9,375 9,405 33 25,95 7,05 1,9153
9,405 9,435 21 24,45 3,45 0,4868
9,435 9,465 14 14,25 0,25 0,0044
9,465 +oo 9 5,40 3,60 2,4000
as2= 6,8129
P a s o 4 . E l C u a d r o 4 .1 2 a ) p r e s e n t a las f r e c u e n c ia s o b s e r v a d a s y
e sp e ra das para la pru e ba de bondad de ajuste.
H 0: La variable se distribuye norm alm ente
H a: La variable no se distribuye norm alm ente

CUADRO 4 .12b). Datos para el gráfico de promedios e intervalos

Artículo: Pieza cilindrica Código: A-80
Característica: Diámetro Especificación: 9:40 ± 0,15 cm
Operación: Torneado Máquina: Torno H-1
Operario: R. A. Chaves Inspector: A. F’. Pérez
Fecha: 08-12-84 Turno: 1 Hora de inicio: 10:15 Hoja # 1 de 1
Muestra # 1 2 3 4 5 6 7 8 9 10 n=5
V I 6
A N 5 9,39 9,40 9,45 9,35 9,38 9,45 9,47 9,37 9,39 9,46
L D 4 9,40 9,35 9,41 9,40 9,39 9,40 9,34 9,38 9,40 9,35
O i 3 9,29 9,38 9,42 9,39 9,41 9,47 9,48 9,39 9,40 9,45
R V 2 9,30 9,40 9,38 9,38 9,46 9,42 9,44 9,47 9,42 9,44
1 9,37 9,49 9,35 9,40 9,40 9,35 9,34 9,41 9,44 9,34
TOTAL 46,75 47,02 47,01 46,92 47,04 47,09 47,07 47,02 47,05 47,05
PROMEDIO 9,35 9,40 9,40 9,38 9,41 9,42 9,42 9.40 9,41 9,41
INTERVALO R 0,11 0,14 0,10 0,05 0,08 0,12 0,14 0,10 0,05 0,12
MUESTRA# 11 12 13 14 15 16 17 18 19 20
V I 6
A N 5 9,34 9,40 9,41 9,40 9,47 9,42 9,40 9,43 9,40 9,38
L D 4 9,34 9,39 9,40 9,41 9,39 9,38 9,40 9,33 9,44 9,37
O I 3 9,45 9,42 9,43 9,48 9,45 9,42 9,44 9,41 9,38 9,42
R V 2 9,37 9,43 9,40 9,31 9,42 9,41 9,38 9,43 9,40 9,36
1 9,47 9,35 9,33 9,37 9,40 9,46 9,41 9,48 9,40 9,42
TOTAL 46,97 46,99 46,97 46,97 47,13 47,09 47,03 47,08 47,02 46,95
PROMEDIO 9,39 9,40 9,39 9,39 9,43 9,42 9,41 9,42 9,40 9,39
INTERVALO R 0,13 0,08 0,10 0,17 0,08 0,08 0,06 0,15 0,06 0,06
CONSTANTES
n 2 3 4 5 6 7 8 9 10 11
A2 1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308 0.285
D2 3,686 4,358 4,698 4,918 5,078 5,203 5,307 5,394 5,469 5,534
D4 3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777 1,744
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173
T a l y com o se puede o b s e rv a re n la Figura 4.45, el valor del estadístico chi-

cu a d rado teórico es m a yo r que el va lo r calculado. A nte ello, se puede afirmar,
con a = 5 % , que la distribución de probabilidad que corresponde a esta variable
es la distribución norm al.
FIGURA 4.45. Curva se2para la bondad de ajuste.
P a so 5. C á lculo de la capa cid ad instantánea de proceso
K ’= 6 * o ’ = 6 * 0,0 4 4 = 0,2 6 4
P a so 6. C o m p a ra ció n con especificaciones
A ná lisis de exa ctitud
M = x’
9,4 0 = 9,40
A n á lisis de pre cisió n
a ’ < T/3
0 ,0 4 4 <0 ,1 5 /3
0,0 4 4 < 0 ,0 5
D a d o que se cu m ple con la especificación se continúa con el paso 7.
P a so 7. C á lc ulo de límites de control Iniciales

Para intervalos para n= 5
L S Ir = D 2 * a ’ = 4 ,9 1 8 * 0,0 4 4 = 0 ,2 1 7 cm
L C Ir = d2 * o ’ = 2 ,3 2 6 * 0 ,0 4 4 = 0,1 0 2 cm
LII r = D, * a ’ = 0 * 0 ,0 4 4 = 0 cm
P ara pro m ed ios
3* a ’ 3 * 0 ,0 4 4
L S I- = x + = 9 ,4 0 + ——T—— = 9 ,4 6 0 cm
* Vñ V5
L C IX- = x ’= 9 ,4 0 0 cm
, ,, - 3*o’ . . . 3 * 0 ,0 4 4
L - = x ------- ^ = 9 , 4 0 -------------j= — = 9 ,3 4 0 cm
V5
P a s o 8. E L C u a d r o 4 .1 2 p re s e n ta la In fo rm a c ió n re c o le c ta d a p a ra el
análisis de un gráfico de pro m edio s e intervalos.
P a so 9. Análisis del gráfico de prom edios e intervalos
A l o b s e rv a r la in fo rm a ció n del C u a d r o 4 .1 2 se nota q u e n in g ú n p u n to

su p era los límites de control iniciales, tanto en el gráfico de intervalos co m o en
el d e p ro m e d io s . P o r lo ta n to , s e c o n c lu y e q u e la v a ria b le e s c a p a z de
m a nte ne rse bajo la exactitud y precisión m ostradas inicialmente.
P a so 10. C á lc u lo de n u evo s límites de control y análisis del gráfico.
• Para intervalos p a ra n = 5
L S C r = D 4*R = 2 ,115 * 0 ,1 0 0 = 0 ,2 1 2 cm
LCCr = R = = 0 ,1 0 0 cm
LIC r = D3*R = 0 *0,100 = 0 cm

JORGE ACUÑA ACUÑA
• Para p ro m ed ios
LSC; = x’ + A 2* R = 9,4 0 2 + 0 ,5 7 7 * 0 ,1 0 0 = 9 ,4 5 0 cm
L C C - = x’ = 9,4 0 2 cm
L IC ; = x ’ - A 2* R = 9,402 - 0,5 7 7 * 0,100 = 9 ,3 4 4 cm
• A n á lisis d e l grá fico
E n el C u a d r o 4 .1 2 se p u e d e o b s e rv a r q u e n in g ú n p u nto sale fu e ra de
límites de control en a m b o s gráficos.
• A ná lisis de e xa ctitud
M = x’
9,4 0 = 9,402
• A n á lisis de p re cisió n
a ’ = R/d2= 0,10/2,326 = 0,043
o ’ < T/3
0 ,0 4 3 <0 ,1 5 /3
0,0 4 3 < 0 ,0 5
C o m o se puede observar la diferencia m ostrada en el caso de exactitud se

p u e d e c o n s id e ra r d e s p re c ia b le . S i s e d e s e a se p u e d e h a c e r la p ru e b a de
hipótesis.
P a so 11. C á lc u lo de la capa cid ad de proceso
K = 6 * 0 ,0 4 3 = 0,258
P a s o 12. C o m p a r a c ió n de la c a p a c id a d inicial co n la c a p a c id a d final

calculada en el P a só 11.
La ca p a cid a d instantá nea fue de 0 ,2 6 4 , la c a p a c id a d del p ro c e s o es de

0 ,2 5 8 , esto d e m u estra qu e el p ro ce so es ca p a z de m a n te n e r las co n d icio n e s
iniciales. Si se d e s e a se pu e d e h a ce r la prueba de hipótesis, sin e m b a rg o , la
similitud de a m bos valores hace innecesario este cálculo adicional.
P a so 13. C á lc u lo del índice de capa cid ad de pro ceso
V SE- V |E 9 ,5 5 -9 ,2 5
I = -----------------------= -------------------------= 1 ,1 6 3
K 0,258
Este valor está ce rca de uno, lo q u e dice que el p ro ce so está bajo control
pero m u y cerca del límite de cum plim iento. Ante ello, se le debe poner atención,
p a ra e v ita r q u e p e q u e ñ o s d e s p la z a m ie n to s d e la m e d ia o a u m e n to s de
v a ria b ilid a d o c a s io n e n v o lú m e n e s d e m a g n itu d im p o rta n te d e p ro d u c to
disconform e con especificaciones.
Posición óptima de la media
E n la m ayoría de las ocasiones, las condiciones para producto qu e supera

el v a lo r su p e rio r de e specificació n no so n iguales a las del p ro d u cto q u e se
e n c u e n tra ba jo el v a lo r infe rio r d e e s p e c ific a c ió n . D o s e je m p lo s d e e sta
situación son: el ca s o cu a n d o en un lado se puede re p ro ce s a r pero en el otro
no, con lo que el producto debe desech arse o usarse en otra actividad y el caso
cu a n d o el desgaste de herram ientas ocasiona que el prom edio tienda h acia un
lado, con lo que la posición inicial de la m edia debe se r tal que se h a g a un uso
óptim o de la herram ienta.
E n estos ca so s no es rentable m antener el pro ceso centrado y por lo tanto

es necesario encontrar la posición óptim a de la m edia.
C aso de desgaste de herram ienta
C u a n d o una ope ra ció n se rea liza h aciendo uso d e una h erra m ie n ta que
tiene tend encia al desgaste, es co n ve n ie n te c o n o ce r el instante en o u e deb e
s e r c a m b ia d a , de tal m a n e ra qu e se o b te n g a una utilización m á x im a , lo que
re d u n d a en costo. P a ra lograr esto, se de b e n e sta b le ce r reglas q u e indiquen
c u á n d o cam bia r la herram ienta. D o s de estas reglas se citan a continuación.
Regla 1
C u a n d o el m argen de tolerancia sea superior a 6 o ’, qu e es la capacidad de
p ro c e s o , no s e d e b e c o lo c a r la m e d ia del p ro c e s o in ic ia lm e n te c o in
cidie ndo con la m e dia e specificada, sino q u e se d e b e co lo ca r a una d is
tancia 3 o ’ del valor de especificación qu e está situado en el lado contrario
de la tendencia de desgaste.
Regla 2
E n el caso de una herramienta que se desgasta de tal m anera que la media
del proceso se desplaza hacia el valor superior de especificación, entonces
se d e b e colocar la m edia del pro ceso a una distancia 3 o ’ del valor inferior
d e e s p e c if ic a c ió n y c a m b ia r la h e rr a m ie n ta c u a n d o e s a m e d ia s e
encu e ntre a una distancia 3 o ” del va lo r superio r de especificación.
E s decir:
Posición inicial de la m edia = V IE+ 3 o ’
Posición final de la m edia = V SE- 3 o ”
donde:
V IE: va lo r inferior de especificación
V SE: valor superior de especificación
o ’: estim ación de la desviación están dar cu a n d o la herram ienta está nueva
o ” : e s tim a c ió n de la d e s v ia c ió n e s t á n d a r c u a n d o la h e rr a m ie n ta e s tá
desga stada
C u a n d o la tendencia de desgaste es en el otro sentido, se aplica esta regla

pero en sentido contrario al expresad o aquí.
La tendencia de la media del proceso es evidente en los casos de desgaste

y se p u e d e re p re s e n ta r s e g ú n la F ig u ra 4 .4 6 . L a s e s tim a c io n e s o ’ y o ” se
pueden obte ner a través de un gráfico de control.
FIGURA 4.46. Representación de la tendencia de desgaste.
E JE M P L 0 4 . i l
U n a guillotina usa una cuchilla que se desgasta de acuerdo con las ca ra c

terísticas del trabajo que se va a ejecutar. Para ello, previam ente se han iden
tificado cinco trabajos qu e son los qu e m á s provocan e se desgaste. T o d o s es
tos trabajos se hacen bajo la especificación 50,0 ± 10,3 cm . U n estudio de capa
cidad de proceso realizado en el pasa d o originó una capacidad 6 o ’ de 12,0 cm.
U n gráfico de control de prom edios e intervalos perm itió estim ar la desviación
e stá n da r d e s p u é s del desgaste co m o a ”= 1 8 cm .
¿ C u á le s deben ser las posiciones inicial y final del prom edio del proceso si
el d e sga ste de la h erram ienta tiende al valor superior de especificación?
SOLUCION
V SE = 60 ,3 cm V |E= 3 9 ,7 cm
6 a ’ = 1 2,0 a ’ = 2 ,0 c m 6 a ”= 1 8 c m a ”= 3 , 0 c m
P osición inicial de la m edia = V |E+ 3 a ’ = 39 ,7 + 3 * 2 ,0 = 45 ,7 cm
P osición final de la m edia = V SE- 3 a ” = 60,3 - 3 * 3 ,0 = 51 ,3 cm

Esto quiere decir que la herram ienta debe colocarse inicialmente para que
corte con una m edia de 45 ,7 cm . C u a n d o la m edia alcance el valor de 51,3 cm
significa que es el instante de c a m b ia r la herram ienta. El m argen de desgaste
permitido es de 5,6 cm (5 1 ,3 -4 5 ,7 ).
C aso de reproceso y desecho
E n estos casos la posición de la m edia del proceso tiende hacia el lado que
m uestre el costo m ás favorable. Existen varios m étodos de localizar esta media
q u e v a n d e s d e la a p lica c ió n de d e riv a d a s p a rcia le s p a ra lo c a liza r el costo
m ín im o , h a s ta el p ro c e d im ie n t o d e p r u e b a y e rr o r q u e s e e x p lic a r á a
continuación.
E l p ro ce d im ie n to de p ru e b a y erro r se to rn a a ú n m á s fácil c u a n d o una

bondad de ajuste ha dem ostrado que la variable en estudio se distribuye según
la distribución norm al.
Este método consiste en calcular para diferentes valores de x el costo total

e s p e ra d o por p ie za p ro d u cid a y p ro b a r hasta q u e se en cu e n tre aq u ella que
o rig in e el c o s to to ta l m ín im o . E s te c o s to e s p e r a d o e s tá b a s a d o en las
probabilidades de detectar producto en zonas específicas y en el costo unitario
asociado con e sa zona.
A sí, si una especificación establece que las piezas que estén sobre el límite
superior de especificación se reprocesan y que las que estén bajo el límite infe
rior de especificación se desechan y la distribución es norm al, el e sq u em a para
aplicar el m étodo de pru e b a y error será el qu e pre senta la F ig u ra 4 .4 7 . Si el
c o s to de d e s e c h a r e s m a y o r q u e el co s to de re p ro c e s a r, la p o s ició n m á s
e co nóm ica de la m edia se localiza hacia la derecha.
P ara el caso contrario al aq u í expuesto las áreas se invierten así co m o los

costos y probabilidades asociadas.
L a ca n tid a d de d e c im a le s en la b ú s q u e d a se b a s a en la c a n tid a d de
decim ales que tenga el valor nom inal especificado.
Los costos principales que se pueden considerar en este análisis son:costo

del m aterial ( C m), co s to de o p e ra c ió n ( C o) y co s to de re m a q u in a d o ( C r). La
C1: costo de producir piezas no conformes a especificación p1: probabilidad de que una pieza deba ser desechada
y que por lo tanto deben ser desechadas
C2: costo de producir piezas buenas P2: probabilidad de producir piezas buenas
C3: costo de remaquinar o reprocesar una pieza P3: probabilidad de que una pieza sea remaquinada
FIGURA 4.47. Lsquema para el método de prueba y error.
ecu a c ió n de costo e s p e ra d o con la q u e trabaja el m é to d o de p ru e b a y error,

basa d a en el ca so citado anteriorm ente, es la siguiente:
( C m+ C o ) P l + ( C m+ C o )P 2 + ( C m + C o+ C r ) P 3
C o sto e spe ra do = ----------------------------------------------------------------------------------
por pie za P2+ P 3
E ste costo se ca lcu la para diferentes va lo re s de m e dia aritm ética hasta

d e te c ta r la de m e n o r co s to . La c u rv a de co s to e stá re p re s e n ta d a p o r u na
función tal co m o la qu e se presenta en la Figu ra 4.48.
E sta m etodo logía se p u ede usar en com binación con gráficos de control.
Lo que se h ace es sustituir este análisis por el análisis de exactitud el c u a 1no
tiene sentido cu a n d o lo que se desea es descentrar el proceso. Lo m ism o o c u
rre al calcular el porcentaje de producto no conform e con la especificación. El
resto del análisis p e rm a n e ce igual.
JORGE ACUÑA ACUÑA ¡57
FIGURA 4.48. Curva de costos para el método de prueba y error.
EJEMPLO 4.12
U n torno p roduce una pie za cu y a s d im e n sio n e s deb en cum plir con la e s

pecificación 5 ,0 0 0 ± 0 ,0 2 5 m m . U n analista tom ó veinte g ru p o s de cuatro pie
za s ca d a uno y encontró un valor del intervalo prom edio de 0,0 4 m m . E sta v a
riable ha de m ostrado en el pasad o com portarse seg ú n la distribución norm al.
L o s co s to s p o r p ie za so n : p a ra el m aterial e m p le a d o 02, p a ra el re m a -
q u in a d o 0 0 ,1 0 (p a ra el c a s o de q u e resulte co n u n a lon gitud m e n o r q u e la
especificada) y para el costo de operación 0 0 ,12.
a. ¿ Q u é porcentaje de pro du cto no está co n fo rm e a especificaciones si se

a su m e qu e la m edia de longitud está centrada?
b. ¿ Q u é porcentaje de producto se rep rocesa?
c. ¿ C u á l es la posición m á s e co n ó m ica de la m edia?
d. ¿ Q u é a h orro p o r m e s im plica tra baja r con la m edia m á s e co n ó m ic a ? El

nivel diario de producción es de 750 piezas y se trabajan 26 días por m es.
e. ¿ Q u é m ejoras propone en esta operación?
SOLUCION
a. Porcentaje de producto no conforme

La Figu ra 4.4 9 m uestra la cu rva para calcular ese porcentaje.
% de producto conform e = N [(5,025 - 5,000)/0,0194] - N [(4,975 - 5,000)/0,0194]
% de producto conform e = N (1 ,2 9 ) - N (-1 ,2 9 )
% de producto conform e = 0 ,9 0 1 5 - 0 ,0985 = 0,8 0 3
% de producto no conform e = 1 - 0,8 0 3 = 0,197
El porcentaje de producto no conform e con especificaciones es de 1 9 ,7 % .
FIGURA 4.49. Porcentaje de producto no conforme con proceso centrado.
b. El porcentaje de producto qu e se reprocesa es 9 ,8 5 % , seg ú n los cálculos

h e ch o s en a).
c. P osición e co n ó m ica de la m edia
D a d o q u e el v a lo r n o m in a l d e e s p e c ific a c ió n tie n e tre s d e c im a le s se

p robará n valores prom edio con esa cantidad de decim ales.
• x= 5 ,0 0 0 m m (P ro ce so centrado)
% de pie za s bu e n a s (p 2) = 8 0 ,3 %
% de piezas bajo el V IE (p t) = 9 ,8 5 %
% de piezas sobre el V SE (p 3) = 9 ,8 5 %
C m = 02 por pieza
C o = 0 0 ,1 2 por pieza
C = 0 0 ,1 0 por pieza
( C m+ C o+ C r ) P l + ( C m+ C o )P 2 + ( C m + C o ) P 3
C E /p ie za = -
P, + P2
(2 + 0 ,1 2 + 0 ,1 0 )0 ,0 9 8 5 + (2 + 0 ,1 2 )0 ,8 0 3 + (2 + 0 ,1 2 )0 ,0 9 8 5
C E /p ie za = -
0 ,0 9 8 5 + 0,8 0 3
2 ,2 2 (0 ,0 9 8 5 ) + 2 ,1 2 (0 ,8 0 3 ) + 2 ,1 2 (0 ,0 9 8 5 )
C E / p ie z a :
0 ,9015
C E /p ie za = 02,362
D a d o q u e p ro d u c ir d e s e c h o es m á s ca ro (0 2 ,1 2 ) q u e el re m a q u in a d o
(0 ,1 0 ), se proseguirá con el m étodo de prueba y error con prom edios inferiores
a 5 ,0 0 0 m.
•x = 4 ,9 7 0 m m
La Figura 4 .50 presenta la curva normal para el cálculo de los valores de p,,
p 2y P3-
p, = N [(4 ,9 7 5 -4 ,970J/0,0194 = N (0 ,2 6 )
p, = 0 ,6026
p3= 1 - N [(5 ,0 2 5 -4 ,970)/0,0194 = 1 - N (2 ,8 4 )
p3= 1 -0 ,9 9 7 7 = 0,0023
p2= 1 - p, - p3= 1 - 0 ,0 0 2 3 - 0,6026
p2= 0,3951
FIGURA 4.50. Curva de costo esperado = 4 ,970j.
2 ,2 2 (0 ,6 0 2 6 ) + 2 ,1 2 (0 ,3 9 5 1 ) + 2 ,1 2 (0 ,0 0 2 3 )
C E /p ie za = -----------------------------------------------------------------------------------------
0 ,6 0 2 6 + 0,3951
C E /p ie za = <62,185
C o m o 0 2 ,1 8 5 es un v a lo r m e n o r q u e 0 2 ,8 2 , e n to n c e s x= 4 ,9 7 0 es u na
m ejor posición que la m edia centrada. S e probará un valor m enor para ve r si es
m ejor que éste.
•x = 4 ,9 6 5 m m
La Figura 4.51 presenta la curva normal para el cálculo de los valores de p,,
p2y p 3-
(tedia propuesta — cr’ - 0, OI 94^ m edia centrada

/ \
/ s
/ \
4 ,9 6 5 4 ,9 7 5 5 ,0 0 0 5 ,0 2 5
FIGURA 4.51. Curva de costo esperado ( x=4,965).

JORGE ACUNA ACUNA
Pi = N [(4 ,9 7 5 -4 ,965)/0,0194 = N (0 ,5 2 )
p, = 0 ,6985
p3= 1 - N [(5 ,0 2 5 -4 ,965)/0,0 1 9 4 = 1 - N (3 ,0 9 )
p3= 1 -0 ,9 9 9 = 0,001
p2= 1 - p, - p3= 1 -0 ,0 0 1 -0 ,6 9 8 5
p2= 0 ,3005
2 ,2 2 (0 ,6 9 8 5 ) + 2 ,1 2 (0 ,3 0 0 5 ) + 2 ,1 2 (0 ,0 0 1 )
C E /p ie za = ------------------------------------------------------------------------------------------
0 ,6 9 8 5 + 0 ,3005
C E /p ie za = 02,192
C o m o 0 2 ,1 9 2 es un v a lo r m a y o r q u e 0 2 ,1 8 5 , e n to n ce s x= 4 ,9 7 0 es una
m ejo r posición q u e la m edia en 4 ,9 6 5 . S e deb en p ro b a r valores entre 4 ,9 7 0 y
5 ,0 0 0 .
•x = 4 ,9 7 5 m m
La Figura 4 .52 presenta la curva normal para el cálculo de los valores de p,,
p 2y p 3-
FIGURA 4.52. Curva de costo esperado (x=4,975).

p, = N [(4 ,9 7 5 -4 ,975)/0,0194 = N (0 ,0 0 )
p, = 0 ,5 0 0 0
p3= 1 - N [ ( 5 , 0 2 5 -4 ,975)/0,0 1 9 4 = 1 - N ( 2 , 58)
p3= 1 -0 ,9 9 5 1 = 0 ,0 0 4 9
p2= 1 - p, - p3= 1 - 0 ,0 0 4 9 - 0 ,5000
p2= 0,4951
2 ,2 2 (0 ,5 0 0 0 ) + 2 ,1 2 (0 ,4 9 5 1 ) + 2 ,1 2 (0 ,0 0 4 9 )
C E /p ie za =---------------------------------------------------------------------------------------------
0 ,5 0 0 0 + 0,4951
C E I/ p ie za = 0 2 ,1 8 0 7
C o m o 0 2 ,1 8 5 es un va lo r m a y o r qu e 0 2 ,1 8 0 7 , ento nces x= 4 ,9 7 5 es una

m ejor posición que la m edia en 4,970. S e probará un valor m ayor para ve r si es
m ejor qu e éste.
•x = 4 ,9 7 6 m m
La Figura 4.53 presenta la curva normal para el cálculo de los valores de pv

p2y p 3-
p, = N [(4 ,9 7 5 -4 ,976)/0,0 1 9 4 = N (-0 ,0 5 )
p, = 0,4801
o -' = 0 ,0 1 9 4

p3= 1 - N [(5 ,0 2 5 -4 ,976)/0,0194 = 1 - N (2 ,5 3 )
p3= 1 -0 ,9 9 4 3 = 0,0057
p2= 1 - p , - p 3= 1 -0 ,0 0 5 7 -0 ,4 8 0 1
p = 0,5142
2 ,2 2 (0 ,4 8 0 1 ) + 2 ,1 2 (0 ,5 1 4 2 ) + 2 ,1 2 (0 ,0 0 5 7 )
C E /p ie za =
0,4801 + 0 ,5 1 4 2
C E /p ie za = 02,1804
C o m o 02,1804 es un valor m eno r que 02,1807, entonces x= 4 ,9 7 6 es una

m ejor posición que la m edia en 4,975. S e probará un valor m ayor para v e r si es
m ejor qu e éste.
•x = 4 ,9 7 7 m m
La Figura 4.54 presenta la curva normal para el cálculo de los valores de p,,
p 2y p 3-
p, = N [(4 ,9 7 5 -4 ,977J/0,0194 = N (0 ,10)
p, = 0 ,5398
tr’ = 0 , 0 1 9 4
4 ,9 7 5 4 ,9 7 7 5 ,0 0 0 5 ,0 2 5

CONTROL DE CALIDAD
p3= 1 - N [(5 ,0 2 5 -4 ,977)/0,0194 = 1 - N (2 ,4 7 )
p3= 1 -0 ,9 9 3 2 = 0,0068
p 2= 1 - p, - p3= 1 - 0 ,0 0 6 8 - 0,5398
p2= 0 ,4 5 3 4
2 ,2 2 (0 ,5 3 9 8 )+ 2 ,1 2 (0 ,4 5 3 4 )+ 2 ,1 2 (0 ,0 0 6 8 )
C E /p ie za = --------------------------------------------------------------------------------------------
0 ,5 3 9 8 + 0,4534
C E /p ie za = 0 2 ,189
C o m o 0 2 ,1 8 0 4 es un va lo r m e n o r qu e 0 2 ,1 8 9 , en to n ce s x= 4 ,9 7 6 es una
m ejo r posición que la m e dia en 4 ,9 7 7 . P o r lo tanto la posición m ás e co n ó m ica
de la m edia es:
x = 4 ,9 7 6
Si se probara n d o s va lore s alejado s c o m o 4 ,9 3 0 y 5 ,0 2 0 se obtienen los

siguientes resultados.
• x = 4 ,9 3 0 m m
La Figura 4.55 presenta la curva norm al para el cálculo de los valores de p,,
p2y p 3-
ü ’= 0 , O I 9 4

p, = N [(4 ,9 7 5 -4 ,930)/0,0194 = N (2 ,3 2 )
p, = 0,9898
p3= 1 - N [ ( 5 , 0 2 5 -4 ,930)/0,0 1 9 4 = 1 - N ( 4 , 90)
p3= 1 -1 = 0
p2= 1 - p, - p3= 1 - 0 ,0 0 2 3 - 0,6026
p2= 0,0010
2 ,2 2 (0 ,9 8 9 8 ) + 2 ,1 2 (0 ,0 0 1 0 )
C E /p ie za = -
0 ,9898 + 0 ,0010
C E /p ie za = 02,219
•x = 5,0 2 0 m m
La Figura 4.56 presenta la cu rva normal para el cálculo de los valores de p ,,

p2y p 3-
p, = N [(4 ,9 7 5 -5 ,020)/0,0194 = N (-2 ,3 2 )
p, = 0,0102
(T - 0 ,0 1 9 4
m edia propue sta med ¡a centrada
4 ,9 7 5 5 ,0 0 0 5 ,0 2 0 5 ,0 2 5

p3= 1 - N [(5 ,0 2 5 -5 ,020)/0,0194 = 1 - N (0 ,2 6 )
p3= 1 -0 ,6 0 2 6 = 0,3974
p2= 1 - p, - p3= 1 -0 ,0 1 0 2 -0 ,3 9 7 4
p2= 0 ,5924
2 ,2 2 (0 ,0 1 0 2 ) + 2 ,1 2 (0 ,5 9 2 4 ) + 2 ,1 2 (0 ,3 9 7 4 )
C E /p ie za =-----------------------------------------------------------------------------------------------
0 ,0 1 0 2 + 0,5924
C E /p ie za = 0 3 ,5 2 0
U n re su m e n de este análisis se pu ede o b servar en el C u a d ro 4 .1 3 y en la

Figu ra 4 .5 7 .
Al o b s e rv a r la F ig u ra 4 .5 7 se nota qu e el costo e sp e ra d o por pie za crece

c u a n d o la m e d ia se c o lo c a en el lado co n tra rio al q u e d e b e estar. E s to d e
m u estra q u e el control d e b e s e r eficiente para evitar el d e sp la za m ie n to de la
m edia en e se sentido.
d. A h o rro m ensual esperado
n= 75 0 pie za s por día
P ro ducción m ensual = 750 * 26 = 19500
C o n x= 5 ,0 0 0 el C E /p ie za = 02,36
C E por m es = 19500 * 2,3 6 = 046020
C o n x= 4 ,9 7 6 el C E / p ie za = 0 2 ,1804
C E por m es = 19500 * 2 ,1 8 0 4 = 0 4 2517 ,8
Ahorro e sperado por m e s= 4 6 0 2 0 - 4 2 5 1 7 ,8 = 3 5 02,2
al nivel de 19500 piezas
A h o rro e sperado por m e s = 0 3 502,2

FIGURA 4.57. Representación de la posición óptima de la media.
CUADRO 4.13. Resumen de posición económica de la media
Media del proceso Costo esperado (0 por pieza)
4,930 2,2190
4,970 2,1850
4,975 2,1808
4,976* 2,1804
4,977 2,1890
5,000 2,3620
5,020 3,5200
promedio óptimo
e. M ejoras en esta operación
La prim era y m ás importante m ejora es llevar la m edia del proceso al valor

d e 4 ,9 7 6 m m , e n lu g a r del a c tu a l v a lo r d e 5 ,0 0 0 m m . C o n ello , s e e sta rá
trabajando con:
Porcentaje de d e s e ch o = 0 ,5 7 %
Porcentaje de re m aq uin ado = 48,01 %
Porcentaje de pie za s b u e n a s = 5 1 ,4 2 %
C o s to e spe ra do p o r pie za = 0 2 ,1 8 0 4
Si se d e s e a n lím ites p a ra un g ráfico de control de p ro m e d io s , éstos se

pu e d e n calcular así:
L S C - = 4 ,9 7 6 + 3 * 0 ,0 1 9 4 = 5,0 0 3
V5
L S C - = 4 , 9 7 6 - 3 * ° ’0 1 9 - = 4 ,9 4 9
V 5
APLICACIONES DE SER IES DE TIEMPO
El objetivo de aplicar se ries de tiem po al control de p ro ce so s es an a liza r

te n d e n cia s en función del co m p o rta m ie n to qu e m u e stre n las o b s e rv a cio n e s
to m a d a s , con el fin de eje rce r a cc io n e s p re ve ntivas. E n este ca so se utilizan
técnicas de pronóstico para identificar ca u sa s de variación que permitan al per
son al de calida d, con base en p ro ye c cio n e s, tom ar las a cc io n e s pre ve n tiva s
que se am eriten.
Los m odelos qu e se usan a q u í son los m odelos de auto-regresión con pro

m edio móvil denotados con las siglas A R M A . Estos m odelos consideran los d a
tos actuales co m o los de m ejor predicción co n se rva n d o la influencia de valores
pasados. Esto es lo que permite afirmar que se trata de un m odelo con m em oria.
U n a de las razo ne s por las qu e es deseable aplicar esta técnica es porque

los gráficos tradicionales de p rom edios tienen debilidades para servir de m edio
preventivo. A lg u n a s otras ra zo n e s son:
1. U n gráfico con límites basado en 3 o ~ solam ente provee una señal de alar
m a cu a n d o la situación en estudio difiere del nivel de la m qdia re q u e rid o X
2. La señal de a la rm a en un gráfico tradicional d e p e n d e ú nicam ente de los

ú ltim os d a to s y los d a to s m á s a n tig u o s no so n to m a d o s en c u e n ta , a
excepción de los gráficos de su m a s acum u lad as.
3. La ve rd a d e ra tend encia de la variable no está eficazm ente representada

deb ido a qu e los gráficos d e control tradicionales no han sido d iseñad os
para m e m o riza r condiciones. A n te ello, las desviaciones-ácum ulativas no,
s e to m a n en c u e n ta . D e n u e v o , a e x c e p c ió n de los g ráfíóos d e .s u m a s
a cu m u la d a s.
4. U n pronóstico a certado de situaciones futuras es posible solo cu a n d o los

datos del m uestreo son analizad os a fondo y las conclusiones son co m b i
n a d a s con la ex p e rie n cia de in specto res q u e co n o c e n la co n d u cta de la
característica de calidad en estudio.
5. Este m odelo pu ede a y u dar a determ inar las condiciones m ás económ icas
de operación, por m edio de una com paración entre el com portam iento de
la calida d del p ro ce so y la calida d del producto, c u a n d o las co n d icio n e s
cam bian.
6. E n gráficos tradicionales, la evaluación de tendencia es com plicada; si se

usan m odelos A R M A se podrá con sid erar el im pacto que datos históricos
tienen sobre la tend encia futura de la serie.
7. E n gráficos tra dicion ales es difícil e n te n d e r y v is u a liza r la co n d u cta del

p ro c e s o . L a s s e rie s a y u d a n a v is u a liz a r m e jo r la falta de con trol en el
p ro ceso al existir ca u sa s asignable s de variación.
8. A tra v é s d e un m o d e lo A R M A s e p u e d e p ro c e d e r a la c a lib ra c ió n de
instrum entos de m edición.
9. U n m o d e lo d e a u t o -r e g r e s ió n p u e d e d e te c ta r s e ñ a le s y p ro b a r las
consecuencias en el sistem a si algunos parám etros son alterados. Esto es
im p o rta n te p u e s p e rm ite a n a liz a r las c o n d ic io n e s d e e sta b ilid a d q u e
a yu dan a m antene r un proceso bajo control.
M o d e lo s A R M A ( n ,n -1 )
Los m odelos A R M A (n ,n -1 ) fueron desarrollados con el objetivo de que se

p u e d a m e m o riz a r in form a ción p a ra s e r c o n s id e ra d a al to m a r u n a d ecisión
(P a n d it y W u , 1 98 6 ). A u n q u e los m odelos m ás sencillos pueden obte nerse en
form a m anual, la regla general obliga a b u sca r soluciones a través del uso del
com pu tad or. E sto de p e n d e del m odelo que se ajuste a la situación en estudio.
E n un m odelo A R M A (n , n -1 ), n representa el núm ero de parám etros o ^ u e

p o se e el m odelo en estudio. El térm ino n-1 es el n ú m ero de parám etros o ^ u e
co n sid e ra el m odelo. El m odelo general es:
C o m o se p u e d e o b s e rv a r en este m odelo, los v a lo re s de a .y B ^ o n equi

valen tes a los valores I3¡ de un m odelo de regresión, los valores de atson equi
valentes a los valores de £¡ de dicho m odelo. La diferencia es que, en regresión,
ca d a valor tiene su propia identidad, m ientras que en auto-regresión, tal y com o
lo m uestra el m odelo general, la ocurrencia de un valor x,depen de de los va lo
res de xtanteriores así com o de los respectivos errores asociados. L a cantidad
de valores de xt y de a tde pe nden de la m em oria que se desee dar al m odelo. El
C u a d ro 4 .1 4 presenta algunos m odelos qu e explican esta notación.
CUADRO 4.14. Algunos modelos ARMA (n, n-1)
Modelo Ecuación respectiva
A R (2 ) x = 0 ,xM+ 0 2x,2+a,
M A (2) x= at-0 ,a„ - 92a,.2
A R M A (2,1) x,=0 ,xt.,+ 0 2x, 2-e ,a „ + a,
A R M A (3,2) Xr 0 l X,.1+ 0 2Xt.2+ 0 3Xt-3-e,a , . , - 0 2a ,-2+ a t

Lo s parám e tros de estas ecu acion es se obtienen a trávés de solución de

e cuaciones usand o m atrices. P o r ejem plo, para los m odelos A R (n ) los valores
de o , y o 2se obtienen resolviendo la siguiente multiplicación de matrices:
= ( X 'X ) ' X ' Y
— — — —
X n*1
Xn X n-1 X-i
X n+2 x n+1, Xn
... X,
• X = • • •
• • • •
XM
X
rb
XN _ _ XN-, N-n
z
n: nú m ero de parám etros 0 ¡
N : nú m ero de observaciones
La solución de este sistem a de ecuaciones, la m ayor parte de las veces, se

h a ce a tra vé s de un p ro g ra m a de c o m p u ta d o r, d eb ido a la g ra n cantidad de
cálculos necesarios. U n o de los pro gram as que se puede usar es el program a
D D S (P a n d ity W u ,1 9 8 6 ).
Ta m b ié n existen m odelos A R M A (n ,m ) donde la cantidad de parám etros 6¡

se determ ina en form a independiente de los parám etros 0 :. A sí se puede tener
un m o d e lo A R M A (5 ,2 ) en el cu a l se tienen c in co p a rá m e tro s 0 ^ dos p a rá
m etros 9..
T a l y co m o se nota en la anterior descripción, es posible aplicar esta téc

nica al control de una serie de tiempo, como lo es un gráfico de control. La decisión
por to m a r se ce n tra en la definición del m o d e lo m á s a d e c u a d o , p a ra lo cu al

u sa m o s la función de G re e n y la su m a de cu ad rados de regresión en la m ism a
form a qu e se u sa en regresión. A d e m á s , es im portante co n sid erar un m odelo
con la m enor cantidad de parám etros con el fin de facilitar su aplicación. A sí, se
d e b e p ro ba r si el d e c re m e n to en la s u m a de cu a d ra d o s del error al c o m p a ra r
p a re ja s de m o d e lo s e s sig nificativo . P a ra ello, se a p lica la p ru e b a lineal F
(P a n d ity W u ,1 9 8 6 ).
La fu n ció n g e n e ra l de G re e n p a ra m o d e lo s A R M A (n , n -1 ) tie n e c o m o
objetivo describir la dinám ica o m em o ria del m odelo en térm inos de los at. S e
ex p re sa así:
Gi=glY1i+g2Y2i+ g3Y3í+ +9X

donde Y,,Y2,...,ynson las raíces de la ecuación
Yn- 0,Yn'1' 0 2Y"'2 ‘ ■••• " 0 n= 0
P o r e je m p lo en u n m o d e lo A R M A ( 2 , 1 ) las ra íc e s s e o b tie n e n d e las

e cu acion es
Y,+Y2= 0 ,
y, y2= -02
( f ’ - o x 2- - - - 0 , , )
g_.------------------------------------------
(YfY,)(YfY2)•••(YfY¡. i)(YfY¡*i)—(YfY„)
i= 1 ,2 ,3 ,...,n
el d e n o m in a d o re s el p ro du cto de to d o s los térm ino s (y-Y,) p a ra j= 1 ,2 ,3 ,...,n ,

ex clu ye n d o el térm ino ce ro (y-y.)
Los com pon e nte s de la función G re e n pueden ser im aginarios o reales.
El m e jo r m o d e lo e s el q u e se obtiene d e s p u é s d e c o m p a ra r a tra v é s de
u n a p ru e b a F q u e éste tiene la m e n o r s u m a de c u a d ra d o s del e rro r, p a ra el
m ín im o posible de parám e tros por considerar. Al graficar la Fu n ció n de G re e n
correspondiente a ese m odelo, se podrá evaluar su dinám ica y sus condiciones

de e s ta b ilid a d . La b ú s q u e d a del m e jo r m o d e lo es e fe c tu a d a m e d ia n te el
com pu ta d or u sa n d o el pro gra m a D D S , citado anteriorm ente.
EJEMPLO 4 .1 3 ,
E n u na e m p re s a fabrica nte de artícu lo s de P V C u n o de los principales

p roductos es tubería para la construcción. La variable principal es el diám etro
por lo que se quiere establecer un control sobre ella. Para efectuar este análisis
se to m a u n a m u e s tra de 3 0 0 m e d ic io n e s p re s e n ta d a s e n el C u a d r o 4 .1 5 y
obtenidas de la siguiente m anera:
1. C a d a tres minutos un tubo de 15 m etros se corta en tres secciones de cinco

m etros ca d a uno.
2. E n ca d a m etro de ca d a sección se efectúa una m edición para un total de

cinco obse rva ciones.
3. El intervalo de m uestreo es de 0 ,6 m inutos.
a. C o n s tru ir y a n a liza r un gráfico de control de p ro m e d io s e intervalos

to m a n d o la inform ación c o m o si fu e se n se se n ta m u estra s de cinco
elem entos ca d a una.
b. D e t e r m in a r un m o d e lo A R M A ( n , m ) q u e p u e d a s e r a ju s ta d o al
com portam iento de esta variable.
c. ¿ Q u é con clusiones obtiene?
SOLUCION
1. A p lic a n d o los p ro c e d im ie n to s y a e x p lic a d o s en e ste c a p ítu lo , p a ra la

construcción de gráficos de control de prom edios e intervalos, se construye
el gráfico qu e m uestra la F ig u ra 4.58.
T a l y c o m o se p u e d e o b s e rv a r en la F ig u ra 4 .5 8 , en las p rim eras veinte

m uestras se da una inestabilidad m uy grande, inclusive existen tres puntos
fuera de límites en el gráfico de prom edios y uno en el gráfico de intervalos.
CUADRO 4.15. Valores de xt para los modelos ARMA(n,m)
H o ja d e d a t o s - A n á li s i s A R M A (n ,m )
A r t íc u l o : T ubo d e PVC C ó d ig o : T A 457

C a r a c t e r ís t i c a : P eso E s p e c ific a c ió n : 4 0 ,0 ± 4 ,1
O p e r a c ió n : E x t r u s ió n M á q u in a : C o m p a c ta d o ra
O p e r a r io : L. M a ro to In sp e cto r S . P érez
F e c h a : 1 1 -0 7 -8 5 Tum o: 1 H o r a d e in ic io : 2 : 4 5 a .m . H o ja # 1 d e 1
_ _
43,3 39,1 40,7 42,7 42,1 38,6 39,4 47,2 40,5 38,5 38,8 46,7
37,5 35,9 40,2 36,9 37,7 36,5 37,8 37,9 39,9 40,0 42,5 41,5
40,5 40,0 43,0 44,0 43,4 48,0 43,5 41,7 39,0 38,7 36,0 43,7
40,1 39,2 38,8 46,0 36,9 39,8 39,9 41,5 42,3 46,9 46,1 45,6
45,6 47,0 50,0 37,9 38,7 39,5 38,4 37,0 37,1 38,8 39,7 41,5
40,6 38,5 39,7 40,3 37,6 35,0 40,0 39,6 38,4 36,3 38,9 42,5
41,5 40,8 41,3 40,3 38,9 39,3 40,3 41,5 41,5 38,0 38,8 40,0
42,1 43,3 39,7 40,0 40,8 43,2 42,1 38,9 37,8 38,3 37,4 41,5
40,1 42,7 43,8 41,7 35,9 42,5 39,3 40,7 40,8 42,1 38,6 39,4
42,3 40,5 38,5 38,8 42,1 37,5 38,9 40,2 39,7 41,5 40,0 39,8
37,9 40,0 40,2 42,4 41,4 40,6 38,9 41,3 40,5 43,4 43,0 39,9
40,3 39,1 38,7 38,0 40,9 39,9 39,0 39,3 40,8 37,6 39,8 38,9
41,5 41,3 40,0 39,2 38,8 36,9 40,0 38,4 38,5 39,4 38,0 37,9
39,1 38,8 39,5 41,4 41,6 40,0 39,7 40,3 37,6 37,5 41,0 40,9
39,9 38,3 39,8 40,5 41,5 40,0 38,4 39,3 38,7 39,9 41,5 41,9
41,5 39,6 39,7 38,8 40,9 40,3 40,3 40,5 41,9 40,9 36,9 40,1
40,1 42,7 36,9 36,9 40,6 40,7 39,0 38,8 38,7 41,2 39,9 40,3
40,6 41,1 38,9 39,4 41,3 40,5 39,5 40,0 39,8 39,3 41,3 40,0
39,8 39,6 40,0 42,3 41,5 40,3 40,3 41,0 38,0 38,9 38,9 38,9
37,6 38,0 38,7 40,0 39,5 40,5 41,0 40,0 41,3 40,3 40,1 39,6
39,5 40,3 40,1 39,9 38,9 39,8 39,8 40,0 41,0 40,0 39,9 39,9
40,0 40,5 40,3 39,9 40,7 38,6 40,3 39,7 42,0 41,6 40,1 39,7
38,7 39,3 40,0 40,0 42,6 38,1 40,7 40,2 39,2 39,1 38,7 40,0
40,4 40,6 38,5 39,5 39,9 39,7 40,0 40,1 40,2 39,5 39,6 40,8
41,7 40,0 40,0 40,5 40,7 38,1 39,5 41,1 40,9 40,3 39,9 39,0
OBSERVACIONES: Para efectos de la serie de tiempo, los datos deben leerse por renglones,
pues así corresponde.
JORGE ACUÑA ACUÑA
375
FIGURA 4.58. Gráfico de control

E n las siguientes cuarenta m uestras ningún punto en el gráfico de p ro m e

dios y en el gráfico de intervalos se sale fuera de límites, por lo que se pu e
de decir que la variable diámetro en este período se encuentra bajo control.
E n cuanto a tendencias es evidente el decrecim iento de la variabilidad, lo
qu e es realm ente favorable.
2. La F ig u ra 4 .5 9 p re s e n ta el g rá fico de o b s e rv a c io n e s in d iv id u a le s q u e
p e rm itirá h a c e r el aná lisis de e sta b ilid a d y a la v e z g ra fic a r el m o d e lo
seleccionado.
FIGURA 4.59. Observaciones individuales.
L a b ú s q u e d a del m odelo A R M A (n ,m ) s e hizo con el p ro g ra m a D D S . Lo s

C u a d ro s 4 .1 6 y 4 .1 7 pre sentan a lg u n o s de los m o d e lo s p ro b a d o s , d o n d e se
e ncu e ntra n los pa rám e tros con sus respectivos intervalos de confianza. D e s
p u é s del análisis de v a ria n za para m ed ir la regresión, a sí c o m o de la función
G re e n y del a ju ste o b te n id o al gra fica r el m o d e lo so b re los d a to s re a le s, la
solución es usar el m odelo A R M A (4 ,3 ) pu es es el qu e m ejor calificó.
E l C u a d r o 4 .1 8 p re s e n ta los v a lo re s in iciales de los p a rá m e tro s de la

e cu ación del m odelo escogido.
La función de Green de este modelo es la siguiente:

CUADRO 4.16. Salida del programa con los modelos evaluados
Parámetro Modelos AR M A
(1.1) (2.1) (4.3) I (6,5)
0, 0,327±0,310 0,214±1,690 -0,594+0,lo 3 0,490±0,017

02 0,048±0,563 -0,580+0,111 -0,644±0,791
03 -0,491 ±0,117 0,36510,423
0< 0 ,3 6 8 ± 0 ,1 0 2 \ 0,13210,595
05 \ - 0 , 12510,524
06 ^ 2 9 0 1 0 ,4 8 0 -
e, 0,003+0,330 -0,119±1,690 0,979±0,005 0,13710,016

02 -1,090+0,055 -0,02410,469
e3 -0,934+0,054 0,34710,406
04 0,07510,576
05 0,16110,438
SCE 1001,75 1007,10 888,87 913,03
G (j)= 1 ,0 4 7 7 * (0 ,4 0 9 8 )'+ 0 ,0 3 2 5 * (-0 ,9 5 2 3 )¡+
Q ,08173*(0,97059)<*CO S(2jt*0,42369*0,6*j+(2,9 4 4 7 9 ))
P a ra j> 0
El C u a d ro 4 .19 presenta algunos valores para graficar la función de G re e n

que se esq u e m a tiza en la Figura 4.60.
La función de G re e n representada en la Figura 4.58 tiene dos raíces reales

y dos raíces com plejas. S e presentan en form a separada, con el fin de evaluar
la influencia de cada una de ellas. La prim era raíz expresa su falta de m em oria,
p u e s rá p ida m e n te tom a el va lo r de ce ro . Lo s otros c o m p o n e n te s no m u e re n
rá p ida m e n te por lo qu e den otan su ca p a cid a d de m em o ria. La s e g u n d a raíz
tiene una tendencia a p e rm an ecer fluctuando cerca del valor nom inal 40,0. La
función de G re e n , denotada por D , refleja una alta capa cid ad de m em oria que
permite concluir que usar este m odelo para el control proyectivo de esta varia
ble es a d e cu a d o , pu es pueden ser detectadas tendencias acum uladas.
CUADRO 4.17. Salida del programa con los modelos evaluados
0,485±0,157 -0,398+0,120 -0,354+0,335 0,365+0,623

-0,751±0,125 -0,172±0,413 -0,276+0,387
-0,221+0,139 0,011 ±0,373 0,358±0,343
0,415±0,135 0,636±0,300 0,670±0,452
0,030±0,117 0,109±0,217 -0,290+0,406
0,181 ±0,111 -0,107±0,164 0,214±0,279
-0,101±0,119 -0,213+0,164
-0,184+0,114 -0,680±0,185
0,133±0,134
-0,749±0,050 -0,741 ±0,346 -0,009±0,629

-0,011±0,063 -0,484±0,512 -0,346±0,352
-0,669±0,057 -0,204±0,562 0,251±0,326
0,419±0,498 0,617±0,368
0,358±0,321 0,162±0,370
0,220+0,321
SCE 1158,6 852,55 820,48 814,84
CUADRO 4.18. Parámetros del modelo ARMA(4,3)
«Valor
CUADRO 4.19. Valores de la función de Green para el modelo ARMA(4,3)
'•'■í.' A ■ >, véjá

j
2do componente componente« mm -
componente real complejo?] G(J)
■
1 0,4294 -0,0309 0,3984 -0,0132 0,38526
2 0,1760 0,0294 0,2054 0,0762 0,28171
3 0,0721 -0,0280 0,0440 0,0085 0,05258
4 0,0295 0,0267 0,0563 -0,0722 -0,01595
5 0,0121 -0,0254 -0,0133 -0,0043 -0,01765
6 0,0049 0,0242 0,0292 0,0682 0,09749
7 0,0020 -0,0230 -0,0210 0,0005 -0,02049
8 0,0008 0,0219 0,0228 -0,0643 -0,04153
9 0,0003 -0,0209 -0,0205 0,0027 -0,01781
10 0,0001 0,0199 0,0200 0,0604 0,08056
11 0,0000 -0,0189 -0,0189 -0,0057 -0,02466
12 0,0000 0,0180 0,0181 -0,0566 -0,03857
13 0,0000 -0,0172 -0,0172 0,0083 -0,00889
14 0,0000 0,0164 0,0164 0,0529 0,06937
20 0,0000 0,0122 0,0122 -0,0424 -0,03023
30 0,0000 0,0075 0,0075 0,0275 0,03504
50 0,0000 0,0028 0,0028 0,0078 0,01066
3. C o nclu sio ne s
Al obs e rva r la Figu ra 4.57, es posible afirm ar que la serie es estacionarla

pues todos los valores fluctúan alrededor del prom edio de 40,0. N o existe una
tendencia estricta y es claro que la variabilidad, especialm ente d e s p u é s de la
observación N o . 50, tiende a decrecer hasta el final de la serie.
El m o d e lo A R M A (4 ,3 ) es sele ccio n a d o para controlar el diám etro de los

tubos P V C , p u e s es el m odelo de los que tienen pocos parám etros que tiene la
m e n o r s u m a d e c u a d ra d o s de erro r (8 8 8 ,8 7 ). La F ig u ra 4.61 fortalece esta
afirmación. Lo s m odelos A R M A (6 ,3 ) y A R M A (9 ,6 ) son tam bién adecuados, sin
em bargo, la dificultad de trabajar con m odelos de m uchos parám etros, los hace
poco útiles. A d e m á s , la prueba F dem uestra qu e la dism inución en la su m a de
c u a d ra d o s del e rro r, al u s a r c u a lq u ie ra de ellos en re lació n co n el m o d e lo
escogido, no e s significativa.
FIGURA 4.60. Función Green del modelo ARMA(4,3).
El m odelo esco gido es:
x= -0 ,5 9 3 8 5 x t1-0 ,5 7 9 6 x t2-0 ,4 9 0 9 7 x |3+ 0 ,3 6 7 7 x t4+at
+ 0 ,9 7 9 1 2 a t ,+ 0,10901 at2+ 0 ,9 3 4 1 5at_3
C o n este m odelo se puede proyectar cualquier situación futura. Entre m ás

a lejado esté el valor de t, la pro yección pierde confiabilidad.
Si se de sea usar el m odelo con límites de control, es posible calcular éstos

b a sa do en + 3 o ’, su p on ien do distribución norm al de la siguiente m anera:
L S C = M + 3 t/ v 0 M: el valor nom inal
U C = M-3^Vo~
TIE M P O (m in u to s)
FIGURA 4.61. Ajuste del modelo ARMA(4,3).
E n este ca so M es igual a 4 0 ,0 y la desviación están dar V 0 se obtiene del

pro gra m a D D S , V 0 = 3,81.
O sea, los límites son:
L S C = 40,0 + 3* 1/ 3 ,81 = 45,86
L IC = 4 0 ,0 - 3* \ 3.81 = 34,14
E n c o n clu s ió n , el m o d e lo A R M A (4 ,3 ) se rá u sa d o para p re d e cir el c o m

portam iento futuro de la variable diám etro de los tubos P V C . S e ha dem ostrado
su grado de adecuación y su ajuste por lo qu e es lógico pensar que servirá para
detectar, no solo ca m bios de tendencia sino tam bién cam bios bruscos, pues se
pu e d e n tener límites de control.
El uso de series de tiem po en control de procesos permite detectar cam bios

de m a n e ra p re ve n tiva y to m a r las a cc io n e s qu e se am eriten. S u aplicación se
deb e h a ce rco n m odelos de bajo nivel (pocos parám etros), pues m odelos de alto
nivel com plican el análisis. Esto no es una limitación importante, pues usando la
prue ba F se p u e d e p ro b a r la eficacia de un m odelo e sco gido por convenie ncia.
RESUMEN
S e han visto en este capítulo distintos aspectos relacionados con el análi

sis y control de p ro ce so s c u a n d o las características de calidad son variables.
Lo s m á s im portantes son los gráficos de control.
D entro de los aspectos relevantes a q u í analizad os se tienen:
1. Lo s gráficos de control p u e d e n ser una excelente h erram ienta para c o n

trolar de m a n e ra p re ve ntiva y correctiva las variables que se co n sid eren
m á s importantes de sde el punto de vista de calidad. S e debe ser ordenado
en su a plicación , p a s a n d o en form a a d e c u a d a por los tres p a so s: c o n s
trucción, análisis y seguim iento.
2. La s e le cció n del g rá fico a d e c u a d o se d e b e h a c e r so b re la b a s e de las

características específicas de la variable que v a a ser estudiada.
E n especial, los gráficos de su m a s acu m u lad as deben ser usado s cuan do

se te ng a experiencia en el m anejo de otro tipo de gráfico.
3. E s de su m a im portancia para el control de procesos co n o ce r la capacidad

de p ro ce so , p u e s e s la m ejo r form a de sa b e r si éste es c a p a z de cum plir
con las exigencias planteadas.
4. La b ú sq u e da de la posición m ás eco nóm ica de la m edia es una m etodolo

gía ade cu a da para aquellos caso s en qu e las pérdidas eco nóm icas de pro
ducto bajo el v a lo r su p e rio r de especificación son diferentes de aquellas
p ro v o c a d a s por p ro d u cto fuera del va lo r inferior d e e s p e c ific a c ió n rto s

resultados obtenidos deben verse a nivel m acro, para altos volúm enes de
producción.
5. El análisis de series de tiem po es importante cu a n d o se quiere desarrollar

un estudio exhaustivo de una variable con el fin de proyectar su c o m p o r
ta m ie n to fu tu ro . P a ra su a p lic a c ió n s e d e b e n d e s a rro lla r p ro g ra m a s
com putacion ales qu e faciliten los cálculos. \
6. E l análisis y control por variables requiere capacitación y entrenam iento

p ara el personal e ncarg ado de esta tarea. Si esto no se h a c e ^s f, se_corra-
el rie s g o de q u e su a p lic a c ió n no dé los re s u lta d o s d e s e a d o s o p ro
yectados.
PREGUNTAS DE REPASO
1. ¿ Q u é son ca u sa s asignables de variación y qu é im portancia tienen en el

análisis de p ro c e s o s ? D é un e jem plo de un p ro ce so y desglo se las o p e
raciones citando las causa s asig nable s de variación para las principales
variables que se g eneren.
2. ¿ Por qué se usan gráficos de control de valores prom edio y no de valores

in d iv id u a le s ? ¿ Q u é rie s g o s se c o rre n si se u s a n g rá fico s de v a lo re s
individuales?
3. D e sc rib a las tres etapas en la utilización de un gráfico de control. ¿ Q u é

aspectos relevantes se deben considerar en cad a u na de esas etapas?
4. Explique am pliam ente la siguiente afirmación:
“El hecho de que un proceso esté bajo control, no significa que cum ple con
las especificaciones”
5. Explique el procedim iento para utilizar el gráfico de control de prom edios e

intervalos en el ajuste de un proceso. ¿ Q u é limitaciones cree U d qu e tiene
este procedim iento?
6. ¿ Q u é diferencias hay entre gráficos de control de prom edios y gráficos de

control de m edianas?
7. ¿ P a r a q u é so n útiles los g rá fic o s de s u m a s a c u m u la d a s ? ¿ C ó m o se

calculan las su m a s a cu m u lad as?
8. ¿ Q u é d if e re n c ia h a y e n tre un C U S U M M á s c a r a V y u n C U S U M de
intervalo de decisión h?
9. E xplique el concepto de longitud prom edio de la corrida y de m agnitud real

de cam bio.
10. ¿ E n q u é c o n s is te un a n á lis is d e c a p a c id a d de p ro c e s o ? E x p liq u e el

significado de la m agnitud obtenida al calcular el índice de ca p a cid a d de
proceso.
11. E xplique el procedim iento para localizar la posición m á s eco n ó m ica de la

m edia del proceso.
12. E x p liq u e las v e ntajas y d e s ve n ta ja s de usar series de tiem po en c o m b i

nación con gráficos de control.
13. ¿ Q u é p ro c e d im ie n to se u sa p a ra s e le c c io n a r el m o d e lo A R M A m á s
a d e c u a d o para ajustarlo a una variable previam ente sele ccionada ?
14. ¿ C ó m o se usa el m odelo A R M A esco gid o en control de pro cesos?
PROBLEMAS
1. U n a em presa m anufacturera de productos farm acéuticos produce pastillas

p a ra el m a le s ta r e s to m a c a l, c u y a e s p e c ifica ció n d e p e s o es 5 ,0 ± 0,1
g ra m o s.
P a ra e stu d ia r la situ a ció n del p ro c e s o con re s p e cto a e sta v a ria b le se

tom an veinte m uestras de tam año cinco, las cuales aparecen en el C u a d ro
4 .2 0 . S e pide:
a. Elabora r un gráfico de control x,R y ejecutar el análisis
b. O b te n e r las con clu siones y reco m endacio n es del caso.
2. E n una industria de e nvase s plásticos, existe un producto cu yo peso debe

cu m p lir con la especificación de 45 ± 5 g ra m o s. S e d e s e a e sta b le ce r un
control de p ro ce so so b re esta ca racterística para lo q u e s e han to m a d o
JORGE ACUÑA ACUÑA
CUADRO 4.20. Hoja de datos para el
H o ja d e d a t o s - G r á f i c o s d e c o n t r o l x , R
A r t íc u lo : P a s t il la s p a r a m a l e s t a r e s C ó d ig o : A 890
C a r a c t e r ís t i c a : P eso E s p e c ific a c ió n : 5 ,0 ± 0 , 1
O p e r a c ió n : C o m p a c ta d o M á q u in a : C o m p a c ta d o ra
O p e r a r io : L. E c h e v e r r í a In sp e cto r: M . A s to rg a
F e c h a : 1 0 -0 9 -8 5 T um o: 2 H o r a d e ¡n ie lo : 2 : 0 0 a .m . H o ja # 1 d e 1
M uestra# 1 2 3 4 5 6 7 8 9 10
v I 5 5,1 5,0 5,1 4,8 4,9 5,0 4,7 4,9 5,0 4,9
A N 4 5,0 4,8 4,9 5,2 4,9 5,1 4,9 4,8 5,2 5,0
L D 3 5,0 4,9 5,1 5,0 5,0 4,4 5,2 5,0 5,0 5,3
O I 2 5,1 5,2 4,9 4,9 5,0 5,0 5,0 5,1 4,7 5,1
R V. 1 5,3 5,0 5,1 4,9 5,0 5,2 4,8 4,8 5,0 5,1
Muestra # 11 12 13 14 15 16 17 18 19 20
V I 5 5,0 5,0 5,0 5,1 4,9 4,5 5,0 5,9 5,2 5,2
A N 4 5,1 5,0 4,9 4,8 4,9 5,0 5, i 5,1 5,1 5,1
L D 3 5,0 5,1 4,8 4,8 4,9 5,0 5,0 5,1 5,0 4,6
O I 2 4,9 5,0 4,8 4,8 4,9 4,8 4,9 5,0 5,1 5,0
R V. 1 5,0 5,1 4,8 4,9 5,0 4,9 4,9 4,8 5,3 5,1
veinte m uestras de cinco elem entos cad a una. El C u a d ro 4.21 presenta los
datos recolectados.
a. E la b o ra r un gráfico de control de p ro m e dio e intervalos y efectuar el

análisis correspondiente.
b. ¿ Q u é c o n c lu s io n e s se o btiene n a c e rc a de la posibilidad de q u e el
p ro ceso p u e d a cum plir a cabalidad con la especificación?
3. E n el p ro c e s o de c o lo ra c ió n d e fib ra s de la n a , la a c id e z del líq u id o

colorante d e b e ser cu id a d o sa m e n te controlada. Si el g rado de a cid e z es
m enor qu e el valor especificado, la penetración del color es insuficiente. Si
éste es m ayor, el color es intenso y el grado de acidez afecta la vida útil de
los productos confeccionados con esa fibra.
CUADRO 4.21. Hoja de datos para el Problema 2
A r t íc u lo : E n v a s e p lá s t ic o C ó d ig o : A R D 879
C a r a c t e r ís t i c a :
O p e r a c ió n :
P eso
T e r m o fo r m a d o
E s p e c ific a c ió n :
M á q u in a :
45 ± 5
T e r m o fo r m a d o r a
§?•!:
.
i!»?’
O p e r a r io : K. L ópez In sp ector N, F on seca
F e ch a : 0 9 -0 7 -8 5 T um o: 3 H o r a d e in ic io : 1 0 : 0 0 H o ja # 1 d e 1
Muestra # 1 2 3 4 5 6 7 8 9 10
V I 5 41 46 41 43 45 59 40 40 40 42
A N 4 55 45 48 43 51 47 49 42 42 45
L D 3 46 47 49 40 51 54 49 43 43 39
O 1 2 35 48 40 40 42 47 40 46 46 44
R V. 1 48 42 42 42 41 45 49 47 47 45
Muestra # 11 12 13 14 15 16 17 18 19 20
V I 5 52 44 44 54 51 44 46 39 42 43
A N 4 38 53 43 41 39 45 55 42 42 38
L D 3 48 47 45 45 54 46 47 55 49 47
O I 2 44 38 40 44 45 37 46 47 43 40
R V. 1 45 44 43 39 38 43 43 48 44 44
El Inspector de calidad ha llegado a la conclusión de qu e un gráfico de co n
trol x ,R pu e de se r de gran a yu d a para el control de esta característica de

ca lid a d . P a ra ello s e han to m a d o 2 m u e stra s de 5 e le m e n to s c a d a una
originá ndo se la inform ación del C u a d ro 4.22.
a - A n a lic e el g rá fico c o rre s p o n d ie n te y o b te n g a las c o n c lu s io n e s del

ca so .
b- D iseñe un gráfico C U S U M m áscara V , utilizando el criterio del nivel de

calidad aceptable y nivel de calidad rechazable. A n a líce lo y explique
su funcionam iento.
4. El gráfico de control x, R es llevado para controlar la resistencia a la tensión

de un cierto hilo. S e ha u sa d o un ta m a ñ o de m uestra de cinco elem entos.
Lo s va lores de las su m a torias co m p u ta d a s con veinticinco g rupos son:
CUADRO 4.22. Información recolectada para el Próplema 3
A r t íc u lo : F ib r a s d e la n a C ó d ig o : FB9087
C a r a c t e r ís t i c a : p H E s p e c i f i c a c i ó n : 4 , 3 0 ± 0 ,1 8
O p e r a c ió n : T e ñ id o M á q u in a : T e ñ id o r a
O p e r a r io : P. A rce In sp e cto r: B. P a ch eco
F e c h a : 0 6 -1 2 -8 4 T um o: 1 H o r a d e ¡n ie lo : 6 : 0 0 a .m . H o ja # 1 d e 1
Muestra # 1 2 3 4 5 6 7 8 9 10
Promedio 4,17 4,15 4,18 4,17 4,20 4,22 4,33 4,33 4,34 4,50
Intervalo R 0,14 0,30 0,20 0,09 0,10 0,24 0,65 0,17 0,58 0,22
Muestra # 11 12 13 14 15 16 17 18 19 20
Promedio 4,34 4,31 4,61 4,21 4,37 4,24 4,29 4,35 4,31 4,32
Intervalo R 0,22 0,18 0,44 0,20 0,23 0,23 0,32 0,62 0,28 0,20
I x = 5 1 4 ,2 8
I R = 120,00
a. C a lcular los límites de control de proceso.
b. Estim ar el va lo r de a ’.
c. Determ inar el error estándar del prom edio de las 125 m ediciones.
d. SI se e sta b le ce n to le rancias de ± 0 ,4 so b re un v a lo r nom inal de 21

¿ P u e d e el pro ceso satisfacer las especificaciones?
5. E n un d e te rm in a d o p ro ce s o , se h a co n stru id o un g ráfico de control de

prom edios e intervalos con m uestras de tam año cinco. Hasta el m om ento,
los datos originan un pro m e dio de 2 0 ,0 y una d esviación estim ada o ’ de
2 ,0 . S e re co m ie n d a que se a u m e n te el tam año de la m uestra de cinco a
seis, m anteniendo en am bos gráficos los límites. La especificación de esta
característica es de 20 ,0 ± 4,1.
a. ¿ C u á le s serán las co n se cu e n c ia s si se siguen las re c om endacion es

d ad as?
b. ¿ C u á le s s e r á n las c o n s e c u e n c ia s en el p o rc e n ta je d e p ro d u c to
disconform e, si se siguen las recom endacion es?
c. ¿ H a b r á m a y o r p ro b a b ilid a d d e q u e los p u n to s c a ig a n fu e ra d e los

lím ites de con trol en a m b o s g rá fico s? Ju stifiq u e su re s p u e s ta con
núm eros.
6. E n una e m p re s a qu e fabrica varillas c ro m a d a s, c u y a longitud está e s p e

cificada en 1 7 8 ,0 ± 1,06 cm , se tienen p ro b le m a s de calida d, p u e s si las
varillas su pe ra n el valor superio r especificado de b e n rem aq u in arse, pero
se d e s e ch a n si están bajo el v a lo r inferior e specificado . El costo de pro
ducción es de p 1 3,7 5 y el rem aq uin ado ag re g a a ese costo ó6,25.
A ctu a lm e n te se tiene la p osibilidad de v e n d e r el p ro d u cto de d e s e c h o ,

recuperando 3/5 del costo de producción entregado. C o n el fin de analizar
la situación se recolectó la inform ación que se presenta en el C u a d ro 4.23.
a. Analice esta situación u sa n d o un gráfico de prom edios e intervalos si

se usaron m uestra s de ta m a ñ o cinco.
CUADRO 4.23. Datos recolectados para el Problema 6
Articulo: Varillas cromadas Código: VC987

Característica: Longitud Especificación: 178,0 ±1 ,06
Operación: Corte Máquina: Cortadora A
Operario: A. J. López Inspector: C. Herrera
Fecha: 05-12-■85 Turno: 2 Hora de inicio: 3:00 p.m. Hoja# 1 de 1
Muestra # 1 2 3 4 5 6 7 8 9 10
Promedio 177,6 176,6 178,4 176,6 177,0 179,4 178,6 179,6 178,8 178,2
Intervalo R 23 8 22 2 7 8 5 6 7 4
Muestra # 11 12 13 14 15 16 17 18 19 20
Promedio 179,8 176,4 178,4 178,2 180,6 179,6 177,8 178,4 181,6 177,6
Intervalo R 9 8 4 4 6 6 1 9 7 4
JORGE ACUÑA ACUÑA 38í
b. ¿ Q u é dicen en este caso los límites de atención 2 a - ?
c. D eterm ine la posición m ás eco n ó m ica de la media.
d. ¿ Q u é límites de control recom ien da para el futuro?
7. Los datos presentados en el C u a d ro 4.24 corresponden a ensayos de veri

ficación de calibración pertenecientes a 21 m áquinas. Lo s valores se han
obtenido usa nd o calibres patrón pre viam ente calibrados y verificados.
a. C o nstru ir y an a liza r un gráfico x ,R .
b. ¿ Q u é con clusiones se obtienen?
8. U n fa b rica n te trata de q u e el p ro d u c to c u m p la con los re q u e rim ie n to s

especificados para una característica de calidad. El C u a d ro 4.2 5 presenta
los valores del prom edio y la desviación estándar para quince m uestras de
cincuenta o b servacio nes cad a una, tom adas en días consecutivos.
Artículo: Calibres Código: No hay

Característica: Calibración Especificación: 70 ± 2
Operación: Verificación Máquina:
Operario: M. Orozco Inspector: M. Arce
Fecha : 07-10-85 Turno: 1 Hora de inicio: 8:00 a.m. Hoja # 1 de 1
Muestra # 1 2 3 4 5 6 7 8 9 10
V i 5 75 72 75 73 70 70 76 73 72 72
a n 4 75 71 72 72 70 65 74 73 71 71
I d 3 73 71 74 70 70 66 75 71 71 73
0 i 2 73 71 74 71 76 65 72 70 71 70
r V. 1 73 70 75 ' 70 73 65 72 69 73 69
Muestra # 11 12 13 14 15 16 17 18 19 20
V i 5 72 72 75 73 79 70 73 71 71 67
a n 4 72 73 75 74 69 69 73 71 78 69
I d 3 71 77 75 73 74 69 77 70 69 69
0 i 2 71 71 78 70 72 70 71 75 70 67
r V. 1 70 70 70 71 73 73 70 77 72 69
Hoja de datos - Gráficos de control x, o

' ■ .
Artículo: Canutos de hilo Código: CH456
Característica: Resistencia a tensión v - Especificación: 34,0 ± 4,9
Operación: Hiladura Máquina: Hiladora KA
Operario: A. B. Brenes Inspector: C. Herra
Muestra # 1 2 3 4 5 6 7 8 9 10
Promedio 35,1 34,6 33,2 34,8 33,4 33,9 34,4 33,0 32,8 34,8
Desviación 5,4 4,7 3,8 4,5 4,0 4,3 5,0 5,3 3,3 3,8
Muestra # 11 12 13 14 15 16 17 18 19 20
Promedio 33,8 32,7 35,4 36,5 33,7

Desviación 2,3 4,3 1,2 2,7 4,3
9. U n a m áquina desarrolló un trabajo calibrada para generar un diám etro con

una especificación de 0,258 ± 0,004 pulgadas. S e hizo un estudio tom ando
c in c u e n ta u n id a d e s en fo rm a c o n s e c u tiv a o rig in á n d o s e los d a to s del
C u a d ro 4 .26 (valores expresados en m ilésim as de pulgada, por encim a de
0 ,2 5 0 pulga da s)
a. R ealizar una distribución de frecuencias de datos ag ru p a d o s y probar

la norm alidad del proceso.
b. H a c e r un estudio de capa cid ad de pro ceso con base en un gráfico de

c o n tro l d e p ro m e d io s e in te rv a lo s , s ig u ie n d o el p ro c e d im ie n to
explicado en este capítulo. Utilice los m ism os datos para el análisis del
gráfico.
10. R e s u e lv a el P r o b le m a 9 p e ro u tiliz a n d o u n g rá fic o d e p ro m e d io s y

desvia ciones estándar.
11. U n fa b ric a n te trata d e m a n te n e r su p ro d u c to ba jo un n ivel de c a lid a d

aceptable, exigido por las siguientes especificaciones de longitud:
E: 84,0 ± 8 ,0 cm
Hoja de datos - Gráficos de control X, R
Articulo: Lámina rectangular Código: LR980

Característica: Diámetro Especificación: 0,258 ±0,004
Operación: Taladrado Máquina: Taladro
Operario: M. Blanco Inspector: M. Guzmán
F echa: 07-09-84 Tumo: 1 Hora de inicio: 8:00 a.m. Hoja # 1 de 1
Muestra # 1 2 3 4 5 6 7 8 9 10
V I 5 12 13 12 11 9 7 7 8 11 6
A N 4 10 6 6 16 8 13 6 7 10 9
L D 3 12 10 7 12 7 10 11 10 12 12
O I 2 11 9 8 11 9 10 9 10 10 8
R V. 1 15 10 13 10 6 9 9 11 15 4
P a ra a ve rig u a r si lo está lo g ra n d o tom a qu ince m u e stra s de veinticinco

lám inas ca d a una, originando la inform ación que presenta el C u a d ro 4.27.
Hoja de datos - Gráficos de control x, o
Artículo: Subensamble Código: SE323

Característica: Longitud Especificación: 84,0 ± 8 ,0
Operación: Corte Máquina: Cortadora J
Operario: A. B. Bolaños Inspector: D. Pacheco
Fecha: 03-02-85 Turno: 2 Hora de inicio: 3:00 p.m. Hoja #1 de 1
Muestra # 1 2 3 4 5 6 7 8 9 10
Promedio 85,1 84,6 83,2 84,8 83,4 83,9 84,4 83,0 82,8 84,8
Desviación 7,4 7,7 5,8 5,5 4,0 4,3 5,7 9,3 4,3 7,8
Muestra # 11 12 13 14 15 16 17 18 19 20
Promedio 83,8 82,7 85,4 86,5 83,7

Desviación 6,3 3,3 7,2 4,7 6,3
CONTROL DE CALIDAD
a. H a c e r el análisis del gráfico.
b. ¿ Q u é pa sa ría si las tolerancias se am plían a + 1 0 cm ?
c. ¿ Q u é p a s a r ía si se c o m p r a u n a m á q u in a n u e v a q u e tie n e u n a
capa cid ad de 6 ct’= 15,0 cm ?
d. ¿ Q u é h a ría U d si el p ro c e s o se d e s ce n tra a 3 2 ,0 cm y m a n tie n e la

m ism a variabilidad?
e. ¿ Q u é h a ría U d si el p ro c e s o a u m e n ta su v a ria b ilid a d en u n 2 0 % ,

m a nteniendo su exactitud?
N O T A :T o d a s las respuestas deb en ser justificadas con núm eros.
S e ha tenido la idea de que en la e m presa A T R A S A , el troquel 3 0 2 6 tiene

problem as g ra ves, pues no p u e de m antener su exactitud en una posición
e c o n ó m ic a . C o n el fin d e in v e s tig a r la s itu a c ió n s e to m a ro n tre in ta
m uestras de cinco piezas ca d a una y se midió el diám etro encontrán dose
un prom edio de 15,6 m m y un intervalo prom edio de 0.6 3 m m .
La cara cte rística de esta m á q u in a es qu e si las p ie za s tienen d iám etros

superiores a lo especificado se pueden reprocesar, pero si este diám etro
es inferior a lo especificado entonces se deben v e n d e r a una cuarta parte
del costo.
Si la especificación que se debe cum plir es E: 15,60 ± 0,56 m m y los costos

unitarios son los siguientes:
C o s to del m aterial: 0 7,25
C o s to de rem aq uin ado: 0 2,15
C o sto de o peración: 0 9,35
C o sto de transporte de unidade s con dism inución de precio: 0 0,1 6
a. ¿ C u á l es el costo esp era do por pieza?
b. ¿ C u á l es la posición e co n ó m ica de la m edia?
c. ¿ C u á l es el ahorro por m e s al nivel de producción de 25000 unidades

diarias en prom edio?
d. ¿ C u á le s serán los lím ites de control para un gráfico de prom edios e

intervalos?
e. ¿ C u á le s son los límites de control para valores individuales?
13. R e su e lva la parte b) del P ro b le m a 12 usand o cálculo diferencial.
14. La e m p re s a C A L C O S .A . s e d e d ic a a la fabricación de roles, los cu a le s

p a sa n por una c u id a d o sa in sp e cció n , en d o n d e se c h e q u e a la distancia
entre el diám etro interior y el diám etro exterior. Los datos obtenidos de 25
m uestras de cinco roles ca d a u na se presentan en el C u a d ro 4.28.
Si la especificación es E: 72 ,6 ± 4 ,0 m m
a. ¿ C u á l es la capa cid ad de este pro ceso?
b. ¿ Q u é porcentaje de producto fuera de especificaciones se produjo?
Hoja de datos Gráficos de control x, R
Artículo: Roles Código: R900

Característica: Longitud Especificación: 72,6 ± 4 ,0
Operación: Torneado Máquina: Torno M
Operario: A. Cabezas Inspector: C. Morales
Fecha: 09-12-84 Tumo: 1 Hora de inicio: 9:00 p.m. Hoja #.1 de 1
Muestra # 1 2 3 4 5 6 7 8 9 10
Promedio 73,8 72,5 73,5 72,1 74,0 67,0 72,5 73,4 75,2 73.1
Desviación 8,3 3,3 2,1 1,5 5,4 4,2 4,1 1,8 2,3 2.1
Muestra # 11 12 13 14 15 16 17 18 19 20
Promedio 73,2 72,7 74,0 72,8 72,0 71,9 70,8 71,5 74,0 75,3
Desviación 2,4 1,5 1,7 1,7 1,8 2,1 1,5 1,4 1,1 1,3
Muestra # 21 22 23 24 25 26 27 28 29 30
Promedio 72,1 72.0 72,5 71,6 73,9

Desviación 1,2 1.0 3,8 0,7 2,7
c. ¿ H a y tend encias im portantes?
d. C o n s t ru y a un g rá fic o C U S U M d e M á s c a ra V u s a n d o un n iv e l de
con fia n za del 9 5 % .
e. E s ta b le z c a c o m p a ra c io n e s entre el gráfico u s a d o en a ) y el gráfico

u sa d o en d).
f. C o n s tru y a un gráfico C U S U M de intervalo h.
g. ¿ Q u é c o n c lu s io n e s o b tie n e U d . a c e r c a d e la s itu a c ió n d e e s ta
característica de calidad?
15. El C u a d ro 4 .2 9 p re senta el peso de 20 m uestras de cinco unidade s ca d a

u n a obte nid a s en un p ro ce so de elab oración de gelatina. S e ha fijado un
va lo r de referencia de 0 ,8 3 4 0 d e c a g ra m o s.
a. C o n s tru y a y analice un gráfico de prom edios e intervalos.
b. C o n s tru y a y analice un gráfico de su m a s a cu m u la d a s de M á sca ra V .
c. C o n s tru y a y analice un gráfico de su m a s acu m u la d a s de intervalo h.
d. C o m p a re los tres gráficos y obte nga algunas conclusiones.
CUADRO 4.29. Hoja de datos del Problema 15
Artículo: Gelatina Código: GÁ965

Característica: Peso Especificación: 0,834 ±0 ,12
Operario: A. Vargas Inspector: S. Zapata
Fecha: 12-12-83 Tumo: 1 Hora de inicio: 8:00 a.m. Hoja #1 de 1
Muestra# 1 2 3 4 5 6 7 8 9 10
Promedio 0,8372 0,8324 0,8318 0,8344 0,8346 0,8332 0,8340 0,8344 0,8308 0,8350
Intervalo R 0,001 0,009 0,008 0,004 0,005 0,011 0,009 0,003 0,002 0,006
Muestra# 11 12 13 14 15 16 17 18 19 20
Promedio 0,8380 0,8322 0,8356 0,8322 0,8304 0,8372 0,8282 0,8340 0,8360 0,8374
Intervalo R 0,006 0,002 0,013 0,005 0,008 0,011 0,006 0,005 0,004 0,006
16. Para un nivel de calidad aceptable m a=6 ,5 m m y un nivel de calidad recha
zable m = 2,0 m m , ¿cuál debe ser el tam año de la m uestra y los valores de
k y h para un C U S U M unilateral, si A R L a= 1 000, A R L =2 ,5 y cr’=5?
17. S u p o n g a qu e se decide controlar la exactitud de un proceso con un gráficc

C U S U M similar al del Problem a 14, excepto que k está colocado simétrica
m ente al otro lado de m a y qu e se u sa -h en lugar de h co m o intervalo de
decisión.
Si se desea operar con +h y -h , es decir con un e sq u e m a bilateral,
a. ¿ C u á l d e b ería ser el A R L para un m a=6,5, un m r1= 2 ,0 y r n ^ l 1,0?
b. Construya una M áscara V que sea equivalente a este gráfico bilateral.
18. D a do s los siguientes valores, trazar la curva A R L de longitud prom edio de

la corrida:
k, = 110 = 113
k2 = 104 = 101
h = ± 9 ,5 n = 9 o ’ = 10
ma= 107
19. E n un intento por establecer gráficos de su m as acu m u lad as se han fijado

los s ig u ie n te s v a lo re s : A R L = 5 0 0 p a ra m a= 1 0 0 , A R L = 5 para m = 1 1 0 y
g ’= 1 0. ¿ C u á le s son los valores de h y de n para un C U S U M unilateral?
20. C o n el fin de diseñar una m áscara V se han fijado los siguientes p a rá m e

tros: A R L = 2 5 0 para m a= 7 0 , A R L = 5 para m = 9 0 , y w = 2 . ¿ C u á le s son los
valores de d y 0 para la m áscara V ?
21. U n gráfico C U S U M tiene un valor de referencia k igual a 8,4 y un intervalo

de decisión de 2,8. El tam año de m uestra es nueve unidades, la desviación
estándar es 2 ,3 y el nivel de calidad aceptable es 10,7. Construir la curva
A R L de longitud prom edio de corrida.
22. C o n s tru ir u n a m á s c a ra V p a ra el p ro b le m a 2 y c a lc u la r la v e rd a d e ra
m agnitud de cam bio si se detecta algún cam bio de tendencia.
23. Desarrolle un pro gram a de com pu tad ora que permita la bú squeda de una
ecuación de un m odelo A R (n ).
2 4. Desarrolle el sistem a de ecuacion es de un m odelo A R M A (n, m ).
N O T A : R e cu e rd e que al existir 0's, el m odelo no es lineal.
2 5. P a ra el P ro b le m a 2, d e te rm in e si un m o d e lo A R (2 ) es a p ro p ia d o p a ra
a n a liza r la estab ilidad en el c o m p o rta m ie n to de la v a ria b le en e stu dio .
D em uéstrelo.
26. P a ra el P ro b le m a 1, d e te rm in e cuál de los sig u ie n te s m o d e lo s es m á s

apropiado para representar la con ducta de la variable en estudio: A R (2 ),
A R M A (2 ,1 ), A R M A (3 ,2 ), A R (3 ).
GRAFICOS DE CONTROL
PARA ATRIBUTOS
n m u c h a s o c a s io n e s u n a lín e a de p ro d u c c ió n tiene
dificultades con dos o m á s características de calidad,
las cuales pueden o no ser llevadas a una escala de m e
dición. C o n lo visto hasta el m om ento solo sería posible
e v a lu a r las c a ra c te rís tic a s v a ria b le s co n el in c o n v e
n iente de q u e se d e b e co n stru ir un gráfico de control
para cada una de ellas. Esta acción sería costosa y p o
co funcional p u e s se ría im posible h a ce r el análisis de
información, con lo que esta herram ienta tan importante
perdería todo su aporte.
Ante esta situación, se pueden aplicar los gráficos

de control para atributos, los cuale s perm iten el c o n
trol de varias características a la v e z, calificando la c a
lidad de las p ie za s co m o con form es o disconform es al
com pararlas con las norm as de producción previam ente
establecidas.
E sto s g ráficos tienen un costo de inspección por

u nid a d m á s bajo q u e los g ráficos p a ra v a ria b le s. S in
e m bargo , requieren de una excelente organ ización de
la inspección y de la información recolectada. La organi
zación de la inspección, entre otras cosas, deb e co n si
d e ra r la e s ta n d a riza c ió n de criterios de a c e p ta ció n y
re c h a z o m ie n tra s q u e la in fo rm a ció n re c o le c ta d a d e b e c o n te m p la r p ro c e
dim ientos qu e perm itan investigar ca u sa s asignable s de variación, las cuales
no son tan e v id e n te s c o m o en los gráficos para va ria b le s, p u e s en éstos se
analizan varias características a la vez.
La uniform idad de criterios se logra a través de un p ro g ra m a de e ntrena

m ie n to y d e c a p a c ita c ió n y del d e s a rro llo de un m a n u a l de in s p e c c ió n q u e
especifique entre otras cosas:
a. Procedim ientos de inspección
b. B a se s estadísticas de m uestreo
c. M anejo de instrum entos
d. Criterios de acep tación y re c h a zo de producto
e. Especificacio nes técnicas
f. M uestras patrón
g. Destino de producto a cep tado y re cha za do
h. D ocu m e n ta ción
Lo s m a n u a le s de inspección eficientes garan tizan qu e la calificación del

producto se haga de una m anera m ás real y h om ogénea, evitando al m áxim o la
utilización de criterios subjetivos. Si esto se logra, los resultados qu e se obten
gan del uso de gráficos para atributos, solam ente dependerán del conocim iento
de la técnica, qu e te n g a el personal qu e lo aplica y de los erro re s pro pio s del
m uestreo.
U n a ventaja qu e tiene el estudio p o r atributos es qu e si existen variables

continuas de poca relevancia en el control de proceso, pero que se desean con
trolar, se pueden usar calibres p a sa -n o pasa para evitar la m edición de la varia
ble y tratar ésta co m o si fuese un atributo. El Ejem plo 5.1 ilustra esta situación.
E J E M P L O 5.1
L a lo n gitu d d e u n a p ie z a p lástica , u s a d a en u n e n s a m b le s e c u n d a rio ,

h a s id o c a ta lo g a d a c o m o d e m e d ia n a im p o rta n c ia e n la c la s ific a c ió n d e
JORGE ACUÑA ACUÑA
c a r a c te r ís t ic a s de c a lid a d . L a lo n gitu d de esta p ie z a d e b e

siguiente especificación:
E: 3 0 ± 2 c m
D iseñar dos calibres p a sa -n o pasa qu e eviten la m edición de esta variable

de tal m anera que se dism inuyan los costos de inspección.
SOLUCION
U n a form a de e fe ctu a r esta in sp e cc ió n es d is e ñ a r d o s calibres q u e se

ajusten a la sim etría de la p ieza. El m aterial puede s e r de plástico, m ad e ra o
metal.
El diseño de los calibres debe efectuarse de form a tal que las superficies
que van a estar en contacto con las piezas m edidas no sean ásperas ni tengan
protuberancias que afecten la decisión. Lo s calibres se diseñan uno para c o n
trolar el valor superior especificado (calibre pasa) y otro para controlar el valor
inferior especificado (calibre no pasa). Estos calibres pueden tener la forma que
presenta la Figura 5.1, en donde se consideran los valores especificados com o
los topes m áxim os en cad a caso. C o n ello se está afirm ando que una pieza no
estará conform e a especificaciones si m ide m enos de 28 cm o m ás de 32 cm ,
sin necesidad de efectuar la m edición.
El procedim iento para usar los calibres de la Figura 5.1 es el siguiente:
1. T o m a r la pieza e introducirla en el calibre no pasa.
28 cm 32 cm
Calibre no pasa Calibre pasa
FIGURA 5.1. Esquema de calibres pasa-no pasa del Ejemplo 5.1

2. S i la pie za entra en el calibre no p a sa se co n sid era no conform e a e s p e

cificaciones, p u e s m ide m enos de 28 cm . N o es n e cesario utilizar el otro
calibre y la p ieza se rechaza.
Si la pieza no entra, entonces m ide m ás de 28 cm , por lo que se procede a

introducirla en el calibre pasa.
3. S i la p ie za no entra en el calibre p a sa se con sid era no con form e a e s p e

cificaciones, p u e s m ide m ás de 32 cm . Esta pieza es re cha za da.
S i la p ieza entra en el calibre pasa se considera que cu m p le con lo e s p e

c ific a d o p u e s tie n e u n a d im e n s ió n q u e va de 2 8 a 3 2 , p o r lo q u e es
acep tada.
D E F E C T U O S O S V R S D IS C O N F O R M E S
P a ra obtener conclusiones a d e cu adas despu és de efectuar un control por

atributos es de su m a importancia establecer la diferencia existente entre unidad
defectuosa y unidad disconform e. U n a unidad defectuosa es una unidad que
no cu m p le con la n o rm a de producción y qu e por lo tanto p o se e defectos que
pueden o no pueden ser corregidos conllevando a u n reproceso o a un desecho
parcial o total del producto.
U n a unidad disconforme es una unidad que no cu m p le con la n orm a de

producción y que por lo tanto no puede ser aceptada. A diferencia de la unidad
defectuosa, la unidad disconform e pu ede que no con tenga ningún defecto. Si
contiene uno o m ás defectos se convierte en unidad defectuosa.
U n a unidad por sí sola se cataloga c o m o defectuosa deb ido a que p u e d e

te ner uno o m ás defectos. D e a q u í se c o n c lu y e que no es correcto hablar de
porcentaje de defectos sino de n ú m ero de defectos por unidad, por m uestra o
p o r c a d a cie n u n id a d e s p ro d u c id a s . S í e s c o rre c to h a b la r de n ú m e ro de
d efectuosos o de porcentaje de defectuosos.
Al igual que en el control por variables, el control por atributos requiere de

clasificar las no conform idades con el fin de realizar el estudio sobre los m ás im
portantes de acuerdo con su criticidad y su frecuencia de ocurrencia. S e aplican
tam bién en este ca so los dia g ram as de Ishikawa, Pareto y C a u s a -e fe c to . Los
defectos qu e se p u e d e n encontrar en los pro ductos se clasifican de la m ism a
form a qu e las características de calidad:
1. No conformidades críticas
Estas co rre sp onden a pro blem as m uy serios detectados en e l producto y
que conllevan a defectos críticos evidentes. S e caracterizan porque:
a. H a ce n que la unidad de producto sea totalm ente iñútif-
b. P u e d e n c a u s a r fallas du rante la p u esta en u so del pro du cto qu e no

pueden ser corregidas
c. O fre ce n riesgo de ca u s a r dañ o s a personas o pro piedades
d. D e b e n se r totalm ente elim inadas
2. No conformidades mayores
C o rre s p o n d e n a p ro b le m a s serio s en el p ro d u cto y p u e d e n o no existir
defectos. S e caracterizan porque:
a. Posible m ente cau se n fallas durante la puesta en uso del producto las
cuales pueden ser corregidas con un grado alto de dificultad y de costo.
b. S e g u ra m e n te ca u sa rá n un increm ento en m antenim iento cu a n d o se

deseen evitar.
c. P ueden acortar la vida útil del producto.
3. No conformidades menores
S o n a q u e lla s q u e se refieren a p ro b le m a s m o d e ra d a m e n te serio s que
g e neralm ente no ca u sa n defectos. S e caracterizan porque:
a. La p ro b a b ilid a d d e q u e o c a s io n e n fa lla s d u ra n te la v id a útil del

producto no es despreciable.
b. P u e de n ca u sa r problem as en las líneas de producción de naturaleza

no tan seria co m o las dos clases anteriores
c. G e ne ra lm ente cu an do existen defectos, éstos se deben a problem as

de apariencia.
4. No conformidades incidentales
S o n aquellas que existen en el producto y que pueden ser fácilm ente vis
tas, sin e m ba rgo, su influencia en el d e s e m p e ñ o del producto es casi nula. S e
caracterizan porque:
a. N o ca u sa n fallas de operación durante la vida útil del producto
b. Lo s defectos, si se presentan, no tienen un peso de im portancia y en

a lg u nos ca so s pu eden pasar desapercibidos.
Si se p re senta n estas no co n fo rm id a d e s h acen q u e la p ie za q u e las c o n

tiene se c a ta lo g u e de a c u e rd o con la clasificación a la q u e p e rte n e c e . A s í se
p ueden tener unidades disconform es críticas, m ayores, m enores e incidentales.
Al igual q u e en los g ráficos de control para v a ria b le s, en los g ráficos de

control para atributos es necesario clasificar las no conform idades con el fin de
efectuar control sobre aquellos atributos que realm ente m erecen atención.
Para esto se hace uso de los diagram as ya vistos, en especial el diagram a

de Pareto. El Ejem p lo 5.2 presenta una clasificación de defectos.
EJEMPLO 5.2
C o n el fin de estructurar un control por atributos se tom ó de un proceso una

m u estra de 8 0 u n id a d e s y se in sp e cc io n ó con el fin de localizar los defectos
p re s e n ta d o s en el C u a d r o 5 .1 . E s te m is m o c u a d ro p re s e n ta la c a n tid a d
e ncontra d a así co m o el peso asignado.
CUADRO 5.1. Información recolectada para el Diagrama

de Pareto del Ejemplo 5.2
Defecto No. Criticidad
Huecos 100 100

Rayaduras 25 25
Porosidades 35 100
Quebraduras 10 100
Deformaciones 84 50
Dimensiones 78 1
Asperezas 65 50
Suciedad 70 25
Grietas 10 100
S O L U C IO N
Siguiendo el procedim iento de construcción del paretogram a ya explicado

anteriorm ente se construye el C u a d ro 5.2.
C o n ba s e en el o rd e n a m ie n to de la q u inta c o lu m n a del C u a d ro 5 .2 , se
c o n s tru y e el C u a d r o 5 .3 , el c u a l s e rv irá p a ra g ra fic a r el d ia g ra m a q u e se
p re se n ta en la F ig u ra 5.2. C o m o se p u e d e o b s e rv a r en el C u a d ro 5 .3 y en la
F ig u ra 5.2 , los defectos sobre los cuales se basará prioritariamente el control
p or atributos serán: hu ecos, deform aciones, porosidades y asperezas.
U n a v e z c o n o c id o s los d efecto s m á s im po rtantes, el siguiente p a so es

definir qué tipo de gráfico de control se debe usar. Si se detectara que la causa
de a lguno de estos defectos es una variable, se puede establecer un gráfico de
co n tro l p a ra v a ria b le s , y a q u e pe rm itirá e s tu d ia r m á s a d e c u a d a m e n te los
problem as. Si eso no ocurre se im plem enta un gráfico de control para atributos
e sco giend o, se g ú n se estudien defectos o defectuosos o unidades no confor
m e s con especificaciones, entre los siguientes:
a. Gráfico de fracción defectuosa o disconform e (G ráfico p)
b. Gráfico de nú m e ro de defectuosos o disconform es (G ráfico np)
c. Gráfico de nú m e ro de defectos por m uestra (G ráfico c)
CUADRO 5.2. Cálculos intermedios para el Diagrama

de Pareto del Ejemplo 5.2
Defectos No. W No. *w %
Huecos 100 10 1000 39,37

Rayaduras 25 25 625 2,46
Porosidades 35 100 3500 13,78
Quebraduras 10 100 1000 3,94
Deformaciones 84 50 4200 16,53
Dimensiones 78 1 78 0,31
Asperezas 65 50 3250 12,79
Suciedad 70 25 1750 6,89
Grietas 10 100 1000 3,94
CUADRO 5.3. Cálculos finales para el Diagrama de Pareto
No. Defecto % % acum ulado
1 Huecos 39,37 39,37

2 Deformaciones 16,53 55,90
3 Porosidades 13,78 69,68
4 Asperezas 12,79 82,47
5 Suciedad 6,89 89,36
6 Grietas 3,94 93,30
7 Quebraduras 3,94 97,24
8 Rayaduras 2,46 99,70
9 Dimensiones 0,31 100,00
d. G ráfico de núm ero de defectos por unidad (G rá fico u)
e. G ráfico de núm ero de defectos por 100 unidade s (G ráfico 10Ou)
f. G ráfico de dem éritos

/ \
i405
GRAFICO PARA FRACCION DEFECTUOSA O DISCONFORME (p)
E ste gráfico tam bién con ocido con los n o m b re s de g rá ficcTjjy g ra fíco de
p o rce n ta je d e fe c tu o so , es m u y útil en el estu d io del nivel de ca lid a d de un
proceso, cu a n d o este se expresa en porcentaje defectuoso o fracción discon
forme. Este gráfico es conveniente aplicarlo a aquellos procesos que no tengan
porcentajes superiores al 1 0 % . S i esta cifra es s u p e ra d a se deb e optar por la
aplicación de gráficos para defectos.
U n a specto relevante en la aplicación de este gráfico es el hech o de que

puntos qu e están bajo el límite inferior de control, no deben ser elim inados. Por
el c o n tra rio , d e b e n e s tu d ia rs e a fo n d o las c a u s a s de o c u rre n c ia de e s a
situación, con el fin de ejercer accion es que favore zcan la aplicación futura de
esta técnica. D entro de las posibles ca u sa s que se pueden detectar se tienen,
desde el punto de vista optimista, m ejoras considerables en el nivel del proceso
o, desde el punto pesim ista, inspección que no se ejecuta correctam ente, por
ra zo nes de falta de entrenam iento o negligencia.
Si se detectan situaciones favora bles se de b e n estab lecer m e canism o s

que permitan la aplicación efectiva de los m edios que generan una baja fracción
d e fe ctu o sa . Si o cu rre n situ a cio n e s d e s fa v o ra b le s o in d e se a b le s, se de b e n
ejercer de inm ediato las acciones del caso con el fin de elim inar totalmente las
ca u sa s respectivas.
E n la aplicación de este tipo de gráficos se deben utilizar m uestras grandes

q u e p e rm ita n e v id e n c ia r las c o n d ic io n e s de un p ro c e s o . E l ta m a ñ o de la
m uestra d e b e s e r ca lcu la d a u sa n d o la m e to d o lo g ía de m uestreo estadístico
presentada en el capítulo 2.
El tam año de m uestra puede ser constante o variable para cada grupo que
se re c o le cte . S i es co n s ta n te , los lím ites de con trol de p ro c e s o son lín e a s
rectas, tal y c o m o se vio en el ca p ítu lo anterior. S i es variable, los lím ites de
control de proceso pueden ser líneas rectas o líneas quebradas. Esto depende
de qué tan grande sea la variabilidad en el tam año J e la muestra. La decisión de
usar un valor constante o variable depe nde de las características del proceso y
de la facilidad y posibilidad de extraer m uestras de ta m a ñ o constante, form a
que siem pre será la preferida, debido a la facilidad de cálculo.
Lo s dos ca so s qu e se p re sentan a continuación d e m uestran los riesgos

q u e se g e n e ra n p o r u tiliza r lím ites de control de p ro c e s o rectos, c u a n d o lo
requerido eran límites de control de pro ceso quebrados.
Caso A
O b s e r v a n d o la F ig u ra 5 .3 , se no ta , s e g ú n el lím ite recto, q u e el punto

co rre s p o n d ie n te a la m u e stra k está fu e ra de control, sin e m b a rg o , el límite
q u e b ra d o de ta m año de m uestra variable indica lo contrario.
FIGURA 5.3. Representación del Caso A.
Caso B
O b s e r v a n d o la F ig u ra 5 .4 , se nota , s e g ú n el lím ite recto, q u e el punto

c o rre sp o n d ie n te a la m u estra 1 está den tro de control, sin e m b a rg o , el límite
q u e b ra d o de ta m a ño de m uestra variable indica lo contrario.
Al igual que en los gráficos de control para variables, estos gráficos tam
bién se aplican en las tres etapas a sa b e r construcción, análisis y seguim iento.
JORGE ACUÑA ACUÑA
FIGURA 5.4. Representación del Caso B.
C onstrucción d e l gráfico
El procedim iento para la construcción de un gráfico p es el siguiente:
1. Identificar el proceso o m áquina que cau sa problem as de calidad. Esto se

hace con la ayuda de los diagram as de Ishikawa, de Pareto y causa-efecto.
2. A n a liza r en detalle los defectos que ocasionan piezas defectuosas.
3. Determ inar el tam año de la m uestra (n ) segú n el procedim iento ya citado.

E s c o n ve n ie n te q u e esta m u e stra no se a de un ta m a ñ o inferior a veinte
unidades.
4. D e term ina r el nú m e ro de m uestras (m ) por tom ar y el intervalo de m u e s

treo. E s conveniente que este núm ero de m uestras sea superior a quince
y el intervalo deb e ser determ inado de tal form a que se reflejen las condi
ciones del proceso.
5. R e colecta r las m -m u e stra s de tam año n. S e debe anotar aquí toda infor
m a ción qu e se co n sid e re n ecesaria, p u e s se de b e record ar que en este
tipo de gráfico es m ás difícil el estudio de causas asignables. Durante esta
recolección no se deb en ejecutar cam bios ni ajustes en el proceso. Para
ordenar este proceso se puede hacer uso de un formato com o el m ostrado

en el C u a d ro 5.4.
6. R e a liz a r la in s p e c c ió n de las m -m u e s tr a s , s e p a r a n d o co n su d e b id a
identificación a las p ie zas defectuosas o disconform es. S e debe llevar un
registro de la cantidad de piezas defectuosas identificando el tipo y núm ero
de defectos encontrados.
7. C a lc u la r el p o rc e n ta je d e d e f e c tu o s o s o d is c o n fo rm e s u tiliz a n d o la
siguiente expresión:
To ta l de defectuosos en la m uestra np* 100

p ( % ) = ------------------------------------------------------------------------------------= -------------------
tam a ño de la m uestra n
8. C a lc u la r el porcentaje prom edio de defectuosos o disconform es usand o la

_ To talida d de unidades defectuosas en las m -m u e stra s

p ( % ) = --------------------------------------------------------------------------------------------------------------------------------------------------------
nú m ero total de unidades
In p * 1 0 0
p(%) = ----------------
m*n
S e p u e d e calcu lar tam bién co m o el p ro m e dio de los porcentajes ca lcu la

dos en el punto 7. Sin em bargo, existe el problem a de que por redondeo se
pierden los datos originales.
C u a n d o el tam año de la m uestra es variable el término m*n se convierte en

In .
9. C a lc u la r los lím ite s e s p e c ific a d o s y los lím ites de co n tro l de p ro c e s o ,

b a s á n d o se en la distribución binom ial.
a. Lím ite s especificados
E s to s lím ite s p u e d e n e s ta r b a s a d o s en un v a lo r m á x im o , c u a n d o se
establece qu e el porcentaje defectuoso no deb e superar una cantidad fijada o
en un v a lo r prom e dio cu a n d o se especifique el requerim iento en esa form a.
V a lor m áxim o (p = fracción m áxim a especificada)
L S E p= p
V a lor pro m e dio (p = fracción prom edio especificada)
L S E p= p + 3 \J[p(1-p)]/n
L C E p= p
L IE p= p - 3 v[p(1 -p)]/n
b. Lím ites de control del pro ceso
L S C p= p + 3 \J[p(1-p)]/n
L C C p= p
L IC p= P ■ 3 \j [p(1 -p)]/n
El límite superior se red o ndea hacia arriba y el límite inferior hacia abajo,
con dos decim ales.
C u a n d o el límite inferior de control del proceso es negativo, tom a el valor

de c e ro . E n c a s o de q u e el ta m a ñ o de la m u e stra se a va ria b le , se p u e d e n
calcular los límites de control del pro ceso de dos form as:
U sa n d o un tam año de m uestra prom edio calculado com o:
m
X ni
¡=t
n = -----------------------
m
y sustituyéndola en los anteriores límites en lugar de n.

CONTROL DE CALIDAD
• C alcula ndo límites de control individuales m ediante la aplicación de las

anteriores fórm ulas en form a se p a ra d a para cad a m uestra tom ada.
Constru ir el gráfico. El gráfico p presenta en el eje x el núm ero de m uestra,

la hora de recolección, nom bre del recolector, la m áqu ina, etc., y en el eje
y el porcentaje de producto disconform e o fracción defectuosa usando una
escala ade cu a da que permita graficar hasta el valor m ás alto entre el límite
s u p e rio r de control de p ro c e s o y el v a lo r de m a y o r m a g n itu d e ntre los
porcentajes defectuosos o disconform es.
U n a v e z que se tienen los ejes se trazan los límites de control del proceso
y c a d a uno de los p u nto s c o rre sp o n d ie n te s a ca d a m u estra , u niéndo los
con línea recta continua tal y co m o se m uestra en la Figura 5.5. Los límites
e specificado s se p u e d e n s u p e rp o n e r en plástico so b re el gráfico. N o es
con venie nte graficarlos.
álisis d e l gráfico
Al analizar un gráfico p, hay que tener en cuenta dos aspectos principales:
a. La situación del proceso con respecto a sí m ism o
FIGURA 5.5. Representación de un gráfico p

b. El control del proceso con respecto a especificaciones
Si se analiza el prim er aspecto, se pueden encontrar tres situaciones:
• M uestras sob re el límite superio r de control
• M uestras bajo el límite inferior de control
• Te n d e n c ia s
Si existen m u e s tra s sob re el lím ite su perio r de control es n e ce sa rio eli

m inarlas y recalcular una nueva fracción prom edio con sus respectivos límites
de control. El va lo r de la fracción defectuosa m odificada se calcula así:
In p -A
Pm= -----------------------
(m -s )-n
don de :
pm = fracción defectuosa pro m e dio modificada
X n p = total de defectuosos originales
A = total de defectuosos sobre del L S C

P
m = n ú m e ro inicial de m uestras
s = nú m e ro de m uestras que superan el L S C p
n = ta m año de la m uestra
L o s lím ite s d e c o n tro l m o d ific a d o s se re c a lc u la n u s a n d o la fra c c ió n

defectuosa m odificada. C o n estos n u e vo s límites se deb e revisar de n u e vo si
existen puntos fuera. Si los hay, se recalculan de n u e v o p y los lím ites. Si se
elimina m ás del 4 0 % de las m uestras, el estudio pierde validez estadística y por
lo tanto no es conveniente continuar. S e deben introducir mejoras que reduzcan
el porcentaje defectuoso y repetir el análisis con nu e va información.
Las m uestras que se encuentren bajo el L IC p, no deben eliminarse, pero sí

investigar las ra zo n e s de tal situación, pu es tal y co m o se dijo anteriorm ente,
p u e de que sean ca so s especiales dignos de tratar con cuidado.
Si h a y te n d e n c ia s de p e n d ie n te p o sitiva , se d e b e d a r un s e g u im ie n to
estricto al proceso, con el fin de tom ar acciones preventlvas.que eviten qu e la
fracción defectuosa, de un m om ento a otro, supere el L S C p.
Si la tendencia e s negativa, implica un indicio de m ejora en el proceso. De

todas form as se deb e n investigar las ca u sa s para estar seg u ro s de que son de
c arácte r beneficioso y no perjudicial.
U n a v e z que se ha investigado el proceso, se debe analizar la situación del

m is m o con re s p e cto a la e sp e c ifica ció n . S e d e b e te n e r p re se n te a q u í, si la
especificación es un m áxim o o un prom edio. Si no se cum ple con lo especifica
do, se deben introducir m ejoras que dism inuyan la fracción defectuosa o pactar
u na n u e v a fracción con el cliente si es posible. Lo s e g u n d o es la única opción
que qu e da cuando se tiene certeza de que el proceso no tiene posibilidades de
m ejora.
S eg uim ien to d e l g rá fico
U n a v e z q u e s e tie n e c e r t e z a de q u e el p r o c e s o h a s id o a n a liz a d o
deten id am e nte, se p u ede n usar los últim os límites de control de pro ceso para
con trola r las características de calidad hasta que a lca n ce un nivel de calidad
satisfactorio. E s im po rtante en esta e ta p a fijar m e ta s, cu m p lirla s y tra za rs e
n u e v a s. Esto con el fin de bu scar la excelencia en el proceso.
L a a p lica c ió n d e g rá fico s de co n tro l p se p u e d e v is u a liz a r m e jo r en el

F lu jo g ra m a que se presenta en el A p é n d ice II.
EJEMPLO 5.3
U n a lín e a de p ro d u c c ió n de p a n ta lo n e s tie n e g ra n d e s p ro b le m a s de
c a lid a d , p u e s lo s lo te s e s tá n s ie n d o p r o d u c id o s c o n un p r o m e d io de
defectu osos su p erio r al 3 % especificado co m o pro m e dio . Esto ha significado
g ra n d e s v o lú m e n e s de re cha zo en los últimos m eses.
C o n el fin de investigar esta situación se ha recolectado la información que

p re senta el C u a d ro 5.4.
Estudiar este problema usando un gráfico p.

JORGE ACUNA ACUNA 41 3
CUADRO 5.4. Información recolectada para el Ejemplo 5.3
H O JA D E D A T O S — G R A F IC O S D E C O N T R O L P
Artículo: Pantalones Código: PA-678

Inspector: V. Sanabria Especificaciones: 3 % promedio
Línea: 12 Tam año de muestra: n=50
Fecha: 12-09-85 Turno: 1 Hora de inicio: 8:00 am Hoja #1 de 1
Número de muestra 1 2 3 4 5 6 7 8 9 10
Hora 8:00 8:10 8:35 8:51 9:00 9:16 9:29 9:41 9:59 10:07
# de defectuosos 3 8 4 2 5 1 2 10 3 4
Fracc. de defectuosos 0,06 0,16 0,08 0,04 0,10 0,02 0,04 0,20 0,06 0,08
Hora 10:18 10:25 10:31 10:42 10:55 11:03 11:15 11:25 11:35 11:50
#■de defectuosos 3 2 5 4 3 2 7 2 1 4
Fracc. defectuosa 0,06 0,04 0,10 0,08 0,06 0,04 0,14 0,04 0,02 0.08
SOLUCION
I. C onstrucción
L o s P a s o s 1, 2, 3 y 4 fu e ro n r e a liz a d o s d e p re v io a la to m a d e la
información.
Los P a so s 5 ,6 y 7 se encuentran en el C u a d ro 5.4.
P a so 8. C á lc u lo del pro m e dio de defectuosos
_ Zn p 75
p = ------------- =------------------ = 0,0 7 5
m-n 1000
P a so 9. Lím ites de control
a. Lím ites especificados
p = 0 ,0 3 n=50
L S E p = 0 ,0 3 + 3 \j[0,03*(1 -0 ,03)]/50 = 0,11
LCE = 0 ,0 3
P ’
L IE p = 0 ,0 3 - 3 \| [0,03*(1 -0 ,03)]/50 = -0 ,0 4 2
D a d o que el L IE p resultó negativo a su m e el va lo r de cero. S e a :
L IE p= 0
b. Lím ites de control de proceso
L S C p = 0 ,0 7 5 + 3 \|[0,075*(1 -0 ,075)]/50 = 0 , 1 9
L C C = 0 ,0 7 5
P ’
L IC p = 0 ,0 7 5 - 3 \f[0,075*(1 -0 ,075)]/50 = -0 ,0 3 7
El límite inferior se asu m e cero. S e a :
L IC = 0
P
P a so 10. C o n stru cció n del gráfico
L a F ig u ra 5 .6 m uestra el gráfico correspondiente a este ejem plo.
II. A n á lisis d e l grá fico
Al o b s e rva r la F ig u ra 5.6, se nota un punto fuera, el co rresp ondiente a la

m u e s tra N o . 8. P o r c o n s ig u ie n te s e e lim in a y s e p ro c e d e a re c a lc u la r el
p ro m e dio de defectuosos y los lím ites m odificados.
7 5 -1 0 65 65
p m= -----------------------= --------------- = ---------------= 0,068
1
(20-1 )*50 19*50 950
FIGURA 5.6. Gráfico de control p para el Ejemplo 5.3.
LSC
p>
0 ,0 6 8 + 3 \j [0,068*(1 -0,068)]/50 = 0 , 1 8
LCC. 0 ,0 6 8
L IC pm = 0 ,0 6 8 - 3 \[ [0,068*(1 -0 ,068)]/50 = -0 ,0 4
L IC = 0
Al obs e rva r de nuevo la Figu ra 5.6 con los n u evo s límites m odificados, se
nota que no se sale ningún punto. E n cuanto a tendencias no hay nada im por
tante qu e m encionar.
H asta aquí, el pro ceso de fabricación de pantalones es ca p a z de brindar

una calidad prom edio de 6 ,8 % , lo cual está lejos de la especificación 3 % . S e de
be Investigar la causa de tanto rechazo, averiguando cuáles características de
calidad son las m á s problem áticas con el fin de controlarlas en una form a m ás
estricta.
E n general, se puede concluir que en realidad el proceso está produciendo

con un bajo nivel de calidad.
III. S eguim iento
N o e s p o s ib le u s a r e ste g rá fico de con trol p a ra s e g u im ie n to p u e s no

c u m p le con la e s p e c ific a c ió n . S e d e b e repetir el e stu d io c u a n d o se te n g a
ce rte za de que la calidad ha m ejorado.
E J E M P L O 5.4
E n el E je m p lo 5 .3 , se d e s e a in v e s tig a r la s itu a c ió n del p ro c e s o pero

u tiliza n d o m u e s tra s de ta m a ñ o va ria b le . La info rm a ció n se p re s e n ta en el
C u a d ro 5.5. Efe ctúe el análisis a través de un gráfico p.
CUADRO 5.5. Información del Ejemplo 5.4
HOJA DE DATOS — GRAFICOS DE CONTROL p
Artículo: Pantalones Código: PA -6 78

Inspector: V. Solano Especificación: 3% promedio
Línea: 12 Tamaño de muestra: Variable
Fecha: 12-09-85 Turno: 1 Hora de inicio: 7:00 am Hoja # 1 de 1
N ú m e ro d e m u e s tra 1 2 3 4 5 6 7 8 9 10
Hora 7:00 7:30 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30
Tamaño dem uestra 50 58 40 80 68 65 60 44 55 58
# de defectuosos 4 3 5 10 8 4 5 2 1 3
Fracc. defectuosas 0,080 0,052 0,125 0,125 0,118 0,061 0,083 0.045 0,018 0,052
Núm ero de muestra 11 12 13 14 15 16 17 18 19 20
Hora 12:00 1:00 1:30 2:00 2:30 3:00 3:30 4:00 4:30 5:00
Tamaño dem uestra 41 54 60 50 55 65 66 50 41 66
# de defectuosos 2 8 4 5 3 2 4 3 5 1
Fracc. defectuosa 0,049 0.148 0,067 0,100 0,054 0,030 0,061 0,060 0,122 0.015
SOLUCION
I. C onstrucción d e l grá fico
L o s P a s o s 1, 2 , 3 y 4 f u e ro n r e a liz a d o s d e p r e v io a la to m a d e la
inform ación.
Lo s P a so s 5 ,6 y 7 se encuentran en el C u a d ro 5.5.
P a so 8. C á lc u lo de la fracción prom edio de defectuosos
Xnp 82
p= = ------------- = 0 ,0 7 3
Xn 1126
P a so 9. C á lc u lo de límites
S o n los m ism o s del E jem plo 5.3.
b. Lím ites de control del proceso.
S e presentan aquí los dos casos, para efectos de m ostrar su aplicación. La

decisión de cuál usar se da en función del grado de variabilidad del tam año de
la m uestra , lo qu e pu e d e p ro v o c a r dificultades s e g ú n lo pre sentan los casos
citados al inicio del capítulo.
C A S O A . B a sa d o en el pro m e dio del tam año de la m uestra
50 + 58 + 4 0 + ..................+66
n =------------------------------------------------------------ = 56,3
20
L S C p = 0 ,0 7 3 + 3 J [0,073*(1 -0 ,073)]/56,3= 0,18
L C C = 0 ,0 7 3
P
L lC p = 0 , 0 7 3 - 3 \f[0,073*(1-0,073)]/56,3 = -0 ,0 3 1
L IC =0
P
C A S O B . B a sa d o en lím ites individuales
S e d e b e u s a r c u a n d o el ta m a ñ o de la m u e s tra s e a m u y v a ria b le . L o s
límites se presentan en el C u a d ro 5.6.
CUADRO 5.6. Cálculos para límites individuales
# n Vn 0 ,7 8 /V n LS C p
(*) n
1 50 7,071 0,1103 0,184

2 58 7,616 0,1024 0,176
3 40 6,324 0,1233 0,197
4 80 8,944 0,0872 0,161
5 68 8,246 0,0946 0,168
6 65 8,062 0,0967 0,170
7 60 7,746 0,1007 0,174
8 44 6,633 0,1176 0,191
9 55 7,416 0,1052 0,179
10 58 7,616 0,1024 0,176
11 41 6,403 0,1218 0,195
12 54 7,348 0,1061 0,180
13 60 7,746 0,1006 0,174
14 50 7,071 0,1103 0,184
15 55 7,416 0,1052 0,179
16 65 8,062 0,0967 0,170
17 66 8,124 0,0960 0,169
18 50 7,071 0,1103 0,184
19 41 6,403 0,1218 0,195
20 66 8,124 0,0960 0,169
— _ - 3 '[ p*(1-p) 3 ,0,073(1-0,073) 0,78

(*) 3\J[p*(1-p)]/n = -----------------------= -------------------------------------------= ------------
fn >ln íñ
0 ,78 0,78
(**) L S C p= p + ------------------ = 0,0 7 3 + ---------------
fñ IrT
Los límites inferiores de control tienen una m agnitud negativa por lo que se
tom an co m o cero.
La Figura 5 .7 m uestra el gráfico p de este ejemplo, en él se dibujan los dos

tipos de lím ites, para m o stra r qu e p a ra esta m u e stra e sp e c ífica los lím ites
individuales no son necesarios.
II. A ná lisis de l gráfico
Al observar la Figura 5.7, se puede ve r que ningún punto supera el L S C , por

lo qu e se concluye que el proceso está bajo control. Existe una tendencia ne g a
tiva, no m u y pronunciada, que refleja una disminución del porcentaje defectuoso.
E n cuanto a la especificación, este proceso no la cu m ple pues g enera un

prom edio del 7 ,3 % , cuando lo requerido es del 3 % . Por lo tanto, se deben inves
tigar las ca u sa s de ello.
III. Seguim iento
N o es co n ve n ie n te tra b a ja r con este gráfico en la etapa de segu im iento

hasta tanto no se cu m p la con especificación o se llegue a un acu e rd o con el
cliente de ace p tar lo qu e se está pro d u cie n d o , con el co m p ro m iso de q u e se
hará todo lo posible para m ejorar.
Si se desea continuar con la etapa de seguim iento es posible que se den

p u n to s c e rc a del L S C p, p o r lo q u e los lím ite s in d ivid u a le s p u e d e n s e r m á s
efectivos que los límites b asado s en el tam año de m uestra prom edio.
GRAFICO PARA NUMERO DE DEFECTUOSOS (np)

Este gráfico tiene las m ism as características del gráfico p, con la diferencia
de q u e e n lu g a r del v a lo r p en el eje y , se u sa el v a lo r d e np (n ú m e r o de
420
0,18
FIGURA 5.7. Gráfico de controlp para el Ejemplo 5.4

CONTROL DE CALIDAD
defectuosos o disco n fo rm e s). La form a del gráfico es la m ism a, pero la infor

m ación que se obtiene es diferente, pues el gráfico p origina conclusiones con
base en valores relativos, m ientras que el gráfico np las origina con base en v a
lores absolutos. D e p e n d e de lo que se desee se selecciona uno u otro gráfico.
El gráfico np so la m e n te se usa para ta m a ñ o de m u estra con stante. Los

paso s en la construcción, análisis y seguim iento son los m ism os del gráfico p,
con algu nas variantes en los cálculos.
C o n s t r u c c ió n de l g rá fic o
El procedim iento para la construcción de un gráfico np es el siguiente:
1. Identificar el proceso o m áquina qu e causa problem as de calidad. Esto se

hace con la ayuda de los diagram as de Ishikawa, de Pareto y causa-efecto.
2. A n a liz a r e n fo rm a d e ta lla d a , los d e fe c to s q u e o c a s io n a n p ie z a s d e

fectuosas.
3. D eterm inar el tam año de la m uestra (n) según el procedim iento ya citado.
E s co n v e n ie n te qu e esta m u e stra no sea de un ta m a ñ o inferior a veinte
unidades.
4. D eterm inar el nú m ero de m uestras (m ) a tom ar y el intervalo de m uestreo.

E s co n ve nie nte que este n ú m e ro de m uestras sea superior a quince y el
intervalo debe ser determ inado de tal forma que se reflejen las condiciones
del proceso.
5. R e cole ctar las m -m u e stra s de ta m a ñ o n. S e d e b e anotar aquí toda infor

m ación qu e se co n sid e re ne ce sa ria , pu es se de b e record ar qu e en este
tipo de gráfico, al igual qu e en el gráfico p, es m ás difícil el estudio de ca u
sas asignables. Durante esta recolección no se deben ejecutar cam bios ni
ajustes en el proceso. Para tener una recolección m ás ordenada se puede
usar un form ato co m o el que m uestra el C u a d ro 5.7.
6. R ealizar la inspección de las m -m uestras, separando con su debida identi

ficación a las piezas defectuosas o disconform es. S e debe llevar un regis
tro de la cantidad de piezas defectuosas identificando el tipo y núm ero de
defectos encontrados.
7. C a lc u la r el n ú m e ro p ro m e d io de defectuosos o d isco n fo rm e s u sa n d o la
To ta lid a d de unidades defectuosas en las m -m u e stra s

np =■
nú m e ro total de m uestras extraídas
In p
nP = • 100
m
S e p u e d e ca lcu la r tam bién m ultiplicando el ta m a ñ o de la m u estra por la

fracción defectuosa prom e dio.
8. C a lc u la r los lím ite s e s p e c ific a d o s y los lím ites de co n tro l de p ro c e s o ,

ba sá n d o se en la distribución binom ial.
E stos límites p u ede n estar b asados en un va lo r m áxim o, cu a n d o se esta

blece que el n ú m e ro de defectuosos no debe su p e ra r una cantidad fijada o en
un valor pro m e dio cu a n d o se especifique el requerim iento en esa form a.
V a lo r m á xim o (p = fracción m áxim a especificada)
L S E p = np
V a lo r pro m e dio (p = fracción prom edio especificada)
L C E np = np
“
L IE
p

L C C p = np
L|C„p = n p - 3 ' l n p (1 -p )
El límite superior se red o ndea hacia arriba y ei límite inferior hacia abajo,
con dos decim ales.
C u a n d o el límite inferior de control del proceso es negativo, tom a el valor

de cero.
9. C onstru ir el gráfico. El gráfico np presenta en el eje x el núm ero de m u e s

tra, la hora de recolección, nom bre del recolector, la m áquina, etc., y en el
eje y el núm e ro de defectuosos. S e d e b e usar una escala ade cu a d a que
permita graficar hasta el valor m ás alto entre el límite superior de control de
p roceso y el valor de m ás m agnitud entre los núm ero s de defectuosos.
U n a v e z que se tienen los ejes se trazan los límites de control del proceso
y c a d a uno de los pu nto s co rresp o ndientes a ca d a m uestra, uniéndolos
con línea recta continua tal y com o se m uestra en la Figura 5.8. Los límites
especificado s se p u e d e n su p e rp o n e r en plástico sob re el gráfico. N o es
convenie nte graficarlos.
FIGURA 5.8. Representación de un gráfico np

A n á lisis de l grá fico
Al igual que el gráfico p, hay que tener en cuenta dos aspectos principales:
a. La situación del pro ceso con respecto a sí m ism o
b. El control del proceso con respecto a especificaciones
Si se analiza el prim er aspecto, se pueden encontrar tres situaciones:
• M uestras sob re el límite superior de control
• M uestras bajo el límite inferior de control
• T e n d e n c ia
S i e x is te n m u e s tra s s o b re el lím ite s u p e rio r de co n tro l es n e c e s a rio

elim inarlas y recalcular el nuevo prom edio de defectuosos o disconform es con
sus respectivos límites de control. El valor del núm ero prom edio de defectuosos
m odificado se calcula así:
_ In p -F
nPm= ------------------
(m-l)
donde:
npm = nú m e ro prom edio de defectuosos m odificado
X n p = total de defectuosos originales
F = total de defectuosos fuera del L S C np
m = nú m e ro inicial de m uestras
I = nú m e ro de m uestras que superan el L S C np
n = ta m a ñ o de la m uestra
Lo s límites de control m odificados se recalculan usand o el nuevo valor del

prom edio de defectuosos. C o n estos límites se debe revisar de nuevo si existen
puntos fuera. Si los hay, se recalcula de nuevo el prom edio de defectuosos y los
lím ites. S i se elim ina m á s del 4 0 % de las m uestras, el estudio pierde va lid e z
esta d ística y p or lo tanto no es co n v e n ie n te co n tin u a r. S e d e b e n introd u cir
m ejoras que reduzcan el núm ero de defectuosos y repetir el análisis con nueva
información.
La s m uestras que se encuentren bajo el L IC np no deben eliminarse, pero se

deben investigar las razo nes de tal situación, pu es tal y co m o se dijo anterior
m ente, puede qu e sean ca so s especiales dignos de tratar con cuidado.
Si h a y te n d e n c ia s de p e n d ie n te p o sitiva , se d e b e d a r un s e g u im ie n to
estricto al proceso, con el fin de que se puedan tom ar acciones preventivas que
eviten que el n ú m ero de defectuosos, de un m om ento a otro, su pere el L S C np,
Si la tendencia es negativa, implica un indicio de m ejora en el proceso. De

todas form as se deb en investigar las causa s para estar seguros de que son de
carácter beneficioso y no perjudicial.
U n a v e z qu e se h a investigado el p ro ce so , se d e b e an a liza r su situación

con respecto a la especificación. H a y qu e tener pre sente aq u í, si la especifi
cación es un m áxim o o un pro m e dio . Si no se cu m p le con lo especificado, se
deb e n introducir m ejoras qu e dism in uyan el n ú m ero de defectuosos o pactar
una nueva especificación con el cliente si es posible. Lo segundo es la única op
ción q u e q u e d a c u a n d o se tie n e c e rte z a de q u e el p ro c e s o no tiene p o s i
bilidades de m ejora.
S eguim iento d e l gráfico
S e aplica lo ya anotado para el gráfico de control p.
C o n este g rá fico se p u e d e a p lica r el flu jo g ra m a q u e se p re se n ta en el

A p én dice II, siem pre y cu a n d o se cam bien los térm inos que hablan de porcen
taje defectuoso por núm ero de defectuosos.
E JE M P L O 5.5
U n a imprenta desea estudiar su proceso mediante un gráfico de control np.

Para ello, se tom an 20 m uestras de 200 lám inas im presas cada una, las cuales
se m uestran en el C u a d ro 5.7. H a c e r el análisis correspondiente.
CUADRO 5.7. Información recolectada para el Ejemplo 5.5
HOJA DE DATOS — GRAFICOS DE CONTROL np
Artículo: Impresos Código: IP— 458

Inspector: A. Siles Especificación: 2% Máximo
Linea: 1 2-67 Tamaño de muestra: n=200
Fecha: 12-03-85 T urno: 2 Hora de Inicio: 2:00 pm Hoja # 1de 1
Hora 2:00 2:30 3:00 3:30 4:00 4:30 5:00 5:30 6:00 6:30
# de defectuosos 6 7 4 2 10 8 6 4 5 4
Hora 7:00 7:30 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30
# de defectuosos 7 9 2 1 4 12 15 4 3 2
SOLUCION
I. C onstrucción d e l grá fico
L o s P a s o s 1, 2 , 3 y 4 f u e ro n r e a liz a d o s d e p r e v io a la to m a d e la
inform ación.
Los P a so s 5 y 6 se encuentran en el C u a d ro 5.5.
P a so 7. C á lculo del pro m e dio de defectuosos
In p 115
np = --------------= ----------------= 5,75
m 20

i
115
p = ------------------- = 0 ,02875
200*20
L S C np = 5,75 + 3 Í5 ,7 5 * (1 -0 ,0 2 8 7 5 )%= 13
L C C np = 5 ,7 5
L IC np = 5 , 7 5 - 3 '1 5 ,75.(1-0,0287 5) = - 1 , 3 4
El límite inferior se su po n e que es cero. S ea:
L IC np = 0
P a so 9. C onstrucción del gráfico
La Figura 5.9 m uestra el gráfico correspondiente a este ejemplo.
II. A ná lisis d e l grá fico
A l o b s e rv a r la F ig u ra 5 .9 , se nota q u e la m u e stra N o . 17 sale so b re el

L S C np, lo que indica que en el m om ento de tom a de esta m uestra el núm ero de
defectuosos se increm entó. A nte ésto, se elimina esta m uestra y se recalculan
los límites de control de proceso.
In p -1 5 1 1 5 -1 5
n p m= ----------------------= ------------------------------ = 5,26
m -1 19
pm
1 = 1 / 3 8 0 0 = 0 ,0263
L S C np = 5,2 6 + 3 ^ 5 ,2 6 .(1 -0 ,0 2 6 3 ) = 12,0
L C C n p = 5 ,2 6
Fi GURA 5.9. Gráfico de control np para el Ejemplo 5.5
L IC np = 5 ,2 6 - 3 i 5 ,2 6 .(1 -0 ,0 2 6 3 ) = -1 ,9 4
L IC n p = 0
Al o b s e rv a r de nu e vo la F ig u ra 5.9, pero con los n u e vo s lím ites m odifica

d o s , se nota q u e la m uestra N o . 16 está fuera del lím ite su p e rio r de control.
P uesto que aún no se han elim inado m ás del 3 0 % de las m uestras se procede
a recalcular el pro m e dio y los lím ites de control.
1 0 0 -1 5
np
r m= — = 4 ,89
1 9 -1
pm
1 = 88/3800 = 0,0 2 44
L S C np = 4 ,8 9 + 3 'J4 ,8 9 * (1 -0 ,0 2 4 4 ) = 12,0
L C C np = 4 ,8 9
L IC = 4 ,8 9 -3 '1 4 ,8 9 .(1 -0 ,0 2 4 4 ) =
Al observar la Figura 5.9 se nota que

se sale ninguna otra m uestra.
C o n respecto a especificacione s, no h a y cum plim iento, pues el m áxim o

requerido es de 4 unidades disconform es, m ientras que el pro ceso g e nera 12
u nidade s defectuosas co m o m áxim o. D e b e n buscarse soluciones inm ediatas
pues la situación es crítica.
C o n respecto a tendencias, el gráfico m uestra bastante irregularidad, con

altibajos que m erecen ser estudiados.
Seguim iento
El seguim iento con este gráfico no es conveniente, pues no se cum ple con
la especificación, y el pro ceso se encuentra m uy lejos de cum plirla.
M é to d o g rá fic o
C u a n d o no interese analizar tendencias sino m ás bien sa b e r si el proceso

está fuera de control con base en un análisis rápido, se p u e d e utilizar la Figura
5.10. El procedim iento por seguir es el siguiente:
1. S e calcula el valor de np, con base en la fórm ula ya dad a.
2. S e localiza en el eje x el va lo r del nú m e ro de d efectu osos y se tra za una

línea recta hacia arriba hasta intersectar la línea de trazo grueso.
3. S e traza una línea horizontal punteada desde la intersección anterior y el

eje y. Este valor es el L S C np.
4. S e busca en el cuadro de valores de np, la o las m uestras que sobrepasan

el valor del L S C np. Si no hubiese ningún punto fuera de ese límite se dice
que el proceso está bajo control estadístico.
5. Si existen puntos fuera se ejecuta el análisis si corresponde.

Valores de np
FIGURA 5.10. Forma gráfica de aplicar un gráfico de control np.
E J E M P L O 5.6
Resolver el Ejemplo 5.5, utilizando el método gráfico.

1. El valor de np es 5,75 según el E jem plo 5.5.
2. S e localiza el valor de 5,75 en el eje x.
3. Al utilizar la Figura 5.1 0 se obtiene que el L S C np es Igual a 13 defectuosos.
4. Al o b s e rv a r el C u a d ro 5 .7 se nota qu e la m uestra N o. 17 tiene 15 defec

tuosos, por lo que es necesario h acer el análisis.
1 1 5 -1 5
npm= ------------------------= 5,26
20-1
Al localizar el nuevo valor de 5,26 en el eje x de la Figura 5.1 0 se nota que

el L S C np m odificado es 12 defectuosos. Al o bservar de nuevo el C u a d ro 5.7 se
nota q u e la m u e stra N o . 16 se e n c u e n tra fuera de ese lím ite. S e p ro ce d e a
recalcular el valor de np.
1 1 5 -1 5 -1 2
npm= — -------------------- = 4,89
18
Al re visa r de n u e v o la F ig u ra 5 .1 0 , ah o ra con n p m= 4 ,8 9 se tiene qu e el

L S C npsigue siendo 12 defectuosos. Por lo tanto, ya no hay m ás m uestras fuera
del límite superior de control.
E n c o n clu s ió n , se tiene un p ro c e s o qu e brind a un lím ite su p e rio r de 12

defectuosos, el cual es m ayor que el valor especificado de 4 defectuosos. Por lo
tanto h a y que ejercer accion es para dism inuir esa cantidad de defectuosos.
GRAFICO PARA DEFECTOS POR MUESTRA (c)
E ste gráfico, llam ado tam bién gráfico c, sirve para el control de defectos
cu an do éstos se ch eq u e a n por m uestra extraída.
E n estos gráficos, al igual que en los gráficos para defectuosos, los puntos
que están bajo el límite inferior de control no se eliminan, sino que se investigar
sus ca u sa s, pues pueden significar baja cantidad de defectos. La importancia
de estos gráficos es qu e perm iten a n a liza r a fondo aquellos defectos q u e se

p re senta n con m á s frecu e ncia , c u y a red u cció n y posible elim inación, p u e d e
permitir la elim inación o reducción de la cantidad de defectos.
C o m o se ha dicho antes, la clave de éxito de este tipo de control está en la

eficiencia y eficacia de la insp ección . A n te ello, es necesario n o rm a liza r m é
todos y criterios en las decisiones de aceptación y rechazo de unidades. C o m o
u n a a y u d a c la v e a e sto se tie nen los m a n u a le s de in sp e cc ió n b a s a d o s en
m u e s tra s p a tró n q u e e s ta b le z c a n el g ra d o de criticid a d d e c a d a d e fe c to
encontrad o en la línea de producción en estudio.
E s im portante reca lca r qu e por ser atributos los qu e se in speccio n an, se

deb e n tener a d e c u a d o s m e dios de recolección de datos que perm itan la a n o
tación de ca ra cte rística s e sp e cia le s o b s e rv a d a s en el m o m e n to de to m a de
m uestras.
E stos gráficos tam bién se aplican en tres etapas: construcción, análisis y

seguim iento.
C onstrucción d e l grá fico
Los p aso s en la construcción del gráfico c son los siguientes:
1. L o c a liz a r la m á q u in a o lín e a de p ro d u c c ió n con p ro b le m a s de c a lid a d

originados por la cantidad de defectos producidos.
2. C la s ific a r los d e fe c to s , de tal m a n e ra q u e el e stu d io se re a lic e so b re

defectos críticos.
3. S e leccionar el o los defectos sobre los cuales se llevará el gráfico de c o n

trol c.
4. C a lc u la r el ta m a ñ o de la m u e stra n. E s ta m u e stra d e b e s e r de ta m a ñ o
constante.
5. Determ inar el núm ero de m uestras m que se van a extraer. E s re com enda
ble que sea superior a veinte.
6. R ecolectar las m uestra s a un intervalo de m uestreo qu e garantice aleato

riedad y representatividad. El C u a d ro 5.8 m uestra un ejem plo de form ato
que pu e de se r usa do para orga n iza r el proceso de recolección.
8. C a lc u la r los lím ites de control del gráfico b a s á n d o s e en la distribución de

Poisson.
• Si se da el núm ero de defectos en promedio, los límites se calculan así:
L S E C = c + 3 j*e
L C E C= c
L IE C = c - 3 ’
c
• Si se da el nú m ero de defectos com o m áxim o
L S E C= c
donde:
c = nú m e ro de defectos por m uestra especificada
L S C c = c + 3 \|c~
LCC c = c
L IC C = c - 3 'Je
*
9. Construir el gráfico, colocando en el eje x el núm ero de la m uestra y/o fecha

d e e x tra cció n y en el eje y el n ú m e ro de de fe c to s e n c o n tra d o s en c a d a
muestra. La escala debe ser escogida con los cuidados ya explicados en los
ante rio res gráficos. La F ig u ra 5.11 m u e stra un e s q u e m a de este tipo de
gráfico.
FIGURA 5.11. Representación de un gráfico c.
A n á lisis de l gráfico
Si e x iste n m u e s tra s fu e ra de lím ite s d e b e p ro c e d e rs e a re c a lc u la r el

p ro m e d io y los lím ites de control, en especial el límite su p e rio r de control. El
prom edio m odificado se calcula así:
Zc-t
c m= ---------------------------
m -k
donde:
cm= prom edio de defectos por m uestra m odificado
t = total de defectos de las m uestras fuera del L S C c

m = núm ero total de m uestras en el estudio
k = núm ero de m uestras fuera del L S C c
E n cuanto a tendencias, se deben obsen/ar y cuidar aquellas que tiendan

a hacer crecer el núm ero de defectos a niveles que afecten el desem peño de la
línea de producción o m áquina.
C o n respecto a la com paración con especificaciones, se sigue el procedi

m iento usado en el gráfico p. S e deb e po n e r especial cuidado para saber
especificación ha sido establecida co m o un m áxim o o co m o un prom edi .
Seguim iento d e l grá fico
U n a v e z qu e se tiene el p ro ce so o línea bajo control y se cu m p le con la

especificación se procede a construir un gráfico que con tenga los últirhos lími
tes de control. C o n este gráfico se llevará un control a futuro, de tal m anera que
se puedan ejercer acciones correctivas y en especial preventivas. Este gráfico
debe colocarse cerca del lugar de inspección para qu e puntos correspondien
tes a inspecciones recientes se grafiquen lo antes posible. Solo así se pueden
ejercer acciones eficaces.
GRAFICO PARA DEFECTOS POR UNIDAD (u)
E ste gráfico, llam ado tam bién gráfico u, sirve para el control de defectos
cuando éstos se chequean por unidad extraída. La form a de este tipo de gráfico
es exactam ente la m ism a del gráfico c.
D e b e se r u sa d o c u a n d o la can tida d de defectos es alta y por lo tanto la

cuantificación por m uestra es difícil pu es m anejaría núm ero s grandes.
E n estos gráficos, al igual que en los gráficos c los puntos que están bajo el
límite inferior de control no se eliminan, sino que se investigan las causas, pues
p u e d e n significar baja cantidad de defectos. Al igual qu e los gráficos c, éstos
permiten analizar a fondo aquellos defectos que se presentan con m ás frecuen
cia y cu y a reducción y posible elim inación, puede permitir la elim inación o re
ducción de la cantidad de defectos.
El éxito de la aplicación de este gráfico se basa en la eficiencia y eficacia de

la insp e cción , por lo qu e es ne cesario n orm alizar m étodos y criterios para las
decisiones de a ceptación y re cha zo de unidades.
Estos gráficos tam bién se aplican a través de las tres etapas: construcción,
análisis y seguim iento.
Lo s paso s en la construcción dei gráfico u son los siguientes:
1. L o c a liz a r la m á q u in a o lín e a de p ro d u c c ió n con p ro b le m a s de ca lid a d

2. C la s ific a r los d e fe c to s , de tal m a n e ra q u e el e stu d io se re a lice s o b re

defectos críticos.
3. Se le ccio n a r el o los defectos sobre los cuales se llevará el gráfico de c o n

trol u. P a ra q u e se a utilizado un gráfico u y no un gráfico c el n ú m e ro de
defectos debe se r alto.
4. C a lc u la r el ta m a ñ o de la m u e s tra n. E s ta m u e stra d e b e s e r de ta m a ñ o
constante o variable se g ú n lo am erite la tom a de ella.
5. Determ inar el núm ero de m uestras m que se van a extraer. E s recom enda
ble que sea supe rio r a veinte.
6. R e co le cta r las m u e stra s a un intervalo de m uestreo que garantice a le a -

toriedad y representatividad. El C u a d ro 5.8 muestra un ejem plo de formato
para la recolección de inform ación.
7. C a lc u la r el v a lo r d e u p ro m e d io o n ú m e ro de d e fe c to s p ro m e d io p o r
unidad.
m
Ic ,
i=1
u = -------------
m*n
8. C a lc u la r los lím ites de control del gráfico b a sándose en la distribución de

Poisson.
• Si se da el n ú m ero de defectos por unidad en prom edio los límites se

calculan así:
L S E u = ú + 3 \ju/ñ
LC Eu= u
L I E U = u - 3 \fu/ñ
'
L S C u= u + 3 \lu/n
LCC=u
L I C u = ü - 3 \Tu/rT
9. C on s tru ir el gráfico, co locand o en el eje x el nú m ero de la m uestra y/o fe

ch a de extracción y en el eje y el núm ero de defectos por unidad. La escala
d e b e s e r e s c o g id a co n los c u id a d o s ya e x p lic a d o s en los a n te rio re s
gráficos. La F ig u ra 5.12 m uestra un e sq u e m a de este tipo de gráfico.
A n á lisis de l grá fico
S i e x iste n m u e s tra s fu e ra de lím ites d e b e p ro c e d e rs e a re c a lc u la r el

p ro m e d io y los lím ites de control, en especial el límite su perio r. El p ro m e d io
m odificado se calcula así:
FIGURA 5.12. Representación de un gráfico u.
Ic-t
Um= -----------------------
£n - I n h
donde:
um = pro m e dio de defectos por unidad m odificado
t = total de defectos de las m uestras fuera del L S C u
Zn = total de unidades en la m m uestras
X n k = total de unidade s en las k m uestras fuera del L S C u
E n cuanto a tend e ncia s y co m p a ra ció n con especificaciones, se sigue el

m ism o procedim iento del gráfico c.
E sta etapa sigue los m ism os p aso s explicados para el gráfico c.
GRAFICO PARA DEFECTOS POR CIEN UNIDADES
Este gráfico, llamado también gráfico 10Ou, sirve para el control de defec
tos cuando éstos se chequean por cada cien unidades extraídas de un lote o
línea de producción. La form a de este tipo de gráfico es exact; ¡(mente la m ism a

de los gráficos c y u. i
Este gráfico debe ser usado cuando la cantidad de detecte ¡s es baja y por lo
tanto la cuantificación por muestra es difícil pues m anejaría núr heros pequeños.
E n estos gráficos, al igual que en los gráficos c, los puntos cjue están bajo
el límite inferior de control no se elim inan, sino que se investigan las ca u sa s,
pues pueden significar baja cantidad de defectos. La importancia de estos grá
ficos e s que permiten analizar a fondo aquellos defectos que se presentan con
m ás frecuencia y cu ya reducción y posible eliminación, permitiría la eliminación
o reducción de cantidad de defectos.

la inspección. A nte ello, es necesario n orm alizar m étodos y criterios para las
decisione s de aceptación y recha zo de unidades.
C onstrucción de l gráfico
Lo s pasos en la construcción del gráfico 10Ou son los siguientes:
1. L o c a liz a r la m á q u in a o línea de p ro d u c c ió n con p ro b le m a s de ca lid a d

2. C lasificar los defectos, de tal m an e ra que el estudio se realice sob re d e

fectos críticos.
3. S e le cciona r el o los defectos sobre los cuales se llevará el gráfico de co n

trol 10Ou. P ara que se a utilizado un gráfico 10Ou y no un gráfico c o u el
nú m e ro de defectos deb e ser pequeño.
4. C a lc u la r el ta m a ñ o de la m u e stra n. E sta m u e stra d e b e ser de ta m a ñ o

constante o variable según se am erite.
5. D eterm inar el núm ero de m uestras m que se van a extraer. E s recom enda
6. R e co le cta r las m u e stra s a un intervalo de m u estre o qu e garantice a le a

toriedad y representatividad. El C u a d ro 5.8 m uestra un ejem plo de formato
7. C a lc u la r el va lo r de 10Ou p ro m e d io o nú m e ro de defectos p ro m e d io por

ca d a cien unidades.
m
1001c,
_ i= 1
100u = -------------------------
m*n
8. C a lc u la r los límites de control del gráfico ba s á n d o se en la distribución de

Poisson.
• S i s e da el n ú m e ro de d efectos p o r cien u n id a d e s en p ro m e d io los

lím ites se calculan así:
L S E 100u = 10Ou + 100*[3 f u / n ]
L C E IOOu= 100u
L I E 100u = 100u - 100*[3 fu /ñ]
• Si se da el n ú m ero de defectos por unidad c o m o m áxim o
L S E 100u = 100u
donde:
10Ou = nú m e ro de defectos por cad a cien unidade s especificada
L S C )00u= 100u + 100*[3 i u/n]

LCC1(X)u= 100u
L I C ioou = 100u - 100*[3 N u/n] /
9. C onstruir el gráfico, colocando en el eje x el núm ero de la m uestra y/o fecha

de extracción y en el eje y el núm ero de defectos por cada cien unidades. La
escala de b e ser esco gida con los cuidados ya explicados en los anteriores
gráficos. La Figu ra 5.1 3 m uestra un e sq u e m a de este tipp de gráfico.
90-
80"
70
60
lOOu 5 0 —
40
30
20 —
10
-LIC ioo u
4 5 6 7
N ? d e la m u e s tro
FIGURA 5.13. Representación de un gráfico 100u.
A ná lisis d e l$ rá fic o
S i e x iste n m u e s tra s fu e ra de lím ite s d e b e p ro c e d e rs e a re c a lc u la r el

p ro m e d io y los lím ites de control, en especial el límite superio r de control. El
pro m e dio m odificado se calcula así:
[Xc-t]
100u = 1 0 0 * ---------------------------
In - In k
donde:
10Ou = promedio de defectos por cada cien unidades modificado

FIGURA 5.12. Representación de un gráfico u.
Xc-t
Um= -----------------------
Xn - X nk
donde:
= pro m e dio de defectos por unidad m odificado
t = total de defectos de las m uestras fuera del L S C u
Xn = total de unidade s en la m m uestras
X n k = total de unidades en las k m uestras fuera del L S C u
En cuanto a tend encias y co m p a ra ció n con especificaciones, se sigue el

S eguim iento d e l g rá fico
Esta etapa sigue los m ism o s paso s explicados para el gráfico c.
GRAFICO PARA DEFECTOS POR CIEN UNIDADES
Este gráfico, llamado también gráfico 10Ou, sirve para el control de defec
tos cuando éstos se chequean por cada cien unidades extraídas de un lote o
línea de producción. La form a de este tipo de gráfico es exactam ente la m ism a

de los gráficos c y u.
Este gráfico debe ser usado cuando la cantidad de dpfectos es baja y por lo
tanto la cuantificación por m uestra es difícil pues m anejaría núm eros pequeños.
E n estos gráficos, al igual que en los gráficos c, los puntos que están bajo
el límite inferior de control no se elim inan, sino que se investigan las c a u s a n
pues p ueden significar baja cantidad de defectos. La importancia de estos grá
ficos es que permiten analizar a fondo aquellos defectos que se presentan con
m ás frecuencia y cu ya reducción y posible eliminación, permitiría la eliminación
o reducción de cantidad de defectos.

la inspección. A n te ello, es necesario n orm alizar m étodos y criterios para las
decisione s de aceptación y rechazo de unidades.
Los p aso s en la construcción del gráfico 10Ou son los siguientes:
1. L o c a liz a r la m á q u in a o línea de p ro d u c c ió n con p ro b le m a s de calida d

2. C lasifica r los defectos, de tal m a nera que el estudio se realice sob re d e

fectos críticos.
3. S e lecciona r el o los defectos sobre los cuales se llevará el gráfico de co n

trol 100u. P a ra que se a utilizado un gráfico 100u y no un gráfico c o u el
nú m e ro de defectos debe ser pequeño.
4. C a lc u la r el ta m a ñ o de la m u e stra n. E sta m u e stra d e b e ser de ta m a ñ o

constante o variable segú n se am erite.
5. Determ inar el núm ero de m uestras m que se van a extraer. E s recom enda
6. R e co le cta r las m u estra s a un intervalo de m u estre o qu e garantice a le a -

toriedad y representatividad. El C u a d ro 5.8 muestra un ejem plo de formato
7. C a lc u la r el va lo r de 10Ou p ro m e d io o n úm ero de defectos p ro m e d io por

ca d a cien unidades.
m
1001c,
¡=1
100u = -------------------------
m*n
8. C a lc u la r los límites de control del gráfico ba sá n d o se en la distribución de

Poisson.
• Si s e d a el n ú m e ro de d efecto s por cien u n id a d e s en p ro m e d io los

límites se calculan así:
L S E 100u = 10Ou + 100*[3 'I u/n]
L C E 100u= 100u
L I E 100u = 100u - 100*[3 fu /n]
• Si se da el n ú m ero de defectos por unidad co m o m áxim o
L S E 100u = 100u
donde:
10Ou = núm ero de defectos por cad a cien unidades especificada
L S C 100u= 100u + 100*[3 'J u/n]

L C C 1OOu= 1 0 0 u
L I C ioou = 1 0 0 u - 1 0 0 * [ 3 'u /n ] /
9. Construir el gráfico, colocando en el eje x el núm ero de la m uestra y/o fecha

de extracción y en el eje y el núm ero de defectos p o rca d a cien unidades. La
escala de b e ser esco gida con los cuidados ya explicados en los anteriores
gráficos. La Figu ra 5 .1 3 m uestra un e sq u e m a de este tipo de gráfico.
so — - -LSC|<
70 —
60 —
lOOu 5 0 —
4 0 --
30 —
20 —
10 —
H LICioo u
4 5 6 7
N?de la muestra
FIGURA 5.13. Representación de un gráfico 100u.
A ná lisis d e l$ rá fic o
S i e x iste n m u e s tra s fu e ra de lím ite s d e b e p ro c e d e rs e a re c a lc u la r el

p ro m e d io y los lím ites de control, en especial el límite su p e rio r de control. El
prom e dio m odificado se calcula así:
[Ic -t ]
10Ou = 1 0 0 * ---------------------------
In - In k
donde:
10Ou = promedio de defectos por cada cien unidades modificado

t = total de defectos de las m uestras fuera del L S C 100u
X n = total de unidade s en las m m uestras
X n k = total de unida de s en las k m uestras fuera del L S C 100u
En cu a n to a te nd e ncia s y com p a ra ció n con especificaciones, se sigue el

Esta etapa sigue los m ism o s paso s explicados para el gráfico c.
D a d o que los tres gráficos anteriores tienen la m ism a form a, se presenta a

continuación un ejem plo en el que se m uestra que son equivalentes. T a m b ié n
se presenta otro ejem plo en el cual se tienen gráficos para diferentes tipos de
defectos.
EJEMPLO 5.7
U n a e m p re s a qu e se d e d ica a la fa b rica ció n de e n v a s e s de vidrio tiene

problem as de calidad, pues la cantidad de defectos en los en va se s ha crecido
co n sid era b lem e nte. A n te esta situación, se ha decidido instalar un gráfico de
control para defectos.
La especificación es de 0,5 defectos por unidad co m o m áxim o.
P a ra ello, se ha n to m a d o veinte m u e s tra s de d ie z u n id a d e s c a d a u n a ,

originándose la inform ación que se presenta en el C u a d ro 5.8.
SOLUCION
S e construirán en este ejem plo los tres gráficos c, u y 100u, para m ostrar
que los tres son equivalentes a pesar de la diferencia entre sus definiciones. E n
la práctica solam e nte uno deb e ser con sid erad o.
Los p a so s del 1 al 6 ya han sido ejecutados.
Pa so 7. C á lc u lo de valores prom edio

CUADRO 5.8. Hoja de datos para et Ejemplo 5 .7
HOJA DE DATOS — GRAFICOS DE CONTROL ckj,100u
Artículo: Envases de vidrio Código: ÁW -4567

Características: Defectos Especificación: 0,5 por unidad
Operación: Formado Tamaño de muestra: n=10
Operario: Juan Bermúdez Inspector: L. Domínguez
Fecha: 23-04-85 T umo: 3 Hora de inicio: 10:00 pm Hoja # 1 de 1
Hora de toma 10:00 10:10 10:23 10:30 10:35 10:45 10:54 10:59 11:12 11:16
Defectos /muestra 6 5 2 9 14 2 6 4 1 1
Defectos/unidad 0,6 0,5 0,2 0,9 1,4 0,2 0,6 0,4 0,1 0,1
Defectos/100 unidad 60 50 20 90 140 20 60 40 10 10
Hora de toma 11:21 11:35 11:40 11:54 12:08 12:17 12:34 12:45 12:56 1:15
Defectos/muestra 1 4 5 2 1 6 4 3 6 8
Defectos/unidad 0,1 0,4 0,5 0,2 0,1 0,6 0,4 0,3 0,6 0,8
Defectos/100 unidad 10 40 50 20 10 60 40 30 60 80
Ic 90
c = — — = ----------= 4 ,5 defectos por muestra
m 20
Ic 90
u =---------= -----------= 0,45 defectos por unidad
Xn 200
10Ou = 100*0,45 = 45 defectos por cada 100 unidades
• Para el gráfico c
L S E C = 5 + 3 ' T i = 11,7
’
L C E c= 5
L IE c = 5 - 3 \Í5 = -1 , 7
UEc =0
• P a ra el gráfico u
L S E u = 0 ,5 + 3 {0 ,5 / 1 0 = 1,17
L C E u = 0,5
L IE u = 0 , 5 - 3 'Jo, 5/10 = -0 ,1 7
L IE u = 0
• P ara el gráfico 100u
L S E 100u = 100*0,5 + 100*[3 'J0,5/10] = 117
L C E 100u= 100*0,5 = 50
L I E 100u = 1 0 0 * 0 ,5 -1 0 0 * [3 'l0 ,5 / 1 0 ] = -1 7
LIE.oou = 0
b. Lím ite s de control
• P a ra el gráfico c
L S C c = 4,5 + 3 { 4 ^ í = 11
L C C . = 4,5
L IC c = 4,5 - 3 {4 ^5 = - 1 , 9
L IC =0
• P ara el gráfico u
LSCu = 0,45 + 3 \| 0,45/10= 1,1

L C C u = 0,4 5
L IC u = 0 ,4 5 -3 ^ J 0,45/10 = -0 ,1 9
L IC u = 0
• Para el gráfico 100u
L S C 100u = 100*0,45 + 100*[3 nJ0,45/10] = 110
45
L IC ,00u = 100*0,45 -1 0 0 * [3 \ |0 ,45/10] = -1 9
P a so 8. C onstru cción de los gráficos
L a s Figu ra s 5 .1 4 ,5 .1 5 ,5 .1 6 m uestran los tres gráficos. E n ellas se puede

o b se rva r que la form a del gráfico es exactam ente la m ism a. Ante ello, se puede
concluir que en este caso cualquiera de las tres formas de m edir los defectos es
bu e n a . Sin e m ba rgo , por la facilidad de cálculo y la m agnitud de los valores el
m á s a d e c u a d o es el gráfico c.
A n á lisis de los gráficos
Al observar las Figuras 5 .1 4 ,5 .1 5 y 5.16 se nota que la m uestra No. 5 sale

fu era del lím ite s u p e rio r de control. Lo s va lo re s p ro m e d io m odificados y los
n u e vo s límites son:
9 0 -1 4 76
cm = 4 defectos por m uestra
2 0 -1 19
cm: prom edio de defectos por m uestra modificado
L S C c = 4 + 3\(4~ = 10
L C C c = 4
L IC C = 4 - 3 \T4 = -2
L IC c = 0
O)
o
o
2
H
5
O
r~
O
m
FIGURA 5.14. Gráfico de control u para el Ejemplo 5.7 O
>
n
O
>
O
o
J3
O
m
>
o
c
z*
>
>
o
c
z
>
FIGURA 5.15. Gráfico de control cpara el Ejemplo 5.7.

100 u
160"
FIGURA 5.16. Gráfico de control 100u para el Ejemplo 5.7.

CONTROL DE CALIDAD
9 0 -1 4 76
u = -------------------= --------------= 0 ,4 defectos por unidad
2 0 0 -1 0 190
um: prom edio de defectos por unidad m odificado
L S C u= 0,4 + 3 ''10 ,4 / 1 0 = 1
L C C u= 0,4
L I C u= 0,4 - 3 ^0,4/10 = -0 ,2
L I C u= 0
[9 0 -1 4 ] 76
100 u = 100*----------------------- = --------------= 40 defectos por 100 unidades
20 0 -1 0 190
10 0 u m: prom edio de defectos por ca d a 100 unidades m odificado
L S C 100u= 100*0,4 + 100*[3\l0,4/10] = 1 0 0
L C C 100U= 100*0,4 =40
L I C 100u = 100*0,4 - 1 0 0 * [ 3 \ l 0 ,4/10] = - 2 0
E n ninguno de los gráficos se salen m ás muestras. E n cuanto a tendencias

es importante investigar el com portam iento que se presenta de la m uestra No.
6 a la m uestra No. 15 y el que se aprecia de la muestra No. 15 a la No. 20. La pri
m era serie evidencia una tendencia al decrecim iento en el núm ero de defectos,
pero la se g u n d a serie presenta una tendencia contraria.
E n cuanto a especificaciones, éstas no se cu m plen , por lo qu e se deben

h acer los ajustes necesarios para bajar el núm ero de defectos.
Seguim iento
N o es re com endable efectuar un seguim iento con los límites finales obte
nidos, pues aún no se ha logrado cumplir con los niveles de núm ero de defectos
e specificado s. Si se d e s e a se pu e d e n utilizar para identificar los p ro b le m a s
a ctu a le s y a sí e je rce r a c c io n e s p re ve n tiv a s y co rre ctiva s q u e d ism in u ya n el

n ú m ero de defectos en los en va se s de vidrio.
E J E M P L O 5.8
E n el control de re c e p ció n de u na e m p re s a fabrica dora de puertas d e c o

radas se utilizan gráficos de control para defectos por m uestra (c ). Actualm ente
s e re c ib e n lote s de m a d e ra c o rta d a s o b re los c u a le s se in s p e c c io n a n , p o r
m uestreo, tres tipos de defectos principales: defectos A , defectos B y defectos C .
A ctu a lm e n te no h a y e specificacione s estab lecidas por lo qu e se e s p e ra

que este estudio sirva para re c o m e n d a r alguna, si es posible.
S e propone llevar un gráfico para ca d a tipo de defecto y uno para defectos

totales. P a ra cum plir con ello se recolecta la inform ación del C u a d ro 5.9.
C o n s tru y a y analice los gráficos propuestos.
S O L U C IO N
Lo s paso s del 1 al 6 y a han sido ejecutados.
P a so 7. C á lc u lo de valores de c prom edio
• P a ra defectos tipo A
Ic A 115
'A ‘
= 5,75 defectos por m uestra
m 20
• Para defectos tipo B
Ic B 91
c,'B ■= 4,55 defectos por muestra
m 20
Para defectos tipo C

HOJA DE DATOS — GRAFICOS DE CONTROL C
Artículo: Láminas de acero Código: AC 1130

Característica: Defectos A, B y C Especificación: No hay
Operación: Recepción Tamaño de muestra: n=50
Operario: G. Fonseca Inspector: C. Valdés
Fecha: 01 -03-85 T urno: 1 Hpra de inicio: 7 :0 0 am H oja# 1 de 1
Hora de toma 7:00 7:20 7:35 7:43 7:57 8:14 8:35 8:46 9:06 9:35
# de defectos A 5 8 8 1 6 3 5 9 8 10
# de defectos B 6 3 3 5 4 2 4 6 7 4
# de defectos C 8 8 2 6 3 1 3 6 7 3
Defectos totales 19 19 13 12 13 6 12 21 22 17
Hora de toam 9:56 10:14 10:23 10:36 10:44 10:58 11:12 11:23 11:34 11:56
# de defectos A 6 7 8 5 4 3 2 4 7 6
# de defectos B 2 1 5 4 7 3 4 5 6 10
# de defectos C 1 2 5 7 8 9 10 4 3 6
Defectos totales 9 10 18 16 19 15 16 13 16 22
lc c 102
c = -------------- = ---------------= 5,1 defectos por m uestra
m 20
• Para defectos totales
Ic T 308
cT =--------------- = = 15,4 defectos por m uestra
m 20
P a so 8. Lím ites de control de proceso
• Para defectos tipo A

L S C cA4 = 5,7
’
5 + 3 \l 5 ’,7 5 = 13
L C C cAa = 5 ,7
’
5 =6
L IC cA = 5 ’, 7 5 - 3 '15 ,7
’
5 = -1 ,’4
l ic cA =o
• P a ra defectos tipo B
L S C cB = 4,5 5 + 3 ^ 4 ,5 5 =11
L C C cB = 4 ,5 5 =5
L IC cB = 4,5 5 - 3\|~4j55 = -1 ,9
L I CcBr =0
• P a ra defectos tipo C
L S C CC = 5 ,1
7
+ 3 \ Í5’ l T = 12
L C C CC = 5 ,1
7
= 5
L IC CrC = 5 ,1
7 -3 \Í5 ~7T = - 1 ,6
L IC c =0
• P a ra defectos totales
L S CCtl = 1 5 ,4 + 3'115,4 =28
L C C cl = 15,4
7 =15
L IC cT = 1 5 ,4 -3 ^ 1 5 ,4 =3
P aso 9. C onstru cción de los gráficos.
C o n el fin de c o n o c e r el a p o rte de c a d a defecto al total de d e fe c to s es

c o n ve n ie n te d ib u ja r un gráfico c o m p u e s to en el que se pre senten los cuatro
elem entos, se g ú n se m uestra en la Figura 5.17.
A ná lisis de lo s gráficos
Al ob s e rva r la Figura 5.17, se nota que ningún punto se sale de límites en

ningún gráfico. P or ello, no existen ca u sa s asignable s en este estudio, con lo
q u e los lotes se están recibiendo bajo control estadístico.
Si se a n a liza n te n d e n cia s en los gráficos en form a co n ju n ta se pu e d e n

saca r importantes conclusiones acerca de la influencia de cad a uno de los tipos
de defecto en la cantidad de defectos totales.
Si se diera una ponderación a cada tipo de defecto, se tendría que uno de los
tres defectos sería el m ás importante y, por lo tanto, el control se centraría en él.
O b s e rv a n d o en la F ig u ra 5 .1 7 el gráfico de defectos totales, se ve qu e a

partir de la m uestra No. 6, el nú m ero de defectos por m uestra crece, debido a
que la cantidad de defectos de los tres tipos se incrementa, tal y com o se puede
o b serva r en los otros gráficos. T a m b ié n , a partir de la m uestra No. 9 se aprecia
u na d ism in u ció n en el n ú m e ro de defectos totales, d e b id a a la d ism in ució n
sufrida por los defectos tipo B y C .
O tra observación m u y im portante es que a partir de la m uestra No. 13, se

nota u na tend encia a dism inuir en el n ú m ero de defectos totales por m uestra,
deb ida a la te nd e ncia qu e tienen los defectos tipo A , p u e s los defectos tipo B
parecen p e rm a n e ce r constantes y los defectos tipo C tienden a aum entar.
C o n c lu sio n e s de este tipo son las que se pueden obtener cu a n d o se lleva

un gráfico por defecto, de m anera que se pueden tom ar m edidas preventivas y
dism inuir la cantidad de defectos totales.
O tro de los a sp e c to s q u e d e b e a n a liza rs e es el h e c h o de q u e esta ins

pección indica que el proceso de donde provienen los lotes m uestreados, está
bajo control en todos sus tipos de defectos.
D a d o qu e la cantidad de defectos por m uestra se encuentra bajo control

estadístico es posible tom ar los valores prom edio de cada tipo de defecto com o
referencia para estab lecer valores iniciales especificados. D e b id o a que una
especificación siem pre busca el m ejoram ienio de la calidad del producto, no es
re c o m e n d a b le e stab lecerlas al m ism o nivel del pro m e dio , sino a un va lo r un
p oco m á s exigente, el cual se con vierta en una m eta. A s í, los va lo re s e s p e
cificados propuestos pueden ser:
456 CONTROL. DE CALIDAD
1 0 0 ,5 0 ,1 0 y 1, de tal m anera qu e el núm ero total de dem éritos para un período

se determ ina u sand o la siguiente expresión:
D = 1 00 cA+ 5 0 cB+ 10cc + c D
donde:
cA, c B, cc y c Drepresentan el núm ero de defectos de cada tipo por m uestra
Estos gráficos se aplican en las tres etapas ya explicadas en los gráficos

anteriores.
C onstrucción
E n la construcción de un gráfico U sse siguen los siguientes pasos:
1. S e le c cio n a r cuatro ca te gorías importantes de defectos. E sta labor puede

ser a y u d a d a por un gráfico de Pareto.
2. C a lc u la r el ta m año de la m u e s tra n .
3. D eterm inar el núm ero de períodos de estudio. Estos pueden ser sem anas,
m e se s o trim estres entre otros.
4. R egistrar la inform ación por período. El C u a d ro 5.1 0 m uestra un ejem plo

de form ato para la recolección de información.
5. C a lc u la r el valor de U de nú m e ro de defectos del tipo i por unidad.
c.
U= -.....
n
donde:
c es el n ú m e ro de defectos del tipo i por m uestra
6. C a lc u la r el valor del índice de dem éritos.
U s= 1 0 0 U a + 5 0 U b + 1 0 U c + U d
donde:
UA, UB, Ucy UDrepresentan el número de defectos de cada tipo por unidad
7. C a lc u la r los límites de control del gráfico b a s á n d o se en la distribución de

Poisson. Estos límites son para cad a período o sea son individuales.
d onde:
C s= 1002*U a + 502. U b+ 102*Uc + U d
8. C onstruir el gráfico, colocando en el eje x la identificación del período y en

el eje y el índice de d e m éritos (U s). La escala d e b e se r esco gid a con los
cu idado s y a explicados en los anteriores gráficos. La Figura 5.18 m uestra
un e sq u e m a de este tipo de gráfico.
90 LSCus
80
70
60
Us 5 0
40 \
7"
30
20
10
0 2 3 4 5 6 7
\
4 -----------1----------- 1----------- 1----------- 1---------- -----------1----------- 1-----------1---------- + ~ L I C u s
8 9 10 II
o
Período de tiem po
FIGURA 5.18. Representación de un gráfico Us
A nálisis de l gráfico
Si existen puntos fuera de límites se puede elim inar el período co rresp on
diente, pero se deben investigar las causas. N o es necesario recalcular ningún
valor pu e s los períodos se analizan en form a independiente.
r
C.
Ce
LSCc c
CT
FIGURA 5.17. Gráficos de control c para el Ejemplo 5.8.

cA = 4 defectos tipo A por m uestra
c B = 4 defectos tipo B por m uestra
cc = 4 defectos tipo C por m uestra
cT = 12 defectos totales por m uestra
S eguim iento
D e bido a la estabilidad presentada por los diferentes tipos de defectos es

im p o rta n te c o lo c a r los lím ites de con trol en un g rá fico , q u e s e rv irá p a ra ir
tom ando información periódica, y que permitirá la tom a de acciones correctivas
o pre ve ntivas si se am eritan.
A d e m á s por m edio de este se g u im ie n to se p u e d e n introducir m ejo ras y

establecer especificaciones m ás rígidas que poco a poco con du zcan a m ejorar
la a pa rie n cia de las p uertas de co ra d a s. Las especificaciones iniciales deb en
se r revisadas periódicam ente para adaptarlas a las condiciones que m uestre el
proceso.
GRAFICO PARA DEMERITOS
E ste gráfico, tam bién con ocido co m o gráfico U s, es una form a gráfica de
calificar la ca lida d de un p ro ce so . E s te gráfico es para uso adm inistrativo y
p erm ite o b s e rv a r el g ra d o en q u e la can tida d e im po rtancia de los defectos
afectan el desarrollo de un proceso.
Si la tendencia que sigue el gráfico es de pendiente positiva, se tom arán m e

didas adm inistrativas qu e en el próxim o período perm itan cam biar esa te n d e n
cia. E n este gráfico los defectos se m iden a través de una unidad llamada d e m é
rito que es una ponderación multiplicada por el núm ero de defectos por m uestra.
El sistem a de ponderación usado en este gráfico se basa en el sistem a de

D o d g e -T o r r e y , el cual establece cuatro categorías de defectos con peso s de
Lo m ás im portante en este ca so son las tendencias pues son las q u e per

miten evaluar la función administrativa en cuanto a calidad se refiere. Las accio
nes por tom ar deben se r lo m ás eficaces posibles, de tal m anera que los resul
tados se p uedan ob s e rva r en la etapa de seguim iento.
S eguim iento d e l grá fico
E n esta e ta p a se e v a lu a rá n las a c c io n e s a d m in istra tiva s to m a d a s , las

cuales serán positivas si logran cam biar tendencias perjudiciales en la cantidad
de defectos que originan las líneas de producción.
E J E M P L O 5.9
U n a em p re sa de confección de ropa desea llevar un control administrativo

s o b re cu a tro tipos de de fe c to s q u e s o n : ca rrile s (A ) , c o s tu ra s s u e lta s (B ),
tonalidad ( C ) y m a n c h a s (D ). P a ra ello tom a la inform ación de la can tida d de
defectos en los últimos doce m eses, la cual se presenta en el C u a d ro 5.10.
Pre sentar una form a de control m ediante un gráfico U s.
S O L U C IO N
Lo s paso s del 1 al 4 se encuentran en el C u a d ro 5.10.
L o s p a s o s del 5 al 7 se e n c u e n tra n en el C u a d r o 5 .1 1 . E ste c u a d ro se

construye para facilitar los cálculos y registrar la información adicional que se va
genera ndo.
C o m o se p u e d e o b s e rv a r los cá lcu lo s de los va lo re s de U se h a ce n por

período, lo cual permite calcular los límites de control en form a individual. Esto
g e n e ra rá un gráfico de control con lím ites q u e b ra d o s . S e p u e d e c a lc u la r un
límite constante si se desea, pero para ello el tam año de la m uestra no debe ser
q l t a m o n t o \ /a ri í}h lp »
HOJA DE DATOS - GRAFICO Us
Artículo: Piezas de confección CODIGO: Varios

Característica: Defectos A,B,C y D Especificación: No aplica
Operación: Línea de confección Periodo: Mensual
Operario: G. Fernández Inspector: C. Calero
Fecha:01-01-85 al 15-12-85 Unidad: Defectos* 102 Hoja #1 de 1
Mes E F M A M J J A S O
Tamaño de muestra 35 40 30 38 37 34 30 41 35 36
# de defectos A 10 15 18 14 10 9 18 14 18 10
# de defectos B 8 7 6 9 10 5 8 9 6 10
# de defectos C 7 10 11 12 5 7 8 9 10 11
# de defectos D 4 8 7 5 3 10 12 13 8 7
Mes N D
Tamaño de muestra 38 42
# de defectos A 2 12
# de defectos B 12 8
# de defectos C 9 7
# de defectos D 5 3
CUADRO 5.11. Cálculo de limites de control para el gráfico Us
MES n D Uc uD u, c. au LSC L IC
Enero 35 1474 0,290 0,230 0,200 0,110 42,61 3486,1 9,98 72,55 12,67
Febrero 40 1958 0,375 0,175 0,250 0,200 48,95 4212,7 10,26 79,74 18,16
Marzo 30 2217 0,600 0,200 0,370 0,230 73,90 6537,0 14,76 118,20 29,60
Abril 38 1975 0,370 0,240 0,320 0,130 51,97 4332,0 10,68 84,00 19,93
Mayo 37 1553 0,270 0,270 0,135 0,080 41,97 3388,6 9,57 70,70 13,20
Junio 34 1230 0,265 0,147 0,206 0,294 36,18 3038,4 9,45 64,53 7,82
Julio 30 2292 0,600 0,270 0,270 0,400 76,40 6702,0 14,95 121,20 31,60
Agosto 41 1953 0,340 0,220 0,220 0,320 47,63 3972,0 9,84 77,16 18,10
Setiembre 35 2208 0,510 0,170 0,290 0,230 63,10 5554,0 12,60 100,90 25,30
Octubre 36 1617 0,278 0,278 0,306 0,200 44,92 3505,8 9,87 74,52 15,31
Noviembre 38 1595 0,240 0,320 0,240 0,130 41,97 3224,0 9,21 69,60 14,34
Diciembre 42 1673 0,286 0,190 0,170 0,071 39,83 3352,0 8,94 66,63 13,03
P a s o 8. C o n s tru c c ió n del gráfico. La F ig u ra 5 .1 9 pre se n ta el gráfico U s

correspondiente.
E F M A M J J A S O N D
MESES
FIGURA 5.19. Gráfico de deméritos para el Ejemplo 5.9.
A n á lisis d e l gráfico
Al o b s e rva r la Figu ra 5 .1 9 , se pueden anotar a lg unos aspectos im portan

tes. E n tre ellos:
a. La tendencia aparenta ser cíclica. S e ría m uy conveniente agregar m ás in

form a ción que perm ita p ro b a r la hipótesis de que los ciclos p re sentado s
son significativos. E s importante, en caso de que exista ciclicidad, e n c o n
tra r las c a u s a s d e e s a situ ación, p u e sto que ésta es perjudicial p a ra el
control.
b. Los índices de dem éritos m ás altos se presentaron en los m eses de m arzo

y ju lio . E s c o n v e n ie n te in v e s tig a r q u é c a r a c te r ís tic a s o s itu a c io n e s
im portantes se gene ra ron en esos m eses.
c. El índice de dem éritos m ás bajo es el correspondiente al m es de junio. E s

c o n v e n ie n te a v e rig u a r qu é a sp e c to s b u e n o s se im p le m e n ta ro n en ese
p eríodo que perm itieron dism inuir el nú m ero de defectos.
d. A partir del m e s de setiem bre se nota u na cla ra te n d e n cia del índice de

dem éritos a disminuir.
e. D e a c u e r d o c o n la v a r ia b ilid a d e n el ta m a ñ o d e la m u e s tra , no es
conveniente trabajar con límites prom edio. Si se pudiera trabajar con ellos,
se calculan así:
S u m atoria de la co lu m n a de límites superiores

L S = -------------------------------------------------------------------------------------------------------------
nú m ero de períodos
S u m atoria de la colu m n a de límites inferiores

L l = ---------------------------------------------------------------------------------------------------------------
núm ero de períodos
E n general, se puede decir que un gráfico de dem éritos, bien llevado, puede
ser una excelente arm a administrativa, que permite evaluar la labor de la organi
za ció n y llevar un control m acro del com portam iento de calidad del producto.
S eguim ien to d e l grá fico
E n esta e tapa se eva lu a rá n las a cc io n e s adm inistrativas to m a d a s en el

p e río d o de e s tu d io a n te rio r. S e d e b e n e m p le a r los lím ite s y a fija d o s y se
m odificarán u na v e z que se tenga n u e v a inform ación del períod o en estudio.
La s m edidas qu e se tom en deben g arantizar cam bios positivos de tendencias
perjudiciales en la cantidad de defectos que originan las líneas de producción.
RESUMEN
En este capítulo, se han a nalizad o los diferentes gráficos de control para

atributos y se han podido analizar las ventajas que éstos ofrecen con respecto
a los gráficos de control para variables.
Estos gráficos tienen ia ventaja de qu e permiten el control de varias carac

terísticas a la v e z , pe ro la d e s ve n ta ja de qu e no son eficientes para detectar
ca u sa s asignables de variación.
C o n el fin de decidir qué gráfico usar se debe determ inar prim ero si el co n
trol se hará para defectuosos o para defectos. Si la cantidad de defectuosos es
excesiva se deb e optar por el control por defectos.
U n aspecto relevante en el uso del control por atributos es el desarrollo de

m a n u a le s de in s p e c c ió n c u y o obje tivo es m in im iz a r el e m p le o d e criterios
subjetivos por parte de los inspectores.
PREGUNTAS DE REPASO
1. ¿ P o r q u é e s útil un m a n u a l de in s p e c c ió n ? E x p liq u e las p a rte s q u e lo
co m p on e n.
2. S eleccione en una e m presa industrial, una línea de producción y clasifique

los defectos encontrados.
3. ¿ P o r q u é d e b e n s e r c la s ific a d o s los d e fe c to s , los d e fe c tu o s o s y los

disconform es? Explique las diferencias entre ellos.
4. ¿ Q u é peligros se corre n al u sa r lím ites b a s a d o s en ta m a ñ o de m u estra

prom edio en lugar de límites individuales en gráficos de control p?
5. ¿ Q u é de sve n ta ja s tiene el uso del m étodo gráfico en gráficos de control

np?
6. ¿ Q u é criterios se de b e n s e g u ir para decidir si el control por atributos se

hará para defectuosos o para defectos?
7. ¿ Q u é criterios se deben seguir para seleccionar entre un gráfico de control

c, u o 100u?
8. Ela bore un form ato qu e perm ita recolectar inform ación sobre varios tipos
de defectos y qu e se p uedan graficar en el m ism o form ato.
9. ¿ Q u é ventajas y desventajas tiene el uso de gráficos de dem éritos?
10. S e le c cio n e una línea de p ro d u cció n y elabore un m a n u a l de inspecció n

para los defectos que se g eneren en ella.
PROBLEMAS
1. C o n el fin de iniciar el diseño de un sistem a de control de proceso basado

en atributos para la línea de cam isas, un ingeniero construyó un diagram a
d e Ishikaw a que originó el siguiente listado de características de calidad:
1. La rgo del rollo de tela

2. A n c h o del rollo de tela
3. H u e c o s
4. C arriles
5. M a n ch a s
6. C o rte s torcidos
7. C o stu ra s torcidas
8. Distancia entre ojales
9. T e la desteñida
10. A juste de rayas
11. F o rm a del cuello
12. H o m b ro caído
13. C o stu ra s sueltas
14. M arca en el e m paq ue
15. Im presión del e m paq ue
16. B otones sueltos
C o n b a s e en este listado, tom ó 150 ca m is a s y e n c o n tró la cantidad de

defectos indicada en el C u a d ro 5.12.
¿ C u á le s son los defectos sobre los que se basará el sistem a planteado?
2. E n una fábrica de e nvase s de vidrio recién instalada, se ha iniciado el esta

ble cim iento de un sistem a de control de pro ceso por atributos. S e deter
m inó co m o área de inspección la litografía, debido al volum en de rechazo
que se está g e nerando en esa sección. D ado que la inspección se ejecuta
diariam ente sob re la totalidad pro du cida, el vo lu m e n de inspección será
proporcional al volu m en de producción. El 1 de abril se recibió un informe
del inspector de la línea de litografía, el cual se m uestra en el C u a d ro 5.13.
a. ¿ C u á l fue la fracción defectiva del m es de m arzo?
b. ¿ C u á le s son los límites de control basados en el m es de m arzo?

CONTROL DE CALIDAD
CUADRO 5.12. Información recolectada de defectos
D EFEC TO N IV E L DE C R ITIC ID A D No.
Carriles Crítico 15
Huecos Crítico 28
Manchas Crítico 25
Costuras sueltas Menor 125
Costuras torcidas Mayor 100
Tela desteñida Mayor 55
Cuello deformado Mayor 15
Impresión torcida Incidental 25
Rayas desajustadas Crítica 30
Ojales disparejos Incidental 100
Botones sueltos Incidental 50
Hombro caído Crítica 23
c. Efectúe un análisis sobre el gráfico p del m es de m arzo.
d. ¿ Q u é fracción defectiva re c o m e n d a ría co m o especificación para el

m es de abril?
El 1° de m ayo se recibió el informe del m es de abril, el cual se m uestra

e. C o n s tru y a y a n a lic e un grá fico p b a s a d o en la in fo rm a ció n de los

m e se s de m a rzo y abril.
f. ¿ Q u é tan acertada fue la especificación recom endad a en el punto d.?
g. ¿ C u á l fue la p ro d u c c ió n d ia ria p ro m e d io b u e n a del m e s de abril?

¿ C u á l es el va lo r esperado para el m es de m a yo ?
h. ¿ Q u é lím ite s d e c o n tro l p ro p o n e p a ra el m e s d e m a y o ? ¿ S e r á

conveniente tom ar la fracción defectiva pro yectada del m es de m ayo
co m o el pro m e dio de los dos m eses anteriores?
CUADRO 5.13. Informe del inspector para el mes de marzo
H O JA D E D A T O S - G R A F IC O S D E C O N T R O L p
Artículo: Envases de vidrio Código: AT-4567

Operación: Litografía Tam año de muestra: variable
Fecha de inicio 03-03-85 Hoja #1 de 1 Inspector: L. Lara
Día LUNES MARTES MIERCOLES JUEVES VIERNES
SEM ANA No. N np N np N np N np N np
Marzo 3
Marzo 7 1 172 18 68 10 75 12 76 16 65 10
Marzo 10
Marzo 14 2 77 7 78 18 70 10 60 11 72 9
Marzo 17
Marzo 21 3 78 12 62 6 70 10 71 9 62 12
Marzo 24
Marzo 28 4 58 5 57 6 77 7 75 5 74 11
Marzo 31 5 68 8
i. ¿ S e tiene suficiente inform ación para dar una especificación para el

futuro?
3. E n u n a e m p re s a la ra zó n de p ro d u c c ió n es de 9 0 0 0 u n id a d e s d iarias.
C o m o plan de m uestreo se sacan m uestras de 100 piezas por día, directa
m ente de la línea de producción. Lo s datos de los prim eros veinte días se
m uestran en el C u a d ro 5.15.
a. Efectúe un control por atributos usando un gráfico p.

CONTROL DE CALIDAD
CUADRO 5.12. Información recolectada de defectos
D EFEC TO N IV E L D E C R IT IC ID A D No.
Carriles Crítico 15
Huecos Crítico 28
Manchas Crítico 25
Costuras sueltas Menor 125
Costuras torcidas Mayor 100
Tela desteñida Mayor 55
Cuello deformado Mayor 15
Impresión torcida Incidental 25
Rayas desajustadas Crítica 30
Ojales disparejos Incidental 100
Botones sueltos Incidental 50
Hombro caído Crítica 23
c. Efectúe un análisis sobre el gráfico p del m es de m arzo.
d. ¿ Q u é fracción defectiva re c o m e n d a ría co m o especificación para el

m es de abril?
El 1° de m ayo se recibió el informe del m es de abril, el cual se m uestra

e. C o n s tru y a y a n a lic e un grá fico p b a s a d o en la in fo rm a ció n d e los

m e se s de m a rzo y abril.
f. ¿ Q u é tan acertada fue la especificación recom endad a en el punto d.?
g. ¿ C u á l fue la p ro d u c c ió n d ia ria p ro m e d io b u e n a del m e s de abril?

¿ C u á l es el va lo r esperado para el m es de m a yo ?
h. ¿ Q u é lím ite s d e c o n tro l p ro p o n e p a ra el m e s d e m a y o ? ¿ S e r á

conveniente tom a r la fracción defectiva pro yectada del m es de m ayo
co m o el pro m e dio de los dos m eses anteriores?
CUADRO 5.13. Informe del Inspector para el mes de marzo
Artículo: Envases de vidrio Código: AT-4567

Fecha de inicio 03-03-85 Hoja #1 de 1 Inspector: L. Lara
SEM ANA No. N np N np N np N np N np
Marzo 3
Marzo 7 1 172 18 68 10 75 12 76 16 65 10
Marzo 10
Marzo 14 2 77 7 78 18 70 10 60 11 72 9
Marzo 17
Marzo 21 3 78 12 62 6 70 10 71 9 62 12
Marzo 24
Marzo 28 4 58 5 57 6 77 7 75 5 74 11
Marzo 31 5 68 8
i. ¿ S e tiene suficiente inform ación para dar una especificación para el

futuro?
3. E n u n a e m p re s a la ra zó n de p ro d u c c ió n es de 9 0 0 0 u n id a d e s d iarias.
C o m o plan de m uestreo se sacan m uestras de 100 piezas por día, directa
m ente de la línea de producción. Lo s datos de los prim eros veinte días se
m uestran en el C u a d ro 5.15.
a. Efectúe un control por atributos usando un gráfico p.

CU A ORO 5.14. Informe del inspector para el mes de abril
Artículo: Envases de vidrio Código: A T-4567

Fecha de inicio: 01-04-85 Hoja 1de 1 Inspector: L. Lara
SE M A N A No. N np N np N np N np N np
Abril 1
Abril 5 1 64 5 68 6
Abril 7
Abril 11 2 65 10 66 10 67 6 68 5 64 7
Abril 14
Abril 18 3 68 10 64 12 65 5 66 6 67 8
Abril 21
Abril 25 4 64 4 62 5 64 6 68 8 65 5
Abril 28 5 66 8 65 9 64 10
b. R e co m ie n d e una especificación para el futuro.
4. El C u a d ro 5.1 6 proporciona los resultados de una inspección sobre rollos

de tela en el m e s de abril.
a. C o n s tru y a y analice un gráfico c y un gráfico u.
b. ¿ Q u é valor de defectos prom edio recom ienda para el m es siguiente?
c ¿ Q u é con clu sione s obtiene de su estudio?
5. E n extrusión de v ig a s de M g I éstas se cortan en form a longitudinal con

dim ensión 90 cm y luego se inspeccionan g e n e ra n d o el C u a d ro 5.1 7.
Artículo: Fajas de cuero y vlnll Código: ZV-5210

Características:Defectuosos Especificación: 7 % máximo
Operación: Revisado final Tam año de muestra: n=100
Operario: JoséBism arck Inspector: L. Coronado
Fecha:23-10-85 Turno: 3 Horade inicio:10:00pm Hoja #1 de 1
Hora de toma 7:00 7:30 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30
# de defectuosos 13 10 7 7 11 8 12 13 10 13
Hora de toma 12:00 1:00 1:30 2:00 2:30 3:00 3:30 4:00 4:30 5:00
# de defectuosos 13 10 8 14 18 10 15 8 13 9
H O JA D E D A T O S - G R A F IC O S D E C O N T R O L c y u
Artículo: Rollos de tela de algodón Código: AS-5210

Características:Defectos Especificación: 2 en promedio
Operación: Inspección de recepción Tam año de muestra: n=50
Operario: Juan Solera Inspector: L. Cortés
Fecha23-07-85 Turno: 1 Hora de inicio: 7:00am Hoja #1 de 1
Hora de toma 7:00 7:30 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30
# de defectuosos 3 3 6 3 1 1 3 5 7 8
Hora de toma 12:00 1:00 1:30 2:00 2:30 3:00 3:30 4:00 4:30 5:00
# de defectuosos 4 10 5 4 3 1 5 4 1 3
CUADRO 5.1 7. Datos para el Problema 5
H O JA D E D A T O S - G R A F IC O S D E C O N T R O L c y u
Artículo: Vigas de Magnesio en I Código: VM-3218

Características: Defectos Especificación: No hay
Operación: Inspección de recepción Tam año de muestra: n=200
Operario: Jaime Solano Inspector: H. Corrales
Fecha:28-05-84 Tu rn o :1 y 2 Hora de inicio: 7:00am Hoja #1 de 1
Hora de toma 7:00 7:30 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30
# de defectos 22 27 17 22 19 28 31 38 24 12
Hora de toma 12:00 1:00 1:30 2:00 2:30 3:00 3:30 4:00 4:30 5:00
# de defectos 41 18 28 33 36 43 28 30 20 17
Hora de toma 5:30 6:00 6:30 7:00 7:30 8:00 8:30 9:00 9:30 10:00
# Defectos 23 27 12 15 17 3 18 45 60 77
a. C o n s tru y a y analice un gráfico c y uno 10Ou. C o m p á re lo s.
b. ¿ Q u é conclusiones sa ca U d . de este estudio?
c. ¿ Q u é valor de c prom edio recom ienda para el siguiente período?
d. ¿ Q u é valor especificado recom ienda?
6. U n a líne a de p ro d u cció n de ju g u e te s de rueda tiene p ro b le m a s de cali

d a d q u e s e p re s e n ta n c o m o d o s d e fe c to s im p o rta n te s , d e fe c to s A y
defectos B.
C o n el fin de h a c e r un e s tu d io se to m a n 20 m u e s tra s o rig in á n d o s e la

inform ación presentada en el C u a d ro 5.18.
a. C o n s tru y a tres tipos de gráficos e indique cu á le s se ria n los lím ites

para la etapa de seguim iento.
b. ¿ Q u é su geren cias tiene para m ejorar la calidad de este producto?
c. ¿ Q u é especificaciones sugiere para el futuro?
d. ¿ Q u é probabilidad de detectar puntos fuera de límites tienen los tres

gráficos construidos en a?
7. U n a m u e ble ría tiene pro b le m a s de calidad con cuatro características de

calidad asociadas a cuatro tipos de defecto. Para investigar la situación se
H O JA D E D A T O S - G R A F IC O S D E C O N T R O L PO R A T R IB U T O S
Artículo: Juguetes de rueda Código: JR-4879

Características: Defectos A y B Especificación: No hay
Operación: Ensamble Tam año de muestra: Variable
Operario: Carlos Salas Inspector: L. Domínguez
Fecna:27-03-85 Turno:1 Hora de inicio: 7:00 am H oja#1de1
Tam año de muestra 59 45 74 80 35 39 49 51 73 68

# de defectos A 39 18 28 35 36 28 28 18 35 39
# de defectos B 20 13 12 15 15 10 20 10 14 20
# de defectos 5 4 8 19 2 5 4 3 8 7

# de defectos A 39 30 41 20 21 31 30 31 39 41
# de defectos B 30 39 15 30 15 18 14 15 12 10
# de defectuosos 8 12 8 22 13 4 10 11 15 31
tom an 2 0 m uestra s de ta m año variable, originándo se la inform ación que

presenta el C u a d ro 5.19.
a. H a g a un p are tog ra m a con la siguiente ponderación: 1 0 0 ,5 0 , 25, y 1

para defectos A , B, C y D respectivam ente.
H O J A D E D A T O S - G R A F IC O S D E C O N T R O L P O R A T R IB U T O S
Artículo: Muebles Código: JR -4879

Características: Defectos A ,B ,C y D Especificación: 12%
Operario: Cecilia Borbón Inspector: L. Zapata
Fecha:01-01-85 Turno:1 Hora de inicio: 7:00am Hoja#1de1
Fecha 1 2 3 4 5 8 9 10 11 12

# de defectos A 18 25 8 13 8 15 8 25 10 28
# de defectos B 20 18 15 13 12 14 18 17 13 10
# de defectos C 15 10 28 17 29 11 20 19 10 28
# de defectos D 12 13 17 18 19 11 12 11 3 4
# de defectuosos 13 8 10 10 5 5 8 13 12 8
Fecha 15 16 17 18 19 22 23 24 25 26

# de defectos A 16 17 16 14 11 9 10 9 17 15
# de defectos B 18 15 10 10 17 14 12 23 15 19
# de defectos C 18 15 14 15 16 17 20 18 17 16
# de defectos D 13 11 9 8 7 16 15 14 11 8
# de defectuosos 5 14 8 7 10 8 17 3 4 10
b. C o n s tru y a y a n a lic e un g rá fic o d e co n tro l p c o n lím ite s re c to s y

que brados. Analice las ventajas y desventajas de uno y otro.
c. C onstru ya y analice un gráfico de control c para cad a tipo de defecto y

uno para defectos totales.
d. Si se da u na especificación prom edio del 5 % para defectuosos y de 5

defectos en prom edio para defectos totales, ¿cuál es la situación de
esta línea de producción?
e. C o n s tru ya y analice un gráfico u para defectos tipo D .
f. ¿ Q u é límites de control propone usar en el período siguiente?
g. C o n s tru ya un gráfico de Indice de dem éritos.
8. E n un p ro c e s o d e co rte y c o n fe c c ió n s e in s p e c c io n a n 2 0 lotes d e 20
c a m is a s c a d a un o . L o s resu ltados d e la in sp e cció n se pre se n ta n en el
C u a d ro 5 .20 . La especificación se ha fijado en un p ro m e d io de 5 % para
defectuosos y en 10 defectos co m o m áxim o.
H O JA D E D A T O S - G R A F IC O S D E C O N T R O L P O R A T R IB U T O S
Artículo: Camisas Código: CA-3412

Características: Defectos Especificación: 10% 10
Operación: Corte y Confección Tam año de muestra: n=20
Operario: Carlos Salazar Inspector: L. Domínguez
Fecha:27-08-85 Turno:1 Horade inicio: 7:00am Hoja#1 de 1
# De defectos 15 19 20 25 5 14 5 20 0 13
# De defectuosos 5 8 3 4 3 2 1 5 0 4
Nímero de muestras 11 12 13 14 15 16 17 18 19 20
# De defectos 15 18 15 10 5 0 12 11 9 15
# De defectuosos 6 8 4 5 1 0 5 3 / 8
a. ¿ Q u é p u e d e d e c ir U d de este p ro c e s o ? Ju s tifiq u e su a n á lisis con

núm ero s.
b. ¿ Q u é pro p one h acer en el futuro?
9. E n u n a p la n ta q u e tra b a ja tre s tu rn o s se h a lle v a d o un re g is tro de

im perfecciones de acuerdo con el tam año de m uestra seleccionado, el cual
se m uestra en el C u a d ro 5.21.
CUADRO 5.21. Registro de información para el Problema 9
Lunes Martes Miércoles Jueves Viernes Sábado
Turno c n c n c n c n c n c n
6a 2 16 16 21 27 6 17 18 11 17 27 3 25
2 a 10 4 20 6 34 1 6 9 33 6 21 1 37
10a 6 15 11 16 19 1 22 9 28 5 35 2 17
a. A n alice la situación a través de un gráfico de control.
b. Si se pide una especificación ¿cuál recom endaría?
c. ¿ Q u é im plicaciones tiene este estudio?
d. D e te rm in e la p ro b a b ilid a d de q u e tres p u n to s co n s e c u tiv o s e stén

sob re el límite superior de control?
10. E n u n a e n s a m b la d o r a d e a u to m ó v ile s se d is p o n e de un re g is tro de

inspección de todos los ve h ícu lo s e nsam b lados en un m es. Este registro
se m uestra en el C u a d ro 5 .22 y consta de la siguiente inform ación:
• F e c h a de ensa m b le
• C ó d ig o de la unidad
• To ta l de defectos encontrad os en la unidad
• N ú m e ro de defectos por departam ento

H O JA D E D A T O S - G R A F IC O S D E D E M E R IT O S
Artículo: Automóvil Código: JR -4879

Característica: Defectos A ,B ,C y D Especificación: No aplica
Operario: Carlos Carrillo Inspector: L. Sánchez
Fecha:07-12-85 Turno: 1 Hora de inicio: 7:00am Hoja # 1 de 1
Código de auto 3646 3761 3760 3759 3758 3737 3756 3755 3745 3754
# Defectos totales 86 63 59 60 61 66 63 57 88 54
# Def. carrocería 48 25 27 30 24 32 24 33 40 18
# Def. pintura 22 17 18 14 23 19 24 13 23 19
# Def. tapicería 8 10 7 9 7 6 7 6 14 12
# Def. mecánicos 5 8 6 4 5 6 6 3 9 5
Código de auto 3749 3753 3750 3752 3751 3747 3746 3748 3745 3744
# Defectos totales 60 59 70 62 64 67 57 64 62 58
# Def. carrocería 29 32 33 32 33 23 27 32 28 23
# Def. pintura 12 16 15 16 15 18 15 13 16 14
# Def. tapicería 9 8 7 8 7 13 5 10 10 9
# Def. mecánicos 2 1 2 1 2 2 3 2 0 3
# Def. eléctricos 8 5 7 5 7 11 6 7 8 9
a. C onstruir y analizar un gráfico c.
b. C o n s tru ir un g rá fic o de d e m é rito s u s a n d o ia e s c a la D o d g e -T o rre y .
c. ¿ Q u é conclusiones saca U d de este estudio?

Capítulo VI
MUESTREO DE ACEPTACION
n o c a s io n e s se d e s e a in s p e c c io n a r la ca lid a d so b re
E
cantidades de artículos ya producidos, com o en lotes de
pro du ctos en p ro ce so o lotes recibidos del pro veedor.
, P a r a e je c u ta r e s te tip o d e in s p e c c ió n e x is te n d o
■ f o r m a s : la in s p e c c ió n 1 0 0 % y la in s p e c c ió n p o r
m uestreo.
E n la p rim e ra se in s p e c c io n a la totalidad de las

u n id a d e s q u e c o m p o n e n el lote m ie n tra s q u e en la
in s p e c c ió n p o r m u e s tre o se to m a u n a m u e s tra de
unidades y con base en su com portam iento se concluye
acerca de la calidad del lote. La eficacia y eficiencia del
m u e s tre o d e p e n d e d e la a le a to rie d a d y r e p r e s e n
tatividad de la m uestra usada para la inferencia.
A lg u n a s c a ra c te rís tic a s que d ife re n cia n a m b o s

tipos de inspección se enum eran a continuación.
IN S P E C C IO N 100% IN S P E C C IO N PO R M U E S T R E O
A. COSTO
S u costo total es alto, es Su costo total es bajo, se

los e n s a y o s son c o s to s o s . Las y s e to m a n d e c is io n e s en form a

decisione s son lentas. ágil.
B. UTILIZACION
S e em p le a cu a n d o no se pu e den to S e em plean cu a n d o se pueden tole

lerar riesgos deb ido s al m uestreo en rar riesgos y es posible aleatorizar la
oca sio nes c u a n d o los defectos ins recolección de datos.
p eccion a dos son críticos.
C. ERRORES
S e e m p le a c u a n d o no es posible S e em plea cu a n d o los errores de tipo

tolerar errores propios de la naturale e sta d ís tic o se p u e d e n a c e p ta r y
z a estadística de las m uestras. pueden ser contratados.
D. SESGOS
Los errores h u m a n o s tales co m o fati E s posible una exactitud real, pues la

ga, negligencia y dificultades de s u cantidad por inspeccionar es m e n o r y
pervisión, qu e no se pu e den m edir ni m anejable. La inspección se puede
estim ar, h a ce n que rara v e z las c o n o rgan izar y a través de entrenam ien
c lu s io n e s q u e se o b tie n e n s e a n tos se pueden reducir los errores h u
exactas y vera ce s. m anos.
E. TIPO DE ENSAYO
N o es aplicable cu a n d o el e n s a yo es E s el único m étodo aplicable cu an do

destructivo. el e nsayo es destructivo.
F. CANTIDAD DE PERSONAL
R e q u ie re de m u c h o s insp ecto res, S e requiere m enos inspectores y su

cu y o costo de adiestram iento es alto. entrenam iento es m á s fácil y eficaz.
La orga n ización de este personal es La organización de este personal es
m ás com pleja. m ás fácil.
G. EQUIPO
N ecesita de m uch o equipo. Si éste es S e puede sele ccionar equipo y for

com ple jo y caro será m uy difícil esta m ar un laboratorio a d ecuado y orga
blecer un laboratorio. nizado.
H. MITOS
Existe una tendencia a creer que solo Existe una tendencia a desconfiar de
se pueden obtener buenos resultados la estadística, pues se cree qu e no es
si s e in s p e c c io n a la to ta lid a d de lo posible obtener m uestras adecuadas.
p ro d u cid o . E sto es falso p u e s la ins Si se siguen los pasos del m étodo
p e cc ió n de g ra n d e s v o lú m e n e s m e científico no h a y por qué du da r de la
d ia n te o p e ra c io n e s rep e titiva s difi eficacia de los m étodos estadísticos.
c u lta la o b te n c ió n d e b u e n o s r e
sultados.
L o s anterio res a sp e c to s h a ce n q u e la m a yo ría de las v e c e s c u a n d o se

p ie n s a en co n tro l e s ta d ís tic o de la c a lid a d , se p re fie ra la in s p e c c ió n por
m uestre o. Para ello se deb e dispon er de un m anual que especifique pro cedi
m ientos y criterios de decisión.
MANUAL DE INSPECCION
El m a nu a l de inspección constituye una im portante herram ienta para la

e sta n da riza ción de criterios, pu es define los pro cedim ientos y m etodo logías
que se deben aplicar al efectuar la inspección. El m anual puede estar dedicado
a inspección de proceso o de materias prim as y producto terminado. Existen al
g u na s diferencias qu e se centran en el hecho de que si es para el proceso, las
características deben analizarse con base en las operaciones de producción y
no en el o los productos que se fabriquen.
El objetivo del m anual es lograr la norm alización de los m étodos y p ro ce

dim ientos de inspección, con el fin de m inim izar las decisiones subjetivas que
se to m e n. Lo que se quiere es qu e los inspectores tengan un m edio de tom ar
decisiones que no se vean influenciadas por criterios propios y subjetivos.
El m anual de b e estar co m p u e s to por una serie de seccio nes. A lg u n a s de

ellas son:
1. Información general. Esta inform ación incluye:
a. N o m b re de la em p resa
b. N o m b re y tipo de producto o proceso
c. C ó d ig o del producto
d. N o m b re del o de los inspectores
e. F e ch a s
2. Tipo de contrato. S e indicará en el caso de inspección de materias prim as

el tipo de contrato que se ha suscrito entre el com p ra d o r y el ven d e d o r. S e
indicará a q u í entre otras cosas:
a. N o m b re y dirección del p ro ve e d o r o pro veedores
b. A Q L (N ivel de calidad aceptable)
c. C o n d icio n e s de re ch a zo de producto
d. R e e m b o lso p or producto no conform e a requerim ientos
e. A c u e rd o s especiales con el p ro veedor
3. Tipo de inspección. S e indicará aq u í si la inspección es de rutina o e sp e

cial y en qu é ca so s se aplica ca d a una de ellas.
4. Lugar de inspección. S e d e b e d e fin ir el sitio d o n d e se re a liz a rá la

inspección y el tipo de puesto que se requiere. S e estab lecerá el m étodo
p or seguir y se darán la pautas para efectuar la actividad con alto g rado de
eficiencia y efectividad.
5. Procedimiento de inspección. S e definen aquí los pasos por seguir en la

inspección, incluyendo el tam año de la m uestra y la form a en que v a a ser
recolectada, de tal m anera qu e se logre la aleatoriedad y representatividad
requerida.
Ta m b ié n se deben definir los criterios de aceptación y recha zo de lotes, sin

que haya m a yor influencia de los inspectores. S e pu eden utilizar, m uestras
patrón que permitan evidenciar la criticidad de los defectos. S e debe expli

ca r el procedim iento de análisis de la m uestra y de tom a de decisiones.
6. Instrumentación. Si se ejecuta inspección por variables se debe organizar

el m anejo y la utilización de instrumentos de tal m anera que las mediciones
obtenidas con ellos sean confiables. S e pu eden a g re g a r ilustraciones de
las partes del instrum ento y dependiendo de la com plejidad de su manejo,
se p u e d e n a g re g a r ilustraciones de los diferentes pasos en su utilización.
Si los instrum entos son m u ch os, esta sección puede constituir por sí sola
un m anual.
7. Documentación. E s im portante tener docu m en tos que perm itan con ser
va r la inform ación recolectada de la inspección para su posterior análisis.
Esta información se podría anotar en la orden de fabricación; sin em bargo,
es m e jo r te ner d o c u m e n to s aparte q u e pu e d a n se r a n a liza d o s ind e p e n
dientem ente. A lg uno s docum entos qu e pueden utilizarse se presentan en
el C a p ítu lo 7.
8. Destino de producto rechazado. T o d o material o producto que sea re

c h a z a d o de b e tener su a d e c u a d o destino, con el fin de no ca u sa r d esó r
d e n e s q u e c a u s e n con fusión en b o d e g a s y líneas de p ro d u cció n . D ebe
b u sca rse salida a todo material re ch a za d o y a sea por venta o desecho.
U n a form a es m arcar un área en bod ega desde donde se tom ará constan
tem ente ese producto para su venta o desecho.
El m a n u a l de inspección , si está bien estructurado, p u e d e servir para la

capacitación y entrenam iento de inspectores.
DEFINICION DE MUESTREO DE ACEPTACION
El m uestreo de aceptación es una técnica estadística que permite calificai

la c a lid a d de un lote, con b a s e en los a n álisis e fe ctu a d o s so b re u n a o m ás
características de calidad y con base en una o m ás m uestras extraídas de él.
E s ta té c n ic a e s a p lic a b le p rin c ip a lm e n te en la re c e p c ió n d e m aterias

prim as y m ateriales y en la inspección de productos term inados y a sea fuera c
de n tro de la fá brica q u e p ro d u c e o p ro v e e . T a m b ié n es posible utilizarla e r
in s p e c c ió n e n p ro c e s o , c u a n d o un d e p a rta m e n to e n tre g a a otro lotes de

producto sem ielaborado.
C u a n d o se d e c id e a p lic a r m u e s tre o de a c e p ta c ió n s e p e rs ig u e n d o s
objetivos fundam entales:
1. A s e g u ra r la calida d del lote e n v ia d o p ro cu ra n d o qu e éste cu m p la con lo

requerido por el cliente y qu e lo satisfaga durante el plazo pactado.
2. A s e g u ra r la calidad del lote recibido y aceptar solo aquel que cu m pla con
los requerim ientos.
E n el logro de estos o b je tivo s uno de los a sp e cto s m á s relevantes es la

confiabilldad qu e tenga el m uestreo. El tam año de la m uestra y la aleatoriedad
en su selección constituyen las fuentes de error que deben estudiarse a fondo.
Para que el m uestreo de aceptación sea representativo, debe tenerse e s

pecial cuidado en la form a en q u e se agru pan los lotes, los cuales deben estar
f o r m a d o s p o r u n id a d e s q u e h a y a n s id o f a b r ic a d a s b a jo la s m is m a s
c o n d ic io n e s , e s d e c ir, c o n lo s m is m o s m a te ria le s , m é to d o s , m á q u in a s ,
operarios y con dicio ne s am bientales.
Al igual q u e en los g rá fico s de con trol, se p u e d e e fe ctu a r m u e stre o de

acep tació n pa ra varia ble s y m u e stre o de aceptación para atributos. La e s c o -
g encia del tipo de m u e stre o d e p e n d e de las características por e v alu ar en el
producto som etido a inspección.
MUESTREO DE ACEPTACION PARA ATRIBUTOS
U n plan de m uestreo para atributos funciona extrayendo m uestras de lotes

y con ba se en el nú m e ro de defectos o defectuosos que con teng an, se decide
sob re la calidad del lote.
D e a cu e rd o con ésto, se p u e d e contar con tres tipos de planes:
a. Planes sim ples de m uestreo
b. Planes dob le s de m uestre o
c. Planes m últiples de m uestreo

La discrimin,ación de estos planes de sd e el punto de vista del consum idor

y del productor se analiza en función de la probabilidad de aceptación del lote
som etido a inspección.
P l a n e s s im p l e s d e m u e s t r e o
El plan sim ple de m uestreo se diseña con base en un tam año de m uestra
(n ) y un n ú m e ro de a c e p ta c ió n (c ). E l ta m a ñ o de m u e s tra es el n ú m e ro de
u n id a d e s qu e d e b e n s e r ex tra íd a s del lote y el n ú m e ro -d e a ce p ta ció n es el
criterio que perm ite acep tar o recha za r la m uestra y el lote. Este n ú m ero debe
especificarse co m o nú m ero de defectos, defectuosos o disconform es, al inicio
de la Inspección.
D e b e re co rd arse q u e el pro ducto defectu oso se diferencia del producto

disconform e en que el defectuoso no puede cum plir con la función en co m e n d a
da, p u e s tiene fallas, m ientras q u e el d isco n fo rm e es p ro d u cto q u e no está
a co rde con lo requerido aunque no tenga fallas.
Este plan de m uestreo funciona s e g ú n el siguiente procedim iento:
1. S e selecciona un lote (N ) al a za r y se extrae una m uestra de tam año n en

form a aleatoria y representativa.
2. S e inspecciona 1 0 0 % la m uestra.
3. Si la muestra contiene c o m enos defectuosos, defectos o unidades discon

form es, se acep ta la m uestra y el lote de don de pro viene. A q u í finaliza la
inspección.
4. Si por el contrario, la m uestra contiene m ás de c defectuosos, disconfor

m e s o defectos, se recha za la m uestra y el lote de don de proviene.
5. S e Inspecciona el rem anente del lote (N -n ) 1 0 0 % y se envían las unidades

defectuosas al proveedor, tom ando registro de él.
E ste procedim iento se representa en la Figu ra 6.1. U n plan de m uestreo

sim ple se denota con el término (n ,c). D e m anera que un plan (1 0 0 ,4 ) significa
que se v a a tom ar una m uestra de 100 unidades y se aceptará la m uestra y el
lote si el núm ero de defectos o defectuosos es igual o m e n o r que 4.
FIGURA 6.1. Representación gráfica del funcionr' rniento del plan simple.
La discrim ina ción del plan d e m u estre o, anterio rm ente m e n cio n a d a , se

m ide usando la curva característica de operación (O C ). Esta curva es un gráfico
de línea en el qu e se representa el porcentaje de defectuosos o disconform es
(p ) en el eje x y la probabilidad de aceptación (P A) en el eje y. El procedim iento
para su construcción es el siguiente:
1. E s ta b le c e r va lo re s d e p q u e se e n c u e n tre n entre 0 y 0 ,1 . E sto s valores

rep resen tan las posibles fraccio nes de defectuosos o disconform es qu e
p u edan tener los lotes.
2. C a lcula r el valor de np, es decir, multiplicar el tam año de la m uestra por el

v a lo r de p.
3. Utilizar las tablas de la aproxim ación de la distribución binom ial a la P ois

son, cuando el tam año del lote es grande, o la distribución binomial cuando
e s p eq ueño, para b u sc a r los valores de np.
4. L o ca liza r la probabilidad de a cep tació n (P A) aso c ia d a con el va lo r de np

localizado en 3 y el n ú m e ro de acep tació n (c ) co rresp ondiente al plan de
m uestreo en estudio, utilizando la T a b la VIII del A péndice I. La probabilidad
de aceptación para un lote cero por ciento defectuoso es 1 0 0 % (1 ).
5. C onstruir la cu rva característica de operación (O C ) usand o los valores de

p y p A-
6. O b te n e r las con clusiones del caso.
EJEMPLO 6.1
U n com p ra dor m uestrea los lotes qu e recibe sacando una m uestra de 150
unidades y decide recha za r si encuentra m ás de tres unidades defectuosas. E s
decir, utiliza un plan de m uestreo n =15 0, c=3. ¿ C u á l es la cu rva característica
con la que ese co m p ra d o r inspecciona esos lotes?
SOLUCION
1. S e establecen valores de p co m prendido s entre 0 y 0,05.
2. S e calcula el va lo r de np, m ultiplicando el ta m a ñ o de la m uestra (n = 1$0)

p or los valores d e p .
CONTROL DE CALIDAD
CUADRO 6.1. Datos para la curva OC del Ejemplo 6.1
n=100, c=3
p np P*
0,01 1,5 0,934

0,02 3,0 0,647
0,03 4,5 0,343
0,04 6,0 0,151
0,05 7,5 0,059
U tiliza n d o las tablas de la a p ro xim a ció n de la distribución binom ial a la

Poisson se localizan los va lore s de np.
S e localiza la probabilidad de aceptación (P A) asociada con el valor de np

lo c a liza d o en 3 y el n ú m e ro de a ce p ta ció n c= 3 , u sa n d o la T a b la VIII del
A p é n d ice I. El C u a d ro 6.1 pre senta la inform ación.
S e construye la curva característica de operación (O C ) usando los valores

de p y P A, obtenidos en 4. La Figura 6.2 presenta la curva correspondiente.
FIGURA 6.2. Curva característica de operación del Ejemplo 6.1

6. C o n la cu rva graficada, se p u e d e localizar la probabilidad de aceptación

qu e le corresponde a un lote que es inspeccionado con el plan n=1 J b ,c = 3 .
A s í, por ejem plo, si se tiene un lote 3 ,4 % defectuoso, su probabilidad de
aceptación será de 0 ,2 5 1 , lo que significa que si se som eten a inspección
100 lotes, se aceptarán 25 y se re c h a za rá n 75 lotes.
El g ra do de discrim inación de un plan de m uestreo es el g ra d o de rigidez

con que un plan dism inuye la probabilidad de aceptación a p e sa r de que el lote
con te nga poca cantidad de producto disconform e o defectuoso.
A s í, el plan m ás discrim inante será siem pre aquel que se encuentre m ás

ce rca del origen. Si el productor está c h e q u e a n d o m aterias prim as, usará ese
plan; si está chequeando su producto term inado, deberá ch e q u e a r también con
ese plan a pesar de que de se e hacerlo co n un plan m enos discrim inante.
Para observar m ejor el grado de discrim inación de un plan de m uestreo, se

plantean los siguientes caso s:
C A S O A . Planes que m antienen el tam año de m uestra constante p e ro núm ero

de ace ptación variable
EJEMPLO 6.2
C o n s tru y a las cu rva s O C para los siguientes cuatro planes de m uestreo y

com párelos.
n=100, c=1
n=1 0 0, c= 2
n=1 0 0, c=3
n=1 0 0, c=4
SOLUCION
El Cuadro 6.2 resume los pasos del 1 al 4. La Figura 6.3 presenta el paso 5.
CUADRO 6.2. Datos para la curva OC para el CASO A
n=100, c=1 n=100, c=2 n=100, c=3 n=100,c=4
p np P* np Pa np P* np > a
0,01 1 0,736 1 0,920 1 0,981 1 0,996

0,02 2 0,406 2 0,677 2 0,857 2 0,947
0,03 3 0,199 3 0,423 3 0,647 3 0,815
0,04 4 0,092 4 0,238 4 0,433 4 0629
0,05 5 0,040 5 0,125 5 0,265 5 0,440
0,06 6 0,017 6 0,062 6 0,151 6 0,285
0,07 7 0,007 7 0,030 7 0,082 7 0,173
0,08 8 0,003 8 0,003 8 0,042 8 0,100
O b s e rv a n d o las c u rv a s características de ope ra ció n , en la F ig u ra 6.3, se

p u e d e co n c lu ir q u e los p la n e s de m u e s tre o se v u e lv e n m á s d iscrim in a n te s
c u a n d o , m ante niend o constante el ta m a ñ o de la m uestra, se hace d e c re ce r el
n ú m e ro de a cep tació n.
FIGURA 6.3. Curva característica de operación para tamaños de muestra constantes y

criterios de aceptación variables.
O b s e rv a n d o las cu rva s características de o peración, en la F ig u ra 6.3, se

p u e d e co n clu ir q u e los p la n e s de m u e s tre o se v u e lv e n m á s d iscrim in a n te s
c u a n d o m antenie nd o con stante el ta m a ñ o de la m u estra se h a ce d e c re ce r el
núm e ro de aceptación.
A u n q u e el productor desee ch e q u e a r con el plan n=100, c=4, debe hacerlo

con el plan n = 1 0 0 ,c = 1 , pues es el plan qu e usará el co n su m ido r para probar la
calidad de las entregas que se le hagan. Existe tam bién la posibilidad de pactar
con el c o m p ra d o r para u sa r un plan interm edio que no s e a tan rígido p a ra el
pro ductor y que a la v e z proteja al com prador.
C A S O B . P lanes q ue m a n tie n e n e l n ú m e ro de a c e p ta ció n co n sta n te p e ro e l

tam año de m uestra variable
EJEMPLO 6.3
C o n s tru ya las cu rva s O C para los siguientes cuatro planes de m uestreo y

com pá re los.
n=100, c=3
n=150, c= 3
n=20 0, c= 3
n=25 0, c= 3
SOLUCION
El C u a d ro 6.3 resum e los pasos del 1 al 4. La Figura 6.4 presenta el paso 5.
A l o b s e r v a r la F ig u r a 6 .4 , s e p u e d e n o ta r q u e c u a n d o s e m a n tie n e
constante el núm ero de aceptación y se v a ría el tam año de la m uestra, el plan
m ás discrim inante será siem pre aquel que tenga el m ayor tam año de m uestra.
D e los cu a tro pla n e s m o stra d o s, el q u e d e b e usa rse es el plan n = 2 5 0 , c= 3 .
C laro está, en igual form a qu e en el caso anterior, un acuerdo entre el productor
y el co n su m ido r puede llevar a la esco ge n cia de un plan interm edio.
CUADRO 6.3. Datos para la curva OC para el CASO B
n=100, c=3 n=150, c=3 n=200, c=3 n=250, c=3
p np PA np PA np PA np PA
0,01 1,0 0,981 1,5 0,934 2,0 0,857 2,5 0,758

0,02 2,0 0,857 3,0 0,647 4,0 0,433 5,0 0,265
0,03 3,0 0,647 4,5 0,342 6,0 0,151 7,5 0,059
0,04 4,0 0,433 6,0 0,151 8,0 0,042 10,0 0,010
0,05 5,0 0,265 7,5 0,059 10,0 0,010 12,5 0,001
0,06 6,0 0,151 9,0 0,021 12,0 0,002 15,0 0,000
0,07 7,0 0,082 10,5 0,007 14,0 0,000 17,5 0,000
FIGURA 6.4. Curva característica de operación para tamaños de muestra variables y

criterios de aceptación constantes
C A S O C . P la n e s q u e c o n s e rv a n una m is m a ra z ó n e n tre e l ta m a ñ o de la
m ue stra y e l nú m ero de aceptación (n/c).
E J E M P L O 6.4
C o nstru ya las cu rva s O C para los siguientes cuatro planes de m uestreo y

com párelos.
n= 50, C=2
n= 75, c= 3
n=100, c=4
n=125, c=5
SOLUCION
C o m o se p u ede notar la razón (n/c=25) es la m ism a en todos los planes.
El C u a d ro 6 .4 resum e los pasos del 1 al 4. La Figura 6.5 presenta el paso 5.
C o m o se puede observar en la Figura 6.5, cuando se m antiene una m ism a

ra zó n entre el ta m a ñ o de m u e stra y el n ú m e ro de a ce p ta ció n , los p la n e s de
m u estre o, hasta un cierto va lo r de p, tienen un g rado de d iscrim inación m u y
parecido. Para este ejem plo, este valor de p es a p roxim adam ente 3 ,3 % .
CUADRO 6.4. Datos para la curva OC para el CASO C
n=50, c=2 n=75, c=3 n=100, c=4 n=125, c=5
P np PA np PA np PA np PA
0,01 0,5 0,986 0,75 0,993 1,0 0,996 1,25 0,998

0,02 1,0 0,920 1,50 0,934 2,0 0,947 2,50 0,958
0,03 1,5 0,809 2,25 0,800 3,0 0,815 3,75 0,820
0,04 2,0 0,677 3,00 0,647 4,0 0,629 5,00 0,616
0,05 2,5 0,544 3,75 0,480 5,0 0,440 6,25 0,400
0,06 3,0 0,423 4,50 0,342 6,0 0,285 7,50 0,240
0,07 3,5 0,321 5,25 0,231 7,0 0,173 8,75 0,128
0,08 4,0 0,238 6,00 0,151 8,0 0,100 10,00 0,067
P
A
I ,0
0,8
0,6
0 ,4
0 0 0 ,4 )
0,2
O
O I 2 3 4 5 6 7 8 p (% )
FIGURA 6.5. Curva característica de operación para planes que tienen una misma razón
entre el tamaño de muestra y el número de aceptación.
A s í, en este e je m p lo se p u e d e con clu ir que para va lo re s de p m e n o re s o

iguales a 3 ,3 % , el g ra do de discrim inación de todos los planes es el m ism o. Sin
e m b a rg o , p a ra va lo re s s u p e rio re s a 3 ,3 % el plan m á s discrim inante es el de
m a y o r ta m a ñ o de m u e stra y m a y o r n ú m e ro de aceptación.
C A S O D. Planes que usan un tam año de m uestra po rce n tu a l a l tam año de l lote
y nú m ero de a ce p ta ció n consecutivo.
EJEMPLO 6.5
E n in s p e c c ió n d e re c e p ció n se tiene la prá ctica de m u e s tre a r el 1 % del

tam a ño del lote recibido (0,01 N ). C o n s tru y a las curva s O C para los siguientes
planes de m u e stre o y com párelos.
N=10000, n=10 0, c=2
N=20000, n=20 0, c= 3
N=25000, n =25 0, c=4

SOLUCION
El C u a d ro 6.5 resum e los pasos del 1 al 4. La Figura 6.6 presenta el paso 5.
CUADRO 6.5. Datos para la curva OCpara el CASO D
■ n=100,c=2 n=200,c=3 n=250,C=4

■ ..
p np PA np PA np PA
0,01 1,0 0,920 2,0 0,857 2,5 0,891

0,02 2,0 0,677 4,0 0,433 5,0 0,440
0,03 3,0 0,423 6,0 0,151 7,5 0,130
0,04 4,0 0,238 8,0 0,042 10,0 0,029
0,05 5,0 0,125 10,0 0,010 12,5 0,005
0,06 6,0 0,062 12,0 0,002 15,0 0,001
0,07 7,0 0,030 14,0 0,000 17,5 0,000
FIGURA 6.6. Curva característica de operación para planes con tamaño de muestra
porcentual a N y criterios de aceptación consecutivos
Al o b s e rv a r la F ig u ra 6 .6 , se p u e d e notar que c u a n d o se usan planes de

m uestreo b a s a d o s en criterios porcentuales sobre el tam año del lote, el plan se
v u e lv e m á s d iscrim in a n te c u a n d o el ta m a ñ o del lote c re c e . E n este c a s o los
planes n = 2 0 0 ,c= 3 y n = 2 5 0 ,c= 4 tiene un grado de discrim inación m uy parecido,
a u n q u e e s m á s discrim inante el s e g u n d o . E n g eneral, se puede concluir que
bajo esta práctica e s m ejo r el e n vío de lotes p eq u eños, pu es éstos tienen una
m á s alta probabilidad de aceptación.
S i el p r o v e e d o r c o n o c e q u e los lo te s , en la e m p re s a del c lie n te , se

m uestrean bajo el criterio de porcentajes sobre el tam año del m ism o y tiene un
e n v ío de un lote de ta m a ñ o N , la m e jo r alte rn a tiva es s e c c io n a r ese lote al
m áxim o que pu e da . P ara ello se d e b e h acer un análisis de costos, tom ando en
cu en ta que al se cc io n a r el lote crecerá n los costos de e n vío y transporte, pero
d e c re ce rá n los costos de a lm a cen aje y de m ala calidad.
El E je m p lo 6 .6 ilustra lo anteriorm ente dicho.
EJEMPLO 6.6
U n fa brica nte re cib e un p e d id o de 2 0 0 0 0 u n id a d e s el cual v a a s e r in s

pe cc io n a d o en la planta del cliente u sa n d o un plan de m uestre o n = 2 0 0 , c= 4 ,
n = 1 00, c= 2 o n=50 , c=1 según se e n víe un solo lote, dos lotes de 10000 unida
des o cuatro lotes de 5000 unidades. La razón es que el cliente usa el criterio de
extraer el 1 % del ta m a ñ o del lote.
Analice para ca d a caso las ventajas del fabricante si este entrega lotes que
son 2 % d e fe ctu o so s. N ótese q u e la ra zó n entre el ta m a ñ o de la m u estra y el
n ú m e ro de a cep tación en los tres planes de m uestreo es la m ism a.
SOLUCION
E nvío de un solo lote de 2 0 0 0 0 unidades
A n te este ta m a ñ o d e lote el cliente u sa el plan de m u e stre o n = 2 0 0 , c=4.

S i s e b u s c a e n la s T a b l a s d e la a p r o x i m a c i ó n B i n o m i a l -P o i s s o n , la
p ro b a b ilid a d d e a c e p ta c ió n q u e c o r r e s p o n d e a e s e p la n , c o n p = 0 ,0 2 es
0 ,6 2 9 . A s í se tiene:
N ú m e ro espe ra do de unidades ace p ta d a s= 1*20000*0,629 = 12580 unidades
N ú m e ro espe ra do de unidades re c h a za d a s= 1 *20000*0,371 = 7 4 2 0 unidades
E nvío de dos lotes de 10000 un id ade s cada uno
Al u sa r este ta m a ñ o de lote, el cliente utiliza el plan de m u estre o n = 1 00,

c = 2 . S i s e b u s c a en las T a b la s de la a p ro x im a c ió n B in o m ia l- P o is s o n , la
probabilidad de acep tación qu e co rre sp o n d e a ese plan con p = 0 ,0 2 es 0,677.
A s í se tiene:
N ú m e ro espe ra do de unidades re c h a za d a s= 2*10000*0,323= 6460 unidades
Envío de cua tro lotes de 5 0 00 lenidades cada uno
Al usar este tam año de lote el cliente utiliza el plan de m uestreo n=50, c = 1 .
Si se busca en las Ta b la s de la aproxim ación Binom ial- Poisson, la probabilidad
de aceptación que co rresp onde a ese plan con p = 0 ,0 2 es 0 ,6 7 7 . A s í se tiene:
N ú m e ro e sp e rado de unidades re c h a za d a s = 4*5000*0,323 = 5280 unidades
E s claro que conform e decrece el tam año del lote, la cantidad esperada de
u n id a d e s a c e p ta d a s c re ce . A s í, si se e n v ía n cuatro lotes de 5 0 0 0 u n id a d e s
cada uno, se espera que se acepten 2140 unidades m ás que si se envía un solo
lote de 2 0 0 0 0 u n id a d e s. D e s p u é s de h a c e r el análisis d e co sto s p la n te a d o
anteriorm ente se p u e de llegar a u na m ejo r conclusión.
E n re s u m e n , si se aplica el m u estre o porcentual el p ro v e e d o r te n d e rá a

enviar lotes de tam año lo m ás pequeño posible, m ientras qu e el cliente deseará
recibir lotes de ta m a ño lo m ás g rand e posible.
Diseño de un plan simple de muestreo
A p e sa r de qu e los planes de m uestre o pueden se r extraídos de n orm as

tam bién pueden diseñarse. La ventaja de ésto es que el analista puede plantear
su s condiciones y dise ñ a r un plan qu e las satisfaga. E n la norm a hay que ajus

tarse a las con dicio nes d a d a s por ella.
P a ra dise ña r planes de m uestreo es necesario con ocer dos pares ordena

dos m u y importantes, éstos son: ( A Q L , 1 - a )y (P N C T , P). E L significado de estos
p a rám e tros es el siguiente:
A Q L : nivel de calidad aceptable. E s la m ejor calidad que un proceso puede

brindar bajo co n d icio n e s norm ales de operación
P N C T : porcentaje n o conform e tole rado en el lote. E s la peor calidad que

se p u e d e dar co m o a ce p ta d a bajo co n d icio n e s norm ales
a: riesgo del productor de que le recha cen lotes buenos. E s la probabilidad

de que lotes m u y buen os, con calidad superio r al A Q L , sean re cha za dos (E rro r
tipo I)
B: riesgo del co n su m id o r. E s la probabilidad de qu e lotes m u y m alos, con

calidad inferior al P N C T , se a n acep tados (E rro rtip o II)
E stos puntos se representan en la cu rva característica de operación según

lo m uestra la Figu ra 6 .7 .
AQL PNCT
FIGURA 6.7. Representación de los pares ordenados (AQL, 1-a) y (PNCT,3).

C o n base en diseños experim entales y para efectos de operación y diseño

de planes, se fija el riesgo del productor (a ) en 5 % y el riesgo del consum idor (13)
en 1 0 % . Esto no evita que el analista pu eda usar los valores qu e le garanticen
m a yo r confiabilidad a su estudio. Ta m b ié n , se puede fijar un nivel de calidad de
indiferencia (p 0), para el cual la probabilidad de aceptación es igual a la pro ba
bilidad de re c h a zo (0 ,5 ). E sto lo q u e b u sc a es o b te n e r un riesgo com partid o
entre el productor y el consum idor.
El diseño de un plan de m uestreo se puede basar en el riesgo del pro duc

tor, en el riesgo del co n s u m id o r o en a m b o s. S i el p ro d u cto r es el qu e de se a
tener su propio plan podrá diseñar una serie de planes y e sco g e r aquel que lle
na m á s su s e x p e cta tiv a s . Lo m is m o o cu rre p a ra el c o n s u m id o r. S i tanto el
consum idor com o el productor desean llegar a un acuerdo para diseñar un plan
co n ju nto qu e satisfaga a m b o s riesgos, en to n ce s se d ise ñ a un único plan de
m uestreo.
Si el plan se dise ñ a b a s a d o en a m b o s riesgos su c u rv a característica de

o p era ción es la m o strada en la F ig u ra 6.7 . Si se diseñan plan es de m uestreo
b a sa do s en el riesgo del productor, las cu rva s características de operación de
esos planes se p u eden representar según se m uestra en la Figura 6 .8 (a ). Si se
d is e ñ a n b a s a d o s en el riesg o del co n s u m id o r, e s a s c u rv a s se re p re se n ta n
se g ú n se puede v e r en el F ig u ra 6 .8 (b ).
E s im p o rta n te re c a lc a r q u e a u n q u e se p u e d e n d is e ñ a r v a rio s p la n e s
basados en uno de los riesgos, solo uno es ca p a z de cum plir con am bos riesgos
a la v e z.
Planes de muestreo basados en el riesgo del productor
P ara diseñar estos planes, tam bién llam ados planes a, se necesita co n o
ce r de a ntem ano el valor del riesgo del productor (a ) y el valor del A Q L corres
pondiente al producto sobre el cual se v a a aplicar el plan de m uestreo. El valor
de a , tal y c o m o s e dijo a n te rio rm e n te se e sta b le c e g e n e ra lm e n te en 5 % .
C o n o c id o s é stos, se utiliza para el d ise ñ o de los p la n e s el sig uiente p ro c e
dim iento:
1. Estable ce r diferentes valores de núm ero de disconform es, defectuosos o

defectos. E sto d e p e nderá de lo que se quiera m uestrear. Este n úm ero se
AQL (p % )
(o)
(p % ) PNCT
(b )
FIGURA 6.8. Curvas características de operación para riesgo del productor (a) y riesgo
del consumidor (¡i).
llama núm ero de aceptación (A c). N o es recom endable utilizar el valor de A c

igual a ce ro p u e s los pla n e s con este n ú m e ro de a ce p ta ció n son pla n e s
m u y discrim inantes
2. Localizar en las tablas de la aproxim ación binom ial-Poisson los valores de

np corresp ondientes a la probabilidad de aceptación (1 -a ) y a los valores
de A c establecidos en 1.
3 C a lc u la r el ta m a ñ o de la m u e s tra q u e c o rre s p o n d e a c a d a v a lo r d e np
e x tra íd o e n el p a s o 3. E s te ta m a ñ o de m u e s tra s e c a lc u la u s a n d o la
np
n = ------------------
“ AQL
4. Dibujar las curvas características de operación, con el fin de esco ger aquel
plan que se acerque m ás a los requerimientos y exigencias de la inspección.
EJEMPLO 6.7
D is e ñ a r c in c o p la n e s d e m u e s tre o q u e c u m p la n c o n un rie s g o del

productor (a ) del 5 % , asociado a un nivel de calidad aceptable (A Q L ) de 0 ,6 5 % .
SOLUCION
El C u a d ro 6 .6 re su m e los p aso s del 1 al 3. Lo s valores de np se localizan

con el valor de A c y el valor de (1 -a )= 0 ,9 5 .
CUADRO 6.6. Cálculos para planes a

na = n 'pa /0,0065
Si se dibujan las cu rva s características de operación, todas pasarán por el

punto (0 ,0 0 6 5 ,0 ,9 5 ) qu e es el p a r o rd e n a d o (A Q L , P A). H a b rá p e q u e ñ o s d e s
fases oca sio na do s por el re d ondeo de datos. Los planes serán m ás parecidos
conform e se a ce rq u e n al p a r o rd e n a d o citado.
Planes de muestreo basados en el riesgo del consumidor
Para diseñar estos planes, tam bién llam ados planes B, se necesita conocer
d e a n te m a n o el valor del riesgo del co n s u m id o r (B ) y el va lo r del P N C T co rre s
pondiente al producto sobre el cual se va a aplicar el plan de m uestreo. El valor de
B, tal y co m o se dijo anteriorm ente se establece g eneralm ente en 1 0 % . C o n o c i
d o s é s to s p a r á m e t ro s , s e u tiliz a p a ra el d is e ñ o de los p la n e s el s ig u ie n te
procedim iento:
1. E sta b le ce r diferentes valores de n ú m e ro de disconform es, defectuosos o

defectos. E sto d e p e n d e rá de lo qu e se quiera m uestrear. E ste n ú m ero se
llama núm ero de aceptación (A c). N o es recom endable utilizar el valor de A c
igual a ce ro p u e s los p la n e s con este n ú m e ro de ace p ta ció n son planes
m u y discrim inantes
2. Localizar en las tablas de la aproxim ación binom ial-Poisson los valores de

np correspondientes a la probabilidad de aceptación B y a.los valores de A c
establecidos en 1.
3. C a lc u la r el ta m a ñ o de la m uestra qu e corre sp o n d e a cad a va lo r de np ex

traído en el paso 3. Este ta m año de m uestra se calcula usando la siguiente
expresión:
nP*
PNCT
4. Dibujar las cu rva s características de operación, con el fin de e sco g e r aquel

plan q u e se a c e rq u e m á s a los re q u e rim ie n to s y e x ig e n c ia s de la in s
pección.
EJEMPLO 6.8
D ise ñ a r cinco planes de m uestreo qu e cum plan con un riesgo del co n s u

m id or (p ) del 1 0 % , a s o c ia d o a un porcentaje no co n fo rm e tolerado en el lote
( P N C T ) de 4 ,5 % .
SOLUCION
El C u a d ro 6 .7 re su m e los paso s del 1 al 3. Los valores de np se localizan

con el va lo r de A c y el va lo r de P= 0,1.
CUADRO 6.7. Cálculos para planes 3

n = npÔ, 045
Ac nPj
1 3,90 87
2 5,33 119
3 6,70 149
4 8,00 178
5 9,30 207
Si se dibujan las cu rva s características de operación, todas pasarán por el

p u nto (0 ,0 4 5 , 0 ,1 ) o s e a el p a r o rd e n a d o ( P N C T , P A). H a b rá p e q u e ñ o s d e s
fases oca sio nados por el redondeo de datos. Los planes serán m ás parecidos
conform e se e ncuentren m á s cerca del par ordenado citado.
Plan de muestreo basado en ambos riesgos
E ste plan de m uestreo, tam bién llam ado plan <x,p, se obtiene con base en
los planes de m uestreo diseñados para cad a tipo de riesgo en form a separada.
P a ra ello se sigue el siguiente procedim iento:
1. D is e ñ a r un n ú m e ro d e te rm in a d o de plan es de m u e s tre o b a s a d o s en el
riesgo del productor (a )
2. D ise ña r el m ism o nú m e ro de planes de m uestreo b asado s en el riesgo del

co n su m id o r (B )
3. O b te n e r la diferencia absoluta In a -n „8l
4. Lo ca liza r la m e n o r diferencia lna - nBl y observar a q u é núm ero de a ce p ta

ción A c pertenece, pues éste será el núm ero de aceptación del plan basado
en a m b o s riesgos
5. C a lc u la r el ta m a ñ o de m uestra u sa n d o la siguiente expresión:
na,8. = (n
' a
+ n„)/2
8'
El plan de m u estre o será (n aB A c)
6. Constru ir la cu rva característica del plan. Por razones de redondeo a m bos

puntos no coincidirán con los va lo re s teóricos.
S e de b e n dise ña r suficientes planes de m uestreo a y B de tal m anera que

sea posible encontra r la m e n o r diferencia In^ - nBl. El analista debe cerciorarse
de ese m ínim o, por ello este m ínim o no puede estar en el último plan diseñado.
EJEMPLO 6.9
D ise ñ a r el plan b a s a d o en a m b o s riesgos tom ando c o m o base los planes

dise ñ a d o s en los E je m p lo s 5.6 y 5.7.
SOLUCION
El C u a d ro 6.8 p re senta los p aso s del 1 al 3.
P a so 4. Al localizar la m enor diferencia ésta pertenece al núm ero de a c e p

tación A c- 2 , lo qu e quie re de cir que este es el n ú m ero de aceptación del plan
a ,p .
P a so 5. Los ta m a ños de m uestra que corresponden al valor de A c del Paso

4 son 126 Jy 118. El v a lo r de n a.p„ se calcula así:
na|5= ( 1 2 6 + 1 18)/2 = 122
C o n ello el plan de m uestreo qu e cu m p le con a m bos riesgos es:

CUADRO 6.8. Plan de muestreo que satisface ambos riesgos
Planes a Planes R
nK — n.
Ac na Ac
1 55 1 87 32
2 126 2 119 7
3 211 3 149 62
4 300 4 178 122
5 400 5 207 193
\ =2 ,
Paso 6. Si se con struye la c u rv a característica de o peración se ve rá que
ésta pasa por los puntos (A Q L ,1 -a ) y ( P N C T ,(3). El desfase se debe al redondeo
efectuado al obtener los planes de m uestreo.
Costo total esperado de inspección por muestreo
Al utilizar planes de m uestreo sim ple, siem pre es co n ve n ie n te co m p a ra r

las bon da de s de dos o m ás de estos planes, no solo b asándose en el grado de
discrim inación de los m ism o s, sino tam bién en el costo de la inspección. C o n
este fin, se p u e d e eva lu a r este costo utilizando la siguiente expresión:
C T E I L = [n + ((N -n ) * P R)] * c¡
donde:
C T E I L : costo total e sperado de inspección por lote
n: ta m a ño de la m uestra
N: ta m año del lote
P R: probabilidad de recha zo ( P R=1 -P A)
c: costo de inspección por unidad

Si se o b s e rv a la e x p re s ió n d e co s to a n o ta d a a n te rio rm e n te se p u e d e
a precia r qu e el costo se obtiene m ultiplicando el total de u n idade s inspeccio
nad as por el costo de inspeccionar una unidad. El total de unidades inspeccio
nadas lo constituye la su m a de las unidades que conform an la m uestra, las que
se inspeccionan 1 0 0 % , con las unidades del rem anente del lote (N -n ) cuando el
lote s e a re c h a z a d o . R e c u é rd e s e q u e el re m a n e n te se in s p e c c io n a 1 0 0 %
cu a n d o la m uestra es re cha za da.
EJEMPLO 6.10
S e han recibido para su inspección 5 lotes cuyas características se presen

tan en el C u a d ro 6.9. El costo de inspección por unidad se ha calculado en 015.
¿ C u á l plan de m u estre o resulta m ás eco n ó m ico ?
CUADRO 6.9. Características de los lotes sometidos a inspección
# Tamaño P Plan usado
1 5000 0,076 n=100, A c=2

2 10000 0,030 n=200, A c=4
3 12000 0,035 n=220, Ac=4
4 8000 0,051 n=150, Ac=3
5 15000 0,014 n=200, Ac=3
SOLUCION
P a ra encontra r el plan m á s eco nó m ico se hará uso del C u a d ro 6.10.
La probabilidad de aceptación se localiza con el valor de np y el núm ero de

aceptación corresp ondiente al plan qu e está siendo usado. A sí, para el prim er
plan se m ultiplica 100 p o r 0 ,0 7 6 y con el va lo r obtenido y el n ú m e ro de a c e p
tación A c= 2 , se b u sca en la tabla de aproxim ación b in o m ia l-P o is so n la p ro b a
bilidad de aceptación, la cual resulta ser 0,019.
CUADRO 6.10. Cálculos para determinar el plan de muestreo más económico
..•oíüiOMv-
Plan N n N-n P* 1 -P * Costo esperado por lote
n=100, Ac=2 5000 100 4900 0,019 0,981 [100+(4900*0,981)]*15= 0 73604
n=200, Ac=4 10000 200 9800 0,285 0,715 [200+(9800*0,715)]*15= 0108105
n=220, Ac=4 12000 220 11800 0,119 0,881 [220+( 11800*0,881)]*15= 0159237
r>=150, Ac=3 8000 150 7850 0,053 0,947 [150+(7850*0,947)]*15= 0113760
n=200, Ac=3 15000 200 14800 0,692 0,308 [200+(14800*0,308)1*15=0 71376
D a n d o respuesta a la pregunta planteada se tiene que el plan m ás e co n ó

m ic o e s el p la n n = 2 0 0 , A c= 3 u s a d o c o n lote s de ta m a ñ o 1 5 0 0 0 u n id a d e s
(0 7 1 3 7 6 ). D e lo anterior se concluye que el plan m ás económ ico no es aquel re
la cion ado con un ta m a ñ o de lote p e q u e ñ o , sino m ás bien el plan qu e co rre s
pon de al lote que sum inistra la m ejor calidad (m e n o r valor de p).
P lan es d o bles de m u estr eo
Lo s planes dobles de m uestreo son aquellos m ediante los que la decisión

de a cep tación o re c h a zo del lote se ba s a en el establecim iento de dos m u e s
tras, p u d ié n d o se a ce p ta r o re c h a za r co n la prim era. E s to s plan es d e b e n s e r
utilizados c u a n d o se d e m u e stre qu e los pla n e s sim ples no so n con fiab les o
cuando el interesado desee m ayor protección en la inspección. N o es recom en
dab le usarlos sin q u e se h a y a g e n e ra d o ex p e rie n cia en el uso de pla n e s de
m uestre o sim ples.
La aplicación de planes de m uestreo dobles, cua n d o tienen baja pro babi

lidad de aceptación con la prim era m uestra, resulta m ás cara que la aplicación
de pla n e s sim ples. E sto se deb e a que el costo de inspección por m uestra es
m ás g ra nd e ya que la su m a del ta m a ñ o de las dos m uestras del plan doble es
m a yo r qu e el tam año de la m uestra de un plan sim ple equivalente (n ,+ n 2> n ).
U n plan doble de m u e stre o se aplica extrayendo del lote una m uestra de

tam año n, y som etiéndola a inspección 1 0 0 % . Si el núm ero de unidades discon
form es o d e fe ctu osas de tecta das no e x c e d e el n ú m e ro de aceptación A c1, se
a ce p ta la m u e stra y el lote de d o n d e ella pro vie n e . Si e se n ú m e ro e x c e d e el
n ú m e ro de re c h a z o R e1, se re c h a za la m u e s tra y el lote de d o n d e p ro v ie n e ,
o b lig a n d o a e fe ctu a r u na in sp e cc ió n 1 0 0 % so b re el re m a n e n te (N - n ,) . S i el
n ú m e ro de d iscon form e s o defectu osos se encu entra entre los n ú m e ro s A cl y
R e1, se to m a u n a s e g u n d a m u e s tra d e ta m a ñ o n2 ig u a l a n r S i e n a m b a s
m u e s tra s el n ú m e ro de d is c o n fo rm e s o d e fe c tu o so s e x c e d e el v a lo r R e 2_,’ se
re c h a za n a m b a s m u e stra s y el re m a n e n te del lote de d o n d e pro vien en ( N - n ,-
n2), obligando a una inspección 1 0 0 % so b re él. Si por el contrario, ese núm ero
e s m e n o r q u e R e2, e n to n c e s s e a c e p ta n las m u e s tra s y el lote d e d o n d e
pro vien e n. La F ig u ra 6.9 ilustra el funcionam iento de este tipo de planes.
E n igual form a q u e los pla n es sim p le s, los planes dob les tienen su cu rva
característica de o p e ra ció n . El m éto do p a ra su con stru cción es un p o c o m ás
c o m p le jo p u e s la p ro b a b ilid a d de a c e p ta c ió n d e b e c a lc u la rs e p a ra a m b a s
m uestra s. El siguiente procedim iento se aplica para ca d a uno de los valores de
p qu e sea n escogidos.
1. C a lc u la r la probabilidad de acep tació n de la prim era m uestra (P A1)
a. C a lc u la r el va lo r de n ,p qu e con siste en m ultiplicar el tam año de la pri

m e ra m uestra por el va lo r de p.
b. C a lc u la r la p ro b a b ilid a d de a c e p ta c ió n c u a n d o el n ú m e ro de d e fe c
tu oso s o disconform es es m e n o r que A c1.
2. C a lc u la r la probabilidad de acep tació n de la se g u n d a m uestra (P A2)
a. C a lc u la r el v a lo r de n2p q u e co n s is te en m u ltip lica r el ta m a ñ o de la

se g u n d a m uestra por el valor de p.
b. C a lc u la r las probabilidades de encontrar un va lo r de núm ero de defec

tuosos o disconform es entre A c1 y R e1 en la prim era m uestra.
c. C a lc u la r las probabilidades com ple m en tarias a las calculadas en b. tal

q u e se cu m p la con A c2.
d. S u m a r las probabilidades de acep tació n calculadas en b. y

FIGURA 6.9. Representación gráfica del funcionamiento de un

plan doble de muestreo
3. C a lc u la r la probabilidad de ace p ta ció n total su m a n d o las probabilidades

ca lcu la d a s en 1. y 2.
E JE M P L 0 6 . i l
D ete rm ina r dos puntos de la cu rva característica de operación co rre sp o n

diente al siguiente plan doble de m uestreo.
n,= 45 n2= 45
A,= 1 ac2= 4
R.,= 5 Re2= 5
U s e p=0,01 y p = 0 ,0 2
SOLUCION
Lo s C u a d ro s 6.11 y 6 .1 2 presentan la inform ación necesaria para calcular

la probabilidad de aceptación para valores de p de 0,01 y 0,02. La s probabilida
d e s fueron localiza das en la tabla de la aproxim ación binom ial-P oisson.
El va lo r de probabilidad de aceptación de 0,06 se obtiene de m ultiplicar la

p ro b a b ilid a d d e e n c o n tra r d o s d e fe c tu o s o s o d is c o n fo rm e s en la p rim e ra
muestra por la probabilidad de encontrar no m ás de dos en la seg u nda m uestra,
p u e s el n ú m e ro d e a c e p t a c ió n en la s e g u n d a m u e s tra e s 4. L a s d e m á s
pro babilidades de los C u a d ro s 6.11 y 6.1 2 se calculan en igual form a.
P l a n e s m ú l t ip l e s d e m u e s t r e o
E stos planes, tam bién llam ados planes progresivos, consisten en la tom a
su cesiva de m m uestras de igual tam año. El núm ercfde m uestras depe n d e del
m om e nto en qu e se logre obte ner núm ero s de aceptación y de recha zo co n se
cu tivo s. E l fu n cio n a m ie n to de este tipo de pla n e s es sim ila r al de los pla n e s
dobles, con la diferencia de qu e en este caso se tienen tres o m ás m uestras. La
F ig u ra 6 ,1 0 y el E je m p lo 6 .1 2 m u estran este procedim iento.
FIGURA 6.10. Representación gráfica del funcionamiento de un plan m últiple de

muestreo
CUADRO 6.11. Cálculo de probabilidad de aceptación del EJEMPLO 6.11

p=0,01
Análisis de Primera Análisis de Segunda

muestra muestra Contribución
a
n,*p=45*0,01=0,45 (n, + n2)*p=90*0,01=0,9 P*
P (d < 1) = 0,925 0,925

P (d = 2) = 0,064 P(d < 2) = 0,937 0,064*0,937
0,060
P (d < 2 ) = 0,989
P (d = 3) = 0,010 P (d < 1) = 0,772 0,010*0,772
0,0077
P (d < 3) = 0,999
P (d = 4) = 0,001 P (d = 0) = 0,407 0,001*0,407
0,0004
P (d < 4) = 1,000
PA= 0,9931
La cu rva característica de o peración de este tipo de planes es sim ilar a la

cu rva de los planes dobles, a u n q u e su construcción es sum am ente elaborada,
p u e s se tienen q u e ca lcu la r p ro b a b ilid a d e s de a ce p ta ció n p o r m u estra . Lo s
p la n e s m últiples de m u e stre o p u e d e n s e r re p re s e n ta d o s g rá fica m e n te tal y
c o m o se ob s e rva en la Figu ra 6.11.
EJEMPLO 6.12
Exp lica r el funcionam iento y representar gráficam ente el plan múltiple de

m u e s tre o q u e se e n c u e n tra en el C u a d r o 6 .1 3 . E s te p la n c o n s ta de siete
m u e s tra s . N ó te s e q u e en la m u e s tra N o . 7, los n ú m e ro s de a c e p ta c ió n y
CUADRO 6.12. Cálculo de probabilidad de aceptación del EJEMPLO 6.11

p=0,02

muestra muestra Contribución
a
n *p=45*0,02=0,9 (n, + ns)*p=90*0,02=1,8 Pa
P (d < 1) = 0 ,7 7 2 0,772
P (d = 2) = 0 ,1 6 2
P(d < 2 ) = 0,731 0,162*0,731
0,1184
P (d < 2) = 0,937
P (d = 3) = 0,050 P (d < 1) = 0,463 0,005*0,463
0,0232
P (d < 3) = 0,987
P (d = 4) = 0,011 P (d = 0) = 0,165 0,011*0,165
0,0018
P (d < 4) = 0 ,9 9 8
P,A = 0,9154
’
re c h a zo son co n se cu tivo s. E sta situación, tal y co m o se dijo antes, es la que

define el nú m ero de m uestras del plan.
SOLUCION
El plan pre sentado funciona de la siguiente m anera: se to m a una prim era

muestra de 200 unidades del lote, si al inspeccionarla 1 0 0 % se encuentran una
o m enos unidades disconform es o defectuosas se acepta la m uestra y el lote de
donde proviene. Si esa m uestra contiene och o o m ás unidades disconform es o
defectuosas se rechaza la m uestra y el lote de donde proviene. Si el núm ero de
unida de s d iscon form es o defectu osas se en cu e n tra entre 1 y 8, se tom a una
DISCONFORMES
FIGURA 6.11. Representación gráfica del plan múltiple de muestreo.
CUADRO 6.13. Plan de muestreo múltiple del Ejemplo 6.12
# n, m, A, R,
1 200 200 1 8
2 200 400 6 12
3 200 600 11 17
4 200 800 16 22
5 200 1000 22 25
6 200 1200 27 29
7 200 1400 32 33
i
JORGE ACUÑA ACUÑA 51 1
n u e v a m u e s tra de 2 0 0 u n id a d e s. Si en la totalidad de u n id a d e s c o rre s p o n

dientes a a m b a s m uestras h ay 6 o m e n o s unidades disconform es se aceptan
la s m u e s tra s y el lo te d e d o n d e p r o v ie n e n . S i s e e n c u e n t r a n 12 o m á s
u n id a d e s d isco n fo rm e s o d efectuosas s e re c h a za n las m u e stra s y el lote de
d o n d e p ro vien e n. Si e se nú m e ro se en cu e n tra entre 6 y 12 en to n ce s se tom a
u n a n u e v a m u e stra de 2 0 0 u n id a d e s. E s te p ro ce d im ie n to c o n tin ú a h asta la
m u e stra # 7 en la cual se extrae u na m u e stra final de 2 0 0 unid a d e s. Si en las
1 4 0 0 u n id a d e s h a y 32 o m e n o s u n id a d e s d is c o n fo rm e s o d e fe c tu o s a s se
a cep tan las siete m uestras y el lote de don d e pro vienen, pero si h a y 33 o m ás
u n id a d e s en e s a s c o n d ic io n e s , s e re c h a z a n las siete m u e s tra s y el lote de
d o n d e pro vie n e n.
E n la F ig u ra 6.11 se h ace la rep resen tación del plan múltiple.
Uso de planes en aceptación-rectificación
L a utilización de plan es de m u estre o para ca so s de aceptació n-rectifica

ción co n siste en recibir lotes, so m e te rlo s a in sp e cció n y re p o n e r to d o aquel
p ro d u cto qu e no c u m p la con los req u erim ie ntos p a cta d o s entre fabricante y
c o m p r a d o r . T o d o s los a s p e c to s re fe re n te s a la f o rm a d e in s p e c c ió n y a
rep osición de pro ducto se fija de an te m a n o .
E n el uso de este procedim iento se utiliza el co n ce p to de calidad saliente

m e d ia ( A O Q ) y lím ite de calidad saliente m e dia ( A O Q L ) . La ca lid a d saliente
m e d ia e s el p o rc e n ta je de p ro d u c to d is c o n fo rm e a re q u e rim ie n to s q u e se
e ncuentra en ca d a lote cu ya m uestra es aceptada. El límite de calidad saliente
m edia es el valor m áxim o de calidad saliente m edia qu e representa el m áxim o
p o rce ntaje de p ro d u cto d iscon form e q u e p a sa ría al so m e te rse a inspecció n
v a rio s lotes con diferentes ca lid a d e s d e entrada. L a existencia del A O Q L es
ló g ica p u e s no e s p o sib le q u e los lotes te n g a n s ie m p re el m is m o n ivel de
calida d a p e sa r de q u e ello se h a y a pactado.
L o s p a so s en la aplicación de este pro cedim ien to son los siguientes:
1. Estable ce r el pacto entre co m p ra d o r y v e n d e d o r fijando entre otras cosas

el lugar de m uestreo, el tipo de m uestreo, el procedim iento para d e vo lve r
las u n ida de s re c h a za d a s y criterios de re ch a zo .
2. Recibir M lotes de tamaño N para ser muestreados.

DISCONFORMES
FIGURA 6.11. Representación gráfica del plan múltiple de muestreo.
CUADRO 6.13. Plan de muestreo múltiple del Ejemplo 6.12
# n, In , A, R,
1 200 200 1 8
2 200 400 6 12
3 200 600 11 17
4 200 800 16 22
5 200 1000 22 25
6 200 1200 27 29
7 200 1400 32 33
¡
n u e v a m u e s tra de 2 0 0 u n id a d e s. S i en la totalidad de u n id a d e s c o rre s p o n

dientes a a m b a s m uestras h ay 6 o m e n o s unidades disconform es se aceptan
la s m u e s tra s y el lote d e d o n d e p r o v ie n e n . S i s e e n c u e n t r a n 12 o m á s
u n id a d e s d isco n fo rm e s o d e fe ctu o sa s se re c h a za n las m u e stra s y el lote de
d o n d e p ro vien e n. Si e se nú m e ro se en cu e n tra entre 6 y 12 en to n ce s se tom a
u n a n u e v a m u e stra de 2 0 0 u n id a d e s. E s te p ro ce d im ie n to c o n tin ú a h asta la
m u e stra # 7 en la cual se extrae u na m u e stra final de 2 0 0 unid a d e s. Si en las
1 4 0 0 u n id a d e s h a y 3 2 o m e n o s u n id a d e s d is c o n fo rm e s o d e fe c tu o s a s se
a cep tan las siete m u estra s y el lote de don d e pro vienen, pero si h ay 33 o m ás
u n id a d e s en e s a s c o n d ic io n e s , se re c h a z a n las siete m u e s tra s y el lote de
d o n d e pro vie n e n.
E n la F ig u ra 6.11 se h ace la rep resen tación del plan múltiple.
Uso de planes en aceptación-rectificación
L a utilización de plan es de m u estre o para ca so s de aceptació n-rectifica

ción co n siste en recibir lotes, so m e te rlo s a in sp e cció n y re p o n e r to d o aquel
p. od u cto qu e no c u m p la con los req u erim ie ntos p a cta d o s entre fabricante y
c o m p r a d o r . T o d o s los a s p e c to s re fe re n te s a la f o rm a d e in s p e c c ió n y a
rep osición de p ro du cto se fija de an te m a n o .
E n el uso de este procedim iento se utiliza el co n ce p to de calidad saliente

m e d ia ( A O Q ) y lím ite de calida d saliente m e dia ( A O Q L ) . La ca lid a d saliente
m e d ia e s el p o rc e n ta je d e p ro d u c to d is c o n fo rm e a re q u e rim ie n to s q u e se
e ncuentra en ca d a lote cu ya m uestra es aceptada. El límite de calidad saliente
m edia es el valor m áxim o de calidad saliente m edia qu e representa el m áxim o
p o rce ntaje de p ro d u cto d iscon form e q u e p a sa ría al so m e te rse a inspecció n
v a rio s lotes con diferentes ca lid a d e s de entrada. L a existencia del A O Q L es
ló g ica p u e s no e s p o sib le q u e los lotes te n g a n s ie m p re el m is m o n ivel de
calida d a p e sa r de qu e ello se h a y a pactado.
L o s p a so s en la aplicación de este pro cedim iento son los siguientes:
1. Estable ce r el pacto entre co m p ra d o r y v e n d e d o r fijando entre otras cosas

el lugar de m uestreo, el tipo de m uestreo, el procedim iento para d e vo lve r
las u n ida de s re c h a za d a s y criterios de re ch a zo .
2. Recibir M lotes de tamaño N para ser muestreados.

3. Lo ca liza r la probabilidad de aceptación correspondiente al va lo r de p del

lote. S e p u e d e u sa r para ello la cu rva característica de operación del plan
de m u e stre o utilizado.
4. C a lc u la r los valores de calidad saliente m edia ( A O Q ) corresp ondientes a

ca d a lote. E ste cálculo v a ría seg ún se esté o p e rando con un plan sim ple,
doble o múltiple. La s e x p resiones que se usan son las siguientes:
a. P la n e s sim ples
P A*P’* (N -n )
A O Q = --------------------------
N
donde:
P A: probabilidad de aceptación a sociad a a p’
p’: n ive l de c a lid a d del lote al q u e se a p lica el plan d e m u e s tre o ,

ex p re sa d o en fracción disconform e o defectuosa
n: ta m a ñ o de la m uestra
N: ta m a ñ o del lote
b. P lan e s dobles
[p A,*(N - n, ) + P A2*(N - nr n2)] 'P ’

A O Q = -----------------------------------------------------------
N
d onde:
P A1: probabilidad de aceptación en la prim era m uestra asociada con p ’
P A2:p roba bilida d de a ceptación en la se g u n d a m uestra asociad a con

P’
n,: ta m a ñ o de la prim era m uestra
n2: ta m a ñ o de la s e g u n d a m uestra
p ’: n iv e l d e c a lid a d del lote al q u e s e a p lica el p la n de m u e s tre o ,

ex p re sa d o en fracción disconform e o defectuosa
N: tamaño del lote

c. P lanes múltiples
[ P A i * ( N ' n i ) + P A 2 * (N ' n r n 2 ) + - + P A k * (N ' n r n 2 ' - ' n k )]* P ’

A O Q = ----------------------------------------------------------------------------------------------------------
N
donde:
P A1: probabilidad de aceptación en la prim era m uestra asociada con p’
P îp ro b a b ilid a d de aceptación en la se g u n d a m uestra asociad a con

P’
P Ak: probabilidad de aceptación en la k-ésim a m uestra asociada con p’
n ,: tam año de la prim era m uestra
n2: tam año de la se g u n d a m uestra
n k ■ tam año de la k-ésim a m uestra
p ’: nivel de c a lid a d del lote al q u e se a p lic a el p la n d e m u e s tre o ,

expresado en fracción disconform e o defectuosa
N: tam año del lote
5. Lo ca lizar el valor del límite de calidad saliente m edia (A O Q L ).
6. E je cu ta r el procedim iento de devolución de producto recha za do.
L o s E je m p lo s 6 .1 3 y 6 .1 4 m u estra n la form a de o p e ra r bajo este p ro c e

dim iento y la form a de calcular los valores de A O Q .
R e c u é rd e s e , q u e los lotes re c h a z a d o s se d e b e n in s p e c c io n a r 1 0 0 % ,
sustituyendo las piezas d iscon form es p o r pie za s b u e n a s. C o m o es lógico, la
calidad de salida es superior a la calidad de entrada y la calidad saliente m edia
será ce ro solo en el m om ento en que todos los lotes sean rech a za d o s, puesto
que la cantida d de unidade s defectuosas q u e q u e d e n en los lotes serán solo
aquellas qu e la inspección no haya detectado.
La aplicación de planes de m uestreo bajo este pro cedim ien to es de gran

utilidad tanto para el productor com o para el consum idor. P ara ello, se requiere
de m u y b u e n a s re la cio n e s e ntre a m b o s . P o r e je m p lo , p a ra fijar el nivel de
calidad o fracción de pro d u cto discon form e o defectu oso se d e b e n p o n e r de
acuerdo de tal m anera que se establezca el núm ero y la form a en que se ejecu
tará la inspección , se a si ésta se v a re a liza r en la fábrica del p ro d u cto r o del
cliente.
Si la inspección se efectúa en la planta del cliente se aum entan los costos

de envío y de inspección pero se garantiza la devolución de todo aquel producto
que no satisfaga los requerim ientos y la no paralización de la planta por falta de
material.
Si la inspección se efectúa en la planta del proveedor o fabricante se evita

el e n v ío de p ro d u cto d isco n fo rm e y los co sto s de in sp e cc io n a r, pero se a u
m e n ta la p ro b a b ilid a d de p a ra liza c ió n de la planta p o r falta de m a terial. Si
existen acuerdos claros entre a m b a s partes no hay necesidad de preocuparse
por el lugar donde se v a a ejecutar la inspección.
EJEMPLO 6.13
E n la sección de recepción de m ateria prim a de una planta se reciben diez

lotes de 15000 unida de s cada uno. El pro ve e d o r y el co m p ra d o r han fijado un
porcentaje de disconform es del 1 ,5 % , la utilización del plan simple n=200, A c=3
y la aplicación del procedim iento de aceptación-rectificación.
a. ¿ C u á l es la calidad saliente m edia? Utilice un procedim iento de cálculo sin

u sar la fórm ula y u sa nd o la fórm ula.
b. Si los lotes realm ente tuviesen las siguientes calidades: 0,01, 0,01, 0,015,
0 ,0 2 , 0,0 2, 0 ,0 2 5 , 0 ,0 3 , 0 ,0 3 , 0 ,0 3 5 y 0 ,0 4 , ¿ C u á l es el límite de calidad
saliente m edia?
SOLUCION
a. C á lcu lo de la calidad saliente m edia (A O Q )
S e c u m p le n to d o s los p a s o s p a ra la a p lic a c ió n del p ro c e d im ie n to de

ace p ta ció n -re ctifica ció n . S e p ro ce d e e n to n ce s a ca lcu la r la p ro babilidad de
a ce p ta ció n qu e c o rre s p o n d e a un lote con 1 ,5 % de p ro d u cto d isco n fo rm e y
utilizando el plan sim ple dado.
Al b u sca r en las tablas de la aproxim ación binom ial-P oisson se encuentra

que para un valor de np=200*0,015 = 3 y un valor de c=3, la probabilidad de acep
tación es de 0 ,6 4 7. E s decir, se tiene una probabilidad de recha zo de 0,353.
P rocedim iento sin fórm ula
P o r tratarse de un sistem a a cep tació n-rectifica ció n, toda s las unidades

in s p e c c io n a d a s so n b u e n a s, por ello todo s los lotes se re d u ce n en 2 0 0 uni
d ad e s, o se a 1 5 0 0 0 -2 0 0 = 1 4 8 0 0 unidades.
A d e m á s , todas las m uestras qu e se aceptan obligan a aceptar los lotes de

d o n d e p ro v ie n e n . P o r ello, la siguiente can tida d de u n id a d e s d isco n fo rm e s
e v a d e n la inspección:
10 lote s*0,64 7*(15000-200)*0,015= 1437 unidade s disconform es
S i este n ú m e ro de u n id a d e s se divide por la ca n tid a d total de u n idade s

som etidas a inspección se obtiene la calidad saliente m edia. A sí:
1437
A O Q = ------------------= 0 ,0 0 9 5 8 0 0 ,9 5 %
150000
P rocedim iento con fórm ula

P .* p ’* (N -n ) 0,647*0,015*(15 0 0 0 -2 0 0 )
A O Q = — -------------------- = ------------------------------------------------------- = 0 ,0 0 9 5 8 ó 0 ,9 5 8 %
N 15000
C o m o se pu e de, ve r am b o s procedim ientos brindan el m ism o resultado,
b. C álculo del límite de calidad saliente m edia (A O Q L )
El C u a d ro 6 .1 4 pre se n ta los cá lcu lo s de la ca lid a d saliente m e dia para

ca d a lote y el va lo r del límite de calidad saliente m edia.
Estos valores de A O Q pueden graficarse obteniéndose la C u rv a A O Q de la

Figu ra 6.12.
P u e d e nota rse qu e p re cis a m e n te el límite de calida d saliente m e dia se

obtiene para lotes con la calidad de entrega fijada, qu e es de 1 ,5 % .
El valor de 0 ,9 5 8 % es el peor nivel de calidad qu e se acep ta con los diez

lotes presentados.
CUADRO 6.14. Cálculo del AOQL para n=200, A =3
p’ np Pa AOQ
0 ,0 1 0 2 0 ,8 5 7 0 ,0 0 8 4 5
0 ,0 1 5 3 0 ,6 4 7 0 ,0 0 9 5 7 f-A O Q L
0 ,0 2 0 4 0 ,4 3 3 0 ,0 0 8 5 4
0 ,0 2 5 5 0 ,2 6 5 0 ,0 0 6 5 3
0 ,0 3 0 6 0 ,1 5 1 0 ,0 0 4 4 7
0 ,0 3 5 7 0 ,0 8 2 0 ,0 0 2 8 3
0 ,0 4 0 8 0 ,0 4 2 0 ,0 0 1 6 6
P (% )
FIGURA 6.12. Curva de calidad saliente media
EJEMPLO 6.14
¿ C u á l es la calidad saliente m edia en el Ejem plo 6.1 3 si se usa el siguiente

plan doble de m uestreo?
n, = 120 n2 = 1 2 0
A c, = 3 A c2 = 6
7 P e2 = 7
P el =
SOLUCION
E L C u a d r o 6 .1 5 p re s e n ta los c á lc u lo s n e c e s a rio s p a ra e n c o n tra r la

p ro b a b ilid a d de a c e p ta c ió n c o rre s p o n d ie n te a un lote c u y o p o rce n ta je de
producto disconform e es de 1 ,5 % .
P A1 = 0,966
P A2
a = 0 ,0
’
2 6 * 0 ,3
’
0 3 + 0 ,0
1
0 6 * 0 ’,1 2 6 + 0 ,0 0 2 * 0 ,0 2 7 = 0 ,0 0 8 6 8 8
p’ =0,015
n, =120
n2 =120
N = 15000
[P A,*(N - n i)+ P A2*(N - n C n2)]*P’

A O Q = ------------------------------------------------------------------
N
[0,96 6*(15 0 0 0 -1 2 0 )+ 0 ,0 0 8 6 8 8 * (1 5 0 0 0 -1 2 0 -1 20)]*0 ,015

A O Q = ----------------------------------------------------------------------------------------------------------------------
15000
A O Q = 0,0 14 5 o 1 ,4 5 %
La calidad saliente m edia (A O Q ) de un lote que tiene un porcentaje de pro

du cto d isco n fo rm e de 1 ,5 % y qu e se m u e stre a con el plan do b le d a d o es de
1 ,4 5 % .
P l a n e s s e c u e n c ia l e s d e m u e s t r e o
E n m uchas ocasiones, la inspección de producto es destructiva, pues las

u n id a d e s se de s tru ye n deb ido a la p ru e b a que se les ejecuta. P or ello no es
CUADRO 6.15. Cálculo de probabilidad de aceptación (p=0,015)

muestra muestra
n *p= 120*0,015=1,20 (n¡+n2)*p=240*0,015=3,6
P (d < 3) = 0,966
P (d = 4) = 0,026 P(d < 2) = 0,303
P (d < 4 ) = 0,992
P (d = 5) = 0,006 P (d < 1) = 0,126
P (d < 5) = 0,998
P (d = 6) = 0,002 P (d = 0) = 0,027
P (d < 6) = 1,000
factible, de sde el punto de vista eco nó m ico , tom ar m u ch a s unidades para ser
probadas. E n este caso se deben usar planes que permitan adoptar decisiones
rá p id a s , in s p e c c io n a n d o el m e n o r n ú m e ro de u n id a d e s . E s to s p la n e s se
co n o ce n com o planes secuenciales de muestreo.
U n plan secue ncial puede ser u sa d o en form a gráfica o en form a tabular.

La Figu ra 6.1 3 m uestra la form a gráfica de este tipo de plan.
El plan secuencial funciona de la siguiente m anera: se tom a una unidad y

se prueba. Si su núm ero de defectos ca e en la zo n a de rechazo, se re c h a za el
lote de donde proviene esa unidad. Si cae en la zo n a de aceptación, se acepta
el lote de donde proviene la unidad. S i el núm ero cae en la z o n a de inspección
se insp eccion a una n u e v a p ie za y se con tin úa así hasta qu e h aya criterio de
a ce p ta ció n o de re c h a zo . C o m o se p u e d e notar el ta m a ñ o de la m u e stra es
variable.
T a l y com o se puede o b s e rv a re n la Figura 6.13, un plan secuencial queda

p la n te a d o c u a n d o se d e te rm in a n la e c u a c ió n de la lín e a de re c h a z o y la
ecuación de la línea de aceptación. E sta s ecuaciones son:
FIGURA 6.13. Representación gráfica de un plan secuencia!
• E cu a ció n de la línea de aceptación (L A c)
C ,= -h , + s* k
• E cu a ció n de la línea de recha zo (L R e)
C 2= h2 + s*k
donde:
k: núm ero de unidades por inspeccionar
y h2: intersecciones de las líneas
s: pendiente de am b a s líneas
P a ra d is e ñ a r un plan se c u e n c ia l de m u e s tre o es n e c e s a rio c o n o c e r el

rie sg o del p ro d u c to r (a ), el nivel de c a lid a d a ce p ta b le ( A Q L ) , el rie sg o del
c o n s u m id o r (B ) y el porcentaje no con form e tolerado en el lote ( P N C T ) . C o n
e s to s v a lo re s se c a lc u la n los p a rá m e tro s de las e c u a c io n e s cita d a s a n te

riorm ente.
log [(1 -a )/ p ]
h ,=---------------------------------------------------------------------------------------------
log [(P N C T * (1 -A Q L ))/ (A Q L * (1 -P N C T ))]
log [(1-p)/oc]
h2=---------------------------------------------------------------------------------------------
log [(P N C T * (1 -A Q L ) )/(AQ L*(1 - P N C T ) ) ]
log [(1 -A Q L ) ,( 1 -P N C T )]
s = ---------------------------------------------------------------------------------------------
log [(P N C T * ( 1-A Q L ))/ (A Q L * (1 - P N C T ) ) ]
La cu rva característica de operación de un plan secuencial se puede apro

xim ar con la graficación de los siguientes cinco puntos:
1. P a ra p ’=0, P A= 1
Ql
P a ra p ’= 1 ,
II<
2 .
3. P a ra p ’= A Q L , p a= i -«
4. P a ra p ’= P N C T , p a=P
5. Para p ’=s, P A= h2/(h2+ h 1)
La form a tabular de estos planes consiste en dar valores a k y generar dos

c o lu m n a s , u n a de a ce p ta ció n y otra de re c h a zo . C a d a v e z q u e se s o m e te a
prue ba una unidad se ob s e rva la tabla para v e r cuál es el criterio por seguir. El
v a lo r de a ce p ta c ió n se re d o n d e a hacia a b a jo y el criterio d e re c h a zo hacia
a rrib a . E l E je m p lo 6.15 p e rm ite o b s e rv a r las d o s fo rm a s d e o p e ra r p la n e s
secu e nciale s de m uestreo.
EJEMPLO 6.15
D is e ñ a r un plan se cu e ncial de m u e stre o q u e c u m p la c o n las sig uiente s

condiciones:
a. R ie sgo del productor (a ) = 5%
b. R iesgo del co n su m ido r (P) = 10%
c. Nivel de calidad aceptable (A Q L ) = 0 ,0 1 2
d. Porcentaje no conform e tolerado ( P N C T ) = 0,1 3 2
SOLUCION
Para conocer este plan se deben calcular los parám etros de las ecuaciones
de acep tación y recha zo .
log [(1 -0 ,0 5 )/0 ,10]

h _.---------------------------------------------------------------
log [(0 ,1 32*(1 -0 ,0 1 2))/(0,012*(1 -0 ,1 3 2 ))]
h ,= 0,8 9
log [(1 -0 ,1 0)/0,05]

h2= ------------------------------------------------------------------------------------------
log [(0 ,1 32*(1 -0 ,0 1 2))/(0,012*(1 -0 ,132),]
h2= 1,144
log [(1 -0 ,0 1 2)/(1 -0 ,1 3 2 )]

s = ------------------------------------------------------------------------------------------
log [(0 ,1 32*(1 -0 ,0 1 2))/(0,012*(1 -0 ,1 3 2 ))]
s= 0,051
C o n estos valores se plantean las ecu acion es siguientes:
• Lín e a de re cha zo
c2= 1,144 + 0,051 *k
• Lín e a de aceptación
c ,= -0,89 +0,051 *k
E ste plan de m u e stre o p u e d e re c h a za r co n la p rim e ra u n id a d , p e ro no

aceptar. Para tener criterio de aceptación se necesitan al m enos 18 unidades,
valor que se obtiene h aciendo cero el valor de c ,.
0 = - 0 ,8 9 + 0 ,0 5 1 *k
k = 0,89/0,051 = 1 7 , 4 5 - 18
La Figura 6 .14 presenta el plan respectivo.
La form a tabular de este plan se m uestra en el C u a d ro 6.16.
N O R M A IS O 2859-1
E sta no rm a , a c tu a liza d a en 1989 p o r la O rg a n iz a c ió n Internacional de

N orm aliza ción (I S O ), es m u y sim ilar a la N o rm a Militar E stá n d a r 10 5 D , la que
D E FE C TO S
de
N°
FIGURA 6.14. Representación gráfica del plan secuencial

CUADRO 6.16. Plan secuencial en forma tabular
# de unidades Aceptación Rechazo
D e l a 16 — 2
17 — 3
De 18 a 37 0 3
De 38 a 56 1 4
De 57 a 95 2 5
En adelante se continúa con el cálculo
fue ado p tada por la IS O en 1974. Ella pre senta procedim ientos de m uestreo,
b a s a d o s en in s p e c c ió n p o r atribu to s p a ra c a s o s en q u e se rie s de lotes de
productos sean som etidos a inspección, bajo un nivel calidad aceptable (A Q L )
pre viam ente establecido. La norm a se aplica sobre la inspección de unidades
discre tas y su propósito es indu cir al p ro v e e d o r a en tre g a r lotes qu e teng an
calidad igual o m ejor al A Q L y al consum idor a aceptar ocasionalm ente lotes de
bajo nivel de calidad.
L o s p la n e s c o n te n id o s en esta n o rm a sirven entre otras c o s a s p a ra la

in sp e cc ió n de p ro d u cto te rm in a d o , de c o m p o n e n te s y m a te ria s prim a s, de
operaciones de producción, de materiales en proceso, de materiales alm acena
dos, de operaciones de m antenimiento, de bases de datos y de procedim ientos
adm inistrativos.
Estos planes han sido diseñados para permitir el cam bio de inspección de
a c u e rd o con el c o m p o rta m ie n to de la ca lid a d de los lotes. A s í, iniciando en
in s p e c c ió n n o rm a l é sta se to rn a rá estric ta c u a n d o el n ivel s e d e te rio re o
ca m bia rá a sim plificada cu a n d o el nivel m ejore considerablem ente.
La n orm a perm ite e sco g e r el plan qu e m ejor se adapte a las condiciones

de quien la aplique. Estos planes pueden ser sim ples, dobles o múltiples. Para
co m p re n d e r m ejor su aplicación es necesario definir algunos térm inos com o:
No conformidad: es la g eneració n de u na característica de calidad que

resulta en un p ro du cto , p ro c e s o o servicio q u e no reúne los req u erim ie ntos
especificados. S e pu e den clasificar en la m is m a form a en q u e se clasifican los

defectos.
Unidad no conforme: es una unidad de producto o servicio que contiene

al m enos una no conformidad. S e pueden clasificar en la m ism a forma en que
se clasifican las unida de s defectuosas.
Porcentaje de no conformes: es el n ú m e ro de u n id a d e s no co n fo rm es
m ultiplicado por 100 y dividido por el total de unidades inspeccionadas.
No conformes por cada 100 unidades: es el nú m ero de no con form ida

des m ultiplicado por 100 y dividido por el total de unidades inspeccionadas.
Unidad de producto: es la unidad inspeccionada con el fin de clasificar las

unidade s conform es y no conform es o para contar no conform idades. E sta uni
dad puede se r un artículo, un par, un grupo, una longitud, un área o un volum en.
E sta unidad p u e d e o no s e r la m is m a u nid a d de co m p ra , de p ro ducción o de
envío.
P a ra lo c a liza r p la n e s de m u e stre o en esta n o rm a s e d e b e n c o n o c e r los

siguiente s datos.
a. T a m a ñ o del lote (N )
b. Nivel de inspección
c. T ip o de inspección
d. T ip o de m uestre o
e. Nivel de calidad acep table (A Q L )
El tamaño del lote es necesario para entrar a la prim era tabla de la norm a
y lo c a liza r la letra c ó d ig o del ta m a ñ o de la m u e stra . Si los lotes no han sido
e s ta n d a riz a d o s , se d e b e p ro c e d e r a e s ta n d a riz a rlo s p rim e ro q u e to d o . El
C u a d ro 6 .1 7 de m u e stra lo apuntado.
El nivel de inspección, que tam bién sirve para localizar la letra código del
tam año de la m uestra, representa el grado de discrim inación del plan de m u e s
treo. Existen tres niveles gene rales y cuatro niveles especiales. Si no se e s p e
cifica el nivel, se utiliza el nivel norm al que es el nivel II, si se d e s e a un plan con
m a y o r g ra d o de discrim in a ció n se usa un nivel III y si se quie re un plan con

m e n o r g ra d o de d iscrim in a ció n se u sa el nivel I. Lo s n iv e le s e sp e c ia le s se
deben utilizar solo cu a n d o sea absolutam ente necesario trabajar con m uestras
p e q u e ñ a s y se p u e d a n to le ra r g ra n d e s rie sg o s en la in s p e c c ió n . E l tipo de
inspección representa la dinám ica con la que se aplicará la norm a, c o m e n za n
d o s ie m p re con in s p e c c ió n n orm al y c a m b ia n d o a estricta o a sim plificad a
seg ú n las condiciones lo am eriten.
El tipo de muestreo se refiere a la aplicación de m uestreo sim ple, doble o

múltiple. Algu na s reglas que pueden a y u dar a la selección del tipo de m uestreo
son:
a. Si nu nca se ha aplicado la norm a se debe iniciar con planes sim ples.
b. S i se d e s e a dism in u ir co sto s, se d e b e p ro cu ra r la utilización de plan es

m últiples o dobles.
c. Lo s planes de m uestreo se vuelven m ás difíciles de m anejar conform e se

p a s a de sim ple a doble y aún m ás si se pasa a múltiple. Entren am iento y
capacitación son necesarios para evitar errores.
d. C u a n d o el lote c a m b ia de lugar, al extraer la prim era m uestra, se deb en

a p lic a r p la n e s sim p le s, p u e s la e xtracción de m u e stra s a d icio n a le s se
com plica.
e. C u a n d o es n e c e sa rio utilizar p la n e s con n ú m e ro de a ce p ta ció n igual a

c e ro , so lo s e p u e d e n u s a r p la n e s s im p le s p u e s no e x iste n , p a ra e se
n ú m ero de aceptación, planes dobles ni múltiples.
f. Para niveles de calidad aceptable (A Q L ) superiores a 15 no conform idades

por ca d a 100 unidades, solo existen planes sim ples, cu a n d o se requieran
m uestra s peq u e ñas.
El nivel de calidad aceptable (AQL) es el m á s difícil de obtener, pu es

raras v e c e s se g u a rd a inform ación útil para su estim ación. P a ra estim arlo se
puede tom ar com o referencia el prom edio de producto disconform e que genera
la línea de producción. El A Q L debe ser ligeram ente m ayor que ese valor para
e v ita r g ra n d e s v o lú m e n e s d e re c h a z o d u ra n te la in s p e c c ió n y lu e g o irlo
m ejo rand o cada día.
U n gráfico de control p, aplicado bajo condiciones norm ales de fabricación,

p u e d e se r de gra n utilidad para e stim a r el A Q L . E n tre otras co s a s , tam bién
deben considerarse para su estim ación los costos de inspección, requisitos de

d ise ñ o , d e m a n d a del p ro d u cto , q u e ja s del cliente y c a p a c id a d de p ro ce s o .
D e b id o a qu e es requisito c o n o c e r el v a lo r del A Q L , para localizar el plan de
m u estre o, se p u e d e fijar el v a lo r co m o una prim era a pro xim ació n y luego de
acuerdo con el com portam iento del pro ceso se puede revisar.
Si un valor de AQL no se encuentra en el cuadro de la norma, enton

ces la norma no se puede aplicar. L o s v a lo re s de A Q L se e x p re s a n en
porcentaje de dlsco nfo m e s o no co n fo rm id a d e s por ca d a 100 u n idade s si su
valor es igual o inferior a 10. Si es superior a 10, el A Q L representa únicam ente
no conform idades por ca d a 100 unidades.
E l p r o c e d im ie n t o p a r a e x tr a e r un p la n d e la n o r m a s e d e s c r ib e a
continuación.
1. Localizar la letra código del tam año de la m uestra en la T a b la I de la N orm a

y u s a n d o p a r a e llo , el ta m a ñ o d e l lo te ( N ) y el n iv e l d e in s p e c c ió n
seleccionado.
2. Localizar el plan de m uestreo deseado en la tabla correspondiente usando

la letra có d ig o lo caliza da en 1., el A Q L , el tipo de inspección y el tipo de
muestreo. Para ayu da r a la búsqueda de la tabla deseada, la norm a cuenta
con identificaciones de tipo de m uestreo y tipo de inspección en la esquina
inferior d e re ch a de ca d a hoja. Si un plan no existe p a ra un dete rm in a d o
A Q L en c o m b in a c ió n con la letra c ó d ig o , la n o rm a e n v ía a otro plan de
m uestreo.
3. O p e rar el plan de m uestreo seleccionado cam biando de tipo de inspección

cu a n do las condiciones lo am eriten.
Ta m b ié n , la norm a contiene una serie de tablas den om inad as T a b la s X-*,

don de el asterisco representa a cad a una de las letras código. E n estas tablas
se pueden tam bién localizar planes de m uestreo. La ventaja de estas tablas es
que contienen la cu rva ca racte rística de ope ra ció n del plan d e s e a d o . E sta s
tablas solo pu e den ser usada s en caso s de inspección norm al o de inspección
estricta. La s tablas por letra tienen tres partes: la prim era parte son las cu rva s
características de ope ración para todos los A Q L ’s que tienen relación con la
letra, la segunda parte tiene v a lo r e s tabulados para esas curvas características
y la tercera contiene los planes de m uestreo correspondientes a la letra.
A lg u n a s tablas de la n o rm a co n tien en va rio s s ím b o lo s e speciales cu y o

significado se explica a continuación:
T : usar el prim er plan de m uestreo localizado sob re la flecha
i: usar el prim er plan de m uestreo localizado bajo la flecha
Ac: nú m ero de aceptación
R e : nú m e ro de recha zo
*: utilizar el plan de m uestreo sim ple correspondiente con la alternativa

de usar el múltiple cu a n d o esté disponible.
+ + : utilizar el plan de m uestreo doble correspondiente con la alternativa

de usar el múltiple inm ediato
#: no se perm ite aceptación para ese tam año de m uestra
I: indica que si el núm ero de unidades disconform es se encuentra entre

el núm ero de aceptación y de recha zo se debe aceptar el lote pero se
reintenra la inspección normal
V: e m p le a r la letra c ó d ig o s ig u ie n te p a ra la q u e e stá n d is p o n ib le s
núm e ro s de aceptación y de recha zo .
A: e m p le a r la letra có d ig o p re c e d e n te para la q u e e stán disp o n ib le s

núm e ro s de aceptación y rechazo .
EJEMPLO 6.16
U s a n d o la inform ación de los C u a d ro s 6.18 a 6.23, localizar los planes de

m u e stre o p e didos en el C u a d ro 6 .1 7 y expliqu e c ó m o funciona ca d a uno de
ellos.
SOLUCION
Plan 1
O b s e r v a n d o el C u a d r o 6 .1 8 , se tiene q u e p a ra N = 2 5 0 0 0 y un nivel de
inspección III, la letra código del tam año de la m uestra es la letra N.
CUADRO 6.17. Planes de muestreo solicitados en el Ejemplo 6.16
Plan No. 1 2 3 4
Tam año del lote 25000 kg 1 8 5 0 0 kg 125000m 5000 u

Nivel de inspección III II I III
Tipo de inspección Normal Estricta Reducida Normal
Tipo de plan Simple Simple Doble Múltiple
AQ L 2,5% 6,5% 4% 1,5%
Sa b ie n d o que se de sea un plan sim ple para inspección norm al se localiza

la T a b la ll-A , que se presenta en el C u a d ro 6.19. Al usar un A Q L de 2 ,5 % y una
letra código N el plan es:
n = 50 0 kg
Ac = 21 kg d'sconform es
Re = 22 kg disconform es
Q u ie re decir, que de un lote de 2 5 0 0 0 kg se tom a u na m uestra de 500 kg.

Si se e n c u e n tra n 21 kg o m e n o s d isco n fo rm e s con lo req u e rid o se a cep ta la
m uestra y el lote. P ero si se encuentran 22 kg o m ás disconform es, se rechaza
la m uestra y el lote y se inspeccionan 1 0 0 % los 24500 kg restantes.
Otra forma de extraer este plan es usando las tablas para las letras código.
El C u a d ro 6 .20 pre senta la tabla correspondiente a la letra N, que es la que se
u sa en este ca so . A d e m á s , se se ñ a la el plan b u s c a d o y su re s pectiva cu rva
característica de operación.
Plan 2
O b s e rv a n d o el C u a d r o 6 .1 8 , se tiene q u e para N = 1 8 5 0 0 0 y un nivel de

inspección II, la letra código de tam año de m uestra es la letra P.
S a b ie n d o qu e se de se a un plan sim ple para inspección estricta se localiza

la T a b la ll-B , que se presenta en el C u a d ro 6.21. Al usar un A Q L de 6 ,5 % y una
ím
CU
O = m u ü u J L L ü n ^ - j ^ z Q - O a ;
ca>
CD
E
'O
O
O
<D
Q. ss <CÜÜÜLUIL(!)It ^ J ^ Z Q - O
CA
CUADRO 6.18. Tabla I. Letras código para el tamaño de la muestra
C
0)
TJ
(A
0)
O
> — < < [ d o ü ü ü j i l o i “) 5 ¿ - ' 2 z
Z
S-4
<<C D Ü Ü Ü liJlU lL Ü C )lT5 ^

c
‘O
o
o
CD
CL
(A
C co
<<CQCDÜUüOLi JLULLLLÜÜI
<D có
TJ
CA
<
D
’o
CD C N
C I <<<C0CDfflüOOÜQÜLULUlU
CA (/)
Q)
CA
0)
CD
>
z
T-
<<<<CQC0CDCDOOOOC1QQ
c¿
COLOLOOOOOOOOOOOO w
CD -t
-C\JLOCT>LOCOOOOOOOO'CVJ
o T-(MinCMCMOOOO £
T- C
OO LOo o > ,
T- C
OLOo
CD 1- LO
TJ
a
a
a
a
a
a
a
a
a
a
a
a
a
a
o
iC
CU ( M O i C O C O -r -T -T -T -T -T -T -T -T - T-T-
c T-C\JIOCX>IOCOOOOOOOO
c i-C\JLOCMC\IOOOO
cu T- C
OO lo o o
H 1- COLOo
T- LO
530
CUADRO 6.19. Tabla II-A . Planes de muestreo simple para inspección normal
Niveles de calidad aceptables (inspección normal)
0.010 c 150 250 650
A R / A R A R A R AR. A R
7 8 14 15
10 11 30 31
u Jl 1 0 1114 15 21 22 44 45
14 15 21 22 30 31
14 15 21 22 30 31 44 45
21 22 30 31 44 45
o O
21 22
u
125 14 15
200 21 22
315
500 21 22
800 V 7
1250 oi
CONTROL DE CALIDAD
2000
X
CUADRO 6.20. Tablas X-N. Tablas para letra código N
N iv e le s a c e p t a b le s d e c a lid a d ( i n s p e c c i ó n n o r m a l) Tam año

acumulado
Tipo de
plan de
muestreo
Tam año
acum ulado
la m uestra
<0,025 0,025
AR
0,040
Ac R
X
Ae R.
0,065 0,10
A R
0,15
a cr „
0,25
A R
0,40 0,65
X X X 1,0 1,5
AR
2,5 >2,5 de ¡a
m uestra
Ac R. AR Ac R. Ac R. Ac R, A c R. A cR. AcR Ac R. A c R.
V 0 1 1 2 2 3 3 4 5 6 7 8 8 9 10 11 12 T3 14 15 18 19 21 22 A 500
Sencilo 500
0 2 0 3 1 4 2 5 3 7 3 7 5 9 6 10 7 11 9 14 11 16 A 315
315
V •
1 2 3 4 4 5 6 7 8 9 11 12 12 13 15 16 18 19 23 24 26 21 630
Use Use Use
V . código código código # 2 # 2 # 3 # 4 0 4 0 4 0 5 0 6 1 7 1 8 2 9 A 125

125
M 0 P
# 2 0 3 0 3 1 5 1 6 2 7 3 8 3 9 4 10 6 12 7 14 250
250
375 0 2 0 3 1 4 2 6 3 8 4 9 6 10 7 12 8 13 11 17 13 19 375
500 0 3 1 4 2 5 3 7 5 10 6 11 8 13 10 15 12 17 16 22 19 25 500
625 1 3 2 4 3 6 5 8 7 11 9 12 11 15 14 17 17 20 22 25 25 29 625
750 1 3 3 5 4 6 7 9 10 12 12 14 14 17 18 20 21 23 27 29 31 33 750
875 2 3 4 5 6 7 9 10 13 14 14 15 18 19 21 22 25 26 32 33 37 38 875
<0,040 0,040
X 0,065 0,10 0,15 0,25 0,40 0,65
X 1,0
X 1,5
X. X 2,5 >2,5
N iv e le s d e c a lid a d a c e p ta b le (in s p e c c ió n e s tric ta )

Continuación Jel Cuadro 6.20
532
Porcentaje de lotes
que se espera sean
aceptados (Pa)
CONTROL DE CALIDAD
Calidad de los productos, en porcentaje de no conformes o en no conformidades por 100 unidades
I
JORGE ACUÑA A
Niveles de calidad aceptable (inspección normal)
0 ,0 2 5 0 ,1 0 0 ,1 5 0 ,2 5 0 ,4 0 0 ,6 5
X 1 ,0
X 1 ,5
X 2 ,5
C
Pa
p (e n p o r c e n t a je d e n o c o n f o r m e s o e n n o c o n f o r m i d a d e s p o r 1 0 0 u n id a d e s )
U
99,0 0,002 01 0,029 7 0,087 2 0,165 0,357 0,581 0,701 0,954 1,22 1,50 2,07 2,51
Ñ
0,164 0,273 0,523 0,796 0,939 1,23 1,54 1,85 2,49 2,98
A
95,0 0,010 3 0,071 1
90,0 0,021 1 0,106 0,220 0,349 0,630 0,931 1,09 1,40 1,73 2,06 2,73 3,25
0,057 5 0,192 0,345 0,507 0,844 1,19 1,37 1,72 2,08 2,45 3,18 3,74
75,0
50,0 0,139 0,336 0,535 0,734 1,13 1,53 1,73 2,13 2,53 2,93 3,73 4,33
25,0 0,277 0,539 0,784 1,02 1,48 1,94 2,16 2,60 3,04 3,48 4,35 4,99
10,0 0,461 0,778 1,06 1,34 1,85 2,35 2,60 3,08 3,56 4,03 4,95 5,64
5,0 0,599 0,949 1,26 1,55 2,10 2,63 2,89 3,39 3,89 4,38 5,34 6,05
0,921 1,33 1,68 2,01 2,62 3,20 3,48 4,03 4,56 5,09 6,12 6,87
1,0
0,040 0,15 0,25 0,40 0,65

X 1,0
X 1,5
N i v e le s d e c a li d a d a c e p t a b l e ( i n s p e c c i ó n e s t r ic t a )
X. 2,5
X
533
■83
5P3 5:
SQ í*
P3
CUADRO 6.21. Tabla ll-B . Planes de muestreo simple para inspección estricta
22 A -
■ 52 V-
, 22 22 ^
^ 2 :
'O
o
o
0)
Q.
T E
TD
CO
T3
"CO
O
CD 5<=
*D t= $ 2 :
CO
0)
-O o
05
Q. cz> 2
0)
O
CO
co
,©
0 >T>~
3 s c=¡> 2 :
=>- C ^2
=> = ■=}>
ejjs a n u j dp oubujbj .
e jts a n u j ap
o u a u B i |9p o & p p o b jib ]
letra cód ig o P el plan presenta un tam año de m uestra n = 8 0 0 , sin em bargo, no

ha y criterio de aceptación y rechazo para ese A Q L . E n to n ce s se deb e u sar el
plan hacia el que apunta la flecha.
n = 200 m etros
A c = 18 m etros disconform es
R e= 19 m etros disconform es
Q u ie re de cir qu e , de un lote de 185 0 0 0 m etros se to m a una m u estra de

200 metros. Si se encuentran 18 metros o m enos disconform es con lo requerido
se a cep ta la m uestra y el lote. Pero si se encuentran 19 m etros o m ás disco n
fo rm e s , se re c h a z a la m u e s tra y el lote y se in s p e c c io n a n el 1 0 0 % d e los
184 8 00 metros restantes.
T a m b ié n se p u e d e u sa r la T a b la X - P que es s im ila r a la T a b la X -N del

C u a d ro 6.20.
Plan 3
O b s e rv a n d o el C u a d ro 6.18, se tiene qu e para N = 1 2 5 0 0 0 y un nivel de

inspección I, la letra código de tam año de m uestra es la letra L.
S abiendo que se desea un plan doble para inspección reducida se localiza

la T a b la lll-C , qu e se presenta en el C u a d ro 6.22. Al usar un A Q L de 4 % y una
letra cód ig o L el plan localizado es el siguiente:
n, = 50 m etros n2 = 50 metros
A c1 = 3 m etros Ac2 = 8 metros
R e1 = 8 m etros Re 2, = 12 metros
Q u ie r e d e c ir, q u e de un lote de 1 2 5 0 0 0 m e tro s s e to m a u n a p rim e ra

m uestra de 50 metros. Si se encuentran 3 metros o m enos disconform es con lo
re q u e rid o se a c e p ta la m u e stra y el lote. Si se e n c u e n tra n 8 m etros o m á s
d is c o n fo rm e s , s e re c h a z a la m u e stra y el lote y se in s p e c c io n a n 1 0 0 % los
1 24950 metros restantes. Si el núm ero de disconform es se encuentra entre 3 y
8, s e to m a u na s e g u n d a m u e stra de 5 0 m e tro s . S i en a m b a s m u e s tra s se
e n c u e n tra n 8 m e tros o m e n o s d isco n fo rm e s con lo re q u e rid o se a ce p ta la
ISO 2859-1 : 1989 (E)

I §8 I iI I. — X
s á • • • < S = --............ — - .......................- -..............................i
- t - • • • £8
§ X
} • • • 28 £8
8 x
3 I • • • 22 28
CUADRO 6.22. Tabla lll-C. Planes de muestreo doble para inspección reducida
< - ----------- ---

r e d u c id a )
8 - h
X
• • • -2
1 • • • “ 2 ow
<2
X
á • • • ”2 22
9
X
16
(in s p e c c ió n
5 10
1
a • • • oo
12
X
2
1216
510
i -9
X o * • IZ ZZ
8 12 12 19
í ¡" JlL, ®2
2
X oo o — oo o"
12 16j
5 10]
3 8
i
• < J = oo oo o - oo
de calidad
X
o. í
X 0 * 0 ■=!> z i :: :: “5
i r-N "o o a
0,1
02 0
02 03 0
0 2 10
£ i i----------*N -9 F ---------
■ — vX * < p «o :: ::
X
a c e p ta b le s
■*«>
02
s
i- .
1------------------ • <> => "o oo «o
«2 22
<P
s 0
02
02
• O oo ®2 22
> O oo «o
i
” 91
02
02
9 • <> <> oo - “2
'-------------- = = > oo
6
X
lili
l
s
N ive le s
'-------------------------------------> • <5= oo oo IZ oo
-<■
X i---------------------------S •
5 oo oo ::
i 1
]
------------------------------ • o <>
I 0 2I 0 3
02 04
02
02
o' o - oo
X
O - j1- 1----------------------------------- • O o
8 oo o -
i X ‘---------------------------------------^ • o <> oo
03
04
i ------------------------------------------- ^ • <=<> oo
o+ 1
8
°- X C=------------------------------ ---------------2 • < r=

X
i--------------------------------- •
I
I
50 I
100 I
250 I
400 I
630 I
125 |
1 000 I
BA!iB|nujnoB CMTí coco moCO<o O O CM'T

CM-«i COCO
160
80
200
315
500
13
26
BJisenui
9POyBUJBl
1
CMCMco co ininco co co co C
O O CM
OC
CM
125 I
200 I
315 I
BJjsenw MC MC O88ss
200
315
125
8 8
epOUBUJBl ir> ui
Sequnda 1
Primera I
Primera j
Sequnda |
Seaundal
Seaundal
Seaundal
Seaundal
Seaundal
Seaundal
Seaundal
Seaundal
Segunda
Sequnda
Segunda
Primera
Primera
Primera
Primera
Primera
Primera
Primera
Primera
Primera
Primera
Primera
BJisaniu
9p OyBUJBl
|9p o 6¡P90 < CQ o Q LU LL O X “3 * 2 z Q_ O CE
BJJ91
m uestra y el lote. SI se encuentran 12 metros o m ás disconform es, se rechaza

la m uestra y el lote y se inspeccionan 1 0 0 % los 124900 m etros restantes.
Este plan que es para inspección reducida no tiene núm eros de aceptación
y re c h a zo co n se cu tivo s en la s e g u n d a m uestra. P o r lo tanto, si el n ú m e ro de
d isco n fo rm e s se en cu e n tra entre a m b o s n ú m e ro s se d e b e n a ce p ta r a m b a s
m uestra s y el lote, pero se deb e regresar a inspección norm al.
Plan 4
O b s e r v a n d o el C u a d r o 6 .1 8 , se tie n e q u e p a ra N = 5 0 0 0 y un nivel de
inspección III, la letra código de tam año de m uestra es la letra M.
Sa bie nd o qu e se desea un plan múltiple para inspección norm al se localiza

la T a b la IV -A , q u e se p re s e n ta en el C u a d r o 6 .2 3 . A l u s a r un A Q L d e 1,5
d is c o n f o rm id a d e s p o r c a d a 1 0 0 u n id a d e s y u n a le tra c ó d ig o M , el p la n
localizado se m uestra en el C u a d ro 6.24.
E ste plan funciona así: de un lote de 5 0 0 0 unidades se tom a una prim era
m u estra de 80 u nidade s, si no contiene unidade s d iscon form es en to n ce s se
a ce p ta la m u e stra y el lote. S i co n tie n e 5 o m ás d isco n fo rm e s se re c h a za la
m uestra y el lote, procediendo a inspección 1 0 0 % sobre el rem anente de 4920
unidades. Si el núm ero de disconform es está entre 0 y 5 disconform es se tom a
u n a s e g u n d a m u e s tra ta m b ié n de 8 0 u n id a d e s . Si el a c u m u la d o d e 160
u n id a d e s con tie n e 3 o m e n o s unidade s disconform es en to n ce s se a ce p ta la
m uestra y el lote. Si contiene 8 o m ás disconform es se re ch a za la m uestra y el
lote, procediendo a inspección 1 0 0 % sobre el rem anente de 4840 unidades. Si
el nú m e ro de disconform es está entre 3 y 8 disconform es se tom a una tercera
m u e stra ta m b ié n de 80 u n id a d e s . E ste p ro ce so se c o n tin ú a de igual form a
hasta tener criterio de aceptación o de recha zo , lo cual necesariam ente debe
darse al com ple tar siete m uestras, equivalentes a 560 unidades.
SI se co m p a ra este plan múltiple con un plan sim ple que trabaje bajo las
m ism as condiciones (n = 3 1 5, A c= 1 0, R e= 1 1) se puede notar que trabajar con el
plan múltiple puede ser m ás barato siem pre y cuando el e sq u em a de m uestreo
múltiple no su pe re la m uestra 4.
T a m b ié n se p uede u s a rla T a b la X -M , la cual es sim ilar a la T a b la X -N del

C u a d ro 6.20.
CUADRO 6.23. Tabla IV-A. Planes de muestreo múltiple para inspección normal
Niveles de calidad aceptable (inspección normal)
|o.010|0.015 0.025 0.040 0.065 0,10 0.15 0.25 0.40 0.65 1.0 1.S 2.5 4.0 6.5
I I
• 3-8 ¡i Ac Ra Ac Ral Ac Ral Ac Ra A cR aAcReAcRaAcRaAcRe Ac Ri c Ra Ac Ra Ac Ra Ac Ral Ac Rs Iac Ral Ac Ral Ac Ral
ü
a 6 16
Primero 17 27
A
Segundo
Tercero 29 39
Cuarto 40 49
Quinto 53 56
Sexto 65 68
Sétimo 77 78
Primero
Segundo
TV
Tercero
Cuarto
Quinto
Sexto
Sétimo
Primero
TV TV TV
Segundo
Tercero
Cuarto
Quinto
Sexto
Sétimo
Primero
Segundo
TV
Tercero
Cuarto
Quinto
Sexto
Sétimo V VI o
o
33
O
r~
O
m
o
>
□
a
>
Continúa en la siguiente página o
i
o
Continuación del Cuadro 6.23 33
O
m
>
o
c
Mtvatas de candad aceptable (Inspección normal) >
— i— i . i - - 1.. i . . i i i ,r >
o
c
z<
>
CUADRO 6.24. Plan múltiple de muestreo del Ejemplo 6.16
No. Tamaño Acumulado Disconformldades/100 unidades
1 n,=80 80 Ael= 0 R ,= 5
2 n2=80 160 Ac2= 3 R»2= 8
3 n3=80 240 Ac3= 6 R.3=10
4 n„=80 320 Ac4= 8 R «= 1 3
5 n5=80 400 A«=11 R«5=13
6 ne=80 480 Ac6=14 Ree=17
7 n7=80 560 Ac7=18 R.r=19
Dinámica de la inspección
A l utilizar e sta N o rm a , se d e b e te n e r presente q u e el tipo de in sp e cció n

d e b e se r dinám ico, de tal m anera que se cam bie a inspección reducida cuan do
la calidad m ejore o a estricta cu a n d o ésta em peore.
La s re g la s y p ro ce d im ie n to s q u e s e sig u e n p a ra c a m b ia r de un tipo de
inspección a otra son las siguientes:
1. Cambio de inspección normal a reducida

A l iniciar la in sp e cc ió n se d e b e a p lica r in sp e cc ió n norm al. E s ta n d o en
inspecció n norm al, se ca m b ia rá a inspección reducida cu a n d o se satisfagan
todas las siguientes condiciones:
a. Lo s últimos 10 lotes som etidos a inspección han sido aceptados.
b. E l n ú m e ro total d e u n id a d e s no c o n fo rm e s o d is c o n fo rm id a d e s en las
m uestra s provenientes de los últimos 10 lotes no su p e ra el n ú m e ro límite
d a d o en la T a b la VIII q u e se e n c u e n tra en el C u a d r o 6.25. S i s e están
usando planes dobles o múltiples, se deben considerar todas las m uestras
insp eccion a da s y no solam ente las prim eras.
c. La pro ducción se está ejecutando en form a estable, sin interrupciones ni

situaciones ano rm ales.
AQL. En este caso, más de 10 lotes deben ser usados para el cálculo, dado que los lotes usados son los más recientes en
Denota que el número de unidades de muestra de los últimos 10 lotes no es suficiente para inspección reducida para esta
ISO 2859-1 : 1989(E)
la secuencia, que han sido sujetos a inspección normal y que ninguno ha sido rechazado durante la inspección normal.
1000
277
181
099
IO N » -
• -K o
T -r -m
297
490
400
o o io t-
250 (0 0 0 3
Q CO O S o n
^ CD T - T~ CO 4
150
04 CO CO
177
105
277
CMCO CO
6.25. Tabla VIII Números límite para inspección reducida
co in *-
100
14
22
40 (O -— co
189
co o en
65
113
181
4 04 CO
40
14
4
7
CM4 CO
110
4 lO Q 181
68
25
w cos i-C M 4
co cm en m ío O)
O T - co T - 04 co <o o co
2
110
181
40
24
68
O O O CM
4
8
14
CM4 C0 M -in w o rn e o
6.5
0) •o o co t- co
110 | 181
& OCM4
4 .0
• •o
8
14
24
Q.
<D
:
181
24
40
67
2.5
• • • 0004
4
7
14
CO UJ 1 -C 0 N CO 04 co CO 11)01
TD • • • •O O T - 04 CO co o co
CO
o_
110
40
68
O O 044
14
7
5
21
........................ .....
<1>
O
0,40 0 .6 5
m cm en
115
186
• •• • • • 0004 4 co 4
04 -4 co
"5
cm 4 co
24
40
14
Z « . . « « . •O O
s c
0,25
• •• • « . • •o O 04 -4- 44 O
T - CM ■4 CO
in
• •• . • • ••• o o *- CO N- CO SÜS
o
o
••• • • • ••• •o o 044N
14
24
o
m
CUADRO
• i « « . . • • • • •o 0 04 4 CO 4
8.
••• ••• ••• . . . 0004 4 CO

o"
m
o •O o 04 4
m
o ••• . . . . • • . . . . . o O r-
0.0 1 0
O O
s e jo io i 8 8 2 § i
s o iu u in s o |
9 p e jfs e n tu 8 8 8
8 8 8
ti
e p s e p e p iu n s § s
§ÉÍ If Ü
e p o je tu ñ is i a
d. La autoridad responsable co n sid e ra conveniente la instauración de la ins

pección reducida.
2. Cambio de inspección reducida a normal
Estando en inspección reducida se ca m b ia rá a inspección norm al cu an do

o cu rra cu a lq u iera de las siguientes situaciones:
a. un lote no es a ce p ta d o o,
b. un lote se a ce p ta c u a n d o su n ú m e ro de d isco n fo rm id a d e s se e ncu entra

entre el n ú m e ro de acep tació n y el de re c h a zo o,
c. la producción se vu e lve inestable o se presentan anorm alidades en el pro

ce so de p ro du cción o,
d. cualquier otra situación qu e am erite la reinstauración de la inspección nor

mal.
3. Cambio de inspección normal a estricta
E s ta n d o en inspe cción n o rm al se ca m b ia rá a inspección estricta cu a n d o

d o s de cinco o m e n o s lotes co n se cu tivo s no han sido aceptados.
4. Cambio de inspección estricta a normal
Estando en inspección estricta se retornará a inspección normal cuan do se

acepten cinco lotes consecutivos. S i 10 lotes consecutivos perpnanecen en ins
pección estricta se d e b e s u s p e n d e r la recepción de lotes e inform ar al p ro ve e
do r a ce rca de los p ro b le m a s d e te c ta d o s. N o se reiniciará la re cepció n hasta
tanto no se d e m u e stre qu e los pro blem as han sido elim inados.
EJEMPLO 6.17
E n recepción de materias prim as de una fábrica se reciben lotes de produc

to de 8 3 0 0 u n id a d e s q u e so n in s p e c c io n a d o s m e d ia n te un plan s im p le de
m uestreo. El A Q L se ha fijado en 4 % y actualm ente se usa el Nivel II para la Ins

pección.
a. ¿ C u á le s son los p la n e s d e m u e stre o p a ra in p e cció n n o rm a l, estricta y

reducida?
b. Si se recibieran 30 lotes con la cantidad de disconform es q u e presenta el

C u a d ro 6 .26, ¿cuál d e b e ría ser la d inám ica de la inspecció n ? La p ro d u c
ción se realizó en form a norm al y la dirección de inspección ha dicho que si
se cum plen las dos prim eras condiciones para pasar a inspección reducida
se p u e d e ejecutar esa acción.
SOLUCION
a. Lo s planes de m uestreo son los siguientes:
Inspección normal Inspección estricta Inspección reducida
n =200 n =200 n =80

A = 14 A = 12 A = 7
R e= 15 Re = 13 R e= 1 0
b. La dinám ica de la inspección sería la siguiente:
La insp ecció n se inicia con el plan de inspección norm al (n = 2 0 0 , A c= 1 4 ,

R e= 1 5 ). E l C u a d r o 6 .2 7 m u e s tra qu e las 10 p rim e ra s m u e s tra s y por c o n s i
guiente los lotes de don d e pro vien en son ace p ta d a s, con lo qu e se cum ple la
prim era condición para p a sa r a inspección reducida.
S e g ú n la T a b la V III del C u a d r o 6 .2 5 el n ú m e ro lím ite es 68 u n id a d e s

d isco n fo rm e s p a ra un total de 2 0 0 * 1 0 = 2 0 0 0 u n id a d e s in s p e c c io n a d a s con
AQL=4% .
El total de disconform es hasta la m uestra No. 10 es de 74, el cual es m ayor

que 68 el núm ero límite requerido. Por lo tanto, no se puede pasar a inspección
reducida.
CUADRO 6.26. Número de disconformes encontrados

inspección de 30 lotes (Ejemplo 6.17)
N o . m u estra N o. d e N o . m u estra N o. d e
d is c o n fo r m e s d is c o n fo r m e s
1 10 16 8
2 14 17 10
3 5 18 14
4 3 19 13
5 12 20 15
6 10 21 16
7 1 22 8
8 2 23 9
9 13 24 10
10 4 25 12
11 8 26 10
12 4 27 8
13 7 28 7
14 4 29 4
15 7 30 10
Al incorporarse la muestra No. 11, la m uestra No. 1 es sustituida para co m

pletar otras 10 m uestras cuyo núm ero de disconformes es 72, núm ero que sigue
siendo m ayor que el núm ero límite 68. Al ingresara inspección la muestra No.12,
la m uestra N o. 2 es sustituida para form ar un nuevo grupo de 10 m uestras, las
CUADRO 6.27. Situación de las primeras 10 muestras
M u estra N o. 1 2 3 4 5 6 7 8 9 10
N o. d is c o n fo r m e s 10 14 5 3 12 10 1 2 13 4
C r it e r io A A A A A A A A A A
C C C
c u a le s s u m a n 62 u n id a d e s d is c o n fo rm e s , n ú m e ro q u e s í es m e n o r q u e el
n ú m e ro límite 68. P o r lo tanto, la s e g u n d a condición p a ra p a s a r a inspección
reducida se cum ple.
T a l y co m o lo e x p re sa la inform ación dad a , la pro d u cció n se ejecuta nor

m alm ente y hay anuencia de la dirección para pasar a inspección reducida si se
c u m p le n las dos prim eras co n dicio nes. P o r lo tanto, a partir de la m uestra No.
13 se inspecciona con el plan de m uestreo de inspección reducida (n=8 0, A c=7,
R e= 1 0 ). El C u a d ro 6 .2 8 presenta lo qu e ocurre con las pró xim as 4 m uestras.
Al obs e rva r el C u a d ro 6.28, se nota qu e las cuatro m u estra s son a ce p ta

das. Sin em bargo, la m uestra No. 16 (señalada con asterisco) es aceptada con
un núm ero de disconform es que se encuentra entre los núm ero s de aceptación
y recha zo. Por lo tanto, a la v e z que se acepta la m uestra y el lote de don de pro
viene, se debe reinstaurar la inspección norm al a partir de la m uestra N o. 17.
CUADRO 6.28. Situación con las muestras de la No. 13 a la No. 16
M u e s tra No. 13 14 15 16
No. d is c o n fo rm e s 7 4 7 8
C rite rio AC AC A A
El C u a d ro 6.2 9 m uestra las siguientes cinco m uestras.
M u e s tra No. 17 18 19 20 21
No. d is c o n fo rm e s 10 14 13 15 16
C riterio AC AC Ac Re Re
C o m o se puede observar en el C u a d ro 6.29, al inspeccionar la m uestra No.

21 se recha za, por lo que ya se han re ch a za d o dos m uestras consecutivas. De
acuerdo con lo apunta do en la norm a, esta condición es suficiente para inspec
cionar con el plan de inspección estricta (n = 2 0 0 , A c= 1 2, R e= 1 3). P or lo tanto, a
partir de la m uestra N o . 22 se inspeccionarán las m uestras usando este plan.
E n el C u a d ro 6 .3 0 se detallan las siguientes cinco m uestras.
M u estra N o. 22 23 24 25 26
N o. d is c o n fo r m e s 8 9 10 12 10
C r it e r io A A A Ac A
Al ob s e rva r el C u a d ro 6 .30 se nota que cinco m uestras con secu tivas son
a ce p ta d a s, p or lo q u e se cu m p le la con dició n p a ra re in stau rar la inspecció n
norm al a partir de la m uestra N o .27.
El C u a d ro 6.31 presenta lo ocurrido con las últimas cuatro m uestras.
Las siguientes m uestras se continúan inspeccionando con el m ism o proce

dimiento.
CUADRO 6.31. Situación con las muestras de la No. 2 7 a la No. 30
M u estra N o. 27 28 29 30
N o. d is c o n fo r m e s 8 7 4 10
C r it e r io A A A A
C C C
O tra s ta b la s de la N o rm a IS O 2859-1
Esta norm a contiene tam bién otras tablas que pueden ser útiles para la ins
pección. Estas son la T a b la V -A , la T a b la V I-A , y la T a b la IX la cual presenta las
cu rva s de m agnitud m uestral para m uestreo doble y múltiple. E stas tablas se
encuentran en los C u a d ro s 6 .3 2 ,6 .3 3 y 6.34, respectivam ente.
La s T a b la s V -A y V -B presentan valores aproxim ados del límite de calidad

saliente m edia para inspección norm al e inspección estricta, respectivam ente.
La calidad límite (L Q ) se define co m o el nivel de calidad que, para efectos

de inspección por m uestreo, tiene la m ás baja probabilidad de aceptación. La
T a b la V l-A presenta valores de calidad límite (L Q ) para porcentajes de producto
no conform e con especificaciones cuya probabilidad de aceptación es del 1 0 % .
T a m b ié n existen la T a b la V ll-A para porcentajes de producto no conform e con
especificaciones cu ya probabilidad de aceptación es del 5 % .
A d e m á s , existen las T a b la s V l-B y V ll-B que se usan para localizar n ú m e

ros límite para disconform idades por cad a cien unidades cu ya s probabilidades
de ace p ta ció n son 1 0 % y 5 % respectivam e nte. T o d a s estas tablas son para
planes sim ples de m uestreo e inspección norm al.
Para localizar el valor buscado en todas las tablas citadas anteriormente se

necesita disponer de las letras código del tam año de la m uestra y los respecti
vo s valores de A Q L .
La T a b la IX sirve para localizar la m agnitud m edia m uestral, en inspección

normal y estricta, que corresponde a un plan doble o múltiple dado un plan simple.
EJEMPLO 6.18
E n u na inspección por m u estre o se usa el plan sim ple n = 1 25, A c=3, que
corresp onde a u n A Q L de 1% . Los lotes que se reciben han m ostrado tener un
2 % de producto no conform e a lo requerido.
a. ¿ C u á l es el límite de calidad saliente m edia (A O Q L ) si se trabaja en inspec

ción norm al?
b. ¿ C u á l es la calidad límite (L Q ) para probabilidad de aceptación del 10 % ?

Cuadro 6.32. Tabla V-A Valores aproximados de AOQL (inspección normal)
■o <n N ivel d e calidad aceptable

« O)
0.010 0,015 0.025 0,040 0,065 0,10 0,15 0,25 0.40 0,65 1.0 1.5 2,5 4,0 6,5 10 15 25 40 65 100 150 250 400 650 1 000
i 1
A 2 18 42 69 97 160 220 330 470 730 1 100

B 3 12 28 46 65 110 150 220 310 490 720 1 100
C 5 7.4 17 27 39 63 90 130 190 290 430 660
D 8 4.6 11 17 24 40 56 82 120 180 270 410

E 13 2,8 6,5 11 15 24 34 50 72 110 170 250
F 20 1.8 4.2 6,9 9,7 16 22 33 47 73
G 32 1,2 2,6 4,3 6,1 9,9 14 21 29 46

H 50 0,74 1.7 2,7 3,9 6,3 9.0 13 19 29
J 80 0,46 1,1 1.7 2,4 4,0 5,6 8,2 12 18
K 125 0.29 0,67 1,1 1.6 2,5 3,6 5,2 7,5 12

L 200 0,18 0.42 0,69 0,97 1.6 2,2 3,3 4,7 7.3
M 315 0,12 0,27 0.44 0,62 1,00 1.4 2,1 3,0 4,7
N 500 0.074 0,17 0,27 0.39 0,63 0.90 1.3 1,9 2,9
P 800 0.046 0,11 0,17 0,24 0,40 0.56 0.82 1.2 1,8
Q 1 250 0.029 0.067 0,11 0.16 0.25 0,36 0.52 0.75 1,2
R 2000 0.042 0,069 0.097 0,16 0,22 0.33 0,47 0,73
o
o
z
H
H
O
o
>
□
o
>
o
i
CUADRO 6.33. Tabla VI-A Valores de LQ para % de disconformes o
D
(PA=10%, plan simple, inspección normal) O
m
>
o
c
>
>
o
c
z>
>
CJl
-P*.
co *
CUADRO 6.34. Tabla IX Curvas de magnitud muestralpara planes
550
dobles y múltiples (inspección normal y estricta)
CONTROL DE CALIDAD
c. ¿ C u á l es la m agnitud muestral de los planes dobles y múltiples eq uivalen

tes ai plan sim ple dad o?
SOLUCION
a. O b s e r v a n d o el C u a d r o 6 .3 2 , se p u e d e v e r q u e el v a lo r de A O Q L para
n = 1 25 (letra código K ) y A Q L = 1 % es 1 ,6 % .
b. O b s e rv a n d o el C u a d ro 6.33, se p u e d e v e r qu e el v a lo r de L Q para n = 1 25
(letra código K ) y A Q L = 1 % es 5 ,4 % .
c. E n el C u a d ro 6 .34, en el gráfico correspondiente a A c= 3 se puede ve r que

para np= 1 25*0,02=2,5, los tam años de m uestra equivalentes al plan sim
ple son:
P a ra plan doble: n ,= n 2=0,84*125 = 105 unidades
P a ra plan múltiple: n = 0,78*125 = 98 unidades
PLANES DE MUESTREO PARA VARIABLES
C o n c e p t o s g e n e ra le s
El m uestreo de aceptación para variables es una técnica estadística que se

usa para evaluar lotes con base en m uestras con el fin de evidenciar las causas
de re cha zo , en caso de qu e éste se dé.
P ara aplicar este tipo de m uestreo se deben cum plir una serie de condicio
nes. La s m ás importantes son:
1. La característica de calidad que se va a controlar deb e ser una variable, o

un atributo que pu ede ser puesto en una escala de m edición.
2. L o s costos del m u e stre o por atributos d e b e n s e r altos p o r c o n ce p to de

e n s a yo s destructivos.
3. La inspección de atributos no sum inistra suficiente inform ación sobre las

ca u sa s de recha zo , las cuales de b e n ser estudiadas para increm entar el
nivel de calidad.
4. La distribución de la variable en estudio debe aproxim arse a la distribución

norm al.
La aplicación de este tipo de m uestro tiene algunas ventajas sob re la ins

p ección por atributos. A lg u n a s de ellas son:
1. S e tie n e u n a p ro te c c ió n e q u iv a le n te con un ta m a ñ o de m u e s tra m á s

pequeño.
2. S e p u e d e estu dia r a fondo la característica de calidad pues solo ella es

m otivo de estudio.
3. S e ofrece u na base m á s a pro p ia d a para m ejorar la calidad. N o obstante

estas ve nta ja s, es ne ce sa rio h a ce r un estudio com parativo entre am b a s
form as de inspección tom and o en cuenta aspectos tales com o: costos de
inspección, costos adm inistrativos, personal entrenado, cantidad y dificul
tad de las m ediciones, disponibilidad de equipo de m edición y laboratorios
y organ iza ción de la inspección.
Los costos de inspección por variables se clasifican en cuatro categorías:
a. Costos administrativos. S o n los costos en que se incurre para registrar

información; entre ellos se incluyen los costos de papeleo y de personal de
inspección. E sto s costos son independientes del tam año de la m uestra.
b. Muestreo. S o n los costos de evaluación que incluyen entre otros los cos
tos de recolectar inform ación y de m edición de las m ism as.
c. Inspección. S o n los costos por tener que inspeccionar piezas. Incluye en
tre otros el costo de la unidad que está siendo ensayada.
d. Cálculos. S o n los costos o ca sio nado s por el entrenam iento del personal
para relizar cálculos y sa ca r conclusiones.
Tipos de planes de muestreo
Existen fundam entalm ent cuatro tipos de planes que se clasifican según se
co n o zca la desviación estándar y si se tienen uno o dos límites de especificación.
El funcionamiento de estos planes es básicamente el mismo utilizado en los

planes para atributos: se tom a una m uestra del lote, se ejecutan las m ediciones
sobre ella y depe ndiendo de la calidad qu e ésta m uestre al ser com p a ra d a con
la e sp e cifica ció n , se e sta b le c e un criterio d e a c e p ta ció n o de re c h a z o de la
m uestra y del lote de don de proviene.
Al igual qu e en plan es para atributos, todos los plan es de m u estre o para

variables que dan determ inados cuan do se definen el tam año de la m uestra (n)
y el criterio de aceptación (k).
E n el caso de un plan para un solo límite especificado con variabilidad des

co n o cida los valore s del ta m a ñ o de la m u estra y del criterio de aceptación se
calculan con base en el riesgo del pro d u cto r(a ), el riesgo del con sum ido r (B ), el
A Q L y el P N C T . La s fórm ulas son las siguientes:
(k 2 + 2 ) * ( z 1_ a + Z 1_ p) 2
n= - 2
2 * ( Z 1-AQ L ~ Z 1-PNC t )
( Z 1 -a * Z 1-P N C T ) + ( Z 1-p * Z 1 -A Q L )
k= i -
Z 1 -a + Z 1-P
donde:
n : T a m a ñ o de la m uestra
k : Criterio de aceptación (equivale a Z de C u rv a norm al)
Z 1a : V a lo r de Z corresp ondiente a una probabilidad (1 -a )
Zi p : V a lor de Z correspondiente a una probabilidad (1 -(3)
Z i -aql ; V a lo r de Z correspondiente a una probabilidad (1 -A Q L )
Z i -p n c t : V a lo r de z correspondiente a una probabilidad (1 - P N C T )
Este plan funciona en form a parecida a una pru e ba de hipótesis unilateral.

E sto se debe a qu e s e g ú n la cu rva norm al están dar el porcentaje de producto
disconform e d e cre ce de a cu e rd o con el crecim iento del va lo r absoluto de Z y
por lo tanto hay m a yor probabilidad de aceptación.
E J E M P L O 6.19
D ise ña r un plan de m uestreo por variables que cum pla con las siguientes
condiciones:
1. R ie sgo del pro ductor (a )= 5 %
2. R ie sgo del co n su m ido r (P )= 1 0 %
3. Nivel de calidad aceptable (A Q L )= 2 ,5 %
4. Porcentaje disconform e tolerado en el lote (P N C T )= 7 ,5 %
S O L U C IO N
Utilizando la T a b la I del A p én dice I, se localizan los siguientes valores de Z .
z +, a = Z , -0,050 _ Z(),950 = 1,65
Z,1+ = Z , -0.100 ~ Zo,900 = 1,28
Z,1-AQL = Z , -0,025 _ Z 0,975 = 1,96
Z,1-PDTL = Z , -0,075 _ Z 0.925 = 1,44
A sí
, 1,65*1,44 + 1,28*1,96
K = --------------------------------------------------- = 1 , 6 6 7
1,65 + 1,28
Í1 ,6 6 7 2 + 2 )* (1 ,6 5 + 1 ,28)2
1- --------------------------------= 76 unidades
2*(1,96 — 1,4 4)2
P or lo tanto, se con clu ye qu e el plan de m uestreo que cum ple con las co n
diciones planteadas es n= 7 6 , k = 1 ,667. Q u ie re decir esto, qu e se d e b e extraer
del lote u na m u e stra de 76 u n id a d e s y calcu lar el va lo r de Z corre sp o n d ie n te
(Z = (V E-x)/s). Si el valor de k es m enor que Z, entonces se acepta la m uestra y el
lote, de lo contrario se re cha za .
Estos planes de m uestreo tienen su correspondiente cu rva característica

de operación, la cual se construye bajo los siguientes pasos:
1. Estable cer valor de p (porcentaje del lote que no cum ple con lo especifica
do ). El núm ero de valores de p debe ser tal que perm ita su avizar una a d e
cu a d a curva.
2. C a lc u la r el valor de 1-p.
3. Lo ca liza r en la T a b la I de A pé n d ice I el valor de Z 1
4. C a lc u la r el valor de Z 1PA.
Z 1-PA -
5. Lo caliza r en la T a b la I de A pén dice I el valor de 1 -P A.
6. D e te rm inar el valor de P A a partir de 1 -P A.
7. D ibujar la curva característica de operación con los valores de p en el eje x

y los valores de P A en el eje y.
EJEMPLO 6.20
P a ra el plan de m uestreo diseñad o en el E jem plo 6.19, construir la cu rva

característica de operación.
SOLUCION
El C u a d ro 6.3 5 pre senta los paso s del 1 al 6 y la F ig u ra 6.1 5 presenta la

cu rva característica de operación pedida.
CUADRO 6.35. Cálculos para la curva OC del Ejemplo 6.20
(1) (2) (3) (4) (5) (6)

p 1-p z , PA 1-P* P*
Z ,-p
0,020 0,980 2,055 -2,15 0,0158 0,9842

0,025 0,975 1,960 -1,63 0,0156 0,9484
0,030 0,970 1,880 -1,18 0,1190 0,8810
0,040 0,960 1,750 -0,46 0,3228 0,6772
0,045 0,955 1,695 -0,15 0,4404 0,5596
0,050 0,950 1,645 0,12 0,5478 0,4522
0,060 0,940 1,555 0,62 0,7324 0,2676
0,065 0,935 1,514 0,85 0,8023 0,1977
0,075 0,925 1,440 1,26 0,8962 0,1038
0,085 0,915 1,372 1,64 0,9495 0,0505
0,090 0,910 1,340 1,82 0,9656 0,0344
0,100 0,900 1,287 2,11 0,9826 0,0174
h=i,J_+ i f 72 Q,1{
11 76 2*(76 - 1 )
7 _ 1 ,6 6 7 -Z 1_P
¿ 1 -P A ------------------------
0,1Í
N O R M A IS O -3 9 5 1
Esta norm a que tiene sus oríg enes en la N orm a Militar Estándar 414, c o n
siste de la a c tu a liz a c ió n de d ic h a n o rm a de tal m a n e ra q u e los p la n e s de
m u estro se ajusten a los de la N o rm a 2 8 5 9 -1 . La norm a presenta diferencias
significativas con respecto a la N o rm a 414. U n a de estas diferencias es el uso
del m étodo gráfico qu e perm ite c o n o ce r la razón de re c h a za r una m uestra y el
lote de don de proviene. Esta razón será siem pre una o a m b a s entre exactitud y
precisión.
E sta norm a ha sido diseña d a para ser usada en p ro ce so s que tengan las
siguientes características:
p (% )
FIGURA 6.15. Curva característica de operación del Ejemplo 6.20.
1. El procedim iento de inspección se aplica a la recepción continua de lotes

de productos discretos que han sido fabricados por un único productor bajo
un único pro ceso. Si hay m ás de un proveedor, la norm a de b e aplicarse a
ca d a uno de ellos en form a separada.
2. La in sp e cc ió n se h a c e so b re u n a ú nica c a ra c te rís tic a la cu al d e b e s e r

m edible. Si existen dos o m ás características, esta norm a se debe aplicar
a ca d a una de ellas en form a separada.
3. La producción debe ser estable (bajo control estadístico) y la característica

en estudio de b e distribuirse norm alm ente o al m e n o s a proxim arse a esa
distribución.
4. El p ro c e d im ie n to e s ta b le c e , p o r con trato o p o r n o rm a , el uso de un lí

mite su p e rio r de especificación, un límite inferior de especificación o de
a m bos.
A lg u n a s definiciones im portantes de esta n orm a son:
M é to d o s: e s un m étodo para definir la aceptabilidad de un lote usando la

desviación están dar m uestral.
Método o: es un m étodo para definir la aceptabilidad de un lote usand o la

desviación e stán dar del proceso.
Método R: es un m éto do para definir la aceptabilidad de un lote u sa n d o

una e stim a ción de la d e s via ció n e stá n d a r del pro ceso basa d a en el intervalo
prom edio calculado en una serie de m ediciones cuando la m uestra se divide en
su bg ru p o s.
Constante de aceptabilidad: es la constante que se extrae de tablas con

base en el ta m a ño de la m uestra y el A Q L . Este valor se co m p a ra con el esta
dístico de calidad para definir si se acepta o se recha za el lote.
Límites dobles de especificación separados: son límites de especifica

ción para los que se dan A Q L ’s diferentes.Esto quiere decir qu e el límite s u p e
rior tiene un A Q L y el límite inferior otro que puede ser igual o diferente. S e d e
nota con U el límite superio r y con L el límite inferior.
Límites dobles de especificación combinados: son límites de especifi

cación para los que se da un solo A Q L , lo que significa el límite superior y el in
ferior de b e n cum plir en conjunto con '.z especificado por el A Q L .
Estadístico de calidad: es un estadístico similar al estadístico Z de la dis

tribución norm al, y que se calcula de igual form a, pues es la diferencia entre un
v a lo r x e s p e c if ic a d o y la m e d ia de la m u e s tra d iv id id a p o r la d e s v ia c ió n
estándar.
Estadístico inferior de calidad: es el estadístico de calidad don de el valor

de x es el límite inferior de especificación.
Estadístico superior de calidad: es el estad ístico de calida d d o n d e el

valor de x e s el límite superio r de especificación.
Desviación estándar muestral máxima (MSSD): es el valor m á s grande

de la d e svia ción están dar m uestral qu e se g enera bajo condiciones dad as.
Desviación estándar máxima del proceso (MPSD): es el valor m ás g ra n

de de la d esviación están dar del pro ceso qu e se g e nera bajo con dicio nes d a
das. E s decir, es el valor m á s g rande de o qu e se g enera para un A Q L cu an do
el pro ce so está centrado.
Esta norm a y la N orm a IS O 2819-1 tienen importantes similitudes y diferen

cias. A lg u n a s de esas sim ilitudes están en qu e a m b a s norm as:
a. Parten de una filosofía co m ú n (aceptación o re ch a zo del lote con base en

m uestra s).
b. U s a n el criterio de A Q L para determ inar el tam año de m uestra y criterio de

aceptación.
c. S e basan inicialmente en el tam año del lote y nivel de inspección para bus
ca r una letra cód ig o de tam año de m uestra.
d. U s a n básicam ente las m ism as reglas de dinám ica de inspección,
e. U s a n la m is m a c la s ific a c ió n de p ro d u c to no c o n fo rm e c o n e s p e c ifi
caciones.
A lg u n a s diferencias son:
a. El criterio de aceptación y rechazo en am bas norm as es diferente. Mientras

q u e en la N o r m a I S O 2 8 5 9 -1 se b a s a en el n ú m e ro de u n id a d e s nc
co n fo rm e s co n lo especificado e n c o n tra d a s en la m uestra , en la norm a
3951 se basa en el cálculo del estadístico de calidad.
b. La norm a 3951 requiere para su aplicación de que la característica en es

tudio se distribuya norm alm ente, m ientras que la N orm a IS O 2859 no tiene
n in g ú n re q u e rim ie n to p a ra la d istrib u c ió n de p ro b a b ilid a d de las c a
racterísticas.
c. La s curvas características de operación de am bas norm as no son equiva

lentes a p esar de tener los m ism os valores de A Q L .
d. La probabilidad de que un lote que tiene una calidad igual al A Q L sea acep
tado se incre m en ta con el tam año de m uestra. E sto es sim ilar en ambas
norm as; sin em b a rgo , a m b a s probabilidades no son idénticas.
e. Lo s ta m a ños de m uestra en la norm a para variables, correspondientes s

una m isma letra código, son generalm ente m ás pequeños que los tam año;
de m uestra en la norm a para atributos.
f. E n esta norm a no existen ni planes dobles ni múltiples.
g. E n esta norm a no es aplicable el concepto de A O Q L .
La N orm a IS O 3951 está com puesta de las siguientes partes:
1. Aspectos generales
2. M étodo de selección de plan es de m uestreo
3. F u ncionam ie nto de un plan de m uestreo para variables
4. T a b la s y d ia g ra m a s
5. Anexos
a. P ro cedim ientos para calcular s y o
b. T e o ría estadística
c. P lan e s de m uestreo p or m étodo del intervalo R
P a ra extraer un plan de esta norm a se necesita contar con la siguiente in

form ación:
1. P rueba de qu e la variable en estudio se distribuye norm alm ente y de que la

pro ducción ha sido continua
2. T a m a ñ o del lote (N )
3. Nivel de inspección
4. M étodo de estim ación (s, o o R )
5. T ip o de inspección
6. T ip o de límites de especificación
7. AQL
L a prueba de norm alidad se h ace a través de bondad de ajuste. La pro du c

ción se c h e q u e a con el fin de qu e se dem uestre su continuidad.
El tam año del lote se define de antem ano y debe perm anecer constante. Si
no existen lotes de ta m a ñ o e s ta n d a riza d o se de b e n ejecu tar las activid ades
n e c esaria s para su estandarización.
El nivel de inspección se establece de acuerdo con lo que se especifique. Si

no se especifica ning u no se usa nivel II. Existen tres niveles generales y dos e s
peciales qu e funcionan en la m ism a form a de los niveles de la N o rm a 2 8 5 9 -1 .
El m étodo de estim ación deb e esco gerse de acuerdo con el conocim iento
del valor de a. Si este es conocido se usa el m étodo a, si no se conoce se usa el
m é to d o s o R. La de cisión de u s a r s o R se ba sa rá fu n d a m e n ta lm e n te en las
facilidades de cálculo y en el tam año de la m uestra, el cual es ligeram ente m a

yo r en el m étodo R.
El tipo de inspección depe nde del com portam iento de la calidad de los lo
tes. S e inicia con in sp e cció n norm al y se c a m b ia a in sp e cció n reducida si la
calidad m ejora o a estricta si desm ejora.
El tipo de límite de especificación consiste en definir si se ch equ e ará para

un solo límite o para dos lím ites especificados. S i se trata de d o s límites debe
definirse si son co m b in a d o s o separados.
El A Q L debe ser especificado de tal m anera que el plan pueda ser extraído.
Existen once valores que van de 0 ,1 0 % a 1 0 % que representan porcentajes de
producto no conform e con lo especificado. No se puede usar la norma para
valores de AQL diferentes a estos once.
A lg u n a s ta b la s d e la n o r m a c o n t ie n e n s ím b o lo s e s p e c ia le s c u y o
significado se explica a continuación:
: u sa r el prim er plan de m uestreo localizado sobre la flecha, incluye ta

m año de m uestra y constante de aceptabilidad
^ : usar el prim er plan de m uestreo localizado bajo la flecha, incluye tam a

ño de m uestra y constante de aceptabilidad
1 : indica el límite en el cual los planes son equivalentes a los de la norm a

IS O 2859
A continuación se explicarán a fondo los m étodos s y o. El m étodo del ran

go se e ncuentra en la n orm a y funciona m u y parecido al m étodo s.
Método s
El m étodo s se basa en la estimación de la desviación estándar del proceso

con base en la desviación estándar muestral. El procedim iento para operar con
este m étodo es el siguiente:
1. C o n el tipo de inspección y el tam año del lote se localiza la letra código de

tam año de la m uestra en la T a b la l-A del C u a d ro 6.36.
CUADRO 6.36. Tabla I-A Letras código del tamaño de la muestra
Tam año del lote Niveles especiales Niveles generales

de inspección de inspección
S-3 S-4
2 a 8 C
9 a 15 B D
16 a 25 C E
26 a 50
V c D F
51 a 90 \ W B D E G
91 a 150
V C E F H
151 a 280 B D F G
281 a 500 c E G H /r J
501 a 1 200 D F H j K
1 201 a 3 200 E G I K L
3 201 a 10 000 F H J L M
10 001 a 35 000 G I K M N
35 001 a 150 000 H J L N

150 001 a 500 000 I K M P
500 001 y más J L N
*Use H para un lote de tamaño entre 281 y 400, ejemplo para un lote de tamaño entre 401 y 500
2. C o n base en el A Q L , la letra código del tam año de m uestra, el tipo de ins

pección y la definición de si se tienen uno o dos límites y si éstos son c o m
binados o separados, se busca en la tabla correspondiente el tam año de la
m uestra (n ) y la constante de aceptabilidad (k). P or ejem plo, si se trata de
inspección norm al se usa la T a b la ll-A del C u a d ro 6.37.
3. S e tom a la m uestra del ta m a ñ o q u e indica la tabla c o rre sp o n d ie n te y se

ejecutan las m ediciones del caso.
co h - co
oo t - co
LO CO CO 0 5 05
o" o"
TÍ LO ,
h- LO
C O 05
oo
■[lo
>10
CUADRO 6.37. TABLA ll-A Planes de muestreo simple para
:Y -
05 *üí í V LO
-Q
-2
inspección normal (Método s)
o.
Tí- 00 co
C M cm' cm'
M CM C O CO_ Tfr
m ' cm c m ' cm ' cm '
tí - LO_ LO LO CO CD
cm' cm' cm' c m ' cm ' cm '
^ ^ cq cq
cm' cm‘ cm“ cm' cm'
a>
"O co
11
.1 i
•o co
O -k
co O o x —
S £
O ¿S
f ií
4. S e calcula la m edia aritmética. Si la m edia aritmética se encuentra fuera del

límite de especificación el lote se recha za . D e lo contrario se continúa con
el p a so 5.
5. S e calcula la desviación estándar.
6. S e calculan los valores de Q u, Q L o am bos, según se trate de un solo límite

o de d o s lím ites especificados.
q l ,U L
s s
7. S e esta b le ce la decisión de re c h a zo o aceptación.
a. Si se especifica solo el límite superior entonces el lote se acepta si Q y>k

y se re c h a za si Q u<k.
b. Si se especifica solo el límite inferior entonces el lote se acepta si Q L>k

y se re c h a za si Q L<k.
c. Si se indican lím ites de especificación sepa ra d o s, ento nces el lote se

acep ta si Q u> k u y Q L> k L y se re ch a za si Q u< k u o Q L< k L.
EJEMPLO 6.21
La m á xim a tem peratura de operación de un determ inado dispositivo está

especificada en 98,3°C. Si un lote de 40 unidades es som etido a inspección, uti
lizando nivel de inspección II, inspección norm al y A Q L = 1 %
a. ¿ C u á l e s el plan de m uestre o?
b. ¿ S e acepta o se recha za un lote si la m uestra origina los siguientes valores

de tem p e ra tu ra: 92°, 87°, 84°, 96° y 9 4 o?
SOLUCION
a. S e se g u irán los p aso s antes brindados.
P a so 1. C o n un ta m a ño de lote N = 4 0 unidades y un nivel de inspección II,

seg ún el C u a d ro 6 .3 6 la letra cla ve del tam año de la m uestra es la letra D.
P a s o 2. C o m o se d e s e a inspecció n norm al con un A Q L = 1 % , el plan de

m uestre o, se gú n el C u a d ro 6.37 es:
n= 5 unidades k=1,53
b. Análisis. S e continuará con el P aso 3.
P a so 3. La m uestra es brindada por el ejem plo.
P a s o 4. C á lculo de la m edia aritmética.
- 92 + 87 + 84 + 96 + 94 . . .
x -------------------------------------------- 90,6
5
La m edida aritm ética está dentro de lo especificado, por lo tanto se conti

núa con el P a so 5.
P a so 5. C á lculo de la desviación estándar.
(Z x '2
2_ 4 1 0 4 1 ,8 --
J i— - l l ---------------------- § _ = 4 98
n -1 I
P a so 6. C á lc u lo de Q„
9 8 ,3 -9 0 ,6
u 4,98
P a so 7. Debido a que Q u> k (1 ,5 5 > 1,53), se acepta la m uestra y el lote de

do n de proviene.
Forma gráfica para un solo límite especificado
E ste tipo de aplicación se puede ejecutar tam bién en form a gráfica. Para
h acer esto, se debe dibujar en un papel milimétrico una de las siguientes líneas
se g ú n corresp onda:
x = U -k * s (para límite superior)
x =L+k*s (p ara límite inferior)

El gráfico tiene en el eje x ia desviación estándar y en el eje y la m edia arit

m é tic a . C u a n d o la in s p e c c ió n s e re fie re a un lím ite s u p e r io r la z o n a de
aceptación se encuentra bajo la línea. Si se trata de un límite interior la z o n a de
a ce p ta c ió n se e n c u e n tra so b re la lín e a . U n a v e z q u e se tiene el g rá fico se
gráfica el p a r o rd e n a d o q u e con form an la desviación está n d a r y el pro m e dio .
D e p e n d ie n d o de la z o n a en d o n d e ca ig a se tiene el criterio de a ce p ta ció n o
re c h a zo de la m uestra y el lote.
EJEMPLO 6.22
R e so lve r el E je m p lo 6.21 por el m étodo gráfico.
SOLUCION
Utilizando la inform ación del Ejem plo 6.21, se gráfica la recta para el límite
superior, que se pu e de v e r en la Figura 6 .1 6 . La ecuación de esta recta es:
x = 9 8 ,3 - 1,53*s
FIGURA 6.16. Gráfico del Ejemplo 6.22

La graficación de esta recta se hace sobre la base de dos puntos:
P a r a s = 5 , x = 90,6 5 P a r a s = 0 , x = 9 8 ,3
Al graficar el punto (4 ,9 8 ,9 0 ,6 ), este cae en la zo n a de aceptación aunque

bastante cerca de la línea. Por lo tanto, la decisión es aceptar la muestra y el lote
de d o n d e proviene.
Caso de dos límites de especificación
La form a de operar en este caso es parecida pero se trabaja con dos con s
tantes de aceptabilidad, una para el límite superior y otra para el Inferior.
EJEMPLO 6.23
S e ha estim ado que para un dispositivo electrónico, la tem peratura perm i

sible para lograr un funcionam iento óptim o debe estar entre 98,3°C y 82°C. Un
lote de 4 0 unidades es som etido a inspección, utilizando nivel II, inspección nor
mal y A Q L ’s 1 % y 2 ,5 % para el límite superior e inferior respectivam ente.
a. ¿ C u á l es el plan de m uestreo que se debe usar?
b. A n a lic e la situación del lote si al an a liza r una m uestra ésta origina los si
g uientes valores de tem peratura: 92°, 87°, 84°, 96° y 94°C?
SOLUCION
а. S e seguirán los pasos antes brindados.
P a s o 1. C o n un tam año de lote N = 4 0 unidades y un nivel de inspección II,

se g ú n el C u a d ro 6 .3 6 la letra clave del tam año de la m uestra es la letra D.
P a s o 2. C o m o se desea inspección norm al con A Q L = 1 % para el límite su

perior y A Q L = 2 ,5 % para el límite inferior, el plan de m uestreo, según el C u a d ro
б .3 7 , es:
n= 5 unidades ku= 1,53 kL= 1,24

b. Análisis. S e continúa con los pasos.
Paso 3. La m uestra es brind ada por el ejem plo.
P a so 4. C á lc u lo de la m edia aritmética.
- 92 + 87 + 84 + 96 + 94
x = --------------------------------------------- = 90 ,6
5
La m edia aritmética está dentro de lo especificado, por lo tanto se continúa

con el P aso 5.
Pa so 5. C á lc u lo de la d esviación estándar.
2 453*
¡X x 141041,8
S = 1|------------------ D — = \ ---------------------------------- = 4 ,9 8
n -1 ~ 1 4
P a so 6. C á lc u lo de Q y y Q L
9 8 ,3 -9 0 ,6
u 4 ,9 8
9 0 6 -8 2 ,0
L 4 ,9 8
P a so 7. D ebido a que Q u > ky (1 ,5 5 > 1,53) y Q L > kL (1 ,7 3 > 1,24), se a ce p

ta la m u e stra y el lote de d o n d e p ro v ie n e . R e cu é rd e s e q u e para re c h a za r la
m uestra y el lote, solo basta que no se cum pla una de las condiciones.
Forma gráfica para dos límites de especificación
Este tipo de aplicación se p u e d e ejecutar tam bién en form a gráfica. Para

h acer esto, se deb e n dibujar en un papel milimétrico las siguientes líneas:
x = U - ky*s (p a ra límite superior)
x = L + kL*s (p a ra límite inferior)

El gráfico tiene en el eje x la desviación estándar y en el eje y la m edia arit

mética. La zo n a de aceptación queda determ inada por el triángulo form ado por
a m b a s líneas. U n a v e z qu e se tiene el gráfico se gráfica el par ord e n a d o que
con form a n la d esviación están dar y el pro m e dio . D e p e n d ie n d o de la zo n a en
donde caiga se tiene el criterio de aceptación o recha zo de la m uestra y el lote.
EJEMPLO 6.24
R e su e lva el E jem plo 6.2 3 por el m étodo gráfico.
SOLUCION
U tiliza n d o la info rm a ció n del E je m p lo 6 .2 3 , se g rafican las rectas para

a m b o s lím ites, las qu e se pu e d e n ve r en la F ig u ra 6.17. La ecuación de esta
recta es:
(1 ) x = 9 6 ,3 - 1,53*s
(2 ) x = 8 2 ,0 + 1,24*s
FIGURA 6.17. Gráfico del Ejemplo 6.24

La graficación de estas rectas se h ace sobre la base de dos puntos:
• P a ra la e cuación (1 )
P a ra s = 5 , x = 9 0 ,6 5 P a ra s = 0 , x = 9 8 ,3
• P a ra la e cuación (2)
P a ra s = 5 , x = 8 8 ,2 P a ra s = 0 , x = 8 2 ,0
Al graficar el punto (4 ,9 8 ,9 0 ,6 ) éste ca e en la zo n a de aceptación au n q u e

bastante cerca de la línea. P or lo tanto, la decisión es aceptar la m uestra y el lote
de d o n d e proviene.
Caso de aceptación para límites combinados
S i se tiene un A Q L co m b in a d o para a m b o s lím ites d e especificación, se

d e b e u s a r el m é to do g rá fico a no s e r q u e el va lo r de la d e s via ció n e stá n d a r
m uestral (s ) s e a m a y o r q u e el va lo r de M S S D (d e svia ció n están dar m uestral
m á xim a ), en c u y o ca so s e re c h a za el lote de inm ediato. El va lo r de M S S D se
calcula así:
M S S D = f s (U -L )
don d e el va lo r de fs se obtiene de la T a b la IV -s del C u a d ro 6.38.
Si se aplica el m étodo gráfico se debe hacer uso de la serie s de curva s que

presenta la norm a. La respectiva cu rva se selecciona con base en la letra cód i
go y el A Q L respectivo. S e le c cio n a d a la cu rva se calculan los valores:
s x -L
— y -------------
U -L U -L
y se grafican. Si el punto ca e en la zo n a de aceptación (den tro de la c u rv a ), la

m uestra y el lote se acep tan, de lo contrario se rechazan.
E JE M P L O 6.25
R e s o lv e r el E je m p lo 6 .2 3 c o n u n A Q L = 1 % p a ra a m b o s lím ite s e s p e
cificados.
SOLUCION
C o m o se obtiene en el Ejem plo 6.23, el tam año de la m uestra es de 5 uni

da d e s para letra cód ig o D , la m edia aritmética es 9 0 ,6 y la desviación estándar
4 ,9 8 .
O b s e rv a n d o el C u a d ro 6.38, el va lo r de fs es 0,308, por lo tanto:
M S S D = 0,3 0 8 (9 8 ,3 -8 2 )= 5 ,0 2 0 4
C o m o el valor de s no es m ayor qu e el valor de M S S D , se debe consultar la

cu rva correspondiente a la letra D y A Q L = 1 % . Esta cu rva se puede observar en
la F ig u ra 6.18.
Al graficar el punto (s / (U -L ),( x -L )/ (U -L )), calculado así:
s 4 ,9 8
= 0,3 0 6
U -L 9 8 ,3 -8 2
x -L 9 0 ,6 -8 2
= 0,5 2 8
U - L _ 9 8 ,3 -8 2
se nota qu e ca e en la zo n a de re ch a zo . P or lo tanto, se con cluye que bajo las

c o n d ic io n e s d a d a s la m u e s tra y el lo te d e d o n d e p r o v ie n e d e b e n s e r
re cha za dos.
Si se con sid e ra difícil visu alizar el criterio de aceptación o re c h a zo en las

curva s de la Figura 6.18 entonces se puede copiar la curva aparte, inclusive con
una escala m á s g rand e con el fin de facilitar la operación.
Si se desea consultar la curva característica de operación de un plan espe

cífico, se pueden o bservar las Ta b la s de la V -B a la V -P en donde se presentan
en form a gráfica y tabulada las cu rva s O C para cad a letra código. Estas curvas
son para el m étodo s y límite único. Sin em bargo, son buena aproxim ación para
dos límites especificados y para los m étodos o y R . S u uso es sem ejante a las
cu rva s de la N o rm a IS O 2859.
Para demostrar su uso se verá el siguiente ejemplo.

CUADRO 6.38. Tabla IV-s Valores de fspara el cálculo de la desviación estándar máxima (MSSD)
572
(Método s)
N ota: El MSSD se obtiene m ultip lica nd o el fs e sta n da riza d o por la diferencia entre el límite su pe rio r de e sp e cifica ció n U y el límite in ferior de e sp e cifica ció n L.; i.e
M S S D = fs (U-L). El MSSD indica la m ayor magnitud permitida de la desviación estándar de la muestra cuando se usan planes para el caso del límite doble de e s p e c ifi
CONTROL DE CALIDAD
cación con variabilidad d e sco n o cid a . Si la desviación estándar de la muestra es inferior al M S S D , existe la posibilidad aunque no ¡a certeza de que el lote será a c e p ta d o .
E J E M P L O 6.26
S u p ó n g a s e que se está tra baja ndo con un plan de m u e stre o qu e usa la

letra código G , un A Q L de 2 ,5 % y el m étodo s.
a. ¿ Q u é probabilidad de aceptación tiene un lote que posee un 8 % de produc

to no conform e con lo especificado?
b. ¿ Q u é calidad en porcentaje de producto no conform e con especificaciones

d e b e te n e r un lote p a ra q u e te n g a u n a p ro b a b ilid a d d e a ce p ta ció n del
9Q%?
c. Si se fija el riesgo del productor en 5 % , ¿q u é calidad debe tener el lote para

cum plir con él?
d. Si el P N C T se fija en 1 6 % , ¿cuál es el riesgo del con sum ido r?
S O L U C IO N
Para resolver este problem a se hará uso de las Ta b la s V -G y V -G -1 que se

presentan en el C u a d ro 6.39.
a. A l o b s e r v a r la T a b la V - G y lo c a liz a n d o la c u r v a q u e c o r re s p o n d e a
A Q L = 2 ,5 % se puede indicar que la respuesta a esta pregunta es PA= 4 6 % .
P a ra ello, se localiza en el eje x el va lo r de 8 % y se con tin úa hasta inter-
seca r la curva de A Q L = 2 ,5 % , entonces se lee en el eje y la correspondiente
probabilidad de aceptación.
b. Si se observa la T a b la V -G o la T a b la V -G -1 se puede notar que la respues

ta a este p roblem a es p = 2 ,6 7 % . E ste va lo r se puede a p roxim ar viendo la
curva O C o se puede tom ar exacto de la T a b la V -G -1 don de están algunos
valores tabulados.
c. Si a = 5 % entonces P A=0,95. Si se localiza esa probabilidad de aceptación

en la m ism a forma explicada en b), se puede ver que el valor de p asignado
es de 1 ,9 1 % .
d. Si el P N C T = 1 6 % , es decir p=0 ,1 6, entonces el valor de p que es un valor de

P A. es de 1 1 % .
Método a
Este m étodo solo debe se r usado cuando se tenga certeza de que se cono
ce el valor de a. Este valor no se trata de u na estim ación o aproxim ación de o
sino el verdadero valor, el cual se considera constante. Esto es posible después
de varios a ño s de llevar un control estadístico sobre la variable en estudio.
El procedim iento para trabajar por este m étodo es el siguiente:
1. C o n el nivel de inspección y el tam año del lote se localiza la letra código del
tam año de la m uestra en la T a b la l-A del C u a d ro 6.36.
2. C o n base en el A Q L , la letra código del tam año de m uestra, el tipo de ins

pección y la definición de si se tiene uno o dos límites y si éstos son co m b i
nados o se pa ra d o s, se b u sc a en la tabla correspondiente el tam año de la
m uestra (n) y la(s) constante(s) de aceptabilidad (k). Por ejemplo, si se trata
de inspección norm al se u sa la T a b la lll-A del C u a d ro 6.40.
3. S e tom a la m u e stra del ta m a ñ o qu e indica la tabla co rre sp o n d ie n te y se

ejecutan las m ediciones del caso.
4. S e calcula la m edia aritm ética.
5. S e establece la decisión de recha zo o aceptación, segú n se trate de un lí

mite superior, un límite inferior, límites separados o límites com binad os de
especificación.
Caso de límite superior especificado
S e acepta la m uestra y el lote de don d e proviene si:
x < xu d o n d e :
xu = U - k u *cr
no se aceptan si:
x > xu
FIGURA 6.18. Diagrama s-D Curvas de aceptación para límites combinados

Método s - Letra código D
Porcentaje de lotes que se espera Porcentaje de lotes que se espera Ul
sean aceptados (P ) sean aceptados (Pa) CT>
O
- N u ^ o i o s a t í ñ g
o o o o o o o o o o o o
re
o
co
So
i?
Cr
sr
co
5
o
O
c:
ü>
o
CD
O
QJ
CO
"O
CONTROL DE CALIDAD
&
03
"CD
oT
S
CD
CO
CO
I
JORGE ACUÑA ACUÑA
Tabla V-G-1 Valores tabulados para las curvas características

de operación en los planes simples de muestreo
Niveles aceptables de calidad (inspección normal)

P
a a
0,10 0,15 0,25 0,40 0,65 1,0 1,5 2,5 4,0 6,5 10,0
99,0 0,01 0,01 0,02 0,04 0,08 0,17 0,28 0,49 0,96 1,71 3,23 5,58 99,0
________s
95,0 0,03 0,06 0,09 0,15 0,25 0,45 0,68 1,09 1,91 3,09 5,30 8,41 95,0
90,0 0,07 0,11 0,17 0,26 0,43 0,72 1,06 1,61 2,67 4,14 6,76 10,30 90,0
75,0 0,22 0,32 0,45 0,65 0,98 1,50 2,07 2,94 4,49 6,50 9,83 14,09 75,0
[ 50,0 0,67 0,90 1,17 1,57 2,20 3,09 3,99 5,32 7,51 10,15 14,27 19,25 50,0
25,0 1,73 2,18 2,67 3,38 4,41 5,77 7,09 8,92 11,77 15,02 19,84 25,38 25,0
10,0 3,58 4,31 5,07 6,13 7,58 9,41 11,12 13,38 16,77 20,48 25,76 31,63 10,0
5,0 5,27 6,19 7,13 8,40 10,11 12,22 14,13 16,63 20,28 24,20 29,67 35,63 5,0
1,0 9,91 11,18 12,45 14,11 16,24 18,76 21,00 23,83 27,82 31,97 37,57 43,50 1,0
0,10 0,15 0,25 0,40 0,65 1,0 1,5 2,5 4,0 6,5 10,0
577
Nivel aceptable de calidad (inspección estricta)

Caso de límite inferior especificado
S e acep ta la m uestra y el lote de d o n d e proviene si:
x > X Ldonde:
xl = l_ + kL * a
no se aceptan si:
x < XL
Caso de aceptación para límites separados
S e acep ta la m uestra y el lote de d o n d e proviene cu an do:
x < xu y x > xl
no se aceptan si:
x > xu o x < XL
Caso de aceptación para límites combinados
Si se tiene un A Q L c o m b in a d o p a ra a m b o s lím ites de especificación, se

deb e u sar el m étodo gráfico a no ser q u e el valor de la d e svia ció n e stán dar a
sea m ayor que el valor de M P S D (desviación estándar m áxim a del proceso), en
cuyo caso se recha za el lote de inmediato, sin necesidad de extraer la m uestra.
El valor de M P S D se calcula así:
M P S D = fo (U -L )
don de el va lo r de fose obtiene de la T a b la IV-cr del C u a d ro 6.41.
El procedim iento, si no se cum ple lo anterior, es el siguiente:
1. Seleccionar el tam año de la m uestra en la T a b la l-B del C u a d ro 6.42, u sa n

do letra código y el A Q L .
2. S e le c cio n a r de la serie a de cu rva s que pre senta la n orm a, la respectiva

cu rva de aceptación con base en la letra código y el A Q L respectivo. La Fi
g u ra 6 .19 presenta la serie de cu rva s para la letra E.
3. C a lcular el valor de a / (U -L ) y dibujar una línea vertical a partir de este punto.
4. Si la líne a in te rse ca la c u rv a de a ce p ta ció n se obtie n e n d o s va lo re s de

(x -L )/ (U -L ) qu e sirven para determ inar los valores superior e inferior de la
m edia ( x ^ x j .
Si la línea no interseca la cu rva de aceptación, el proceso se considera no

aceptable y la inspección por m uestreo pierde su validez.
Si la línea interseca la porción recta de la curva de aceptación, esto es equi

valente a trabajar con el caso de límites separados por lo que se debe se
guir el procedim iento ya explicado para ese caso.
5. T o m a r la m uestra del tam año indicado en 1) y calcular la m edia aritmética

de la característica en estudio.
6. A p lic a r la siguiente regla de a cep tació n de la m uestra y el lote de don de

proviene:
Aceptar si la media aritmética calculada en 5) está comprendida entre

los valores de x„yx Ly rechazar si ocurre lo contrario.
EJEMPLO 6.27
La resistencia m ín im a de un com pon ente es de 58 0 0 0 psi. U n lote de 500

u n id a d e s e s so m e tid o a in sp e cc ió n , u tiliza ndo N ive l II, in sp e cc ió n norm al,
A Q L = 1 ,5 % . La desviación estándar es conocida e igual a 3000 psi.
a. ¿ C u á l es el plan de m uestreo que se debe aplicar?
b. Analice la situación que ocurriría si la m uestra extraída origina los siguien

tes datos:
6 2 5 0 0 -6 0 5 0 0 -6 8 0 0 0 -5 9 0 0 0 -6 5 5 0 0
6 2 0 0 0 -6 1 0 0 0 -6 9 0 0 0 -5 8 0 0 0 -6 4 5 0 0
CUADRO 6.40. Tabla lll-A Planes de muestreo simple para inspección normal (Método o)
0)
[i ,2 6
1 ,2 9
CM
in
in co O
T- T- O
CO
c£> S
&
CVI CM
CO 0) lí)
í> :
CM CM
tf) N
CM CO
CM CM
=í>: CO ^
CM CO
0) CM
CO N
CM* CM* CM
H>
6J)sanuj apoublubi
iapo6|pooejjan
CUADRO 6.41. Tabla IV-o Valores de tapara el cálculo de la

desviación estándar máxima (MPSD)
(Método o)
Niveles aceptables de calidad (inspección normal)
0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00
0,147 0,152 0,157 0,165 0,174 0,184 0,194 0,206 0,223 0,243 0,271 0,304 0,347
0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00
Niveles aceptables de calidad (inspección reducida)
0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00
Niveles aceptables de calidad (inspección reducida)
Nota: El MPSD se obtiene al multiplicar fo por I? diferencia entre el límite superior de especificación
U y el límite inferior de especificación Li.e. MPSD=fo (U-L)
El MPSD indica la mayor magnitud permitida para la desviación estándar del proceso cuando
se usan planes para el caso del límite de especificación doble con variabilidad conocida. Si
la desviación estándar del proceso es menor que el MPSD existe la posibilidad pero no la
certeza de que el lote será aceptado.
La autoridad responsable puede especificar el uso del valor fo para inspección estricta tanto
para inspección normal como reducida, en cuyo caso la selección entre el método "o” y “s” se
mantiene independiente.
SOLUCION
S e seguirá el procedim iento expuesto,
a.
1. C o n nivel de inspección II y tam año del lote de 500 unidades se localiza

la letra código del tam año de la m uestra en la T a b la l-A del C u a d ro 6.36.
Esta letra es la letra I.
2. C o n base en A Q L = 1 ,5 % , letra código I, inspección norm al y para límite

sim p le e s p e c ifica d o , se b u s c a en la T a b la 11l-A del C u a d r o 6 .4 0 , el
1
ta m a ñ o de la m u e s tra (n ) y la co n sta n te de ace p ta b ilid a d (k ). E s to s

va lo re s son:
n=10 k=1,70
b.
3. La m uestra está da d a por el ejem plo.
4. C a lc u la r la m e dia aritmética.
x = 6 3 0 0 0 0 = 6 30 00 psi
10
5. Esta ble ce r la decisión de re c h a zo o aceptación. S e usa el criterio para
límite inferior de especificación.
S e re ch a za la m uestra y el lote de don d e proviene puesto que:
X < XL
63000 < 63100
x l = L + kL*s
XL = 58 0 0 0 + 1,7*3000 = 6 3 1 0 0 psi
EJEMPLO 6.28
R e so lve r el E je m p lo 6.27, si se tiene ad e m á s qu e cum plir con un requisito

de resistencia m á xim a de 7 1 0 00 psi c u y o control tiene un A Q L de 1 % .
SOLUCION
S e seguirá el procedim iento expuesto,
a.
1. C o n nivel de inspección II y tam año del lote de 500 unidades se localiza

la letra código del tam año de la m uestra en la T a b la l-A del C u a d ro 6.36.
E sta letra es la letra I.
Tamaño
muestra
equivalentes
co m
8
13
20
50
500
125
32
80
200
800
315
(ISO 2859)
de
Atributos
muestra
código
Letra
CQ O Q lü U. O X 1 —5 —I 2 z Q.
CUADRO 6.42. Tabla l-B Tamaños de muestra para inspección normal
10,0
CO T f LO N T í- CO O )
14
17
127
64
95
11
CM CO t f
co co O CD CM L O CM 05
15
9
12
m cq
6,5
CM CM t í LO CO O
4,0
CO T í LO CO O CO CO O CO
18
E ü ^ CM
25
36
t í N O)
CO T í LO f- 05 T-
15
CM i — i -
32
2,5
22
T Í CO CO
1.5
CM CD CO O
14
19
28
36
54
CM CO M -
71
o_ (O N O) CO 05
LO
12
17
^^>C M CM CO M -
25
JO CO T í CO
0,65
16
lO N CO
59
44
23
30
r~" CM CO M -
11
0,40
27
40
54
10
14
t ~ L O CO CO
21
0,25
LO N O)
13
19
9
M - CD N
CM CO t í
0,15
34
45
23
M - lO CO O ) CM S
M é m .l
O
M - tO CO CO t - CO CM ’ — CM
o" ::[ ;> CM CO t í
150
200
LO O LO
100
CO t í
10
15
5
7
O _)
20
25
fs CO LO h -
C</3
-5 —1 2 Z Q-
de calidad
ü UJ u .
aceptable
CQ O O X —
Método
Nivel
eflsenuj ap ouewei |ap o6|P90 eriaq

U-L
FIGURA 6.19. Diagrama o-E Curvas de aceptación para límites combinados

Método o - Letra código E
2. C o n base en A Q L = 1 % para el limite superior, A Q L = 1 ,5 % para el límite

inferior, letra cód ig o l, inspección norm al y para límite sim ple especifi
cado, se busca en la T a b la 11l-A del C u a d ro 6.40, el tam año de la m u e s
tra (n ) y las constantes de aceptabilidad (ky y kL). E s to s valores son:
n= 10* ky= 1,83 kL=1,7 0
co m o existen dos tam años de m uestra, se tom a el m ás grande
b.
3. L a m uestra está dad a por el ejem plo.
4. C a lcular la m edia aritmética.
x = 630000 = 63000 psi

10
5. Establecer la decisión de recha zo o aceptación. S e usa el criterio para

límites se parados.
x < xl x < xu
63000 < 63100 63000 < 65900
xl = L + kL*a x„ = U - k,* c
xl =58000+1 ,7*3000=63100 psi xu=710 0 0 -1 ,8 3 * 3 0 0 0 = 6 5 5 1 0 psi
R E C H A Z O A C E P T A C IO N
S e recha za la m uestra y el lote de donde proviene puesto que es necesario

que se cu m p la n las dos condiciones para aceptar y solo la condición de límite
superior se cum ple.
EJEMPLO 6.29
R e s o lv e r el E je m p lo 6 .2 8 , co n A Q L = 4 % para a m b o s lím ites de e s p e

cificación.
SOLUCION
S e co m p a ra el valor de o con el valor de M P S D .
M PSD = fo* (U -L )
M PSD = 0 ,2 43 * (71 0 0 0 -5 8 0 0 0 )
M PSD = 31 5 9 psi
o < M PSD
3 00 0 < 3159
el va lo r de fo se obtuvo de la T a b la IV -o del C u a d ro 6.41.
C o m o el valor de M P S D resultó ser m a yo r que o, se continúa con el pro ce

dim iento ya descrito.
1. A l s e le ccio n a r el ta m a ñ o de la m u e stra de la T a b la l-B del C u a d ro 6 .4 2 ,

u sa n d o letra cód ig o I y A Q L 4 % , este va lo r es n= 13.
2. S e sele cciona de la serle a de cu rva s, la curva de aceptación para la letra

código I y A Q L 4 % . La Figura 6.20 m uestra esta curva.
3. C a lc u la r el va lo r de c / (U -L ) y dibu jar u na línea vertical a partir del punto

0,2 3 08 .
a 30 0 0
= 0 ,2 3 0 8
(U -L ) (7 1 0 0 0 -5 8 0 0 0 )
4. D a d o que la línea interseca la curva de aceptación se obtienen dos valores

de (x -L )/ (U -L ) que sirven para determ inar los valores superior e inferior de
la m e d la (x u y x L).
xl - L _ xl - 58000 xu - L _ xu -7 1 0 0 0
U -L “ 7 1 0 0 0 -5 8 0 0 0 U -L ^ 7 1 0 0 0 -5 8 0 0 0
g 2_l _ xl - 5 8 00 0
0,31 =
13000
X l = 5 8 0 0 0 + 0,31 * 13000 x u = 5 8 0 0 0 + 0,6 9 *13000
xl= 6 2 0 3 0 psi x u = 66970 psi

AQL
U-L
FIGURA 6.20. Curva de aceptación para letra código I (AQL-4%)
5. La m uestra de 13 unidades da un prom edio de 6 3 0 0 0 psi.
6. La m edia aritmética calculada se encuentra entre los valores de x^, y xL, por
lo qu e se aceptan la m uestra y el lote de don de proviene.
Dinámica de la inspección
Al igual que la N orm a IS O -2 8 5 9 -1 , esta norm a tiene su propia dinám ica de

inspección. La inspección se inicia con inspección norm al y se cam biará a e s
tricta o reducida seg ú n las siguientes condiciones:
Cambio a inspección estricta
S e p a s a insp e cción estricta c u a n d o d o s de cinco o m e n o s lotes no sean

a cep tados bajo inspección norm al. El n uevo plan se localiza en la T a b la lll-B si
se usa m étodo a o la T a b la ll-B si se usa m étodo s.
E sta ndo en inspección estricta se retornará a inspección norm al cuando se

acepten cinco lotes con secu tivos.
Cambio a inspección reducida
S e p u e d e p a sa r de inspección norm al a reducida cu a n d o se acepten diez

lotes co n se cu tivo s que cu m p le n con las siguientes condiciones:
a. L o s lotes p o d ría n h a b e r sido a ce p ta b le s si el A Q L h u biera sido un p a so

m ás estricto.
b. La pro du cción se efectuó bajo control estadístico.
c. La autoridad responsable da el visto bu e n o al cam bio.
Los plan e s por u sa r se e ncuentran en la T a b la ll-C si se usa el m étodo s o

en la T a b la lll-C si se u sa el m étodo a.
Estando en inspección reducida se retornará a inspección norm al si ocurre

cualquiera de las siguientes situaciones:
a. U n lote no es aceptado
b. La pro du cción se torna irregular o con retrasos
c. O tras condiciones que no garanticen un adecuado control si se perm anece

en inspección reducida
E JE M P L O 6.30
E n la recepción de un dispositivo electrónico se ch equ e a que la tem peratura

m á xim a de ope ra ció n se a de 6 0°C . S e usa el m éto do s, p u e s se d e s c o n o c e el
valor de o. L a s condiciones son usar lotes de 100 unidades, nivel 11y A Q L 2 ,5 % .
a. ¿ C u á le s se ría n los tres tipos de p la n e s c o rre s p o n d ie n te s a inspección

norm al, reducida y estricta?
b. La situación de los últimos 30 lotes som etidos a inspección se presenta en

el C u a d ro 6.43. Si se hubiera aplicado la dinám ica de inspección ¿cuáles
serían los cam bios de inspección?
CUADRO 6.43. Registro de los últimos 30 lotes
# lote 1 2 3 4 5 6 7 8 9 10
Qu 1,49 1,51 1,16 1,35 1,78 1,87 1,59 1,66 1,72 188
# lote 11 12 13 14 15 16 17 18 19 20
Qu 1,72 1,66 1,59 1,62 1,77 1,60 1,65 1,77 1,81 1,00
# lote 21 22 23 24 25 26 27 28 29 30
Qu 1,22 1,37 1,45 1,20 1,88 1,78 1,90 1,67 1,63 1,55
SOLUCION
a. Inspección norm al Inspección estricta Inspección reducida
n = 10 n = 10 n=4
k = 1,41 k = 1,58 k = 1,01
b. S e aplican las reglas apuntadas.
S e inicia con inspección norm al, con el plan n=10, k = 1 ,41. D e acuerdo con
lo esta b lecido al utilizar el m étodo s, el valor de Qudebe ser mayor que ku
para que el lote sea aceptado. Al aplicar ésto, los lotes 1 y 2 son acep tados
pero los lotes 3 y 4 son re c h a za d o s , con lo qu e se c u m p le la con dició n para
p asa r a inspección estricta usando el plan n = 1 0, k= 1 ,58 a partir del lote No. 5.
Los lotes del No. 5 al No. 9 inclusive se aceptan en inspección estricta, y se

retorna a inspección norm al a partir del lote N o. 10.
Los lotes del No. 10 al N o. 19 se aceptan por lo que ésto permite pensar en la
posibilidad de p a sa r a Inspe cción reducida. S e cu m ple la condición de que los
lotes s e ría n a c e p ta d o s co n el p ró x im o A Q L m á s estricto, A Q L = 1 ,5 % c u y o
k = 1 ,58. S e su p o n e qu e la producción está bajo control estadístico y que la auto
ridad está de acuerdo con cam biar a inspección reducida. Por lo tanto, se pasa a
inspección reducida a partir de la m uestra N o . 20 con el plan n=4, k = 1 ,01.
El lote N o . 20 se re c h a za por lo qu e a partir del lote N o . 21 se pasa a ins

pección norm al, con n = 1 0, k = 1 ,41. Los lotes No. 21 y No. 22 se rechazan por lo
que se cum ple la condición para pasar a inspección estricta a partir del lote No.
23, con el plan n = 1 0, k = 1 ,58.
Los lotes N o . 2 3 y 24 se rechazan en inspección estricta, pero los lotes del

N o. 25 al N o. 29 se a cep tan, por lo qu e se cu m ple la condición para retornar a
inspección norm al, con el plan n = 1 0, k = 1 ,41, a partir del lote N o. 30.
El lote N o. 3 0 se acepta. La Inspección continúa en la m ism a form a a partir

del lote No. 31.
RESUMEN
Este capítulo dedicado al m uestreo de aceptación permite determ inar que:
1. El m uestreo es una bu e n a herram ienta estadística para determ inar la cali

dad de los lotes de productos con base en m uestras extraídas de ellos.
2. E ste tipo de m u e s tre o p u e d e fa v o re c e r al c o n s u m id o r, al p ro d u cto r o a

a m b o s s e g ú n se a quien lo aplique. La cu rva característica de operación
permite analizar las bondades de un plan para con el productor o el co n su
midor.
3. Existe la posibilidad de aplicar m uestreo secuencial cua n d o la inspección

es destructiva o de costos m u y altos.
4. E l m u e s tre o p e rm ite re d u c ir los c o s to s d e In s p e c c ió n y o r g a n iz a r la

inspección.
5. E s necesario establecer m anuales de inspección qu e reduzcan la influen

cia de decisiones subjetivas.
6. N o existen requisitos especiales en cuanto a distribuciones de probabilidad

en el ca so de inspecció n por atributos. S in e m b a rg o , en inspecció n por
variables es absolutam ente necesario qu e la variable en estudio se distri
bu ya se gú n la distribución norm al.
7. La aplicación de norm as (IS O -2 8 5 9 -1 , IS O -3 9 5 1 ) es m u y útil para aligerar

el procedim iento de inspección. A d e m á s , es m ás fácil la obtención de con
clusiones.
PREGUNTAS DE REPASO
1. ¿ Q u é ve nta jas ofrece trabajar co n inspección por m u e stre o en lu g a r de
inspección 1 0 0 % ?
2. E xp liq u e có m o funciona un plan de m u estre o sim ple, un plan doble y un

plan múltiple.
3. ¿ C ó m o se construye y para qué sirve la curva característica de operación?
4. C om e nte los pasos para diseñar un plan de m uestreo simple basado en los
rie sg os del p ro d u cto r y del co n su m id o r. E xp liq u e en q u é consisten esos
riesgos.
5. ¿ P a ra qué se u sa el concepto de inspección total de unidades?
6. ¿ C ó m o funciona un plan de aceptación-rectificación?
7. E xp liqu e en q u é consiste un plan de m uestreo secue ncial y qué ventajas

tiene sobre los otros planes de m uestreo.
8. E xplique el procedim iento para extraer un plan de m uestreo de la N orm a

IS O 2 8 59 -1.
9. Explique en qu é consiste la dinám ica de la inspección.
10. ¿ C u á n d o se deb e aplicar m uestreo de aceptación para variables?
11. ¿ C u á l es el procedim iento para extraer un plan de m uestreo de la N orm a

I S O 3951?
12. Defina los siguientes conceptos:
a. C a lidad límite
b. Estadístico de calidad
c. D e svia ción e stán dar m áxim a m uestral
d. D esviación e stán dar m áxim a del proceso
13. ¿ E n qu é con dicio ne s se u sa la N o rm a ISO 3951 ?

14. ¿ Q u é diferencias hay entre las N o rm a s ISO 2859-1 e ISO 39 51?
15. E xplique los m étodos gráficos de la N o rm a ISO 3951.
PROBLEMAS
1. C onstru ir en un m ism o gráfico las cu rva s características de operación de
los siguientes planes de m uestreo:
n= 100,’ A =c 0 n= 100, ’ Ac =1
n = 2 0 0 ,’ A =C 2 n= 200, » AC =3
n= 300,’ A =c 4 n= 300, ’ Ac = 5
a. ¿ Q u é con clu siones se obtienen al co m p a ra r estos plan es?
b. ¿ Q u é probabilidad de acep tació n tienen lotes c u y a calidad es 2 ,5 % y

4 ,3 % , en c a d a uno de los planes?
c. ¿ Q u é calidad debe tener el lote para que su probabilidad de aceptación

sea del 9 0 % , en ca d a uno de los planes?
d. ¿ C u á l es el A Q L si el riesgo del productor (a ) es del 9 3 % ?
e. ¿ Q u é va lo r de P N C T g e n e ra un riesgo del co n su m ido r ((3) del 10 % ?
2. C onstruir las cu rva s características de operación de los siguientes planes

de m uestre o y co m p a ra r los planes.
n= 125,’ A C = 1
n= 150,’ A C = 2
n= 175, A = 3
3. E n inspección de recepción se recibe una serie de lotes de 100 unidades

de un producto. Estos lotes se inspeccionan con m uestras de tam año 100
y criterio de aceptación A c=4.
a. C o n s tru y a la cu rva O C .
b. S i el p orcentaje de pro d u cto fuera de lo re q u erido es de 2 ,5 % , ¿ q u é

riesgo del productor está asociado a él?
c. Si el consum idor quiere rechazar lotes que tengan 8 % o m ás de produc

to disconform e, ¿ q u é riesgo del co n su m ido r está a so cia d o a él?
4. D ise ñ a r tres planes de m uestreo para atributos b asados en un A Q L = 2 % .

C o m p a re esos planes con otros tres b asado s en una calidad de indiferen
cia asocia d a a p = 3 ,8 % .
5. D ise ña r un plan de m uestreo para atributos que cum pla con las siguientes
condiciones:
AQL= 5 % a = 5%
P N C T= 10% (3=10%
6. D iseñar un plan de m uestreo para atributos que cum pla con las siguientes
condiciones:
A Q L = 1 ,2 % a = 6%
P N C T = 6 ,2 % (3=12%
7. D iseñe un plan de m uestreo por atributos qu e cu m pla con u na calidad de

indiferencia de 1 ,6 % . C o m p á re lo con el plan diseñado en el problem a 5.
8. C o nstru ir las cu rva s de calidad saliente m edia ( A O Q ) para los siguientes

planes:
n= 10, A C =1
n= 50 A C =2
n= 1 0 0 A c=4
<
co
n=200
II
Lo c a lic e el v a lo r de P N C T y A Q L en c a d a plan a s o c ia d o s con a = 0 ,0 5 y

(3= 0 . 1 0 .
9. S e d e s e a aplicar un plan de aceptación-rectificación sob re la m e rca dería

que entrega un productor. Esta m e rca dería consiste de 50 lotes de 10000
u n id a d e s c a d a u n o . E l con trato firm ado dice que la ca lid a d p a cta d a es
1 , 1 % de producto no conform e.
a. ¿ C u á l es la calidad saliente m edia (A O Q ) si se usa el plan n=200, A c=3 ?
b. ¿ C u á l es el límite de calidad saliente m edia (A O Q L ), si se varía la cali

dad pactada entre 1 % y 1 0 % de uno a uno?
10. D is e ñ a r y g ra fica r un plan se cu e n cia l q u e co rre s p o n d a a las sig uiente s

condiciones:
oc= 7%
p= 1 1 %
AQ L= 8%
PN CT= 25%
11. U n ingeniero de sea diseñar, por prim era vez, planes de m uestreo para ins
peccionar los lotes de 50000 unidades enviados por un proveedor. U n c o n
trato firm ado por a m b a s partes establece los siguientes acuerdos:
1. R ie sg o del pro ductor = 0,039
2. R ie sg o del co n su m id o r = 0,091
3. Nivel de calidad acep table = 0,0 1 9
4. P orcentaje defectuoso tolerado en el lote = 0,052
a. Presente a este ingeniero cuatro tipos de planes sim ples, equivalen

tes pero diferentes.
b. Si el costo d e in s p e c c io n a r una unidad es de 06, ¿ c u á l es el plan

m á s barato? ¿ Q u é otras consideraciones de costos de calidad d e
ben tom arse en cuenta?
c. D e m u e stre con nú m ero s qu e los cuatro planes son equivalentes.

r ■
d. ¿C u á l plan le recom ienda U d . al ingeniero? Justifique su respuesta

y anote las consideraciones del caso.
12. E n la inspección de ciertas m aterias prim as se de se a definir el tam año de

la m uestra m ás conveniente. Actualm ente, un estudio de inventarios indica
qu e el ta m año óptim o del lote pu ede variar entre 2 0 0 0 0 y 30000 unidades
sin consideraciones importantes de costo. El proveedor indica que los lotes
son 6 ,5 % defectuosos.
a. ¿ C u á l plan recom ienda U d y en qu é se basa para hacerlo?
b. U s a n d o el plan re co m e n d a d o en a ), ¿ q u é probabilidad de aceptación

tiene un lote qu e es 8 % defectuoso?
c. Si se usara el siguiente plan doble bajo aceptación-rectificación:
n ,= 5 0 n2= 50
c = 1 c2= 5
R = 5 R 2= 6
¿ C u á l es la calidad saliente m edia?
13. S e d e s e a d ise ñ a r un plan de m u estre o por atributos q u e cu m p la con las

siguientes condiciones:
AQ L= 1 ,2 % a= 5%
P N C T = 5 ,8 % p= 1 4 %
a. ¿ C u á l es e se plan de m uestreo?
b. ¿ Q u é probabilidad de rechazo tiene un lote que tiene 3 ,4 % de producto

disconform e, cu a n d o es inspeccionado con el plan diseñado?
c. ¿ Q u é porcentaje de producto disconform e debe tener un lote para tener

u na p ro ba bilidad de ace p ta ció n del 9 8 % , si s e in sp e cc io n a con este
plan?
d. C o m p a re este plan con su equivalente en m uestreo secuencial. ¿ Q u é

conclusiones se obtienen?
e. D e m u e stre que los planes diseñad os son realm ente equivalentes.

f. C o n base en la N orm a IS O -2 8 5 9 -1 , ¿cu áles podrían ser los planes d o

ble y múltiple equivalentes al plan d iseñad o en a.?
14. U n a p ro d u cció n de 2 0 0 0 p ie za s por h o ra es m u e stre a d a a razó n de 150

p ieza s por hora. Si el lote se acep ta c u a n d o salen tres o m enos unidade s
disconform es:
a. Ela bore un cu ad ro que m uestre la probabilidad de aceptar un lote para

diferentes calidades g e n e ra d a s en las líneas de producción.
b. C o n s tru y a la cu rva característica de operación
c. ¿ Q u é su ce d e si el ta m a ñ o del lote se duplica?
d. ¿ Q u é s u c e d e si el c o n s u m id o r a ce p ta el lote c u a n d o sale n cu a tro o

m e n o s unida de s disconform es?
15. U n a fábrica de bicicletas recibe neum áticos en lotes de 2000 unidades. El

p roveedor establece un porcentaje de producto disconform e de 1 ,5 % , para
el m uestre o de aceptación-rectificación.
a. Si se som eten a inspección 300 lotes usando el siguiente plan doble:
n ,= 80 n2= 80
R e1 = 6
¿ C u á l es la calidad saliente m edia?
b. Si se som eten a inspección 100 lotes, con el plan sim ple n=50 0, A = 5,
¿cuál es la calidad saliente m edia?
c. Si existe posibilidad de u sar cualquiera de los siguientes planes:
n= 100,
n= 150,
n= 0,01 N
¿ C u á l de los planes usaría U d y por q u é ? Para decidir hágalo sob re la

base de tres reglas de decisión.
d. ¿Qué acciones se deberían seguir si los lotes fueran de tamaño variable?

16. Represente gráficam ente el plan de m uestreo múltiple qu e se presenta en

el C u a d ro 6.44.
17. D a d a la inform ación del C u a d ro 6 .45, sele ccio nar y extraer los planes de
m uestre o ade cu ados.
a. Explique el funcionam iento de cad a plan
b. C a lc u le los valores de P N C T y A O Q L , para cada plan.
CUADRO 6.44. Plan múltiple del Problema 16
Muestra Acumulado A0 Re
n,=50 n=50 2 7
n2=50 n,+n2=100 4 11
n =50 n,+n2+ n 3=150 8 15
n4=50 n,+n2+ n3+ n4=200 12 19
n =50 n,+n2+ n3+n4+n5=250 16 22
n=50 n,+n2+ n3+n4+n5+n6=300 21 26
n7=50 n,+n2+ n3+n4+n5+n6+n7=350 25 29
n8=50 n,+n2+ n3+n4+n5+n6+n7+na=400 28 29
Plan Nivel Tipo de Tipo de AQL N

de Insp. muestreo inspecc.
1 II Simple Normal 0,15 55

2 II Doble Reducida 1,00% 400
3 I Simple Estricta 150,00 4000
4 III Simple Normal 0,40% 2000
5 II Múltiple Normal 0,65% 10000
6 III Múltiple Normal 0,25% 70
7 II Simple Reducida 400,00 1500
8 II Simple Estricta 6,5% 30
18. U n producto se sum inistra en lotes de 4000 unidades. El A Q L fijado es del

1 ,5 % pa ra el p ro d u cto d isco n fo rm e . S e em p le a nivel de inspecció n III y
m uestre o sim ple.
a. ¿ C u á le s son los planes de m uestreo para inspección normal, estricta y

reducida?
b. Si la cantidad de producto discon form e en los últim os 25 lotes son los

qu e aparecen en el C u a d ro 6.46, ¿cuál es el com portam iento de la ins
pección?
CUADRO 6.46. Información del Problema 18
Lote# Disconf. Lote# Disconf. Lote # Disconf.
1 7 10 12 18 5
2 2 11 8 19 2
3 14 12 11 20 7
4 11 13 7 21 6
5 9 14 8 22 7
6 4 15 4 23 2
7 7 16 9 24 5
8 3 17 3 25 3
9 2
19. E n la b o d e ga de producto term inado de una e m p re s a se reciben lotes de

58000 unidades con un A Q L = 4 % . Esta es la primera v e z que se van a usar
planes de m uestreo de aceptación por atributos. Establecer la dinám ica de
la inspección si se recibieran 30 lotes c u y a cantidad de d iscon form es se
presenta en el C u a d ro 6.47.
20. U n p ro ce so su m inistra lotes de 5 0 0 0 unid a d e s, fijando un A Q L del 1 0 %

para defectos tipo A y A Q L del 1 ,5 % para defectos tipo B. S e em plea el ni
vel II y se usa m uestreo sim ple.
JORGE ACUÑA ACUÑA________________________ 599
# lote np # lote np filote np #lote np filote np # lote np
1 22 6 14 11 13 16 18 21 9 26 19
2 24 7 15 12 10 17 12 22 10 27 20
3 17 8 15 13 5 18 18 23 11 28 17
4 16 9 18 14 4 19 6 24 20 29 18
5 15 10 10 15 10 20 5 25 18 30 15
np: número de disconformes
a. ¿ C u á le s son los planes de m uestreo para inspección estricta, norm al y

reducida?
b. Si los defectos tipo A y B en los últimos 10 lotes se presentan en el C u a

dro 6.48, ¿cuál es la decisión de recha zo o aceptación de lotes?
21. A una em p acad ora de carne llegan cargam entos de 1000 kg y se som eten
a inspección por atributos, con un nivel II, plan sim ple y A Q L = 2 ,5 % .
Lote Defectos
A B
1 18 9
2 20 8
3 24 7
4 21 10
5 20 11
6 10 11
7 18 8
8 14 5
9 16 7
10 18 8
a. ¿ C u á l es el plan de m uestreo en inspección norm al, estricta y reducida?
b. ¿ Q u é p ro babilidad de a ce p ta ció n tiene un c a rg a m e n to co n 1 ,5 % de

producto disconform e, si se usa inspección norm al?
c. ¿ C u á l es el A O Q L qu e le corre sp o n d e al plan con Inspección norm al?
d. ¿ C u á l e s el P N C T , a s o c ia d o a un [3=0,10, para el plan de inspecció n

norm al?
e. ¿ C u á l es el tam año m edio de las m uestras doble y múltiple, corresp on

dientes al plan de inspección norm al?
f. Si se som eten a inspección 32 cargam entos que originan la cantidad de

pro ducto disconform e del C u a d ro 6 .49, ¿cuál es la dinám ica de la ins
p ección ?
# lote np #lote np # lote np filote np
1 3 9 3 17 0 25 1
2 4 10 2 18 1 26 2
3 3 11 1 19 1 27 4
4 6 12 0 20 3 28 5
5 8 13 0 21 0 29 3
6 4 14 4 22 0 30 4
7 1 15 4 23 0 31 6
8 2 16 3 24 1 32 8
22. E n un proceso de fabricación de tubos para la construcción, las especifica

ciones del diámetro para un tipo de tubo se han fijado en 65,3 ± 3,3 cm . Los
lotes qu e se som eten a Inspección son de tam año 800 y se usa Nivel I con
A Q L = 2 ,3 % para el límite superior y 0 ,1 5 % para el límite inferior.
a. ¿ C u á le s s o n los p la n e s de m u e s tre o q u e s e d e b e n u s a r b a jo in s
pección norm al, sim plificada y estricta?
b. T o m a n d o los prim ero s valores seleccionados horizontalmente del

C u a d ro 6 .50 co m o los valores originados por una m uestra; ¿cuál es la
decisión de aceptación o recha zo bajo inspección norm al?
63 62 69 67 70 66 65 67 68 67
64 70 75 66 70 66 68 65 66 67
23. La especificación m ínim a para ciertos tubos de acero es 50000 psi. U n lote
de 8 0 0 tubos es som etido a inspección norm al, Nivel II con A Q L = 1 ,5 % . La
desviación estándar es 1575 psi.
a. ¿ C u á l es el tam año de la m uestra?
b. Si los valores qu e g enera la m uestra se presentan en el C u a d ro 6.51,

¿cu á l es la decisión de aceptación o recha zo ?
CU A DRO 6.51. Información del Problema 23
62500 60500 68000 59000 65500

62500 61000 69000 59000 64500
61800 63400 65000 64700 66600
24. La especificación de presión para ciertos tubos de acero es 62500±500 psi.

U n lote de 2 0 0 tu b o s es s o m e tid o a in s p e c c ió n n o rm a l, N iv e l II, co n
A Q L = 1 ,5 % . La desviación estándar es 2825 psi.
a. ¿ C u á l es el tam año de la m uestra?
b. S i los datos son los m is m o s del P ro b le m a 23, ¿c u á l es el criterio de

aceptación o re ch a zo ?
2 5. U n proceso produce con las especificaciones de longitud 25,9 ± 1,5 cm . S e

som eten a inspección 50 piezas, utilizando nivel II y A Q L 1 ,5 % para el valor
especificado superior y A Q L 1 ,0 % para el valor especificado inferior.
a. ¿ C u á le s son los plan es de m u estre o en inspección norm al, estricta y

reducida?
b. S i para el plan en in s p e c c ió n n o rm a l se pre se n ta la in form ación del

C u a d ro 6.52, ¿cuál es la decisión de aceptación y re c h a zo ? R esuelva
gráficam ente y analíticam ente.
Unidad # Longitud
1 27,1
2 24,0
3 27,6
4 24,5
5 28,0
6 24,9
7 25,0
8 26,4
9 26,5
10 27,0
2 6. El m áxim o contenido de una sustancia quím ica que debe estar presente en
un alim ento es 3 ,5 m iligram os por g ram o de alimento. Si se som eten a ins
p e c c ió n lotes de 2 5 0 0 g ra m o s , u tiliza n d o N ivel II, in s p e c c ió n n o rm a l y
A Q L = 1 ,5 %
a. ¿ C u á l es el plan de m uestre o?
b. Sim ule la dinám ica de la inspección estableciendo el criterio de acepta

ción. U s e valores de este criterio en el rango de 1,5 ± 1,2s.
2 7 . E n una em presa com ercial las lám paras incandescentes se som eten a ins
pección en lotes de 1000 u nidade s. El po d e r lum inoso especificado para
estas lám paras es de 100 bujía-pie co m o m ínim o. E n esa inspección se de

sea tener un pian de m uestreo para el cual lotes de calidad 1 % de producto
inaceptable, se acepten el 9 5 % de las v e c e s , m ientras que lotes con cali
dad 5 % se acepten el 1 0 % de las veces.
a. D is e ñ e el plan de m u e stre o para c h e q u e a r el p o d e r lu m inoso de las

lám p a ra s y construya la respectiva cu rva característica de operación.
b. ¿ Q u é plan de la norm a IS O -3951 se considera equivalente al diseñado

en a?
28. U n proceso produce con las siguientes especificaciones: 28,9 ± 2,5 cm . S e

som eten a inspección 70 unidades en form a norm al utilizando un Nivel II y
un A Q L de 2 ,5 % para a m b o s límites especificados.
a. ¿ C u á l es el plan de m uestreo?
b. ¿ C u á l e s la decisión de inspección si la m uestra origina la información

del C u a d ro 6 .53?
CUADRO 6.53. Información para el Ejemplo 28 b) (')
Muestra # Valor
1 30,1
2 30,0
3 27,8
4 24,5
5 28,0
6 28,5
7 29,9
8 32,2
9 31,0
10 26,4
11 26,5
12 27,0
13 27,7
14 28,8
15 28,1
(■) Tome los valores necesarios en forma vertical y ordenada.

29. El m ínim o contenido de un frasco de cacao en polvo es de 980 gram os. S e

recibe un lote de 60 frascos.
a. ¿ C u á l es el plan de m uestreo por usar si se utiliza el Nivel II, inspección

norm al y A Q L igual a 2 ,5 % ?
b. ¿ Q u é criterio de aceptación o re c h a zo se obtiene si la m uestra genera

los valores p re sentado s en el C u a d ro 6 .5 4 ?
c. R e su e lva gráficam ente.
CUADRO 6.54. Información para el Ejemplo 29 b) (')
Muestra # Valor
1 975
2 965
3 983
4 989
5 995
6 1000
7 968
8 1000
9 1050
10 968
11 972
12 876
13 1123
14 999
15 1029
(') Tome los valores necesarios en forma vertical y ordenada.
30. U n p ro ce so produce un artículo cu ya especificación es 25,8+4,1 cm . Este

pro ceso tiene una ca p a cid a d 6 o ’ de 10,8 centím etros y está centrado.
a. ¿ C u á l sería una n u e v a tolerancia si el A Q L va ría a 6 % ?
b. ¿ C u á l sería una n u e v a tolerancia si el A Q L varía a 0 ,5 % ?

31. La especificación de longitud para un determ inado producto es de 7 5 ,3 ± 8 ,1

centím etros. U n lote de 800 unidades es recibido para inspección, usando
Nivel II, inspección norm al, A Q L = 1 ,0 % p a r a e l límite superior y A Q L = 1 ,5 %
para el límite inferior.
a. ¿ C u á l es el plan de m uestreo qu e se deb e usar?
b. ¿ Q u é probabilidad de aceptación tiene un lote que tiene un 2 % de pro

ducto no conform e con especificaciones?
c. ¿ Q u é calidad d e b e tener un lote para qu e te n g a u na probabilidad de

aceptación del 9 6 % ?
d. Sim ule la inspección generando valores aleatorios que estén com pren
didos entre 67 cm y 83 cm .
e. R e su e lva la parte d) gráficam ente
32. La resistencia m áxim a de un com ponente es 5985 psi y la m ínim a 4365 psi.
Si un lote de 500 u n idade s es som etido a inspección u sand o A Q L = 2 ,5 %
para límite inferior y A Q L = 1 ,5 % para el superior
a. ¿ C u á l es el plan de m uestreo?
b. ¿ Q u é probabilidad de acep tació n tiene un lote qu e tiene un 2 ,2 % de

producto no conform e con especificaciones?
c. ¿ Q u é calidad d e b e tener un lote p a ra qu e teng a una probabilidad de

aceptación del 9 1 % ?
d. S im u le la inspección tom and o los valores que necesita de tal m anera

qu e estén co m prendido s entre 5900 y 4300 psi.
33. E n la inspección de resistencia a la tracción de un cierto alam bre se utiliza

co m o especificación el valor 68±6 libras. S e reciben para inspección lotes
de 2 5 0 u n id a d e s, u sa n d o in sp e cció n norm al y N ivel II. S e usa a d e m á s
A Q L = 1 ,5 % para el límite superior y A Q L = 2 ,5 % para el superior.
a. ¿ C u á l es el plan de m uestreo por el m étodo de la desviación estándar?
b. ¿ C u á l es el plan de m uestreo por el m étodo del intervalo?

c. ¿ Q u é proba bilida d de a ce p ta ció n tiene un lote que tiene un 1 ,8 % de

pro ducto no con form e con e specificacio ne s? R e sp o n d a p a ra a m b o s
m étodos.
d. ¿ Q u é ca lida d d e b e te ner un lote para que te n g a una pro b a b ilid a d de

aceptación del 9 0 % ? R e s p o n d a para a m bos m étodos.
e. A n a lice por a m b o s m étodo s la m uestra qu e se presenta en el C u a d ro

6.5 5 y e stab le zca el criterio de aceptación o de rechazo.
CUADRO 6.55. Información para el Ejemplo 33 (")
Muestra # Valor Muestra # Valor
1 63 16 64
2 64 17 66
3 64 18 66
4 69 19 65
5 70 20 68
6 64 21 69
7 69 22 67
8 75 23 65
9 69 24 74
10 67 25 68
11 66 26 66
12 72 27 76
13 64 28 67
14 70 29 67
15 72 30 77
(') Tome los valores necesarios en el orden acostumbrado.
34. E n un proceso de fabricación se han establecido especificaciones de lon

gitud de 65,3 ± 5,9 cm para el corte de unas piezas. La desviación estándar
de esta longitud es conocida y es o=2,1 cm . S e reciben lotes de 50 piezas
y se usa Nivel II, inspección norm al y A Q L = 2 ,5 % para el límite superio r y
A Q L = 1 ,5 % para el límite inferior.
a. A n alice una m uestra del tam año que corre sp o n d e a las condiciones y
obte nga los valores respectivos por sim ulación.
b. Si los últimos 32 lotes qu e se han recibido han tenido las decisiones de

aceptación y recha zo presentadas en el C u a d ro 6.56, ¿cu á l es la diná
m ica de la inspecció n ? Indique si la inform ación es suficiente, si no lo
es, p re su m a lo que sea necesario y siga adelante.
CUADRO 6.56. Información para el Ejemplo 34 b)
# Decisión # Decisión # Decisión # Decisión
1 A c 9 Re 17 Re 25 Ac
2 A 10 Re 18 A 26 Ac
3 Ae 11 Ac 19 A 27 Ac
4 A c
12 Ac 20 Ac 28 Ac
5 A 13 A 21 A 29 Re
6 A c
14 A„ 22 A 30 Ac
7 A c
15 A 23 A 31 A
8 R 16 Ac 24 AC 32 A
35. D is e ñ a r un p la n de m u e s tre o p a ra a trib u to s, u n o p a ra v a ria b le s y uno

secue ncial qu e cu m plan con las siguientes condiciones:
a. R iesgo del productor (a ) = 6 %
b. R iesgo del con su m ido r (P) = 9 %
c. Nivel de calidad aceptable (A Q L ) = 1 , 8 %
d. Porcentaje de producto no tolerado en el lote (P N C T ) = 7 ,2 %
D e m ostra r qu e e sos planes son equivalentes.
36. Realice en una e m presa un proyecto qu e involucre un estudio de caracte

rísticas de calidad m edibles enu m e ra n d o las ventajas y desventajas de la
aplicación de esta técnica.
37. Si los últim os 4 0 lotes que se han recibido en un puesto de inspección de

recepción, han tenido las decisiones de aceptación y rechazo presentadas
en el C u a d ro 6.57, ¿cuál es la dinám ica de la inspección? Indique si la infor
m ación es suficiente, si no lo es presum a lo que sea necesario y siga a d e
lante.
CUADRO 6.57. Información para el Ejemplo 37
Decisión Decisión Decisión Decisión
1 A 11 R 21 R, 31 A
2 Ac 12 Re 22 A< 32 A
3 A c
13 A< 23 A< 33 A
4 A c
14 A c
24 A< 34 A,
5 \ 15 Ac 25 A 35 R
6 A 16 A 26 A 36 K
7 A c
17 Ac 27 Ai 37 A
8 R e
18 Ac 28 A 38 A
9 Rl 19 A c
29 R, 39 A«
10 r e' 20 A„ 30 R, 40 A
38. E s c o ja en una e m p re s a industrial un pro ducto d e te rm in a d o y ela b o re un

M anual de inspección.
39. E n los pro ble m a s 2 8 , 2 9 , 3 1 , 3 2 y 33, contestar las siguientes preguntas:
a. ¿ C u á l es el riesgo del productor?
b. ¿ C u á l es el riesgo del co n su m ido r para P N C T = 6 % ?
40. U n producto tiene una carga de rotura m ínim a de 1500 kilogramos. El valor
del A Q L es de 0 ,1 0 % . S e d e s e a ca m biar a A Q L = 1 ,5 % . ¿ C u á l es el n u evo
valor de la carga de rotura m ínim a si la m edia aritmética es de 2014 kilogra
m o s? Indique sob re qu é pre m isas resuelve el problem a.
Capítulo VII
ASPECTOS GENERALES
DE LA ADMINISTRACION
DE LA CALIDAD
a a d m in istra ció n de la ca lid a d es la d isciplina q u e se
L
encarga de la organización, coordinación, planificación,
ejecución y control de todas las actividades qu e perm i
ten el cum plim iento de las políticas de calidad. Estas se
basan en el cum plim iento de los requerim ientos y nece
sidades del cliente o usuario.
T a l y com o es evidente en la anterior definición esta

la b o r es c o m p le ja y re q u ie re de re c u rs o s h u m a n o s ,
m ateriales y e co n ó m ico s y sobre todo de m otivación y
conciencia basada en un amplio conocim iento de lo que
e s un sistem a de control de calidad total.
D e a c u e rd o co n lo p la n te a d o en el C a p ítu lo I de
este libro, el control de la calidad de un producto o servi
cio es u n a ta re a q u e a ta ñ e a to d o s los n iv e le s je rá r
quicos de la organización. Bajo este esq uem a, la orga
nización y adm inistración de las actividades requeridas
para cum plir con el objetivo básico de satisfacer al clien
te es un reto qu e se torna co m p le jo y qu e exige entre
otras cosas:
• Coordinación entre los distintos departam entos de

la em presa, en busca de m etas com u nes.
• M otivación y estím ulo al personal para qu e adquiera conciencia de calidad

y que por lo tanto coopere ejecutando sus actividades cada día mejor. Esto
deb e co n lle var a un m e jo ra m ie n to c o n tin u o .
• B ú sq u e d a de resultados tangibles, los cuales se han de obtener respetan

do las líneas de autoridad y evitando al m áxim o la fricción entre los grupos
de trabajo.
• Definición clara y concisa de funciones, responsabilidades y procedim ien

tos con el fin de lograr los objetivos, y evitar duplicación de funciones y a m
b ig ü e da d en las órdene s.
C o n el fin de lograr lo anterior se de b e n establecer m a n u ales de pro cedi

m iento, en los qu e se definan los alcances y lim itaciones de qu ienes tienen la
responsabilidad de ve la r por la calidad del producto tanto en la planta co m o en
las m a nos del cliente.
ORGANIZACION DE LA FUNCION CALIDAD
El éxito de los program as de calidad en la em presa depende de la forma en

qu e las diferentes a ctivid ade s son o rg a n iza d a s . Ló g ica m e n te , esto refleja la
m anera en q u e la función calidad se concibe en el m arco de la estructura jerár
quica de la e m p re sa.
El pro ble m a es que la em p re s a en los últimos años, debido a la crisis e c o

nóm ica, se ha p re o cu p a d o m á s por la b ú sq u e d a de capital de trabajo de gran
solidez y crecimiento, que por ei establecimiento de políticas y controles qu e las
regulen y g a ra n tice n su cu m p lim ien to. A n te esta situación, el e m p re s a rio ha
desviado su atención hacia los problem as económ icos, pues cree que adm inis
trar la calidad e s un costo innecesario y no una inversión.
E n cuanto a control de calidad, una buena cantidad de em presas continúan

creye ndo en la concepción errónea de basar sus esfuerzos únicam ente en ins
pección de p roducto, con lo q u e el ca m p o de acción se en cu e n tra totalm ente
lim itado. P o r ello, se e n c a rg a n las fu nciones de calidad a d e p a rta m e n to s de
producción c u y a m otivación se centra en cum plir con los requisitos de cantidad
sin pre ocuparse por la calidad, con lo que, la tarea de control se limita a sim ples
inspecciones correctivas de pro ceso y m aterias prim as.
E n otras e m p re s a s se tiende a dar a u ton om ía a la función calidad, lo que

pareciera la m ejor opción cu a n d o los altos niveles jerárquicos han fijado políti
ca s cla ras y eficaces.
D e lo expresado anteriormente, se puede concluir que en la evolución de la

e m p re s a industrial se pu e d e n e n m a rca r cinco form as de organ ización para la
calidad que dependen de las necesidades, tam año y cantidad de productos que
se te ngan en ca d a em p re s a . E stas son:
1. Supervisión organizada
E n este ca s o no existe u n a o rg a n iza c ió n cla ra de la función calida d y lo

poco qu e se realiza recae sobre el supervisor de la línea y los operarios respec
tivos. P a ra que esta form a funcione con éxito, el nivel de m otivación y concien
cia h acia la calidad en los niveles operativos deb e ser m u y alto.
2. Inspección organizada
E n este ca so se tiene un grupo de inspectores cu ya función es verificar la

calidad de los productos sum inistrados por las líneas de producción y dar reco
m enda cion e s sobre m edidas correctivas y preventivas. La decisión final es del
enca rga do de producción. E n esta forma de organización los resultados dep e n
den del grado de co n cie ncia y m otivación qu e teng a el su p e rviso r de p ro d u c
ción, de lo contrario la inspección es infructuosa. El funcionam iento a d ecu ado
se da a través de una am plia coordinación y com unicación entre supervisores
e inspectores. Esta form a tiene varios niveles que van desde el nivel sim ple de
inspección final de producto hasta el nivel de inspección por etapas, en los pun
tos críticos de calidad en las líneas de producción.
3. Función calidad formando parte del Departamento de Producción
E n realidad, este es el primer caso en el que se da una verdadera organiza

ción para la calidad; sin em bargo, su d esem pe ño será fructífero si existe co m u
nicación, coordinación y conciencia entre las funciones de producción y calidad.
A p e sa r de lo anterior, este m odelo de o rga n iza ció n no es a d e c u a d o , p u e s el
personal de producción cum pliría el papel de “ju e z y parte” en cuanto a calidad
CONTROL DE CALIDAD
de lo p ro d u cid o se refiere. E n estas situ aciones, el objetivo de cum plir con la

cantidad de producción p la n e a d a se im po ne sob re la calidad de lo producido.
U n a form a de resolver esto, e s convertir el control de producción en una tarea
cuyo objetivo sea la entrega de la cantidad, en el lugar y en el tiem po pactado y
con la calidad requerida. La s posibilidades de crecim iento y expansión de acti
vidade s para la función calidad son absolutam ente limitadas.
4. Función de calidad autónoma
La a u ton om ía para el d e s e m p e ñ o de las actividades brinda a este tipo de

organización grandes probabilidades de éxito. Esta organización puede funcio
nar en varios niveles que va n desde una inspección de proceso y materia prim a
organ iza d a hasta el enfoque de calidad total, donde un gerente de calidad a s u
me la función de coordinador y prom otor de las tareas de control de calidad. Si
se trabaja bajo el esq u e m a de inspección de proceso, se debe tener una am plia
coordinación con la G e re n cia de Producción para tener éxito en la consecución
de objetivos de calidad.
5. Autocontrol
E sta es la form a de o rgan izació n en don de el control de calidad recae so

bre el operario. Bajo este concepto, el operario se convierte en inspector de su
propio trabajo, planificando su s actividades de tal m anera qu e la probabilidad
de producir fuera de especificaciones sea lo m ás baja posible.
T a m b lé n existen m odelos de organización no ved o so s aplicados por cultu

ras orientales, en especial la ja ponesa, los cuales están b asado s en una am plia
capacitación, motivación y conciencia de los m andos operativos con el fin de que
se conviertan en inspectores de su propio trabajo. Este con cep to se basa en la
filo so fía de q u e e l tra b a jo de u na p e rs o n a es e l re fle jo de s u c a lid a d hum ana.
A d e m á s , existe una am plia cooperación de los niveles gerenciales para brindar
los recursos necesarios para que ca d a em p le a d o cum pla con sus funciones.
Esta form a de pensam iento originó los llam ados Círculos de Calidad que
son g ru p os de m ejoram iento cu y o objetivo es solucionar los problem as de c a
lidad, qu e se presentan en u n a línea de pro du cción con el fin de desarrollarse
en su c a m p o y q u e c o m o c o n s e c u e n c ia se m ejo ren los nive le s de ca lid a d y
productividad de la organización. E s decir, el objetivo primordial es la búsqueda

del m ejoram iento h u m a n o y no el m ejoram iento técnico o tecnológico. Este úl
timo de b e ser un resultado pero nu nca el objetivo.
E s te m o vim ie n to to m ó m u ch o a u g e en L a tin o a m é ric a en la d é c a d a de

1 9 8 0 -1 9 9 0 y se p u ede n citar ejem plos de éxito y de fracaso. Lo s fracasos se
han originado en m u ch a s razones, cuatro de las m ás im portantes son:
1. Falta de planeam iento. La m ayor parte de estos fracasos han sido pro du c
to de una im provisación total.
2. Falta de un diagnóstico que evalúe las debilidades y fortalezas de la o rg a

nización para la aplicación de la nu e va form a de trabajo,
3. Planteam iento e rró n e o de objetivos, gen e ra lm e n te b a s a d o s en logro de

m ejores niveles de productividad y no en la búsqueda de realización del ser
h u m a no.
4. Falta de un proceso de adaptación, tiem po de transición, para cam biar de

un estilo a otro (resistencia al cam bio).
E s evidente que para obtener buenos resultados con Círculo s de Calidad,

se de b e n hacer las adap taciones necesarias a la form a de vida e idiosincrasia
de nuestros pueblos.
E s importante hacer una evaluación de la estructura jerárquica de la o rg a

n iza ción, para de te rm ina r si es posible a dap tar cualq u iera de los dos últim os
m odelos, pues son los que brindan la m ejor posibilidad de lograr el cum plim ien
to de los requerim ientos del cliente.
FUNCIONES DEL GERENTE DE CALIDAD
El gerente de control de calidad, independientem ente del tipo de o rgan iza

ción de calidad a que pertenezca, debe ejecutar una serie de actividades clási
cas. A lg u n a s de las m á s importantes son:
1. Establecer controles en las diferentes etapas de fabricación. E s de absolu

ta im portancia a se g u ra r la calidad de las partes y productos de s d e la pri
m era operación de producción. N a d a se logra detectando fallas cu a n d o el
producto ya ha sido term inado.
2. Im plantar m étodos de control correctivo y preventivo en la inspección de

entrada de m ateriales y m aterias prim as, en los puestos de trabajo, en la
in sp e cc ió n de p ro d u cto e n p ro c e s o y en la in sp e cció n de p ro d u cto te r
m inado.
3. Identificar las características críticas de calidad y clasificarlas de acuerdo

con la gra ve d a d en el incum plim iento de especificaciones.
4. Especificar los niveles de calidad y los m étodos de m uestreo para el control

y aceptación de m aterias prim as y producto term inado.
5. C o o p e ra r con el depa rtam ento de Ingeniería y Producción en el estableci

m iento de norm as de calidad.
6. D esarrollar las instrucciones y m a nu ales de inspección de calidad.
7. D esarrollar planes de evaluación de la calidad de pro veedores.
8. D esarrollar form atos pa ra recolección y análisis de inform ación.
9. Especificar el equipo de inspección y de ensayo que deb e ser usado en la

verificación de calidad.
10. Desarrollar nuevos m étodos y técnicas de ensayo que garanticen aún m ás

la representatividad de los datos recolectados.
11. Desarrollar el program a de verificación y calibración de la instrumentación.
12. Efectuar estudios especiales tales co m o certificación, auditorías y análisis

de ca p a cid a d de proceso.
13. Investigar a fondo los pro blem as de calidad cu a n d o se presenten.
14. C o o rd in a r el establecim iento de m e ca n ism o s que perm itan la recolección

y análisis de quejas y devoluciones.
15. Efectuar estudios económ icos que permitan conocer los costos de calidad.
16. C o o rd in a r con Producción la m ejora de todas aquellas áreas en las líneas

qu e sean causa ntes de pro blem as de calidad.
17. Im pulsar las investigaciones qu e co n lleven a c o n o ce r ca d a d ía m ejo r los

requerim ientos del cliente.
18. P ro m o c io n a r la ca p a cita c ió n p e rm a n e n te del p e rso n a l a su ca rg o y del

personal de producción
19. Proporcionar inform ación a M antenim iento con el fin de que ellos desarro
llen a d e cu a d o s pro gra m a s de m antenim iento y lubricación.
20. C oordinar a nivel de la em presa todas las acciones que se establecen en el

P ro g ra m a de calidad total.
Estas actividades son necesarias para tener un p ro gram a que se acerque

a un control de calidad total. La ejecución exitosa de estas acciones depende de
la m otivación que exista para h acer el trabajo cada día m ejor.
PREVENCION DE PRODUCTO FUERA DE

ESPECIFICACIONES
La cantidad de producto que no cum pla con lo especificado puede ser co n

trolada m ediante m étodo s qu e se d ed iq u en a atacar las ca u sa s. P ara ello, se
deb e n investigar las fuentes y establecer m edios de control que garanticen la
reducción y si es posible la eliminación de defectos o productos no acordes con
especificaciones. E n este estudio se pu e d e n determ inar varias fuentes, entre
las principales se encuentran:
1 ."'É rro re s de diseño. E s posible qu e no se tengan en cuenta limitaciones de

fabricación, las cu ale s salen a relucir al producir.
2. M ateriales inapropiados. Falta de com unicación interna adecuada y exter

na con pro ve edores p u e d e o ca sio nar la com pra de m ateriales qu e no lle
nan las expectativas de fabricación.
3. Fallas de producción
a. Falta de entrenam iento
b. M antenim iento inefectivo
c. C ondiciones am bientales desfavorables (tem peratura, hum edad, v e n

tilación, etc.)
d. Problem as de organización de la producción cuan do no se le ha puesto

especial im portancia al establecim iento de m étodos ad ecu ado s para:
• Distribución de planta
• M étodos de trabajo
• Inventario en proceso
• B alance de líneas
• Control de producción
• M anejo de m ateriales
4. S iste m a s de distribución y transporte Inadecuados
P a ra tener éxito en esta tarea de prevención es im portante aplicar un pro

cedim iento tal y co m o se anota a continuación:
1. P riorizar los pro ble m a s de calidad encontrados.
2. R ealizar un diagnóstico para identificar las causas de los problem as detec

tado s en 1.
3. A b a liza r la inform ación obtenida del diagnóstico.
4. E sta b le c e r los m e dios y las estrategias para la elim inación de defectos y

condiciones que no permiten que el producto cum pla con especificaciones.
5. A p lica r las soluciones encontrad as en 4.
6. R e v is a r la eficacia de las s o lu cio n e s y h a c e r los c a m b io s q u e s e a n n e

cesarios.
E s im portante q u e en el diag nóstico participen p e rs o n a s qu e te n g a n un

amplio conocim iento de los procesos y productos, pues solo así tendrán am plia
participación en la b ú sq u e d a de posibilidades de solución. La colaboración de
personas ajenas a la em p re sa es de gran valía, pues ellos pu eden obs e rva r si
tu a cio n e s a n o rm a le s , difíciles de se r o b s e rv a d a s por el p e rso n a l de planta,
pues están a co stu m b ra do s a convivir con ellas.
L a ejecución de actividades para la prevención de pro blem as son de gran

im portancia pues:
1. Aportan teorías sobre las cau sa s asignables de los problem as encontrados.
2. Perm iten hallar pro ble m as gen e ra d o s por una pro blem ática anterior.
3. P erm iten inve stigar a ce rca de la co o p e ra c ió n qu e ofrecen las pe rso n a s

involucradas en la fabricación del producto.
4. A y u d a n a c o n o c e r el am b ie n te de trabajo y las fuentes de resistencia al

cam bio.
5. A y u d a n a e sta b lecer la autoridad necesaria para ejecutar los m edios de

control.
6. F a vo rece n la investigación de cau sa s que provocan los problem as graves

de calidad.
7. P erm iten integrar a p e rsonas en el estudio de la pro blem ática de calidad

del producto.
Si se plantea un a d e c u a d o sistem a de control del producto fuera de e sp e

cificaciones, se tendrá un cam ino g anado en la lucha por incrementar el nivel de
calidad del producto.
COORDINACION Y CONTROL
S e g ú n el enfoque m oderno de control de calidad, es im prescindible tener

una a de cuada coordinación de actividades entre todos los departam entos de la
e m p re sa , con el fin de cum plir con las políticas de calidad, planteadas a nivel
geren cial. E stas políticas son lineam ientos claros y con cisos que reflejan las
intenciones y com prom iso s de la alta dirección, para enfrentar el reto de entre
g a r un producto acorde con lo requerido por el cliente.
Para tener una idea de cóm o tiene que ser la coordinación se pu ede c o m
parar la función calidad con la función financiera. Para lograr éxito en la función
financiera uno de los instrumentos m ás útiles se llama presupuesto. A través del
p re supuesto se coordina con cad a departam ento la ejecución de actividades,
b u s c a n d o un a d e c u a d o balance entre e g re so s e ing resos u sa n d o un control
centralizado.
La función calidad debe operar en form a parecida aplicando instrum entos

llam ados pro gram as y ejecutando auditorías que investiguen si las actividades
y los p ro ce d im ie n to s se están lle va n d o a c a b o de a cu e rd o con lo pla n e a d o .
A d e m á s , se cuantifican los beneficios con el fin de com pararlos con los costos
y s a ca r conclusiones acerca de la rentabilidad de la inversión.
E l éxito de esta co o rdinación está en la m otivación y con cie ncia h acia la

calidad que tengan todos los departam entos de la em presa. P or ejem plo:
• Producción para la fabricación del producto que reúna los requisitos del
diseño.
• Ingeniería para el desarrollo de productos que se acerqu en a los requeri

m ientos del cliente.
• Ventas para la prom oción de producto e investigación del grado en que el

p roducto cum ple con lo requerido por el cliente.
• Compras para la adquisición de m aterias prim as que reúnan los requisitos

de fabricación.
• Personal para seleccionar el personal idóneo y g e nerar eficientes pro gra

m as de capacitación y entrenam iento.
• Inspección para realizar u na verificación a p e g a d a a las bu e n a s reglas y

prácticas dictadas en los m anuales.
• Mantenimiento para establecer plan es eficientes de m antenim iento pre

ventivo y correctivo que m inim icen fallas en las m áquinas.
• Distribución y servicio p ara no p ro v o ca r dañ o s al pro ducto en el tra n s

porte del m ism o y para brindar un servicio eficiente y en el m om ento reque
rido, al cliente que detecte fallas de calidad en el producto.
C o m o se puede ver cad a función de la em presa tiene que pon er su granito

de are na en el logro del objetivo de calidad. Para lograr ello, se debe establecer
un sistem a de inform ación qu e perm ita u na am plia com u nicación entre los di
ve rs o s co m p o n e n te s de la organización.
Este sistem a de información debe permitir que datos actualizados de dise

ño de producto, control de pro ceso, control de m ateriales y m aterias prim as y
control de producto term inado v a ya n por los canales ad e c u a d o s y lleguen a las
instancias qu e necesitan de inform ación v e ra z para la tom a de decisiones.
ECONOMIA DE LA CALIDAD
La e co n o m ía de la calidad tiene dos enfoques uno es el enfoque de la c a

lidad de concordancia (dentro de la em presa) y el otro es el de calidad de diseño
(fuera de la em p re s a ).
L a calidad de diseño es aquella qu e garantiza que el producto qu e se v a a

fabricar, satisface realm ente los requerim ientos del consum idor. T a l y com o se
explicó en el C apítulo III, aquí se traducen las necesidades del cliente en espe
cificaciones técnicas.
E n la calidad de d iseño se to m a n en cu en ta el v a lo r de la calidad para el

consum idor, en térm inos del grado en que éste satisface sus necesidades, y el
costo de calidad n e c e sa rio para g a ra n tiza r ese valor. E l costo de calidad se
incre m en ta con form e a u m e n ta el g ra d o de conform idad del co n su m id o r y su
pendiente crecerá indefinidam ente en el m om ento en el que el grado llegue a
ser m áxim o. Esto se representa m ediante una cu rva de inflexión.
El valor de la calidad tam bién crece en relación directa con el grado de co n

form idad, puesto qu e a m ayor grado de conform idad, m ayor valor de calidad del
p ro d u cto en el m e rca d o . Sin e m b a rg o , c u a n d o ese g ra d o es m áxim o, el va lo r
crece con una pendiente despreciable, mientras el costo crece alarm antem ente.
P o r lo anterior, es de su m a importancia determ inar el grado óptimo de con

form idad que garantice un m áxim o valor de calidad a un costo m ínim o. La Figu
ra 7. i presenta las cu rva s qu e representan al costo y al valor de la calidad.
E n la Figu ra 7.1 se rep resen tan cuatro áre as Identificadas por las letras
A ,B ,C y D . Su significado es el siguiente:
ZONA A
E n esta zo na , el costo de calidad siem pre es m a yo r que el valor de la cali

dad, lo cual resulta perjudicial. E s im portante recalcar que en esta área la e m
presa le pone poca importancia a la calidad lo que se refleja en el bajo grado de
conform idad.
ZONA B
E n esta zo na , el costo de la calidad es inferior al valor de la calidad, lo que

evidencia que la em presa le pone m ás atención al problem a de calidad. C onfor
m e el g rado de co n form idad se a c e rc a al g rado óptim o, la diferencia entre el
costo y el valor se h ace m ás g rand e lo que hace m ás llamativo trabajar con un
g ra do de conform idad cercano al g rado óptimo.
ZONAC
E n esta zo n a ocurre lo m ism o que en la z o n a B, con la diferencia de q u e el

grado de conform idad es m á s alto. C o n fo rm e se aleja el g ra d o de conform idad
respecto al grado óptim o, la diferencia entre el costo y el va lo r se hace m á s pe
que ñ a lo qu e hace poco llamativo trabajar con un grado de conform idad lejano
al g ra d o óptim o.
ZONAD
E n esta zona, la situación no es beneficiosa puesto que aunq u e el grado de

conform idad es alto, el costo de ese grado de calidad es m u ch o m ás alto qu e el
valor q u e se obtiene. A d e m á s , por m á s que se invierta en calidad el va lo r p er
m a n e ce casi constante.
C o m o con clu sión, se nota que será sie m p re rentable trabajar en la zo n a

com p re ndida entre el punto form ado por las zo n a s A y B y el punto form ado por
JORGE ACUNA ACUNA
las zo n a s C y D. El grado óptim o de calidad se define co m o aquel punto para el

cual la diferencia entre el valor de la calidad y el costo de calidad es m áxim a.
Esto dem uestra que la producción perfecta (1 0 0 % producción b uen a), adem ás
de se r una m eta im posible de a lcanzar, no es la opción m ás rentable para una
e m presa.
C o s t o s d e c a lid a d
T a l y co m o se a pu ntó antes, una de las tareas cla ve s de la e c o n o m ía de

calida d es la cu a n tifica d ó n de costos de calida d, p u e s constituye u n a form a
concreta para evaluar el rendimiento de un program a de calidad en la em presa.
S in e m b a rg o , son p o c a s las e m p re s a s q u e ca lcu la n co sto s de calidad,

q u izá s p o rqu e e rró n e a m e n te no lo co n sid e ra n im portante o p orqu e, au n q u e
están conscientes de la im portancia de co n o ce r este costo, no sab en exacta
m ente có m o calcularlo.
Al h ablar de costos de calidad es evidente, en prim era instancia, qu e se

habla de algo que constituye un gasto m ás que una inversión. Sin em bargo, hay
q u e ô m a r en cuenta que las con secu encias de producto de m ala calidad en el
m e rca d o , p u e d e n ser funestas para una c o m p a ñ ía , por lo qu e se d e b e tener
p re s e n te q u e “L A B U E N A C A L I D A D C U E S T A P E R O L A M A L A C A L I D A D
C U E S T A M A S ”.
P or lo anterior, se con clu ye que Invertir en calidad es una excelente inver

sión, si se tiene una mentalidad triunfadora en m ercados tan competitivos com o
los de hoy en día.
C o m o es sabido, el costo de producción está com pu esto de tres grandes

rubros: costo de m a n o de obra, costo de m aterias prim as y costos indirectos.
Lo s costos de m ano de obra son los costos en que se incurre al p a g ar salarios
al personal, para llevar a cabo las tareas de producción en las líneas de produc
ción. Los costos de m ateria prim a son aquellos que se originan por la com pra y
m antención de las m aterias prim as y materiales que conform an el producto ter
m inado. Los costos indirectos son todos aquellos costos que no están directa
m ente relacionados con la fabricación de un producto, pero que son necesarios
para d a r soporte a las a ctivid a d e s de pro d u cció n . U n o de estos co sto s es el
costo de evaluación de la calidad, el cual se considera dentro de los costos de
producción, pero que sin em bargo, será evaluado y analizado en form a sep a ra
da con el fin de cuantificar los beneficios del sistem a.
Si se enfoca la calidad co m o calidad total, una importante inversión en to

das las actividades qu e conllevan a la consecución del objetivo, p u e d e llevar a
una dism in ució n con sid era b le de los costos de inspección y de los co sto s de
m a la ca lida d y a un a u m e n to en el prestigio del pro du cto en el m e rc a d o . P or
datos generados por com p a ñ ía s que llevan registros de costos, se sab e que los
costos de la m ala calidad representan del 6 0 % al 7 0 % de los costos de calidad,
m ientras que los costos para evitar problem as son apenas el 1 0 % de ese costo.
P a ra e m p re s a s qu e han im p le m e n ta d o sistem as de control de calida d, esos
estudios m uestra n q u e los costos de m ala calidad se ve n con sid erab lem ente
reducidos.
Al e nfocar la calida d bajo el c o n ce p to de sistem a es n e cesario to m a r en

cuen ta una serie de costos en qu e se incurre y que m u ch a s ve ce s no se consi
deran co m o parte del costo de calidad. P or ejemplo, el costo de brindar servicio
al cliente por d a ñ o s o defectos e n co n tra d o s durante la operación o uso de un
determ ina do a rtíc u lo .
A continuación se hará una explicación com pleta de los costos de calidad.

L a F ig u ra 7 .2 pre senta una clasificación de los costos de calidad.
C o s t o s d e ca p ita l
E sto s son costos atribuibles al e sfu erzo por m ejorar la calidad de los pro
d u c to s y los s e rv ic io s . S e in c lu y e n a q u í to d a s a q u e lla s e ro g a c io n e s p o r
- Depreciación
- Interés
Costos de capital -
- Oportunidad
Costos
- Prevención
de Costos de operación
- Evaluación
Calidad
- Fallas internas
Costos indirectos
- Fallas externas
FIGURA 7.2. Clasificación de los costos de calidad.

co n ce p to de e q u ip o de m e d ició n , p ro ce sa m ie n to de datos, y toda s aq uellas

inve rsione s q u e se da n al im p le m e n ta r un sistem a n u e vo o al re visa r uno ya
existente.
E n realidad, no se tom a en cu en ta la inversión en sí, sino la depreciación

del equipo de laboratorio y de m edición, el interés de lo invertido y el costo de
oportunidad de la inversión. Este costo de oportunidad se define com o lo que se
de ja de p e rcib ir si en lu g a r d e invertir el d in e ro en el s iste m a d e control de
calidad, se invierte en otro proyecto o se m antiene depositado en un banco.
C o s t o s de o p e ra c ió n
Los costos de operación son aquellos costos en que se incurre para preve
nir y e valuar la calidad de los productos, procesos, m ateriales, m áquinas y de
m á s recursos que intervienen en el sistem a de producción. Estos costos se cla
sifican en costos de prevención, costos de evaluación, costos de fallas internas
y costos de fallas externas.
Lo s costo s de p re ven ción son aquellos en qu e se incurre para prevenir la

elaboración de productos defectuosos o fuera de especificaciones y a sí evitar
qu e lleguen al co n su m ido r con las correspondientes con secu encias.
Los costos de éva lu ació n son los costos en q u e se incurre al pon er a fun
cionar el sistem a de control de calidad y m antenerlo a lo largo del tiem po. Este
costo involucra las pru e bas que se de b e n h acer a los recursos de producción
para in sp e ccion a r la p ro ducción de u n idade s defectuosas o qu e no cu m plen
con la especificación.
Los costo s de fallas in te rna s son los costos atribuibles a las fallas de cali
dad encontradas en las líneas de producción y que aún no han salido al m erca
do. Lo s costo s de fallas e xte rn as son los que ocurren cu a n d o producto defec
tuoso sale al m ercado.
T o d o s estos costos son la ba s e fu ndam ental del costo de la calidad y se

pueden representar según la Figura 7.3. E n esta figura, el costo está represen
tado en función del porcentaje de producto que no cum ple con lo especificado,
el cual se tom a co m o una m edida del nivel de calidad.
FIGURA 7.3. Representación gráfica de los costos de calidad.
C o m o se p u e d e o b s e rv a r en la F ig u ra 7 .3 , los co s to s de p re ve n ció n se
incre m e n tan conform e a u m e n ta el nivel de calidad (d is m in u ye el porcentaje
d e fe c tu o s o ), m ie n tra s tanto los co s to s de e v a lu a c ió n y fallas d e c re c e n . La
concavidad de la curva de costo total permite identificar un nivel óptimo que no es
precisamente cero por ciento de producto no conforme con las especificaciones.
Los costos operativos son los más importantes pues se ha establecido que los
costos de prevención representan cerca del 1 0 % de los costos totales, los costos
de evaluación el 2 5 % y los costos de fallas del 50 al 7 5 % del costo total de calidad.
E sto deja notar, que la inversión pu ede considerarse cerca del 3 5 % (su m a
de costos de preve nción y evaluación) y el beneficio del sistem a cerca del 6 5 %
al reducirse considerablem ente los costos de fallas internas y externas, al entrar
a funciona r las diversa s actividades de control.
C o s t o s in d ire c to s
E s to s co sto s son a q u e llo s en q u e el p ro v e e d o r incu rre p a ra co n tro la r la

ca lid a d de su s p ro d u cto s y q u e ló g ica m e n te están incluido s en el p re cio del
producto. Estos costos representan los esfuerzos del proveedor por cum plir con
la calidad exigida.
Cálculo de costos de calidad
D e los costos de calidad los m ás importantes son los costos de operación.

P or ello, es importante fijar un procedim iento que permita el cálculo acertado del
costo. Lo s d e m á s costos pu e d e n se r obte nid os de los libros de la c o m p a ñ ía ,
p u e s generalm ente constituyen parte de la contabilidad de toda em presa.
El costo total de calidad se puede calcular m ediante la siguiente expresión:
C T C = C C A + C P R + C E V + C F I + C F E + C IN
C T C : C o sto total de la calidad
C C A : C o sto s de capital
C P R : C o sto s de prevención
C E V : C o sto s de evaluación
C F I: C o sto s de fallas internas
C F E : C o sto s de fallas externas
C IN : C o sto s indirectos
Los valores de los costos de operación deben ser adecuadam ente calcula
dos o recolectados. U n a gran ayuda para el cálculo del costo de la calidad es el
diseño de un sistema de recolección de Información, que permita cuantlficar los
costos conform e se v a ya n g enerando.
P ara recolectar esta información, se debe tener clara la definición de cada

costo con el fin de co n o ce r a qué clasificación pertenece. Para ello, el C u a d ro
7.1 presenta un docum en to don d e se desglo sa cad a costo.
U n a explicación del tipo de rubros que involucra cada costo es dada a con
tinuación.
Descripción de costos de prevención
Ptaneación de la ca lid a d e s el costo del tiem po que el personal del depa r

tam ento de control de calidad o de ingeniería dedica a actividades com o:
CUADRO 7.1. Formato para recolectar costos de calidad
Empresa: XYZ
Producto: Periodo:
Realizado por: Fecha:
Costos Rubros Montos
1. Planeación de la calidad
2. Control de procesos
3. Diseño y desarrollo de equipo de inf.
PREVENCION 4. Entrenamiento
(CPR) 5. Evaluación y asesoría de proveedores
6. Actividades de prevención por otros
7. Otros costos
SUBTOTAL:
1. Inspección de recibo
2. Prueba de producto
EVALUACION 3. Inspección de prodi'Cto
(CEV) 4. Inspección por personal directo
5. Auditorías de calidad
6. Otros costos
SUBTOTAL:
1. Desperdicios imputables al proceso

2. Reproceso
3. Desperdicios imputables al proveedor
FALLAS 4. Devolución de producto
INTERNAS 5. Atención de rechazos
(CFI) 6. Soporte de ingeniería
7. Otros costos
SUBTOTAL:
FALLAS 1. Reclamos y devoluciones

EXTERNAS 2. Servicio y garantía
(CFE) 3. Pérdida de ventas
4. Otros costos
SUBTOTAL:
TOTAL:
V y
a. Planeación del sistem a de control de calidad. E sto involucra los costos en

q u e s e in c u rre p o r la p r e p a ra c ió n y e v a lu a c ió n d e a n te p r o y e c to s y
proyectos.
b. P re p a ra c ió n de in s tru c cio n e s p a ra la p u e s ta en p rá ctica d e los n u e v o s

m étodos.
c. D iseño de los correspondientes m étodos para el control de materiales, pro

ce so y producto term inado.
d. Diseño de los m edios que retroalimentarán ingenieros y diseñadores de las

fallas en el pro ceso o en el m erca do.
e. B ú s q u e d a de inform ación de calidad en los diverso s departam entos de la

organización.
f. An á lisis de los p ro b le m a s diarios con el propósito de e v a lu a r y m ejo rar el

sistem a. Esto no incluye el tiem po ded ica do a la atención de problem as en
las lín e a s de p ro d u c c ió n o en las b o d e g a s de m a te ria le s y p ro d u c to s
term inados.
C o ntrol de p ro ce so s es el costo en qu e se incurre cu a n d o el personal de

inspección y administración de calidad se dedica a estudiar y analizar los proce
sos de producción para establecer los m edios qu e ayuden a increm entar la ca
pacidad de calidad. A lg u n o s de los costos incluidos a q u í son:
a. Apliqación efectiva de las instrucciones del plan de calidad. S e debe dedi

ca r tiem po para verificar las accion es que se están llevando a cabo.
b. M a nte nción de los p ro ce so s bajo control. E sto im plica las a cc io n e s ten

dientes a lograr que las condiciones a d e cuadas de calidad se m antengan
en el tiem po.
c. O rg a n iza ció n y ejecución de auditorías de calidad.
Diseño y desarrollo de equipo de inform ación de la calida d es el costo con

tabilizado p or el tiem po d e d ica d o a la plan eación y sele cción de equipo para
pru e bas, inspección, control y análisis. E sto no incluye el costo de equipos de
m edición de producción que se necesitan para la ejecución del proceso, tal es
el ca so de term óm etros y calibradores.
E ntrenam iento es el costo ocasionado por las actividades que tienen com o
objetivo entrenar personas en labores de control e inspección. Ejem plo de éste
es el diseño y operación de program as de entrenamiento y actualización de per

sonal de calidad. N o incluye a operarios de producción.
E valuación y ase soría de pro ve e d o re s es el costo qu e se ca rga al tiem po

e m p le a d o p or p e rsonal de calidad en auditorías de e va lu a ció n de calida d en
planta de p ro ve e d o re s. E sta s auditorías son asesorías a los sistem as d e cali
d a d d e los p r o v e e d o r e s , c o n el fin d e s u p e r a r los n iv e le s d e c a lid a d s u
m inistrados.
A ctividades de prevención por otros es el conjunto de costos originados por

el trabajo de p re ve nción ejecutado por otras depe ndencias de la organización,
tales c o m o Ingeniería, C o m p ra s y D iseño de producto.
O tros costos de prevención. S e incluyen aquí los costos Indirectos y adm i

nistrativos g e n e ra d o s por actividades de prevención tal es el caso de secreta
rias, m ateriales y papelería de oficina, teléfono y viajes.
Descripción de los costos de evaluación
In sp e cció n de re cib o e s el costo a so cia d o con el tiem po d e d ica d o por el

personal de inspección a la evaluación de calidad de materias prim as y m ateria
les. S e inclu ye n a q u í las p ru e b a s e fectu ad as por otros d e p a rta m e n to s de la
o rg a n iza c ió n c o m o sop o rte para la Inspección de recib o. Incluye el co s to de
visitar al p ro ve e d o r con el fin de evalu ar calidad en su planta.
Prueba de p ro d u cto es el costo de las actividades cu y o objetivo es probar

el funcionam iento de n u e vo s productos com p a ra n d o con la especificación.
Inspección de producto es el costo del tiem po necesario para inspeccionar

la calidad de lo pro du cido en las líneas de pro ducción, con el fin de de cid ir su
re ch a zo o aprobación. Si las p ruebas son destructivas, entonces, se deb e c o n
siderar el costo de las pieza s e n s a ya d a s.
In sp e cció n p o r p e rs o n a l d ire cto es el costo del p e rsonal que ejecuta las

p ru e ba s y reporta las condiciones del proceso.
Auditorías de calida d com prende el costo del tiem po y recursos necesarios

para organizar y ejecutar las auditorías que evalúan el com portam iento de co m
ponentes y partes. Incluye el tiem po ded ica do a pru e bas de fiabilidad.
JORGE ACUNA ACUNA 62S
O tros costos incluyen los costos indirectos g enerados por las actividades
de inspección y prueba tales com o:
a. Preparación y com pra de reactivos y materiales de prueba necesarios para

la realización de pru e bas de calidad.
b. C o m p ra de m ate ria le s d e p ru e b a p a ra e stu d io s de v id a útil y p ru e b a s

destructivas.
c. P ru e b a s de evaluación h e ch a s por laboratorios privados.
d. M antenim iento y calibración de equipos de laboratorio.
E n estos costos no deben incluirse costos generados en desarrollo de pro

ducto, pues éstos pertenecen a costos de diseño de producto.
Descripción de ios costos de fallas internas
D e sp e rd icio s im p u ta b le s a la fábrica son costos g e n e ra d o s dentro de la

planta deb ido a desperdicios oca sio nados p o r errores de diseño , de m a n o de
obra o de falta de capacidad de calidad de los equipos y m áqu inas. N o incluye
costos por el desperdicio natural.
R e pro ceso son costos o ca sio n a d o s por el reproceso d eb ido al incum pli
m iento de las norm as de calidad.
^ Desperdicio y reproceso im putables a l p ro ve e d o r son costos ocasionados

por la no detección de m aterias prim as y m ateriales que no cum plían los reque
rimientos de calidad y que al llegar al proceso causan problem as de desech o o
reproceso.
Devolución de producto es el costo ocasionado por reproceso o desperdi

cio de producto, re cha za do por el consum idor.
A tención de rechazos de m ateriales com prados es el costo administrativo

o ca sio na do por el recha zo de lotes. Incluye:
a. P resentación de las quejas y entrevista con el proveedor.
b. M anejo y transporte de lo rechazado.
c. P ape le o y trabajo de oficina ocasionado.

Soporte de ingeniería es el costo del tiem po dedicado por los ingenieros de

d ise ñ o o de p ro d u cció n a p ro b le m a s g e n e ra d o s por re c h a zo s de m ateriales
co m p ra d o s y productos sem ie labo rados o term inados.
O tros costos de fallas internas incluyen los costos indirectos generados por
el re c h a zo de m ateriales o el re p ro ce s o y desp e rd icio de pro d u cto s e m ie la -
borado o term inado.
Descripción de los costos de fallas externas
R eclam os y de voluciones es el conjunto de costos oca sio nados en form a

directa por atención y arreglo de fallas detectadas por el co n su m id o r dentro y
fuera del p e ríod o de garantía. Incluye el costo de sustitución de producto y los
costos oca sio na dos por dicha sustitución.
Servicio y garantía es el costo g enerado por la constante retroalimentación

del com portam iento del producto en el m ercado.
Pérdida de ventas es el costo m ás difícil de calcu lai, pues está determ ina
do por la pérdida de ventas oca sionada por la mala fam a que tom a el producto,
cu a n d o las fallas son detectadas por el consum idor.
O tros costos incluyen los costos indirectos generados por los estudios rea
lizados para investigar el com portam iento del producto en el m ercado. A lg uno s
de estos costos son docum entación, papeleo, teléfono y costos indirectos oca
sionados por la sustitución de producto defectuoso.
LA INVERSIÓN EN CALIDAD
U n o de los aspectos m ás difíciles de lograr es la obtención de dinero sufi

ciente pa ra p o n e r a funcionar el sistem a. E sto es d eb ido a la form a en q u e el
em presario concibe la calidad. P or ello, es absolutam ente necesario que el pro
yecto de calidad sea bien preparado para qu e tenga aceptación desde el inicio.
El diseño de un sistem a de costos co m o el presentado aquí puede ser una

excelente a rm a para con ve n ce r, pu es es absolutam ente necesario cuantificar
los beneficios y los costos con el fin de co n ve n ce r acerca de la eficacia de cual
quier sistem a.
U n o de los aspectos que m ás preocupa al em presario, al hablar de un siste

m a de calidad, es la inversión inicial y el tiem po estim ado de am ortización de esa
inversión. La respuesta a esta pregunta deb e ser cu idado sam ente preparada.
S e pueden plantear m uchos ejem plos de casos que presentan situaciones

de inversión. El siguiente ejem plo es un problem a típico de un caso de inversión
en calidad.
EJEMPLO 7.1
U n a planta m anufacturera produce 600 unidades diarias para obtener 400

u nida de s buenas. Lo s costos de m a n o de obra son de P240 por unidad buen a
p ro du cida y el costo de inspección es de 01 2 0 0 por día . E l producto p a sa por
dos departa m entos en los cuales requiere de igual cantidad de tiem po de pro
d u cción . U n a inspección es practicada d e s p u é s de su salida del se g u n d o d e
partam ento. La s 2 00 unidades defectuosas son reprocesadas por lo que vu e l
ven a la primera operación del proceso co m o materiales cu yo costo es similar al
de los m ateriales originales em plead os.
U n nue vo plan de inspección es propuesto con el fin de ag reg ar un puesto

de inspección interm edio a la salida del prim er departam ento, para evitar que
d e fectu osos pasen a p ro cesarse al s e g u n d o departam ento. El plan ag re g a rá
co sto s de inspección de (5150 por día. S e espera una fracción defectuosa de
1/6 de la cantidad producida (otro sexto es rechazado en la inspección final). Si
la c a p a c id a d de la planta está lim itada al actual nivel, ¿ d e b e se r instalado el
n u evo puesto?
SOLUCION
D e acuerdo con lo planteado el nuevo puesto de inspección no m ejorará la

capa cid ad de calidad del proceso. Sin em bargo, los costos de m ano de obra se
ve rá n reducidos por la dism inución en la cantidad de reproceso requerido. U n
e s q u e m a que representa al problem a se pu ede ve r en la F ig u ra 7.4.
Lo s costos de m ano de obra se dividen para las dos secciones, de tal m a

nera que:
CONTROL DE CALIDAD
200 unidades rechazadas
400 unidades 600 us. 600 us. I 400 us. buenas
(materiales) Sección 1 Sección 2 Salida
Comienzo Inspección
(1/3 rechazado)
FIGURA 7.4. Esquema del Ejemplo 7.1.
(4 00 * 2 4 0 )
C o s to de m a no de obra = ------------------------- = 96000/2 = 048000
por sección 2
E sto es 080 (4 8000/600) por unidad procesada.
Si se de se a tener 4 0 0 u n idade s por día, la entrada al sistem a c u a n d o un

sexto es re c ha za do en ca d a sección es:
X * (5/6) * (5/6) = 4 0 0 x= 576 unidades
E sto quiere decir qu e solam ente 576*(5/6) = 480 unidades pasan de la pri
m e ra sección a la se g u n d a .
A 08 0 por unidad pro ce sa d a, el ahorro en costo de m a n o de obra es:
(4 00 * 2 4 0 ) - (5 7 6 + 4 8 0 ) * 80 = 01 15 20 por día
Si el flujo se m antiene en el nivel m áxim o de 600 unidades, entonces:
600 * (1/6) = 100 unidades serán recha za das en el prim er puesto de inspección
y
(6 0 0 - 1 0 0 ) * (1/6) = 83 unidade s serán re c h a za d a s en el se g u n d o puesto.
C o n esto, la ca ntida d de u n id a d e s de entrada es igual al de salida (6 0 0 -

100 - 8 3 )= 417 unidades por día. Bajo esta premisa los costos de m ano de obra
a 080 por unidad se dism in u ye n en:
11520 - (5 7 6 -5 0 0 )+ (4 8 0 -4 1 7 ) * 80 = 139 *80 = 0 1 1 5 2 0 - 01 11 20 = 0400.
A d e m á s , hay q u e a g re g a r el in cre m e n to de utilidad al pro du cir a h o ra 17

u n idade s m ás.
La inversión es de 0150 por lo que los beneficios (0 4 0 0 ) son m ás altos que

los costos. La decisión es instalar los n u evos puestos de inspección.
E n el A p é n dice V , el Pro gram a No. 2 presenta un program a com putacional

que permite e valuar aspectos relevantes de costos de calidad. El program a sir
ve para dem ostrar la importancia de cuantificar costos y evaluar su impacto en
el sistem a de control de calidad.
INDICADORES DE CALIDAD
A l adm inistrar cualquier función dentro de la em presa, es necesario esta

ble cer algunos indicadores que permitan evaluar la función del personal encar
ga d o y la efectividad de los sistem as im plem entados. Este es el caso de costos
de calidad.
Al trabajar con Indicadores una base u objetivo debe ser establecida com o
política, con el fin de tener un patrón de com paración y a la v e z pod er determ i
nar cuál es la posición del indicador en ese m om ento. Esta base es un valor del
indicador que sea posible de alcanzar y que debe ser revisado constantemente.
B a s e s d e c o m p a r a c ió n
^ La s bases qu e m ás co m ú nm ente se usan para co m parar son:
a. P ro ducción total y costos de esa producción
b. C o sto de m a n o de obra directa y ventas totales
c. C o sto por unidad de producción equivalente
A lg u n o s indicadores de calidad que pueden ser usados son:
1. P orcentaje defectuoso por lote o por período (lpd)
Total de unidades defectuosas

'* = -
T a m a ñ o del lote
Total de unidades defectuosas
C osto de la producción en el período

CONTROL DE CALIDAD
2. R e c h a z o s en la planta (lr)
T o ta l de unidades re ch a za d a s
t,= -------------------------------------------------------------------------------------------
C o sto de la p roducción en el período
3. R e p ro c e so ( I J
C antida d de unidades reprocesadas

l,e=---------------------------------------------------------------------
C o sto de la p roducción en el período
4. D e s e c h o (ld)
C a n tida d de p roducción d e sech ada

ld= ------------------------------------------------------------------------------------------
C o sto de la producción en el período
5. Q u e ja s y reclam os (lqr)
C o sto de las quejas y reclam os

I =---------------------------------------------------------------
q'
M onto de ventas totales
6. C o s to s de calidad (lcc)
C o sto s de calidad
'c c = ------------------------------------------------------------------------------------------------------
C o s to total de producción
7. D evolu cion e s (ldv)
C o s to de las devolu cio nes

' * = -----------------------------------------------------------------------------------------
M onto de ventas totales
8. C o s to de inspección por unidad equivalente (lcut
C o sto de inspección en el período

^cue“
Total de producción equivalente
9. C o sto s de evaluación y pre ve nción (lcp)

C o s to s de evaluación y prevención
I ------------------------------------------------------------------------
cp
C o sto s de fallas internas y externas
10. C o sto s de evaluación (lce)
C o sto s de evaluación
Ice = -------------------------------------------------------------------------------------------------------
11. C o sto s de preve nción (lp)
C o sto s de prevención
IP= -------------------------------------------------------------------------------------------------------
C o m o se puede observar, ca d a indicador necesita de la recolección de in

form a ción para ca lcu lar los diferentes rubros, con el fin de obte ner el re s p e c
tivo va lo r del indicador.
U n a de las form as que se usa m á s es la basada en producción equivalen

te. El siguiente ejem plo explica su utilización.
E J E M P L O 7.2
S e a una e m p re s a cu y o s m ontos correspondientes a ventas, m ateriales y

p roducción por año se presentan en el C u a d ro 7.2.
Colones Unidades
Producto Monto ventas Mats. directo Vol. Producción
1 500000 100000 10000

2 25000 60000 5000
3 75000 20000 8000
C a lc u la r el costo de inspección por unidad equivalente si los costos de ins

pección se estim an en 061000 .
SOLUCION
C o n base en el C u a d ro 7.2, se pre para el C u a d ro 7.3, para calcular la p ro

ducción equivalente u sa nd o el valor contribuido, la unidad de valor contribuido
y un factor de corrección. E stas m edidas se calculan así:
V a lo r contribuido= M onto de V en tas - M aterial directo
V a lo r contribuido
U n id a d de valor c o n trib u id o = ----------------------------------------------------------------
V o lu m e n de producción
U n id a d de valor contribuido
F a c to r= -----------------------------------------------------------------------------------------------
M áxim o valor de unidad de valor contribuido
P ro du cció n equivalente= Factor * M áxim o volum en de producción
61000
C o s to de inspección p o r = -------------------- = <52,875
unidad equivalente 2 1220
Esto quiere decir que el costo de la inspección representa 02,875 de la pro

ducción total equivalente. C o n este n ú m e ro se está en ca p a cid a d de co n o c e r
CUADRO 7.3. Cálculo de la producción equivalente
Producto Valor Unidad de valor Factor de Producción

Contribuido Contribuido Corrección Equival.
1 400000 40 1 10000
2 190000 38 0,95 9500
3 55000 6,875 0,172 1720
21220
q u é tan altos son los costos de calidad en relación con la cantidad de pro duc
ción obtenida.
Lo s indicadores pueden graficarse para analizar la tendencia y el com por

tam iento en el tiempo, cu an do se tiene información de varios m eses. Para esto,
se u sa un gráfico de control b asado en los siguientes valores:
n: núm ero de m eses

x = (Zx)/n x: valor de indicador
x: prom edio de indicadores

o ’ = ( Xmáx - X m í n ) / 6 o ’: desviación estándar
LSC = x + 3 o L S C : Lím ite superior de control
L IC = x - 3 a L IC : Lím ite inferior de control
Lo s valores del indicador se grafican y si se salen o se acercan a los límites

se hace un análisis. A d e m á s , dependiendo de si el indicador es perjudicial en for
m a creciente o decreciente, se le d e b e pon er m ás atención al respectivo límite.
EJEMPLO 7.3
U n a e m presa ha recolectado inform ación de ventas y devoluciones en los

ú ltim os siete m e s e s . La inform ación se pre senta en el C u a d ro 7 .4 y la base
establecida es 3 % co m o m áxim o, ¿cuál es el com portam iento del indicador de
devo lu cio n e s?
SOLUCION
1. S e calcula el porcentaje de devoluciones co m o el cociente entre el m onto

de devoluciones y el m onto de ventas multiplicado por 100. Estos cálculos
se presentan en el C u a d ro 7.5.
2. S e calcula el pro m e dio y la desviación estándar
x = 28,17/7= 4 ,0 2 4 3 a ’= (8 ,4 - 0,25)/6= 1,3583

Colones
Mes Ventas Devoluciones
E 585713 8800
F 574814 41700
M 475721 1200
A 608907 51000
M 495815 17917
J 668329 28315
J 529877 15719
CUADRO 7.5. Cálculo de! Porcentaje de devoluciones
Mes E F M A M J J
% 1,5 7,25 0,25 8,4 3,6 4,2 2,97
3. S e calculan los límites de control
L S C = 4 ,0 2 4 3 + 3 ( 1 , 3 5 8 3 ) = 8,1
L IC = 4 ,0 2 4 3 - 3 ( 1 , 3 5 8 3 ) = 0 (se a su m e cero)
4. S e hace el gráfico colocando en el eje x períodos iguales para los m eses y

en el eje y el valor correspondiente del indicador de devoluciones. La F ig u
ra 7 .6 m uestra este gráfico.
Al obse rvar la Figura 7.6, se puede ve r que el m onto correspondiente a de

v o lu cio n e s es bastante inestable, m ostrando puntos fuera de control, los
cuales p ueden ser analizados por la técnica de gráfico de control; es decir
elim inando y recalcula ndo los límites. P or otro lado, la base del 3 % no se
está c u m p lie n d o , p u e s el m á xim o qu e está d a n d o es 8 , 1 % , el cual está
FIGURA 7.6. Gráfico del indicador del Ejemplo 7.3
bastante alejado de ella. S e debe im plem entar una Investigación, con el fin
de analizar las causas de estos altos montos de devoluciones que están re
sultando m u y caros para la co m p a ñ ía .
R ealizado el estudio se pueden im plem entar m ejoras que reduzcan las de
voluciones y por ende el m onto de las m ism as. Para hacer esto es crucial re
lacionarse con el cliente con el fin de co n o ce r y analizar las razo nes por las
cuales se efectúan las devoluciones. Las causas de los problem as detecta
dos deb e n de ser transm itidos a los responsables dentro de la co m p a ñ ía .
ORGANIZACION DE LA INSPECCION
El éxito d° la inspección de calidad se fundam enta en la forma y lugar d o n

de ésta se efectúe, así co m o en el adiestram iento y eficiencia de los inspecto
res. U n gran aporte a este éxito lo constituye la estandarización de los m étodos
y el establecim iento de especificaciones reales.
Al h a b la r de la insp ección c o m o un a rm a im portante de control, se d e b e

tener claro qu e no se de b e n ejecutar inspecciones en todos los puestos d e tra
bajo a lo largo de las líneas de producción. La ubicación de una inspección debe
ser analizada profundam ente con base en dos criterios qu e son e l costo de p ro
ducción de la operación, e l costo acum ulado hasta ella y la criticidad de la o las
cara cte rísticas de ca lid a d generadas.
Para hacer el análisis antes citado, se puede hacer uso de un diag ram a de
pro ceso de ope ra ciones, co m o el m ostrado en el C u a d ro 7.6, en el cual s e s e
ñalen los puntos críticos, los costos de cad a operación y los costos acum ulados
hasta ca d a una de ellas. C o n base en estos criterios se tiene una decisión m ás
objetiva a ce rca de dón d e colocar los puestos de inspección desde el punto de
vista e co n ó m ico y de cantidad.
U n a v e z que se ha registrado toda la información se utiliza un paretogram a

para clasificar los criterios. O tro aspecto que se debe tener en cuenta es el c o s
to del puesto de inspección, pues dependiendo de qué tan alto sea, se tiene un
criterio de inversión pa ra co m p a ra r con el costo de m ala calidad.
El dise ñ o de un puesto de inspección deb e ser rea liza do con base en los
principios del estudio de tiem pos y m ovim ientos, garantizando el cum plim iento
de los principios de la e co n o m ía de m ovim ientos y la ejecución de la actividad
en el m e n o r tiem po posible.
Tipos de inspección
E x is te n v a rio s tip o s de in s p e c c ió n , c la s ific a d o s d e a c u e rd o c o n tre s

p a rá m e tro s q u e son: objeto de inspección , cantidad de inspección y lu g a r de
inspección. La inspección según el objeto de inspección se puede ejecutar s o
bre cinco objetivos q u e son:
a. M aterias prim as
b. Prim e ra tanda de producción
c. Línea de producción
d. P ro ducto term inado
e. P ro ducto en el m e rca do
E n ca d a u na de estas áre as se ejecutan las actividades necesarias para

cum plir con el objetivo de lograr calidad absoluta en el producto terminado. Esto
significa q u e la in sp e cc ió n o rg a n iz a s u s a ctiv id a d e s d e s d e la re cepció n de
m aterias prim as y m ateriales en la b o d e g a de entrada, hasta la recepción de
producto term inado en la b od ega de salida y en las m anos del consum idor.
La inspección seg ú n la cantidad de unidades por inspeccionar se clasifica

en inspección 100%, inspección porcentual e inspección muestral. Estos tres ti
pos y a han sido a nalizad os y aplicados a lo largo de los diferentes capítulos de
este libro.
La insp e cción s e g ú n el lugar de inspección se p u e d e ejecu tar m ediante

in spe cción de patrulla, in spe cción centralizada o una com binación de am bos.
L a inspección de patrulla consiste en la constante visita de los inspectores a los
pu e sto s de inspección , con el fin de ejecutar su labor ah í m ism o. E ste tipo de
inspección tiene ventajas tales com o:
a. Perm ite la localización rápida de errores
b. A y u d a a h acer ajustes rápidam ente
c. M inim iza el m anejo de m ateriales
d. Agiliza la ejecución de la inspección y se puede ve r com o un sistem a natu

ral cu a n d o la distribución de la planta es por producto
e. Evita d em ora s para continuar con la siguiente operación de producción
Sin e m bargo, tam bién tiene algunas desventajas entre las que se pueden
citar:
a. Dificulta la colocación de producto rechazado para evitar que se confunda

con producto aceptado
b. C o ng e stiona las líneas de producción y si no se organ iza adecuadam ente

pro voca altos v o lú m e n e s de inventario en proceso
c. D escentraliza el control de inspectores
d. Imposibilita la utilización de instrum entos altam ente precisos o pesados
e. R e qu iere de registros a d e c u a d o s para permitir la ejecución de accion es

preventivas
CUADRO 7.6. Ejemplo de diagrama de operaciones

La inspección centralizada consiste en la ubicación de un puesto central,

hacia el cual fluyen los inspectores llevando las piezas y partes que van a ser
inspeccionadas. A lg u n a s ventajas de este tipo de inspección son:
a. P erm ite u na co m p ro b a ció n y recu ento de u n id a d e s re c h a za d a s en una

form a m ás organizada
b. A s e g u ra y norm aliza las actividades de inspección de producto
c. M inim iza la posibilidad de deterioro de la instrum entación
d. Perm ite el uso de instrum entos m ás precisos en form a m ás eficiente
e. M inim iza la cantidad de instrum entos necesarios para la inspección
f. P erm ite el control centralizado de la labor de inspección
g. Facilita la ejecución de acciones preventivas.
D entro de las desventajas se pueden citar:
a. P u e d e pro vocar defectos al tener qu e trasladar constantem ente piezas y

m ateriales
b. C o rrig e los errores en form a tardía
c. O b lig a a una organización del traslado de material
d. P u e d e pro vocar cuellos de botella, si no se tom an decisiones ágilm ente.
E n general, se puede observar que am bos sistem as tienen ventajas y des

venta jas y qu e por lo tanto pu ede ser una bu e n a idea su aplicación en form a
com binad a.
El factor humano en la Inspección
T a l y c o m o se ha indicado en este texto, en el control de calidad el factor

h u m a n o e s el m ás im portante. Si las personas no tienen iniciativa e interés de
ejecutar su s actividades cad a día mejor, no importa lo bueno que sea el sistema
de control que se esté im plem entando, no tendrá los resultados esperados.
Para ello, es importante que la em presa incentive el desarrollo de aptitudes

en su personal en todos los niveles, sea este de carácter ejecutivo u operativo.
N o se p u e de e s p e ra r qu e el nivel operativo realice las co sa s tal y c o m o se ha

e n c o m e n d a d o si no tiene el ejem plo en los m a n d o s m edios y directivos de la
organ iza ción .
U n a de las á re a s generalm ente m ás descuidadas es la inspección. E l p er

sonal que se o cu p a de las tareas de inspección es de naturaleza m u y variada,
ia qu e de pe nde de factores tales com o: volum en de inspección, dificultad de la
prueba, exigencia de especificaciones, precisión de los datos, tipo de m edición
y lugar de la inspección. Este personal debe convertirse en un equipo especial,
que com pa rta su s e xp e rie ncia s y qu e perm ita una rotación p ro g ra m a d a para
evitar la m ala práctica de hacer personas imprescindibles que errónea y celosa
m ente e sco nde n su s experiencias.
El personal de inspección deb e tener entre otras las siguientes caracterís

ticas: juicio claro, h onra de z, sentido co m ú n, responsabilidad, pericia, am istad y
respeto a los procedim ientos dictados. Los inspectores deben con ocer sus res
ponsabilidades, limitaciones y deberes, las que sirven de m arco para la tom a de
decisione s.
E s importante qu e las decisiones tom adas por el inspector no sean d e m a

siado rígidas, c re ye n d o que la misión es recha za r g rand es vo lú m e n e s de pro
d u cto , p a ra o b te n e r u n a a d e c u a d a calificación, ni d e m a s ia d o flexibles para
encu brir a los re sp onsa b le s de los pro blem as de calidad.
E n la selección de inspectores, deb e tenerse m u ch o cuidado para no utili

z a r la vieja práctica de esco ge r a los m ejores operarios, pues es g rand e el ries
g o de g a n a r un mal insp ecto r y p e rd e r un excelente o perario. E sto se p u e d e
evitar con p ru e bas de selección y p ro gra m a s de capacitación, qu e lo faculten
para realizar sus funciones y que lo concienticen de la im portancia de realizar
las bajo los e sq u e m a s establecidos.
N o es conveniente contratar inspectores de calidad, a no ser que sean s o

m etidos a un pro gram a extenso de capacitación. La razón de lo anterior está en
que no es cierto que personas ajenas a la em presa, de buen as a prim eras, ten
gan criterio para evalu a r productos y procesos con los qu e no están fam iliariza
dos. E sto s inspectores no serán ca p a ce s de tom ar acciones correctivas y m u
ch o m e n o s preventivas.
P a ra el inspector es m uy importante m antener una bu en a relación con sus

c o m p a ñ e r o s , la c u a l n o In te rfie ra ni in flu y a de m a n e r a n e g a tiv a en las
JORGE ACUNA ACUNA
decisione s de aceptación o recha zo de producto. P or otra parte, es necesario

considerar que los inspectores son h um a nos y que por lo tanto su s decisiones
pueden ser erróneas. Esto será perdonable en la m edida en que se dem uestren
las ca u sa s de una decisión de esta naturaleza.
C o m o norm a general, el com portam iento de todo el personal de inspección

será de total cooperación con los dem ás departam entos, adaptándose siem pre
al ritmo de producción, siendo flexible en los casos de em ergencia y estudiando
los procedim ientos para elegir el m étodo m ás rápido que respete las norm as y
técnicas de inspección.
Precisión de la inspección
La pre cisión de una inspección es el g ra d o de acierto del inspecto r para

detectar los productos que no cum plen con lo establecido en la especificación.
S e relaciona con el grado de certeza con qu e recha za producto qu e realm ente
está m alo y acepta producto qu e realm ente está bueno. E n otras palabras eje
cuta su s labores con una m u y baja probabilidad de los errores tipo I (re ch a za r
algo qu e está b u en o ) y tipo II (acep tar algo que está m alo).
Lo s se sg os en la inspección pueden ser de tres tipos:
1. S esg os volun ta rios que incluyen actos delictivos c o m o fraude, beneficio

erróneo a otro com p a ñ e ro y falsificación para beneficio personal.
2. S esgos interm edios que se refieren entre otras ca u sa s a parcialidad y re

dondeo.
3. Sesgos involuntarios que incluyen equivocaciones, fatiga y otras formas de

im perfección hum ana.
E s importante considerar que aunque las fallas importantes de calidad son

ca u sa da s por los operarios, los sesgos de inspección tam bién pueden influir en
la pérdida de reputación de la em presa.
T o d o lo a q u í apu nta do se refiere a la inspección por m uestreo. Si se usa

in sp e ccic° 1 0 0 % , la experiencia d e m uestra qu e los pro blem as de calidad se
g e ne ra n por m onoto nía y fatiga principalm ente.
E s im portante b u sc a r la form a de e v a lu a r la precisión de la inspección ,

pues así se puede com probar la efectividad de la m ism a. U n a form a de ejecutar
La inspección centralizada consiste en la ubicación de un puesto central,

hacia el cual fluyen los inspectores llevando las pie za s y partes qu e van a ser
inspeccionadas. A lg u n a s ventajas de este tipo de inspección son:
a. P erm ite una co m p ro b a ció n y recu ento de u n id a d e s re c h a za d a s en una

form a m ás o rgan izad a
b. A s e g u ra y norm aliza las actividades de inspección de producto
c. M inim iza la posibilidad de deterioro de la instrum entación
d. Perm ite el uso de instrum entos m ás precisos en form a m ás eficiente
e. M inim iza la cantidad de instrum entos necesarios para la inspección
f. Perm ite el control centralizado de la labor de inspección
g. Facilita la ejecución de acciones preventivas.
D entro de las desventajas se pu eden citar:
a. P u e d e pro vocar defectos al tener qu e trasladar constantem ente piezas y

m ateriales
b. C o rrig e los errores en form a tardía
c. O b lig a a una organ ización del traslado de material
d. P u e d e pro vocar cuellos de botella, si no se tom an decisiones ágilm ente.
E n general, se puede observar que a m bos sistem as tienen ventajas y des

v e ntaja s y qu e por lo tanto pu ede ser una bu e n a idea su aplicación en form a
com binad a.
El factor humano en la inspección
T a l y co m o se ha indicado en este texto, en el control de calidad el factor

h u m a no es el m ás importante. Si las personas no tienen iniciativa e interés de
ejecutar su s actividades cad a día mejor, no importa lo bueno que sea el sistema
de control que se esté im plem entando, no tendrá los resultados esperados.
Para ello, es importante que la em presa incentive el desarrollo de aptitudes

en su personal en todos los niveles, sea este de carácter ejecutivo u operativo.
N o se p u e de e s p e ra r qu e el nivel operativo realice las co s a s tal y c o m o se ha

e n c o m e n d a d o si no tiene el ejem plo en los m ando s m edios y directivos de la
organ iza ción .
U n a de las áre as generalm ente m ás descuidadas es la inspección. El per

sonal que se ocu p a de las tareas de inspección es de naturaleza m u y variada,
ia que dep e nde de factores tales com o: volum en de Inspección, dificultad de la
prueba, exigencia de especificaciones, precisión de los datos, tipo de m edición
y lugar de la inspección. Este personal debe convertirse en un equipo especial,
q u e co m p a rta su s e xp erie ncia s y qu e perm ita una rotación p ro g ra m a d a para
evitar la m ala práctica de hacer personas imprescindibles que errónea y celosa
m ente e sco nden su s experiencias.
El personal de Inspección debe tener entre otras las siguientes caracterís

ticas: juicio claro, h onradez, sentido com ú n, responsabilidad, pericia, am istad y
respeto a los procedim ientos dictados. Los inspectores deben con ocer sus res
ponsabilidades, limitaciones y deberes, las que sirven de m arco para la tom a de
decisiones.
E s importante qu e las decisiones tom adas por el inspector no sean d e m a

siado rígidas, cre ye n d o que la m isión es re ch a za r g rand es vo lú m e n e s de pro
du cto , para o b te n e r u na a d e c u a d a calificación, ni d e m a s ia d o flexibles para
encubrir a los responsa b les de los pro blem as de calidad.
E n la selección de inspectores, deb e tenerse m uch o cuidado para no utili

z a r la vieja práctica de e s c o g e rá los m ejores operarios, pues es g rand e el ries
g o de g a n a r un mal inspe cto r y p e rd e r un excelente o perario. E sto se pu e d e
evitar con pru e bas de selección y p ro g ra m a s de capacitación, qu e lo faculten
para realizar sus funciones y qu e lo concienticen de la im portancia de realizar
las bajo los e sq u e m a s establecidos.
No es conveniente contratar inspectores de calidad, a no ser que sean so

m etidos a un pro gram a extenso de capacitación. La razón de lo anterior está en
que no es cierto que personas ajenas a la em presa, de bu en as a prim eras, ten
g an criterio para e valuar productos y procesos con los que no están fam iliariza
dos. Estos inspectores no serán c a p a ce s de tom ar acciones correctivas y m u
ch o m enos preventivas.
P a ra el inspector es m u y importante m antener una bu en a relación con sus

c o m p a ñ e r o s , la c u a l n o in te rfie ra ni in flu y a de m a n e r a n e g a tiv a en las
JORGE ACUNA ACUNA
decisione s de aceptación o re c h a zo de producto. P o r otra parte, es necesario

considerar que los inspectores son h u m a nos y qu e por lo tanto sus decisiones
pueden ser erróneas. Esto será perdonable en la m edida en qu e se dem uestren
las ca u sa s de una decisión de esta naturaleza.
C o m o norm a general, el com portam iento de todo el personal de inspección

será de total cooperación con los dem ás departam entos, adaptándose siem pre
al ritmo de producción, siendo flexible en los casos de em ergencia y estudiando
los procedim ientos para elegir el m étodo m ás rápido que respete las norm as y
técnicas de inspección.
Precisión de la inspección
La pre cisión de una inspección es el g ra d o de acierto del inspector para

detectar los productos que no cum plen con lo establecido en la especificación.
S e relaciona con el grado de certeza con qu e recha za producto qu e realm ente
está m alo y acepta producto que realm ente está bueno. E n otras palabras eje
cuta su s labores con una m u y baja probabilidad de los errores tipo I (re ch a za r
algo que está b u e n o ) y tipo II (acep tar algo qu e está m alo).
Los se sg os en la inspección pueden ser de tres tipos:
1. S esgos volun ta rios que incluyen actos delictivos co m o fraude, beneficio

erróneo a otro com pañ ero y falsificación para beneficio personal.
2. S esgos interm edios que se refieren entre otras ca u sa s a parcialidad y re

dondeo.
3. Sesgos involuntarios que incluyen equivocaciones, fatiga y otras formas de

im perfección hum ana.
E s importante considerar que aunque las fallas importantes de calidad son

ca u sa da s por los operarios, los sesgos de inspección tam bién pueden influir en
la pérdida de reputación de la em presa.
T o d o lo a q u í apuntado se refiere a la inspección por m u estre o. Si se usa

inspección 1 0 0 % , la experiencia d e m u estra qu e los pro blem as de calidad se
g e ne ra n por m onotonía y fatiga principalm ente.
E s im portante b u sc a r la form a de e v a lu a r la precisión de la inspección ,

pues así se puede com probar la efectividad de la m ism a. U n a form a de ejecutar
esta ta re a es m id ie n do la precisión en función de las cantidades de u n idade s

detectadas fuera de especificaciones (H a n s e n , 1979). Para aplicar este m o d e
lo, se d e b e pre parar la prueba, ejecutarla a cad a inspector y luego h a ce r el e s
tudio com p a ra tivo del caso . El m odelo es el siguiente:
(d -k )
pr = ------------------------ * 1 0 0
(d - k) + b
d on de :
pr: precisión del inspector, e x p re sa d a porcentualm ente
d: n ú m e ro de u n id a d e s fu e ra d e e s p e c ific a c io n e s d e te c ta d a s p o r el
inspector
b: núm ero de unidades fuera de especificaciones inadvertidas por el ins

pector
k: núm e ro de unidade s bu e n a s re ch a za d a s por el inspector
(d -k ): núm e ro de u n idade s fuera de especificaciones realm ente en co n tra

das por el inspector
(d -k + b ): n ú m ero de unidades que realm ente están fuera de especificaciones

en la inspección
E ste m étodo se p u e d e aplicar para encontrar la precisión pro m e dio de un

equ ip o de inspección, tal y co m o se v e en el siguiente ejem plo.
E J E M P L O 7.4
C o n el fin de e v a lu a r la precisión de la inspección de un e q u ipo de cinco

inspectores se ha entregado a cad a uno en diferentes instantes un m ism o lote
de 20 0 unidades. El C u a d ro 7.7 presenta los resultados obtenidos. ¿ C u á l es la
precisión prom edio de este equipo?
SO L U C IO N
El Cuadro 7.8 muestra los cálculos para cada inspector.

JORGB'ACUÑA ACUÑA 647
Inspector d k b
1 18 2 4
2 16 1 5
3 18 3 5
O
4 21 O 2
5 19 2 3
CUADRO 7.8. Cálculos intermedios de precisión de inspección
Inspector (d-k) (d-k)+b pr

1 16 20 80
2 15 20 75
3 15 20 75
4 18 20 90
5 17 20 85
La precisión del equipo calculada con base en el prom edio de los inspecto-
res es de 8 1 % .
P recisión pro m e dio = (8 0 + 7 5 + 7 5 + 9 0 + 8 5 )/5 = 81 %
Procedimiento de inspección
Al ejecutar un estudio que tenga com o objetivo la reorganización de la ins

pección, es necesario usar algún procedim iento que permita visualizar el flujo
de la inform ación a través de los diferentes departam entos de la em presa. U r
m étodo para lograr este objetivo es el siguiente:
1. A p ro b a r la prim era pieza o la prim era tanda de producción, utilizando prue

bas sucesivas.
CONTROL DE CALIDAD
E xam inar toda la información necesaria para iniciar la producción en m asa.

La inform ación requerida consta de:
• Dibujos
• E specificaciones
• O rd e n de trabajo
• C o m p ro b a ció n de prim era pieza
• Fich a de control de producción
C o m p ro b a r que el material llegue en las debidas condiciones de presenta

ción y por los m edios de transporte adecuados. D e b e com probarse que el
tam año del lote esté de a cu e rdo con las cifras que se encuentren en la F i
cha de c o n tro l de producción.
E x a m in a r el form ato de C o m p ro b a ció n de p rim e ra p ie z a y verificar q u e

ésta lleve la m a rca o sello de inspección correspondiente.
P ro vee r los calibres y elem entos de com probación y m edición necesarios

para llevar a cabo la inspección en form a eficiente. Esta información se en
cuentra en la H oja de A n á lisis de O peración.
Determ inar el tipo de inspección por m uestreo de acuerdo con las caracte
rísticas m ostradas en la Ficha de inspección.
Elegir al a z a r la m uestra correspondiente.
Inspe ccionar todas las unidades qu e co m p o n e n la m uestra.
F irm a r la orden de trabajo, si la m uestra y el lote son ace p ta d o s en todas

las características. S ellar si es posible todas las piezas y anotar el resulta
do de la inspección en la Ficha de C ontrol de Producción y en el Inform e de
Inspección. El material quedará en inspección hasta que sea recogido por
C ontrol de P ro d u cció n para se r lle va do al siguiente pu esto de trabajo. A
este material lo a co m p a ñ a rá toda la inform ación que llegó y el Informe de
inspección, que dando una copia en la Sección de Inspección don de fue v e
rificado el material.
E fe ctu a r una insp ección 1 0 0 % . Si la m u estra y el lote son re c h a za d o s en

una o va ria s ca racterísticas, hay q u e co lo ca r en los lotes las etiquetas de
material rechazado, anotando el resultado en el Inform e de Inspección y en

la Ficha de C ontrol de P roducción , don de se indicará el destino del material
re ch a za d o .
11. P one r todo el material a disposición del personal de Control de Producción.

Ellos tom arán las deb ida s accion es b asado s en lo que diga el Inform e de
Inspección, enviando las piezas adm itidas a la operación correspondiente
y las re ch a za d a s al lugar qu e corresp onda.
12. E n v ia r al departam ento respectivo, las piezas recha za das reparables. U n a

v e z re p a ra d a s se e n v ia rá n de n u e v o a inspecció n co n el fin de in co rp o
rarlas al lote de don d e se extrajeron, si corresp onde. S e debe rectificar la
Ficha de C ontrol de P roducción con las cantidades correspondientes.
13. C ontinuar con el proceso hasta alcanzar la última operación de producción,

m o m e n to en el cual se deb e d e v o lv e r toda la docu m e n ta ció n a la oficina
central de inspección . S e d e b e c o n s e rv a r solo la inform ación necesaria
para ejecutar la inspección final si existe.
Este procedim iento se puede visualizar m ejor en el flujogram a No. 5 que se

presenta en el A pé n d ice III.
El inspector, en la m edida de lo posible, deb e ser ca p a z de tom ar su s pro

pias decisiones y consultar a su jefe lo m enos posible. Esto es importante pues
en inspección de calidad las decisiones deben ser rápidas y acertadas. Si una
decisión requiere de consulta se deb e colocar la etiqueta de material detenido,
hasta tanto no se haya obtenido respuesta.
DISEÑO DE UN SISTEMA DE CONTROL DE CALIDAD
C o n todo lo expuesto hasta el m om ento en este texto, se puede plantear un

procedim iento que permita diseñar un sistem a de control de calidad. C a b e indi
car aquí, que ya existen norm as que pueden servir de m arco de referencia para
e s ta b le c e r un sistem a de control de calida d. E je m p lo de ellas es la serie de
norm as IS O -9 0 0 0 (en especial la IS O - 9004), las cuales permiten establecer las
áre as sob re las cuales deb e centrarse la atención.
E n este caso se pro pone un m e ca n ism o que puede com ple m en tarse con
a lg u n a n o rm a y a sí p o d e r e sta b le ce r toda s las a ctivid a d e s n e c e sa ria s para
com pletar el sistem a. La prem isa m ás importante en este tipo de diseño se re
fiere al cum plim iento de las ba ses qu e fundam entan el concepto de calidad to
tal. El sistem a se de b e o rga n izar de acuerdo con las cuatro áreas de la calidad
total, a sa b e r Diseño, M ateriales, P roceso y Producto.
P a ra h a c e r esto, se p ro p o n e un p ro ce d im ie n to de o n c e e ta p a s , las qu e
puede n ejecutarse h aciendo uso de una norm a co m o la IS O -9 0 0 4 o aplicando
un instrum ento propio. E sta s etapas son:
1. A ná lisis de la estructura o rg a n iz a c io n a ld e la em presa. E s im portante c o

nocer las fortalezas y debilidades de la organización. A sí, se podrán explo
tar las forta lezas y se pod rá b u sc a r a lg u na estrategia que perm ita atacar
las deb ilidad es. A tra vé s de este análisis, se determ ina rá el m o d e lo que
m ejor se ajuste a las características de la em presa.
2. D e finición d e l a lca n ce d e l sistem a. El diseño de un sistem a de control de

calidad es un trabajo com plejo que am erita un análisis profundo de la rela
ción entre la función calidad y las d e m á s funciones de la organización. S e
de b e de ja r cla ro si se v a n d is e ñ a r los cuatro su b s iste m a s y a d e m á s por
cuál se e m p e za rá .
3. E stablecim iento o revisión d e la po lítica de calidad. El prim er p a so que se

debe im plem entar es la redacción de una política o la revisión de la m ism a,
si ya existe. E s fundam ental para el éxito de un sistem a, el com prom iso de
la alta dirección a a p oya r todo tipo de iniciativas qu e conlleven a lograr los
objetivos del sistem a.
4. Realización de un diagnóstico. N o es conveniente iniciar las actividades de

diseño del sistem a sin antes co n o ce r a fondo qu é esfuerzos se realizan en
la actualidad. H a y qu e tom ar en cuenta qu e no todos los esfu erzos actua
les son infructuosos; p u e d e h a b e r a lg u n o s qu e c o n v e n g a co n s e rv a r con
las m odificaciones que se consideren necesarias. S i el sistem a es nuevo,
este diagnóstico se sustituye por u na investigación a ce rca del fu n cio n a
m iento de sistem as sim ilares. E n este caso la norm a y su instrum ento son
im portantes.
5. E la b o ra ció n d e l an te p ro ye cto . U n a v e z q u e se tiene claro el a lc a n c e del

pro ye c to y se c o n o c e n las a ctiv id a d e s q u e s e re a liza n a ctu a lm e n te , se
debe redactar un anteproyecto, que desglose de m anera general, el m odelo
q u e v a a se r ap lica d o , las ju stificacion es y b en eficios de su im p le m e n -

tación, las actividades qu e se deben ejecutar para el diseño de cad a su b
sistem a, el tiem po estim ado de desarrollo y la estim ación inicial de costo.
6 . Presentación de l anteproyecto a la gerencia. El anteproyecto preparado se

p re senta a la g e re n cia con el fin de obte ner el visto b u e n o . S e deb e c o n
v e n c e r con esta p re se n ta ció n de q u e el sistem a es n e c e sa rio . E l fin es
obtener una decisión positiva para seguir adelante. Si la decisión es favo
rable se continúa con la etapa 7, si no lo fuera se d e b e rá revisar el ante
proyecto, con base en las observaciones realizadas por el gerente. S e pre
sentará de nu e vo si se ha dad o la oportunidad.
7. D esarrollo de l proyecto. Esta etapa consiste de los siguientes pasos:
a. Planeación de l estudio. S e desglosan todas las actividades y se asig

nan tiempos y recursos a cada una de ellas. S e pueden aplicar las téc
nicas de P ro gram ación de Pro yectos (C P M por ejem plo), para co n o
ce r con algún detalle la fecha proyectada de finalización del proyecto.
b. D e s a rro llo d e l m od elo. E ste es el p a s o q u e c o n s u m e m ás tiem po,

pu e s a quí se d e sglo sa cad a una de las actividades plan eadas. Esta
parte se diseña p o r se parado para los cuatro subsistem as y se debe
considerar el desarrollo de m anuales. S e incluye tam bién el desglose
de actividades para el desarrollo del subsistem a de costos de calidad
y las correspondientes a las pruebas necesarias para verificar la pro
puesta. Al final se establecen las actividades qu e permitirán el nexo
entre los subsistem as.
c. Planificación de la inspección. C o m o parte del subsistem a de Control

de proceso, se deb e diseñar todo el plan de inspección estableciendo
entre otras co s a s: tipo de inspección, puestos de inspección, instru
m entación y criterios de aceptación y rechazo de lotes de productos.
La m ejor form a de poner esto por escrito, es a través de m anuales de
inspección.
d. Revisión d e l sistem a. U n a v e z term inado el desarrollo del sistem a se

efectúa una revisión total con el fin de detectar om isiones y errores.
e . Desarrollo de la propuesta de organización. Esta etapa consiste en e

desarro llo de u n a pro pu esta q u e identifique el tipo de o rga n iza ció r
q u e p u e d e h a c e r frente al siste m a pro pu esto. S e d e b e n de ja r bien

claras las funciones y responsabilidades de todos los m iem bros de la
organ ización en la con secu ción de los objetivos del m odelo.
8 . Presentación a la gerencia. S e presenta el proyecto a la gerencia con el fin

de o b te n e r el v isto b u e n o p a ra su im p le m e n ta c ió n y p o r s u p u e s to el
respectivo financiam iento. Si la respuesta es positiva, se continúa con la
e tap a 9, de lo contrario se h a ce n los ajustes su g e rid o s y se pre se n ta de
nuevo.
9. D esarrollo e im plem entación de un program a de capacitación y m otivación

de personal. C o n el fin de facilitar la resistencia al cam bio y de evitar erro
res en la im plem entación del sistem a por desconocim iento, se pro pone el
desarrollo de un program a de capacitación. Este program a contem pla una
explicación general de las partes del sistem a, a todos los m iem bros de la
organización y una explicación detallada de cada parte a aquellos qu e es
tán directam ente relacionados con su puesta en m arch a.
10. Im plem entación d e l sistem a. Esta etapa consiste de la puesta en m arch a

de ca d a una de las actividades d e sglo sadas en el proyecto. S e deb en h a
ce r las m ejoras y ajustes qu e se am eriten.
11. R e troalim entación y cam bios a l m odelo. C o n base en los resultados de la

im plem entación del sistem a, se hacen los cam bios necesarios al m odelo.
E sta etapa será siem pre necesaria, pues es ilógico pe n sa r que el m odelo
será a decuado desde su prim era aplicación. Para detectar errores se pu e
den aplicar auditorías de calidad. A través de una auditoría se constata si lo
qu e se aplica o b e d e ce a ciencia cierta a lo establecido en el pro yecto del
sistem a.
El se g u im ie nto de este p ro cedim ien to perm itirá el d ise ñ o de un sistem a

adecu a do de control de calidad, el cual garantiza lo que se ha anotado insisten
tem ente en este texto y que constituye el m á s importante objetivo de calidad y
reto de cualquier co m p a ñ ía : “ C u m plir con los requerim ientos de calida d fijados
p o r e l consum idor".
La e m p resa que entienda lo anteriorm ente apuntado, está llam ada a tener
g rand es éxitos en el m erca do y un futuro pró spero en é po cas de crisis.
RESUMEN
E n este capítulo, se plantea cóm o la administración de la función calidad es

esencial para el éxito de un p ro gram a de control de calidad. S e ha visto que:
1. La o rg an iza ción qu e se instituya para el cum plim iento de las actividades

e n c o m e ndada s debe ser simple y eficiente y debe g o za r, hasta donde sea
posible, de la a u ton om ía necesaria para cum plir con los objetivos y políti
ca s de calidad que se establezcan para cum plir con los requerim ientos del
consum idor.
2. E l o b je tiv o p rin c ip a l de to d o s los n iv e le s je rá r q u ic o s , in te rm e d io s y

operativos de la em presa debe ser la búsqueda de excelencia en la calidad
del producto y en ningún m om ento deb e ser el buscar culpables de los pro
ble m as de calidad de los procesos y materiales. D ebe q u e d a r claro que la
resp on sabilid ad en la consecución d e l objetivo de excelencia es de todos
los m iem bros de la organización y no de alguno en form a específica.
3. C a b e d e s ta ca r el h e c h o de que toda p e rso n a den tro de la o rga n iza ció n

d e b e b u sc a r los m e ca n ism o s necesarios para m antene rse en una co n s
tante evaluación de su labor, de tal m anera que se puedan m edir los logros
obtenidos. Esta es una forma de dem ostrar que el control de calidad es una
inversión y no un costo.
4. E s de su m a importancia analizar y cuantificar los costos inherentes al con

trol de calidad y com pararlos con algu na base, qu e puede ser: el costo de
producción, la producción en unidades de producción equivalente o la pro
ducción total de unidades. Este será un m edio de verificar qué tan eficien
tes y eficaces son los m edios de control utilizados, en función de los éxitos
a lca n za d o s en el m ercado.
5. Si se desean buen os resultados de la inspección, ésta deber ser planeada

y ejecutada en form a organ izad a. S e debe reco rda r que e l objetivo p rin c i
p a l de la inspección es evitar que producto fuera de especificaciones alcan
ce las m an os d e l consum idor.
6 . La inspección de calidad no es solam ente un procedim iento repetitivo, sino

que es toda una cam pañ a de motivación y conciencia, para que los niveles
operativos produzcan cada día mejor. S e debe sustituir el concepto limitado
de v e r la inspección co m o se paración de producto buen o de m alo, por el

concepto de inspección preventiva que analiza causas y consecuencias de
las fallas detectadas.
7. La organización de la inspección deb e ser ágil, de tal m anera qu e se iden

tifiquen cla ram ente las responsabilidades, los d e b eres y las funciones de
los inspectores, con el fin de cum plir con los objetivos planteados. Esta or
ganización permitirá desarrollar la inspección con procedim ientos eficien
tes que garanticen el cum plim iento de las actividades planeadas.
8 . E l logro de los objetivos de calidad planteados por la organización se da a

través del desarrollo de un sistem a de control de calidad, que o b e d e z c a a
un proyecto resp onsa b le m ente planteado y puesto en práctica.
9. Finalm ente es importante recalcar que el principal factor en el cum plim iento
de las políticas de calidad es el fa cto r hum ano. P or ello se deb en bu scar to
dos los m e ca nism os necesarios para lograr su cooperación y com prom iso .
PREGUNTAS DE REPASO
1. ¿ P o rq u é e s im p o rta nte la c la ra definición de u n a o rg a n iz a c ió n p a ra la

calidad?
2. E squ e m atice las etapas necesarias para diseñar un sistem a de control de

calidad.
3. C ite die z im portante s funciones de un gerente en la o rga n iza ció n para la

calidad.
4. ¿ P o r qu é es im portante la co o rdinació n de a ctivid ades en el logro de los

objetivos de calida d?
5. Explique los conceptos de valor de calidad y costo de calidad y com ente el

gráfico que los relaciona.
6 . C o m e n te el d e s g lo s e de co s to s de calidad y e x pliqu e: ¿ c ó m o se p u e d e
calcular ca d a uno de ellos?
7. ¿ Q u é tipo de análisis se deb en h a ce r para lograr una bu e n a ubicación de

los puestos de inspección?
8 . Com ente las ventajas y desventajas de la inspección de patrulla y de la Ins

pección centralizada.
9. C o m e n te la im portancia del factor h um a no en la inspección de calidad.
10. ¿ P a ra qué es im portante establecer un procedim iento de ejecución de la

inspección?
11. ¿ Q u é uso p u e d e tener la norm a IS O -9 0 0 4 en el diseño de un sistem a de

control de calidad?
12. ¿ P a ra qué p ueden servir los indicadores de calidad?
13. Desarrolle y explique d ie z indicadores de calidad diferentes a los pre sen

tados en este capítulo.
14. ¿ Q u é técnicas de motivación se podrían em plear para lograr un máxim o de

cooperación y com prom iso de todos los m iem bros de la organización?
15. D e sa rro lle un m o d e lo q u e p u e d a se rvir p a ra calificar la pre cisión de la

inspección.
PROBLEMAS
1. U n a e m p resa durante los últimos m e se s ha tenido el com portam iento de

ventas y devolucio nes qu e se presenta en el C u a d ro 7.9.
Analice la situación si se fija una base del 2 ,5 % de devolu cio nes en pedi
dos y en colones.
2. D esglose para una e m presa industrial los costos de calidad y preséntelos

en el form ato ofrecido en el C u a d ro 7.1.
3. D esarrolle un sistem a de incentivos para inspectores, basándose en m o

delos con ocidos y aplicados a cuotas de producción.
4. E fe ctú e un dia g nóstico de la función calidad en una e m p re s a industrial.

D ivida el diagnóstico en cuatro etapas, una por ca d a subsistem a. Puede
usar co m o gu ía la N o rm a IS O -9 0 0 4 .
5. A través de una investigación, identifique el tipo de organización de calidac

q u e pre valece en C o sta Rica.
i
Ventas Devoluciones
Mes Colones Pedidos Colones Pedidos
Enero 617815 124 12200 5

Febrero 585700 215 21700 10
Marzo 845174 418 41800 8
Abril 489825 145 10700 7
Mayo 500708 164 8400 12
Junio 558719 175 5200 5
6 . E la b o re un flujogram a para an a liza r la form a en q u e la inform ación deb e

fluir en el sistem a de control de calidad. Conside re a d e m á s los formularios
necesarios para recolección de inform ación.
7. E la b o re un flujogram a para analizar la form a en qu e la inform ación deb e

fluir en el sistem a de costos de calidad. Conside re a d e m á s los formularios
8 . U n a e m p re s a fabrica tres productos de los que se tiene la inform ación del

C u a d ro 7.10.
Si el costo de inspección en el período fue de «¡150000. ¿ C u á l es el costo

de inspección por unidad equivalente?
CUADRO 7 . 10. Información para el Problema 8
Monto de Ventas Material Directo Volumen de

Producto (Colones) (Colones) Producción
A 1500000 876900 51790

B 789600 357000 23450
C 1123500 687950 9870
9. P ro p o n g a un n u e vo procedim iento qu e agilice la inspección de producto,

to m a n d o c o m o b a s e el p ro c e d im ie n to p re s e n ta d o en e ste c a p ítu lo y
esq u e m a tiza d o en el flujogram a No. 5 del A p é n d ice III.
10. U n a e m p re s a fabrica un p ro du cto del cual p ro d u ce 2 0 0 0 0 u n idade s por

m e s con una fracción defectiva del 2 0 % . El precio de venta del producto es
020 y para fabricarlo requiere de 08 de material directo. Los salarios, g a s
tos indirectos y cargo s de depreciación son 0 3 , 0 1 , 6 y 02,4 respectivam en
te. El producto defectuoso es desech ado sin ningún valor de recuperación.
Si la planta quiere invertir para reducir su porcentaje defectuoso de 2 0 % a
10 % , ¿cuál es la m áxim a inversión que podría hacerse para lograr esta im
portante m ejoría en calidad?
11. U n estudio de u na línea de pro d u cció n ha revelado inform ación con res
pecto al porcentaje defectuoso y el costo acum ulado en cada operación de
la línea. Esta inform ación se presenta en el C u a d ro 7 .11.
CUADRO 7.11. Información para el Prou,ema 11
Operación
1 2 3 4 5
% defectuoso 5,1 0 ,6 4,8 3,2 1 ,2

costo acumulado 2,75 3,98 4,27 4,85 5,12
El tam año de m uestra por inspeccionar es de 100 unidades y los inspecto

res ganan a 0200 por hora. Los tiem pos de inspección en m inutos por pro
ducto son, en orden de operación, 1 ,2 -0 ,6 -0 ,5 -2 ,0 -1 , 8 . N o se necesita in
versión adicional para instalar los puestos de inspección.
a. Si se de se a colocar dos puestos de inspección, ¿d ónde se deben co

locar? Justifique su respuesta.
b. Si fueran tres puestos de inspección, ¿d ó n d e se deb en colocar?

CONTROL DE CALIDAD
U n a em presa fabrica un producto que pasa por cinco departam entos o sec
ciones. E sta em p re sa ha tenido pro blem as de calidad en los últim os años
debido al peso que suministran las m áquinas llenadoras de producto. La es
pecificación para el peso se establece en 3,15 g con una tolerancia de 0,75 g.
De un estudio estadístico llevado a cabo, se encontró que, para esta carac

terística el proceso se distribuye norm alm ente con m edia 3,18 g y varianza
0,1 6 g 2.
El co s to total de p ro d u cció n es de (586 p o r u n idad, d e s g lo s a d o en 1 2 %

gastos indirectos, 5 4 % costos de m ateriales y el resto costo de m a n o de
obra. C u a n d o el producto es detectado fuera de especificaciones, se qui
ta o se a g re g a producto, segú n sea sobrepeso o bajo peso. Esto agrega un
costo adicional de (6 1 5 por unidad, debido a pérdida de e m p a q u e y pesaje
m anual.
Actualm ente, no existe un puesto de inspección en la operación de llenado.

La instalación de un puesto tendría costos fijos de 060000 y el costo de ins
pección es 035 por hora, con m uestras de 500 unidades/hora.
a. ¿ C u á l es la pérdida e sp e ra d a por pieza?
b. ¿ C u á l es la pérdida esp e rada al nivel actual de producción que es de

5 0 0 0 0 unidade s por hora?
c. ¿ A qu é nivel de p ro du cción es co n venie nte la colocación del puesto

de inspección?
. La em p re sa X Y Z durante los últimos seis m eses ha generado el registro de

ventas y devolu cio nes qu e se presenta en el C u a d ro 7.12.
Analice la situación si se fija una base de com paración del 2 % en prom edio
en d evolu cio nes tanto en colones co m o en pedidos.
. El C u a d ro 7 .1 3 presenta inform ación de tres productos de una em presa.
a. El costo de calidad en el p eríod o es de 0 50000 . ¿ C u á l es el costo de

inspección por unidad equivalente?
b. E sta b le zca el valor de un indicador de ventas, material directo y volu

m en de producción.
c. E sta b le zca tres form as de obtener un indicador de costos de calidad.

Ventas Devoluciones
Mes Colones Pedidos Colones Pedidos
E 625000 124 12220 5

F 585700 115 21700 10
M 845000 231 41800 18
A 490000 90 10700 4
M 500000 102 8400 3
J 560000 113 15700 8
Ventas Material directo Volumen de

Producto (colones) (colones) producción
A 1500000 587000 51700

B 758000 357000 10800
C 1157000 684000 6700
15. E n la Figura 7.7, se presenta el e sq uem a de un gato hidráulico. S u s partes

son: cilindro, base, ém bolo, placa giratoria, tuerca de retención, pieza de
cierre de la cab eza del cilindro y clavija roscada. La placa giratoria se m on
ta con a lg u na h olg u ra en el é m bolo por m edio de la tuerca. E ste s u b e n -
sam ble, después de ser provisto de un em paque, se m onta en el cilindro y
la base, sujetándose con la pieza de cierre de la cab eza del cilindro. La cla
vija roscada se usa para bloquear la entrada al cilindro, hasta que el gato
se pon e en funcionam iento.
El cilindro y la base, p ie za R L -8 9 , es una pie za de ace ro fundido qu e se

co m p ra en un taller de fundición fuera de la fábrica a un costo unitario de
CONTROL DE CALIDAD
FIGURA 7.7. Gato hidráulico.
02500. La prim era operación que se hace es “T o rn e a r y refrentar la p esta

ñ a ” la qu e se h a ce en un torno en el taller m ecánico en un tiem po de 5 ,4
m inutos por pieza. E ste torno co n su m e 0,20 kwh.
Luego, la pieza va a un segundo torno igual al anterior, en donde se ejecuta

el refrentado del otro extremo, así co m o el escariado y fileteado. E n esta ta
rea se invierten 13 m inutos. R ealizada esta operación se procede a hacer
cu atro a g u je ro s a la ba se en un tiem po pro m e dio de 0 ,0 0 8 5 m inutos por
agujero (tiem po dividido en 7 5 % m ano de obra y 2 5 % tiem po de m áquina).
E ste taladro, qu e p e rm a n e c e e n c e n d id o co n sta n te m e n te , c o n s u m e en
esta operación 0 ,0 6 9 7 kwh.
E n se g u id a , en una taladradora de eje doble se hace una perforación y se

tarraja para la conexión hidráulica. El tiem po de esta operación es de 1,54
m inutos y la m áquina co n su m e 0 ,0498 kwh. Antes de enviarse al d epa rta
m ento de m ontaje, la pieza fundida, ya acabada, es inspeccionada por un
in sp e cto ra jornal.
Para la fabricación del é m bolo se em plea el acero en barras lam inado en

frío S A E -1 010. Las barras se cortan en frío, al tam año deseado en el alm a
cén. Esta operación se realiza en 0,84 minutos y la sierra eléctrica consume
0 ,0 3 6 kwh. C a d a barra es im portada a un costo de 02350, cob ránd ose en

a du a n a un im pue sto del 1 2 % del costo original. La barra se corta en diez
partes.
L a s ig u ie n te o p e r a c ió n e s m a r c a r c e n tr o s , la q u e s e h a c e en u n a
taladradora ligera en 3,9 m inutos. El co n su m o de energía es de 0,05 kwh.
Luego, va a un torno en don de se hacen las operaciones de tornear, hacer
garganta y redondear extrem o. E stas operaciones se hacen en 15 minutos
y se co n su m e n 0 ,0 4 4 kwh. U n inspector a jornal co m p ru e b a el tam año.
Lu e g o de ello, cad a cien piezas son cem entadas con un costo de 032,5 en
5,46 minutos. D e sp u é s de que la pieza es cem entada, ésta retorna al taller
para se r rectificada. La rectificadora tiene una capacidad de producción de
20 piezas por hora y con su m e 0,22 kwh en ese período. C o n esto, se termi
na la operación del ém bolo el cual es enviado al departam ento de montaje.
La placa giratoria, p ie za S P -7 9 3 , es de ace ro fundido y cuesta 0100 por

u n ida d. La p ie z a fu ndida se m a q u in a en el d e p a rta m e n to de tornillería,
u sa n d o un torno re vó lve r W a rn e r A n d S w a s s e y W in IA y q u e c o n s u m e
0 ,208 kwh. Esta operación se denom ina “Ta ladrar, escariar y filetear” y tie
ne una duración de 7,2 m inutos. U n a v e z m aquinada se desengrasa a pre
sión en 0 ,6 m inutos usand o una solución con un costo de 05,5 por litro de
solución con su m ida . C o n un litro de solución se lavan 12 piezas. Esta ope
ración la realiza un operario qu e g a n a 0125 por hora.
L a tu e rc a de re te n c ió n , p ie z a S P -1 0 8 , s e h a c e d e a c e ro S A E - 1 113
hexagonal en barras y lam inado en frío. C a d a barra es importada y cuesta
0 5460 m á s 1 3 % de im puesto de co n su m o y 8 % de im puesto de aduanas.
D e cada barra salen 190 tuercas. Las prim eras operaciones que se hacen
son taladrar, escariar, filetear y cortar y se efectúan en el departam ento de
tornillería en una m áquina G rid le y de cinco ejes con un co n su m o de 0,08
kwh y un tiem po de 0,5 m inutos. Lu e g o es lim piada en la deseng rasad ora
en 0 , 6 minuto, utilizando la m ism a solución y con las m ism as especificacio
nes. S e inspecciona luego por un inspector a jornal y se e n vía al depa rta
m ento de m ontaje.
La pieza de cierre de ca b e za del cilindro, pieza S P -1 24, es hecha de barras

de acero S A E - 1 113, redondo y lam inado en frío, el cual es im portado a un
costo de 0 5 0 0 el kilogram o. U n a barra pesa 10 kilogram os. Los costos de
de v e r la inspección co m o se p a ra ció n de producto buen o de m alo, por el

concepto de inspección preventiva que analiza causas y consecuencias de
las fallas detectadas.
7. La organización de la inspección debe ser ágil, de tal m anera qu e se iden

tifiquen cla ra m e nte las responsabilidades, los d e b eres y las funciones de
los inspectores, con el fin de cum plir con los objetivos planteados. Esta or
ganización permitirá desarrollar la inspección con procedim ientos eficien
tes qu e garanticen el cum plim iento de las actividades planeadas.
8 . El logro de los objetivos de calidad planteados por la organ ización se da a

través del desarrollo de un sistem a de control de calidad, que o b e d e zca a
un proyecto resp onsa b le m ente planteado y puesto en práctica.
9. Finalm ente es importante recalcar qu e el principal factor en el cum plim iento

de las políticas de calidad es el fa cto r hum ano. P or ello se deben bu scar to
dos los m e ca nism os necesarios para lograr su cooperación y com prom iso .
PREGUNTAS DE REPASO
1. ¿ P o rq u é e s im p o rta n te la cla ra definición de u n a o rg a n iz a c ió n p a ra la

calidad?
2. E squ e m atice las etapas necesarias para diseñar un sistem a de control de

calidad.
3. C ite die z im portante s funciones de un gerente en la o rga n iza ció n para la

calidad.
4. ¿ P o r qué es im portante la co o rdinació n de activid ades en el logro de los

objetivos de calida d?
5. Explique los conceptos de valor de calidad y costo de calidad y com ente el

gráfico qu e los relaciona.
6 . C o m e n te el d e s g lo s e de co s to s de calidad y e x p liq u e : ¿ c ó m o s e p u e d e
calcular ca d a uno de ellos?
7. ¿ Q u é tipo de análisis se de b e n h a ce r para lograr una b u e n a ubicación de

los puestos de inspección?
8 . C om e nte las ventajas y desventajas de la inspección de patrulla y de la Ins

pección centralizada.
9. C o m e n te la Im portancia del factor h u m a no en la Inspección de calidad.
10. ¿ P a ra qu é es im portante establecer un procedim iento de ejecución de la

inspección?
11. ¿ Q u é uso p u ede tener la norm a IS O -9 0 0 4 en el diseño de un sistem a de

control de calidad?
12. ¿ P a ra qu é p ueden servir los indicadores de calidad?
13. D esarrolle y explique die z indicadores de calidad diferentes a los pre sen
tados en este capítulo.
14. ¿ Q u é técnicas de motivación se podrían em plear para lograr un m áxim o de

cooperación y co m prom iso de todos los m iem bros de la organización?
15. D e sa rro lle un m o d e lo q u e p u e d a se rvir p a ra calificar la pre cisión de la

inspección.
PROBLEMAS
1. U n a e m p re s a durante los últimos m eses ha tenido el com portam iento de

ventas y devoluciones qu e se presenta en el C u a d ro 7.9.
Analice la situación si se fija una base del 2 ,5 % de devolucio nes en pedi

dos y en colones.
2. D e sglose para una e m presa Industrial los costos de calidad y preséntelos

en el form ato ofrecido en el C u a d ro 7.1.
3. Desarrolle un sistem a de incentivos para inspectores, b asándose en m o

delos conocidos y aplicados a cuotas de producción.
4. E fe ctúe un diagnóstico de la función calidad en una e m p re s a industrial.

D ivida el diagnóstico en cuatro etapas, una por ca d a subsistem a. P uede
usar co m o guía la N o rm a IS O -9 0 0 4 .
5. A través de una investigación, identifique el tipo de organización de calidad

qu e p reva lece en C o s ta Rica.
........ ■.............................................. V
V e n ta s D e v o lu c io n e s
M es C o lo n e s P e d id o s C o lo n e s P e d id o s
E n ero 617815 124 12200 5

F ebrero 585700 215 21700 10
M a rzo 845174 418 41800 8
A b ril 489825 145 10700 7
M ayo 500708 164 8400 12
J u n io 558719 175 5200 5
6 . E la b o re un flujogram a pa ra an a liza r la form a en qu e la Inform ación deb e

fluir en el sistem a de control de calidad. Conside re a d e m á s los formularios
7. E la b o re un flujogram a para an a liza r la form a en qu e la inform ación deb e

fluir en el sistem a de costos de calidad. C onsidere a d e m á s los form ularios
8 . U n a e m p re s a fabrica tres productos de los que se tiene la inform ación del

C u a d ro 7.1 0.
Si el costo de inspección en el período fue de c 1 500 0 0 . ¿ C u á l es el costo

de inspección por unidad equivalente?
M o n to de V e n ta s M aterial D ire c to V o lu m e n de
P ro d u c to (C o lo n e s ) (C o lo n e s ) P ro d u c c ió n
A 1500000 876900 51790

B 789600 357000 23450
C 1123500 687950 9870
9. P ro p o n g a un n uevo procedim iento qu e agilice la inspección de producto,

to m a n d o c o m o b a s e el p ro c e d im ie n to p re s e n ta d o en e ste c a p ítu lo y
e sq u e m a tiza d o en el flujogram a No. 5 del A p é n d ice III.
10. U n a e m p re s a fabrica un pro du cto del cual p ro d u ce 2 0 0 0 0 u n idade s por

m e s con una fracción defectiva del 2 0 % . El precio de venta del producto es
0 20 y para fabricarlo requiere de 0 8 de material directo. Los salarios, g a s
tos indirectos y cargo s de depreciación son 0 3 ,0 1 , 6 y 02,4 respectivam en
te. El producto defectuoso es desech ado sin ningún valor de recuperación.
Si la planta quiere invertir para reducir su porcentaje defectuoso de 2 0 % a
1 0 % , ¿cuál es la m áxim a inversión que podría hacerse para lograr esta im
portante m ejoría en calidad?
11. U n estudio de una línea de p ro ducción h a revelado inform ación con res
pecto al porcentaje defectuoso y el costo acum ulado en cada operación de
la línea. Esta inform ación se presenta en el C u a d ro 7.11.
CUADRO 7.11. Información para el Prou,ema 11
O p e ra c ió n
1 2 3 4 5
% d e fe ctu o so 5 ,1 0 ,6 4 ,8 3 ,2 1 ,2
c o s t o a c u m u la d o 2 ,7 5 3 ,9 8 4 ,2 7 4 ,8 5 5 ,1 2
El tam año de m uestra por inspeccionar es de 100 unidades y los inspecto

res ganan a 0200 por hora. Los tiem pos de inspección en m inutos por pro
ducto son, en orden de operación, 1 ,2 -0 ,6 -0 ,5 -2 ,0 -1 , 8 . N o se necesita in
versión adicional para instalar los puestos de inspección.
a. Si se de sea colocar dos puestos de inspección, ¿d ó n d e se deben co

locar? Justifique su respuesta.
b. Si fueran tres puestos de inspección, ¿d ónde se deben colocar?

transporte de sde la ca sa distribuidora hasta la em presa, brindados por la

C ía M ondel, son <£52000 la tonelada. El im puesto de adu a n a es del 8 ,5 % .
La s prim eras o p era cione s que se hacen en el departam ento de tornillería
son taladrar, escariar, filetear y cortar. S e usa una taladradora C o n e m a tic
que c o n s u m e 0 ,2 kw h y du ra 4 ,2 m inutos en term inar estas operaciones.
S e ha calculado que de una barra se obtienen 13 piezas. Luego, la pieza se
e n v ía al taller m e cá n ico para ta la d ra r los a g u je ro s p a ra la llave, en una
ta la d ra d o ra lig e ra e n 3 ,3 6 m in u to s . S e d e v u e lv e al d e p a rta m e n to de
tornillería para d e s e n g ra se en 0,6 m inutos. S e em plea la m ism a solución
anterior y se p aga un operarlo de <5175 por hora. Luego, la pieza es revisa
d a por un inspector a jornal y se e n vía al departam ento de ensam b le.
La siguiente operación se realiza en el departam ento de ensam b le y c o n

siste en m ontar el ém bolo, la placa giratoria y la tuerca de retención en 0 ,1
m inutos.
Este su bensam ble junto con la pieza de cierre de cilindro y usando los m a
teriales m ostrados en el C u a d ro 7.14, se m ontan al subensam ble del pistón
en 3 ,4 m inutos.
CUADRO 7.14. Materiales usados en el subensamble
M aterial C o s to
E m paque C 3 1 ,2 5
P ie z a S P - 2 1 1 C 208
A r a n d e la S P - 1 7 6 c 12
T o r n illo c o m ú n c 8
L u e g o , se m onta el é m bolo a la base en 2,91 m inutos lo qu e constituye el

ensam b le final. U n a v e z finalizada esta operación el gato hidráulico se so
m ete a inspección por m edio de un inspector a jornal. D e s p u é s , la clavija
roscada de 0,625 cm , pie za S P -1 4 8 , se coloca para proteger al cilindro en
0,2 m inutos. La clavija tiene un costo de C1300. La última operación que se
realiza es limpiar y pintar, la que se realiza en el departam ento de montaje

en un tiem po de 5,4 m inutos por pieza. E n este proceso de lim pieza se usa
un disolvente para lavad o de a ce ro c u y o costo es de 0169 el kilogram o
puro. La concentración de la solución lavadora es de 8 2 % en peso (den si
dad del ag ua= 1 g/cm2). La solución se prepara en la planta y se pueden la
v a r 40 0 piezas por litro.
E n el proceso de pintado se gastan 3,8 litros de pintura anticorrosiva por

ca d a 96 piezas. El costo del litro de pintura es de 0300. El diluyente usado
cuesta 032 por litro y se gasta un litro de diluyente por cad a cuatro litros de
pintura. Las piezas se pintan luego de color rojo con un costo agregado de
0 4 ,2 por pieza.
La inspección final se ejecuta en 3,0 m inutos, por un inspector a jornal.
Algunos datos adicionales
T ie m p o de jornada de trabajo = 8 horas/día
C o sto de kwh = 07,76
C o s to de inspección = 0200 por hora
S alario de operarios calificados = 0225 por hora
a. C onstruya un diagram a de operaciones colocando a la izquierda de la

operación los tiem pos de operación y a la derech a el costo de la o p e
ración y el acu m u la d o hasta ella.
b. Determ ine el costo de inspección de calidad.
c. Determ ine el costo de producción e indique: ¿a qué precio recom ien

da vende rlo?
d. ¿ C u á l es el costo de producción m ensual si se trabajan tres turnos?
e. ¿ C u á l es el costo acum ulado de producción, al m om ento de cad a ins

pección?
f. ¿E stá n bien colocado s los puestos de inspección, desde el punto de

vista del costo total del producto? Justifique con núm eros.
g. ¿ Q u é v a ria b le s se de b e n to m a r en cuenta al d ise ñ a r un sistem a de

control de calidad para este producto.
h. ¿ Q u é beneficios, desde el punto de calidad, puede traer el balance de

la línea de p ro ducción?
16. U n a e m p re sa fabrica un producto com puesto por cinco sub e n sa m b le s los

cu a le s co n v e rg e n en cinco líneas a un departam ento de e n s a m b le . Esta
em presa desea investigar sus problem as de calidad, por lo que se constru
yó un pare togra m a que indicó qu e la característica de calidad principal es
el diám etro de uno de los su ben sam bles.
E ste diá m e tro d e b e cu m p lir con la especificación E : 3 ,1 5 ± 0 ,7 5 cm . D e

datos históricos co n se rva d o s por la C ía , se ha logrado concluir q u e la v a
riable diámetro se distribuye norm alm ente con p = 3 ,15 cm y o 2= 0 ,16 cm 2. El
costo total de pro du cción de esta pieza representa el 2 8 % del costo total
del producto, el cual se ve n d e en C8600.
El p ro b le m a fu n d a m e n ta l de este diám etro es q u e no se detecta si está

defectuoso antes de que la pieza sea ensam blada. Esto ocasiona qu e si el
diám etro resulta defectuoso, se pierda todo el costo entregado. S e ha d e
te rm in a d o q u e un 1 7 % del costo total son costos de e n s a m b le , un 1 2 %
costos indirectos y un 3 5 % la ganancia deseada en la venta del producto.
S e sa b e qu e del costo de p ro d u cció n de la p ieza, un 3 8 % son co sto s de

m ano de obra, 4 0 % costos de m aterias prim as y el resto costos indirectos.
E s o s costos representan el 7 0 % de los costos indirectos totales. T a m b ié n
se sab e que en el departam ento de ensam ble, 9 0 % del costo corresponde
a la m a n o de obra, 5 % a m ateriales y 5 % a costos indirectos.
E n esta e m p re sa existe un único puesto de inspección y está al final de la

línea. Si se re ch a za un producto, se incurre en un costo adicional de C2 0 0
al te ne r qu e de s a rm a rlo . E sto no incluye las c o rre sp o n d ie n te s p é rdid as
e c o n ó m ic a s p o r el t ra b a jo e n t r e g a d o in f r u c t u o s a m e n t e . C a d a
subensam ble que se rechace es reprocesado, si tiene un diámetro superior
a lo especificado y d e s e c h a d o si ocu rre lo contrario. E n a m b o s c a s o s se
pierde el costo ya entregado.
a. ¿ C u á l es la g a na ncia e sp e ra d a por unidad?
b. ¿ C u á l es la g a n a n c ia e s p e ra d a al nivel de 5 0 0 0 0 0 u n id a d e s m e n
suale s?
c. ¿ C o n s id e ra U d con venie nte la colocación de puestos de inspección

en las líneas? Justifique con núm eros.
d. ¿ A qué nivel de producción es recom endab le colocar un puesto final

de inspección?
DATOS ADICIONALES
C o sto de instalación del puesto = 060000
El costo del inspector es de 0290 por hora y es ca p a z de inspeccionar 100

p ieza s en un turno de 8 horas
17. U n a e m p re s a fabrica un pro ducto co n form ado de tres su b e n sa m b le s. El

diag ram a de operaciones se m uestra en el C u a d ro 7.15.
Los costos de material son: 0370 para el material A , 0158 para el material
B y 0215 para el material C . Lo s costos de m ano de obra por pieza se e n
cuentran en el C u a d ro 7.16.
CUADRO 7 . 16. Costos de mano de obra para el Problema 17
O p e r a c ió n C o s t o /p ie z a (0 ) O p e r a c ió n C o s to /p ie z a fí)
1 1 5 ,7 5 6 1 7 ,8 5
2 2 5 ,0 5 7 3 4 ,0 5
3 3 6 ,7 5 8 6 1 ,2 5
4 1 8 ,4 5 9 6 3 ,4 5
5 2 5 ,2 5 10 1 8 ,3 5
A los inspectores se les pa g a 0350 por hora y cada inspector es ca p a z de

inspeccionar 500 unidades por hora.
E n este proceso casi todas las características de calidad m ás importantes

son variables, a excepción de las características de las operaciones 9 y 10,
CUADRO 7.15. Diagrama de operaciones para el Problema 17
D ia g r a m a d e O p e r a c i o n e s
E m p resa : XYZ F ech a: E nero 1985

R e a liz a d o p o r A. G uzm án R e s p o n s a b le : S . C oto
C ó d ig o d e p ro d u cto : 3 0 A -9 0
Ensamble A Ensamble B Ensamble C

Mats: 1,25 kg/pieza Mats: 5 kg/pieza Mats: 1 kg/pieza
las que son atributos. El C u a d ro 7.17 presenta la inform ación qu e se obtu

v o de una clasificación de características de calidad. T o d a s las variables
han de m ostrado distribuirse norm alm ente.
El nivel de p roducción es de 18000 unidades diarias. Los puestos de ins

pección, de s e r necesarios, tienen una inversión fija de 045000 ca d a uno.
Actualm ente la em presa tiene los siguientes costos diarios de producción:

016575 0 en m ano de obra, 01857000 en materiales y 086000 en gastos in
directos. T a m b ié n se ha determ inado que los costos sem anales indirectos
de calidad son de 034500, los costos sem anales de prevención de 034570
y los costos sem anales de fallas externas de 0 6 0 0 0 0 .
B a sa d o en la problem ática de costos, pro ponga un sistem a de control de

proceso.
"D CU CU
CU
-g Jr CU CU (U m m
‘o o o o
v H í í 2 2 > » >^
* • .=
(U ' C 'Z 'ü ü O <B CC CU
Ó ^ O O O £
o
sz
o
0
0
0^ 0 0 0 0 0 ^ 0 0
0
Q
CUADRO 7.17. Información de características de calidad
o
0
0
Q. cococococ75cocococóco
0
cc
o o
>, c
-
r- lo un CC CD
co -r- lo o uo o E E
t- O t- O L O C \ J O C \ J O O
c c
o' o”o' o o' o" o' o' o' o' -o o
0 ’0
c c
CD 0
E E
l í ) N O W N L O W N 0 ( M " o -O
co"o' T-~o" xf -
r-
'o" co'o' o CC 0
c c
3 3
CD 0
c c
0 0
o co CM CM O LO T - O O T— CC 0
CM o o O T— N- O h- T— O
0 p o' o' o' O ■T—' o" o' O o" o'
■B +i +1 +1 +1 +1 +1 +1 +1 +1 +1 +1
O LO o LO O O LO O o o
LO h» CD CM 00 LO CM h- CO CM
Q.
co'o T—' o' T-' o' c
o'o' O cc 0
o o
CC CC
0
"O T3
B
0
0
T3
0 0
_ o S s
o ■o "O
co 0 c o
° 0 C 3 o sz
p O D. °0 ) 3E
f & S 2 i— ^ ( /-v i— ro 0 0
0 0
i5 0 n a ^ 0 0 ^ 0
o 0 0
3 3
c r cr
0 0
■o
o C M C O ^ t L O C O h - C O C D O
0
0
Apéndice I
TABLAS DE DISTRIBUCION
DE PROBABILIDAD
TABLA I. Distribución normal acumulada
z 09 08 07 06 05 04 03 02 01 00 Z
-3,90 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 -3,90
-3,80 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 -3,80
-3,70 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0002 0,0002 -3,70
-3,60 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 -3,60
-3,50 0,0002 0,0002 0,0002 0,0002 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 -3,50
-3,40 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0004 0,0004 0,0004 0,u004 -3,40
-3,30 0,0004 0,0004 0,0004 0,0004 0,0005 0,0005 0,0005 0,0005 0,0005 0,0005 -3,30
-3,20 0,0006 0,0006 0,0006 0,0006 0,0006 0,0007 0,0007 0,0007 0,0007 0,0007 -3,20
-3,10 0,0008 0,0008 0,0008 0,0008 0,0009 0,0009 0,0009 0,0010 0,0010 0,0010 -3,10
-3,00 0,0011 0,0011 0,0011 0,0012 0,0012 0,0012 0,0013 0,0013 0,0014 0,0014 -3,00
-2,90 0,0015 0,0015 0,0015 0,0016 0,0016 0,0017 0,0017 0,0018 0,0019 0,0019 -2,90
-2,80 0,0020 0,0020 0,0021 0,0022 0,0022 0,0023 0,0024 0,0025 0,0025 0,0026 -2,80
-2,70 0,0027 0,0028 0,0029 0,0029 0,0030 0,0031 0,0032 0,0033 0,0034 0,0035 -2,70
-2,60 0,0036 0,0037 0,0038 0,0040 0,0041 0,0042 0,0043 0,0044 0,0046 0,0047 -2,60
-2,50 0,0048 0,0050 0,0051 0,0053 0,0054 0,0056 0,0057 0,0059 0,0061 0,0063 -2,50
-2,40 0,0064 0,0066 0,0068 0,0070 0,0072 0,0074 0,0076 0,0078 0,0080 0,0082 -2,40
-2,30 0,0085 0,0087 0,0089 0,0092 0,0094 0,0097 0,0099 0,0102 0,0105 0,0108 -2,30
-2,20 0,0111 0,0113 0,0116 0,0120 0,0123 0,0126 0,0129 0,0133 0,0136 0,0139 -2,20
-2,10 0,0143 0,0147 0,0150 0,0154 0,0158 0,0162 0,0166 0,0170 0,0175 0,0179 -2,10
-2,00 0,0184 0,0188 0,0193 0,0197 0,0202 0,0207 0,0212 0,0217 0,0223 0,0228 -2,00
-1,90 0,0233 0,0239 0,0245 0,0250 0,0256 0,0262 0,0269 0,0275 0,0281 0,0288 -1,90
-1,80 0,0294 0,0301 0,0308 0,0315 0,0322 0,0329 0,0337 0,0344 0,0352 0,0360 -1,80
-1,70 0,0368 0,0376 0,0384 0,0393 0,0401 0,0410 0,0419 0,0428 0,0437 0,0446 -1,70
-1,60 0,0456 0,0465 0,0475 0,0485 0,0495 0,0506 0,0516 0,0527 0,0538 0,0549 -1,60
-1,50 0,0560 0,0571 0,0583 0,0594 0,0606 0,0618 0,0631 0,0643 0,0656 0,0669 -1,50
-1,40 0,0682 0,0695 0,0708 0,0722 0,0736 0,0750 0,0764 0,0779 0,0793 0,0808 -1,40
-1,30 0,0823 0,0838 0,0854 0,0870 0,0886 0,0902 0,0918 0,0935 0,0952 0,0969 -1,30

Continuación de la Tabla I
z 09 08 07 06 05 04 03 02 01 00
-1,20 0,0986 0,1003 0,1021 0,1039 0,1057 0,1075 0,1094 0,1113 0,1132 0,1151 -1,20
-1,10 0,1171 0,1190 0,1210 0,1231 0,1251 0,1272 0,1293 0,1314 0,1335 0,1357 -1,10
-1,00 0,1379 0,1401 0,1424 0,1446 0,1469 0,1492 0,1515 0,1539.0,1563 0,1587 -1,00
-0,90 0,1611 0,1636 0,1661 0,1686 0,1711 0,1737 0,1762 0,1788 0,1815 0,1841 -0,90
-0,80 0,1868 0,1895 0,1922 0,1949 0,1977 0,2005 0,2033 0,2061 0,2090 0,2119 -0,80
-0,70 0,2148 0,2177 0,2207 0,2237 0,2267 0,2297 0,2327 0,2358 0,2389 0,2420 -0,70
-0,60 0,2451 0,2483 0,2515 0,2547 0,2579 0,2611 0,2644 0,2677 0,2710 0,2743 -0,60
-0,50 0,2776 0,2810 0,2844 0,2878 0,2912 0,2947 0,2981 0,3016 0,3051 0,3086 -0,50
-0,40 0,3121 0,3157 0,3192 0,3228 0,3264 0,3300 0,3337 0,3373 0,3410 0,3446 -0,40
-0,30 0,3483 0,3520 0,3557 0,3595 0,3632 0,3670 0,3708 0,3745 0,3783 0,3821 -0,30
-0,20 0,3860 0,3898 0,3936 0,3975 0,4013 0,4052 0,4091 0,4130 0,4169 0,4208 -0,20
-0,10 0,4247 0,4286 0,4326 0,4365 0,4404 0,4444 0,4483 0,4523 0,4562 0,4602 -0,10
-0,00 0,4642 0,4682 0,4721 0,4761 0,4801 0,4841 0,4881 0,4921 0,4961 0,5000 -0,00
z 00 01 02 03 04 05 06 07 08 09 z
0,00 0,5000 0,5039 0,5079 0,5119 0,5159 0,5199 0,5239 0,5279 0,5318 0,5358 0,00
0,10 0,5398 0,5438 0 c477 0,5517 0,5556 0,5596 0,5635 0,5674 0,5714 0,5753 0,10
0,20 0,5792 0,5831 0,5870 0,5909 0,5948 0,5987 0,6025 0,6064 0,6102 0,6140 0,20
0,30 0,6179 0,6217 0,6255 0,6292 0,6330 0,6368 0,6405 0,6443 0,6480 0,6517 0,30
0,40 0,6554 0,6590 0,6627 0,6663 0,6700 0,6736 0,6772 0,6808 0,6843 0,6879 0,40
0,50 0,6914 0,6949 0,6984 0,7019 0,7053 0,7088 0,7122 0,7156 0,7190 0,7224 0,50
0,60 0,7257 0,7290 0,7323 0,7356 0,7389 0,7421 0,7453 0,7485 0,7517 0,7549 0,60
0,70 0,7580 0,7611 0,7642 0,7673 0,7703 0,7733 0,7763 0,7793 0,7823 0,7852 0,70
0,80 0,7881 0,7910 0,7938 0,7967 0,7995 0,8023 0,8051 0,8078 0,8105 0,8132 0,80
0,90 0,8159 0,8185 0,8212 0,8238 0,8263 0,8289 0,8314 0,8339 0,8364 0,8389 0,90
1,00 0,8413 0,8437 0,8461 0,8485 0,8508 0,8531 0,8554 0,8576 0,8599 0,8621 1,00
1,10 0,8643 0,8665 0,8686 0,8707 0,8728 0,8749 0,8769 0,8790 0,8810 0,8829 1,10
1,20 0,8849 0,8868 0,8887 0,8906 0,8925 0,8943 0,8961 0,8979 0,8997 0,9014 1,20
1,30 0,9031 0,9048 0,9065 0,9082 0,9098 0,9114 0,9130 0,9146 0,9161 0,9177 1,30
1,40 0,9192 0,9207 0,9221 0,9236 0,9250 0,9264 0,9278 0,9292 0,9305 0,9318 1,40
1,50 0,9331 0,9344 0,9357 0,9369 0,9382 0,9394 0,9406 0,9417 0,9429 0,9440 1,50
1,60 0,9451 0,9462 0,9473 0,9484 0,9494 0,9505 0,9515 0,9525 0,9535 0,9544 1,60
1,70 0,9554 0,9563 0,9572 0,9581 0,9590 0,9599 0,9607 0,9616 0,9624 0,9632 1,70
1,80 0,9640 0,9648 0,9656 0,9663 0,9671 0,9678 0,9685 0,9692 0,9699 0,9706 1,80
1,90 0,9712 0,9719 0,9725 0,9731 0,9738 0,9744 0,9750 0,9755 0,9761 0,9767 1,90
2,00 0,9772 0,9777 0,9783 0,9788 0,9793 0,9798 0,9803 0,9807 0,9812 0,9816 2,00
2,10 0,9821 0,9825 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9853 0,9857 2,10
2,20 0,9861 0,9864 0,9867 0,9871 0,9874 0,9877 0,9880 0,9884 0,9887 0,9889 2,20

Continuación de la Tabla I
z 00 01 02 03 04 05 06 07 08 09 Z
2,30 0,9892 0,9895 0,9898 0,9901 0,9903 0,9906 0,9908 0,9911 0,9913 0,9915 2,30
2,40 0,9918 0,9920 0,9922 0,9924 0,9926 0,9928 0,9930 0,9932 0,9934 0,9936 2,40
2,50 0,9937 0,9939 0,9941 0,9943 0,9944 0,9946 0,9947 0,9949 0,9950 0,9952 2,50
2,60 0,9953 0,9954 0,9956 0,9957 0,9958 0,9959 0,9960 0,9962 0,9963 0,9964 2,60
2,70 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9971 0,9972 0,9973 2,70
2,80 0,9974 0,9975 0,9975 0,9976 0,9977 0,9978 0,9978 0,9979 0,9980 0,9980 2,80
2,90 0,9981 0,9981 0,9982 0,9983 0,9983 0,9984 0,9984 0,9985 0,9985 0,9985 2,90
3,00 0,9986 0,9986 0,9987 0,9987 0,9988 0,9988 0,9988 0,9989 0,9989 0,9989 3,00
3,10 0,9990 0,9990 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 3,10
3,20 0,9993 0,9993 0,9993 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 3,20
3,30 0,9995 0,9995 0,9995 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 3,30
3,40 0,9996 0,9996 0,9996 0,9996 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 3,40
3,50 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998 0,9998 0,9998 0,9998 3,50
3,60 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 3,60
3,70 0,9998 0,9998 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,70
3,80 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,80
3,90 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,90
Z 00 01 02 03 04 05 06 07 08 09 Z
TABLA II. Areas de distribución t-student (*)
Probabilidad (área unilateral)

gi- 0,40 0,20 0,10 0,05 0,025 0,010 0,005 0,0005
1 0,325 1,376 3,078 6,314 12,706 31,821 63,657 636,619

2 0,289 1,061 1,886 2,290 4,303 6,965 9,925 31,598
3 0,277 0,978 1,638 2,353 3,182 4,541 5,841 12,941
4 0,271 0,941 1,533 2,132 2,776 3,747 4,604 8,610
5 0,267 0,920 1,476 2,015 2,571 3,365 4,032 6,859
6 0,265 0,906 1,440 1,943 2,447 3,143 3,707 5,959

7 0,263 0,896 1,415 1,895 2,365 2,998 3,499 5,405
8 0,262 0,889 1,397 1,860 2,306 2,896 3,355 5,041
9 0,261 0,883 1,383 1,833 2,262 2,821 3,250 4,781
10 0,260 0,879 1,372 1,812 2,228 2,764 3,169 4,587
11 0,260 0,876 1,363 1,796 2,201 2,718 3,106 4,437

12 0,259 0,873 1,356 1,782 2,179 2,681 3,055 4,318
13 0,259 0,870 1,350 1,771 2,160 2,650 3,012 4,221
14 0,258 0,868 1,345 1,761 2,145 2,624 2,977 4,140
15 0,258 0.866 1,341 1,753 2,131 2,602 2,947 4,073
16 0,258 0,865 1,337 1,746 2,120 2,583 2,921 4,015

17 0,257 0,863 1,333 1,740 2,110 2,567 2,898 3,965
18 0,257 0,862 1,330 1,734 2,101 2,552 2,878 3,922
19 0,257 0,861 1,328 1,729 2,093 2,539 2,861 3,883
20 0,257 0,860 1,325 1,725 2,086 2,528 2,845 3,850
21 0,257 0,859 1,323 1,721 2,080 2,518 2,831 3,819

22 0,256 0,858 1,321 1,717 2,074 2,508 2,819 3,792
23 0,256 0,858 1,319 1,714 2,069 2,500 2,807 3,767
24 0,256 0,857 1,318 1,711 2,064 2,492 2,797 3,745
25 0,256 0,856 1,316 1,708 2,060 2,485 2,787 3,725
26 0,256 0,856 1,315 1,706 2,056 2,479 2,779 3,707

27 0,256 0,855 1,314 1,703 2,052 2,473 2,771 3,690
28 0,256 0,855 1,313 1,701 2,048 2,467 2,763 3,674
29 0,256 0,854 1,311 1,699 2,045 2,462 2,756 3,659
30 0,256 0,854 1,310 1,697 2,042 2,457 2,750 3,646
40 0,255 0,851 1,303 1,684 2,021 2,423 2,704 3,551

60 0,254 0,848 1,296 1,671 2,000 2,390 2,660 3,460
120 0,254 0,845 1,289 1,658 1,980 2,358 2,617 3,373
oo 0,253 0,842 1,282 1,645 1,960 2,326 2,576 3,291
Tomado del libro Control de Calidad de Bertrand Hansen, Referencia 11.

JORGE ACUÑA ACUÑA 67 3
TABLA III. Areas bajo la curva de la distribución chi-cuadrado(*)
0,25 0 ,1 0 0,05 0,025 0 ,0 1 0,005 0 ,0 0 1 a V
1 ,3 2 3 2 ,7 0 6 3,841 5 ,0 2 4 6 ,6 3 5 7 ,8 7 9 1 0 ,8 2 8 1
2 ,7 7 3 4 ,6 0 5 5,9 9 1 7 ,3 7 8 9 ,2 1 0 1 0 ,5 9 7 1 3 ,8 1 6 2
4 ,1 0 8 6,251 7 ,8 1 5 9 ,3 4 8 1 1 ,3 4 5 1 2 ,8 3 8 1 6 ,2 6 6 3
5 ,3 8 5 7 ,7 7 9 9 ,4 8 8 1 1 ,1 4 3 1 3 ,2 7 7 1 4 ,8 6 0 1 8 ,4 6 7 4
6 ,6 2 6 9 ,2 3 6 1 1 ,0 7 0 1 2 ,8 3 2 1 5 ,0 8 6 1 6 ,7 5 0 2 0 ,5 1 5 5
7 ,8 41 1 0 ,6 4 5 1 2 ,5 9 2 1 4 ,4 4 9 1 6 ,8 1 2 1 8 ,5 4 8 2 2 ,4 5 8 6
9 ,0 3 7 1 2 ,0 1 7 1 4 ,0 6 7 1 6 ,0 1 3 1 8 ,4 7 5 2 0 ,2 7 8 2 4 ,3 2 2 7
1 0 ,2 1 9 1 3 ,3 6 2 1 5 ,5 0 7 1 7 ,5 3 5 2 0 ,0 9 0 2 1 ,9 5 5 2 6 ,1 2 5 8
1 1 ,3 8 9 1 4 ,6 8 4 1 6 ,9 1 9 1 9 ,0 2 3 2 1 ,6 6 6 2 3 ,5 8 9 2 7 ,8 7 7 9
1 2 ,5 4 9 1 5 ,9 8 7 1 8 ,3 0 7 2 0 ,4 8 3 2 3 ,2 0 9 2 5 ,1 8 8 2 9 ,5 8 8 10
1 3 ,701 1 7 ,2 7 5 1 9 ,6 7 5 2 1 ,9 2 0 2 4 ,7 2 5 2 6 ,7 5 7 3 1 ,2 6 4 11
1 4 ,8 4 5 1 8 ,5 4 9 2 1 ,0 2 6 2 3 ,3 3 7 2 6 ,2 1 7 2 8 ,3 0 0 3 2 ,9 0 9 12
1 5 ,9 8 4 1 9 ,8 1 2 2 2 ,3 6 2 2 4 ,7 3 6 2 7 ,6 8 8 2 9 ,8 1 9 3 4 ,5 2 8 13
1 7 ,1 1 7 2 1 ,0 6 4 2 3 ,6 8 5 2 6 ,1 1 9 2 9 ,1 4 1 3 1 ,3 1 9 3 6 ,1 2 3 14
1 8 ,2 4 5 2 2 ,3 0 7 2 4 ,9 9 6 2 7 ,4 8 8 3 0 ,5 7 8 32,8 0 1 3 7 ,6 9 7 15
1 9 ,3 6 9 2 3 ,5 4 2 2 6 ,2 9 6 2 8 ,8 4 5 3 2 ,0 0 0 3 4 ,2 6 7 3 9 ,2 5 2 16
2 0 ,4 8 9 2 4 ,7 6 9 2 7 ,5 8 7 3 0 ,1 9 1 3 3 ,4 0 9 3 5 ,7 1 8 4 0 ,7 9 0 17
2 1 ,6 0 5 2 5 ,9 8 9 2 8 ,8 6 9 3 1 ,5 2 6 3 4 ,8 0 5 3 7 ,1 5 6 4 3 ,3 1 2 18
2 2 ,7 1 8 2 7 ,2 0 4 3 0 ,1 4 4 3 2 ,8 5 2 3 6 ,1 9 1 3 8 ,5 8 2 4 3 ,8 2 0 19
2 3 ,8 2 8 2 8 ,4 1 2 3 1 ,4 1 0 3 4 ,1 7 0 3 7 ,5 6 6 3 9 ,9 9 7 4 5 ,3 1 5 20
2 4 ,9 3 5 2 9 ,6 1 5 3 2 ,6 7 1 3 5 ,4 7 9 3 8 ,9 3 2 4 1 ,4 0 1 4 6 ,7 9 7 21
2 6 ,0 3 9 3 0 ,8 1 3 3 3 ,9 2 4 3 6 ,781 4 0 ,2 8 9 4 2 ,7 9 6 4 8 ,2 6 8 22
2 7 ,1 4 1 3 2 ,0 0 7 3 5 ,1 7 2 3 8 ,0 7 6 4 1 ,6 3 8 44,1 8 1 4 9 ,7 2 8 23
2 8 ,2 4 1 3 3 ,1 9 6 3 6 ,4 1 5 3 9 ,3 6 4 4 2 ,9 8 0 4 5 ,5 5 8 5 1 ,1 7 9 24
2 9 ,3 3 9 3 4 ,3 8 2 3 7 ,6 5 2 4 0 ,6 4 6 4 4 ,3 1 4 4 6 ,9 2 8 5 2 ,6 2 0 25
3 0 ,4 3 4 3 5 ,5 6 3 3 8 ,8 8 5 4 1 ,9 2 3 4 5 ,6 4 2 4 8 ,2 9 0 5 4 ,0 5 2 26
3 1 ,5 2 8 3 6 ,7 4 1 4 0 ,1 1 3 4 3 ,1 9 4 4 6 ,9 6 3 4 9 ,6 4 5 5 5 ,4 7 6 27
3 2 ,6 2 0 3 7 ,9 1 6 4 1 ,3 3 7 4 4 ,461 4 8 ,2 7 8 5 0 ,9 9 3 5 6 ,8 9 2 28
3 3 ,7 1 1 3 9 ,0 8 7 4 2 ,5 5 7 4 5 ,7 2 2 4 9 ,5 8 8 5 2 ,3 3 6 5 8 ,3 0 2 29
3 4 ,8 0 0 4 0 ,2 5 6 4 3 ,7 7 3 4 6 ,9 7 9 5 0 ,8 9 2 5 3 ,6 7 2 5 9 ,7 0 3 30
4 5 ,6 1 6 5 1 ,8 0 5 5 5 ,7 5 8 5 9 ,3 4 2 6 3 ,691 6 6 ,7 6 6 7 3 ,4 0 2 40
5 6 ,3 3 4 6 3 ,1 6 7 6 7 ,5 0 5 7 1 ,4 2 0 7 6 ,1 5 4 7 9 ,4 9 0 8 6 ,6 6 1 50
6 6 ,9 8 1 7 4 ,3 9 7 7 9 ,0 8 2 8 3 ,2 9 8 8 8 ,3 7 9 9 1 ,9 5 2 9 9 ,6 0 7 60
7 7 ,5 7 7 8 5 ,5 2 7 9 0 ,5 3 1 9 5 ,0 2 3 1 0 0 ,4 2 5 1 0 4 ,2 1 5 1 1 2 ,3 1 7 70
8 8 ,1 3 0 9 6 ,5 7 8 1 0 1 ,8 7 9 1 0 6 ,6 2 9 1 1 2 ,3 2 9 11 6,321 1 2 4 ,8 3 9 80
9 8 ,6 5 0 1 0 7 ,5 6 5 1 1 3 ,1 4 5 1 1 8 ,1 3 6 1 2 4 ,1 1 6 1 2 8 ,2 9 9 1 3 7 ,2 0 8 90
1 0 9 ,1 41 1 1 8 ,4 9 8 1 2 4 ,3 4 2 129,561 1 3 5 ,8 0 7 1 4 0 ,1 6 9 1 4 9 ,4 4 9 100
Tomado del libro Estadística Elemental de Robert Johnson, Referencia 15.

V T
Continuación de la Tabla III
V a 0,995 0,99 0,975 0,95 0,90 0,75 0,50
1 0,04393 0,03157 0,03982 0,00393 0,0158 0,102 0,455

2 0,0100 0,0201 0,0506 0,103 0,211 0,575 1,386
3 0,0717 0,115 0,216 0,352 0,584 1,213 2,366
4 0,207 0,297 0,484 0,711 1,064 1,923 3,357
5 0,412 0,554 0,831 1,145 1,610 2,675 4,351
6 0,676 0,872 1,237 1,635 2,204 3,455 5,348
7 0,989 1,239 1,690 2,167 2,833 4,255 6,346
8 1,344 1,646 2,180 2,733 3,490 5,071 7,344
9 1,735 2,088 2,700 3,325 4,168 5,899 8,343
10 2,156 2,558 3,247 3,940 4,865 6,737 9,342
11 2,603 3,053 3,816 4,575 5,578 7,584 10,341
12 3,074 3,571 4,404 5,226 6,304 8,438 11,340
13 3,565 4,107 5,009 5,892 7,042 9,299 12,340
14 4,075 4,660 5,629 6,571 7,790 10,165 13,339
15 4,601 5,229 6.262 7,261 8,547 11,036 14,339
16 5,142 5,812 6,908 7,962 9,312 11,912 15,338
17 5,697 6,408 7,564 8,672 10,085 12,792 16,338
18 6,265 7,015 8,231 9,390 10,865 13,675 17,338
19 6,844 7,633 8,907 10,117 11,651 14,562 18,338
20 7,434 8,260 9,591 10,851 12,443 15,452 19,337
21 8,034 8,897 10,283 11,591 13,240 16,344 20,337
22 8,643 9,542 10,982 12,338 14,041 17,240 21,337
23 9,260 10,196 11,688 13,091 14,848 18,137 22,337
24 9,886 10,856 12,401 13,848 15,659 19,037 23,337
25 10,520 11,524 13,120 14,611 16,473 19,939 24,337
26 11,160 12,198 13,844 15,379 17,292 20,843 25,336
27 11,808 12,879 14,573 16,151 18,114 21,749 26,336
28 12,461 13,565 15,308 16,928 18,939 22,657 27,336
29 13,121 14,256 16,047 17,708 19,768 23,567 28,336
30 13,787 14,953 16,791 18,493 20,599 24,478 29,336
40 20,707 22,164 24,433 26,509 29,051 33,660 39,335
50 27,991 29,707 32,357 34,764 37,689 42,942 49,335
60 35,535 37,485 40,482 43,188 46,459 52,294 59,335
70 43,275 45,442 48,758 51,739 55,329 61,698 69,334
80 51,172 53,540 57,153 60,391 64,278 71,145 79,334
90 59,196 61,754 65,647 69,126 73,291 80,625 89,334
100 67,328 70,065 74,222 77,929 82,358 90,133 99,334
Para V > 100
Tomado del libro Métodos y Modelos de Investigación de Operaciones, de Juan Prawda,

Referencia 23.
JORGE ACUÑA ACUÑA
8 2225 22233 5 2 5 "" ^_•!•_!!-; Z

1Z
1Z
ZZ
5 2 2 3 2 5 5 8 2 8 5 8 2 2 3 5 3 8 3 3 8 8 2 3 3 8 3 3 8 888 2 :8
X 3 2 S E S S a » 8 8 3 3 2 8 5 5 3 9 3 2 S 3 3 3 3 2 2 = SSSJS^
5 *¿25 25225 **2*2 22222 22222 22222 22222
= 85283 32922
R S S R 2J2sS= Z S S 8 S 2 8 5 P R 5 8 3 2
¿222 22252 25*** 22222 22222 22222 22222
3338 233X2 22832 2=555 =23X3 2=888 8=392
222* 22555 2*22* 22222 22222 22222 22225
SX 2 2 2 2X 32 X8=X= 3 23 3 3 SP222 8 23 2 2 323 3 ?
¿ 3 2 " 2*555 35352 22222 22222 22222 22225
8 3 “ 3 £ 2 5 9 5 32X23: 2 8 2 = 8 P 5 P P 2 8 3 8 8 2 3 8 = 2 5
¿ 2 2 " 22553 3¿*5* 22222 22222 22222 22222
3333 =X£?S 828sX 2283= 33333 2=283 8=332
2J22 23323 35352 22222 22222 22222 22222
ñSflt 3 8 2 X 2 3 9 2 S S £ 2 » 2 2 3 5 = 8 8 8 X 5 8 = P 8 8 S 8
225 25223 22255 - 22 22222 22222 2 -• ■
--rifi» 5 :8 5 8 3 5 = 2 2 8 8 2 X 5 = 2 8 2 2 3 8 = 8 8 5 5 = 8 8 2
¿222 32333 33ri¿5 52222 2222- 22222 22222
¡ :
5. * 2 2 2 2 ?s? ? 2 2 2 2 3 2 X 3 S 5 X 2 3 S 2 5 8 2 5 3 2 2 5 = 2 9
TABLA IV. Areas bajo la curva de la
5322 22222 33c«33 53222 2222- 2 2 2 -- 22222

2 5 3 2 8XP33 2 8= 2 2 8808S X 22 23 £38 8 2 58=38
1 - ¿225 25533 2 2 2 ^ 5535- 22222 2— - -2222
JS 3 E S S = S 5 £ 9 " 8 5 8 2 2 8 8 3 3 8 5 5 :5 : 3 5 3 5 : 8 8 3 2 P P 8
2233 23532 5555c* 55355 52222 22222 22222
-a a s 8=53= =33=* xzssx sssxa 55538 s ís p c
l 2222 25523 22222 5«ri53 55522 22222 22222
S Z a S 9 S 3 8 5 X 2 5 R 3 = 2 5 3 :: 8 8 8 8 3 8=888 " 5 8 2 P
2223 22523 22225 555*»* 22555 22252 22222
2 2 = 8 2 =2 3 = 3 2 2 2 = 8 33 8 2 3 33 Z 2 88888 88S8S
2355 2«ñ252 32222 5555c* c*c«r¿c*c* 52555 33222
2XXZ £22=2 =3322 X2=28 228=2 29922 38383
"225 23535 33222 22233 5555.-* 55^^^ r¡2522
8 ^82 9888= 583XK 2X399 2X232 S=8R5 83228
2522 22533 52332 22222 22222 22233 53525
9 8 X 2 CXX ZS 2X = 55 8 8 3 3 = 2 8X 2X 2 2 = 9 9 2 3 2 2 2
nnnnn r*«r*r*r* c*r¡c*c«c* r*5r^r* ricicicír* ric*r*r*c*
3933 852XX R3532 S S S 5 Í 88539 53888 3385=
»*«•*<• •*<•*>•* 2 = 2 2 2 22922 8=553 83538 3338 *

( Cíl) i o p r o j u io i o p ]op pwjaaqn » <>P «0
/ .
CONTROL DE CALIDAD
TABLA V. Probabilidades en la distribución binomial (')
0,10 0,20 0,25 0,30 0,40 0,50 0,60 0,70 0,80 0,90
0 0,5905 0,3277 0,2373 0,1681 0,0778 0,0312 0,0102 0,0024 0,0003 0,0000
1 0,9185 0,7373 0,6328 0,5282 0,3370 0,1875 0,0870 0,0308 0,0067 0,0005
2 0,9914 0,9421 0,8965 0,8369 0,6826 0,5000 0,3174 0,1631 0,0579 0,0086
3 0,9995 0,9933 0,9844 0,9692 0,9130 0,8125 0,6630 0,4718 0,2627 0,0815
4 1,0000 0,9997 0,9990 0,9976 0,9898 0,9688 0,9222 0,8319 0,6723 0,4095
5 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
0 0,3487 0,1074 0,0563 0,0282 0,0060 0,0010 0,0001 0,0000 0,0000 0,0000
1 0,7361 0,3758 0,2440 0,1493 0,0464 0,0107 0,0017 0,0001 0,0000 0,0000
2 0,9298 0,6778 0,5256 0,3828 0,1673 0,0547 0,0123 0,0016 0,0001 0,0000
3 0,9872 0,8791 0,7759 0,6496 0,3823 0,1719 0,0548 0,0106 0,0009 0,0000
4 0,9984 0,9672 0,9219 0,8497 0,6331 0,3770 0,1662 0,0474 0,0064 0,0002
5 0,9999 0,9936 0,9803 0,9527 0,8338 0,6230 0,3669 0,1503 0,0328 0,0016
6 1,0000 0,9991 0,9965 0,9894 0,9452 0,8281 0,6177 0,3504 0,1209 0,0128
7 1,0000 0,9999 0,9996 0,9984 0,9877 0,9453 0,8327 0,6172 0,3222 0,0702
8 1,0000 1,0000 1,0000 0,9999 0,9983 0,9893 0,9536 0,8507 0,6242 0,2639
9 1,0000 1,0000 1,0000 1,0000 0,9999 0,9990 0,9940 0,9718 0,8926 0,6513
10 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
0 0,2059 0,0352 0,0134 0,0047 0,0005 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,5490 0,1671 0,0802 0,0353 0,0052 0,0005 0,0000 0,0000 0,0000 0,0000
2 0,8159 0,3980 0,2361 0,1268 0,0271 0,0037 0,0003 0,0000 0,0000 0,0000
3 0,9444 0,6482 0,4613 0,2969 0,0905 0,0176 0,0019 0,0001 0,0000 0,0000
4 0,9873 0,8358 0,6865 0,5155 0,2173 0,0592 0,0094 0,0007 0,0000 0,0000
5 0,9978 0,9389 0,8516 0,7216 0,4032 0,1509 0,0338 0,0037 0,0001 0,0000
6 0,9997 0,9819 0,9434 0,8689 0,6098 0,3036 0,0951 0,0152 0,0008 0,0000
7 1,0000 0,9958 0,9827 0,9500 0,7869 0,5000 0,2131 0,0500 0,0042 0,0000
8, 1,0000 0,9992 0,9958 0,9848 0 9050 0,6964 0,3902 0,1311 0,0181 0,0003
9 1,0000 0,9999 0,9992 0,9963 0,9662 0,8491 0,5968 0,2784 0,0611 0.0023
10 1,0000 1,0000 0,9999 0,9993 0,9907 0,9408 0,7827 0,4845 0,1642 0,0127
11 1,0000 1,0000 1,0000 0,9999 0,9981 0,9824 0,9095 0,7031 0,3518 0,0556
12 1,0000 1,0000 1,0000 1,0000 0,9997 0,9963 0,9729 0,8732 0,6020 0,1841
13 1,0000 1,0000 1,0000 1,0000 1,0000 0,9995 0,9948 0,9647 0,8329 0,4510
14 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9995 0,9953 0,9648 0,7941
15 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
0 0,1216 0.0Í15 0,0032 0,0008 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
1 0,3917 0,0692 0,0243 0,0076 0,0005 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,6769 0,2061 0,0913 0,0355 0,0036 0,0002 0,0000 0,0000 0,0000 0,0000
3 0,8670 0,4114 0,2252 0,1071 0,0160 0,0013 0,0001 0,0000 0,0000 0,0000
4 0,9568 0,6296 0,4148 0,2375 0,0510 0,0059 0,0003 0,0000 0,0000 0,0000
5 0,9887 0,8042 0,6172 0,4164 0,1256 0,0207 0,0016 0,0000 0,0000 0,0000
6 0,9976 0,9133 0,7858 0,6080 0,2500 0,0577 0,0065 0,0003 0,0000 0,0000
7 0,9996 0,9679 0,8982 0,7723 0,4159 0,1316 0,0210 0,0013 0,0000 0,0000
8 0,9999 0,9900 0,9591 0,8867 0,5956 0,2517 0,0565 0,0051 0,0001 0,0000
9 1,0000 0,9974 0,9861 0,9520 0,7553 0,4119 0,1275 0,0171 0,0006 0,0000
10 1,0000 0,9994 0,9961 0,9829 0,8725 0,5881 0,2447 0,0480 0,0026 0,0000
11 1,0000 0,9999 0,9991 0,9949 0,9435 0,7483 0,4044 0,1133 0,0100 0,0001
12 1,0000 1,0000 0,9998 0,9987 0,9790 0,8684 0,5841 0,2277 0,0321 0,0004
13 1,0000 1,0000 1,0000 0,9997 0,9935 0,9423 0,7500 0,3920 0,0867 0,0024
14 1,0000 1,0000 1,0000 1,0000 0,9984 0,9793 0,8744 0,5836 0,1958 0,0113
15 1,0000 1,0000 1,0000 1,0000 0,9997 0,9941 0,9490 0,7625 0,3704 0,0432
16 1,0000 1,0000 1,0000 1,0000 1,0000 0,9987 0,9840 0,8929 0,5886 0,1330
17 1,0000 1,0000 1,0000 1,0000 1,0000 0,9998 0,9964 0,9645 0,7939 0,3231
18 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9995 0,9924 0,9308 0,6083
19 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9992 0,9885 0,8784
20 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
TABLA VI. Distribución de Poisson acumulada
JORGE ACUÑA ACUÑA
677
Continuación de Tabla VI
678
LANDA 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
1,00 0,368 0,736 0,920 0,981 0,996 0,999

1,05 0,350 0,717 0,910 0,978 0,995 0,999
1.10 0,333 0,699 0,900 0,974 0,995 0,999
1,15 0,317 0,681 0,890 0,970 0,993 0,999
1,20 0,301 0,663 0,879 0,966 0,992 0,998 0,999
1,25 0,286 0,645 0,868 0,962 0,991 0,998 0,999
1,30 0,273 0,627 0,857 0,957 0,989 0,998 0,999
1,35 0,259 0,609 0,845 0,952 0,988 0,997 0,999
1,40 0,247 0,592 0,833 0,946 0,986 0,997 0,999
1,45 0,235 0,575 0,821 0,940 0,984 0,996 0,999
1,50 0,223 0,558 0,809 0,934 0,981 0,995 0,999
1,55 0,212 0,541 0,796 0,928 0,979 0,995 0,999
1,60 0,202 0,525 0,783 0,921 0,976 0,994 0,999
1,65 0,192 0,509 0,770 0,914 0,973 0,993 0,998 0,999
1,70 0,183 0,493 0,757 0,907 0,970 0,992 0,998 0,999
1,75 0,174 0,478 0,744 0,899 0,967 0,991 0,998 0,999
1,80 0,165 0,628 0,731 0,891 0,963 0,990 0,997 0,999
CONTROL DE CALIDAD
1,85 0,157 0,448 0,717 0,883 0,960 0,988 0,997 0,999
1,90 0,150 0,434 0,704 0,875 0,956 0,987 0,997 0,999
1,95 0,142 0,420 0,690 0,866 0,952. 0,985 0,996 0,999
2,00 0,135 0,406 0,677 0,857 0,947 0,983 0,995 0,999
2,05 0,129 0,393 0,663 0,848 0,943 0,982 0,995 0,999
2,10 0,122 0,380 0,650 0,839 0,938 0,980 0,994 0,999
2,15 0,116 0,367 0,636 0,829 0,933 0,977 0,993 0,998 0,999
I
JORGE ACUÑA ACUÑA
LANDA 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2,20 0,111 0,355 0,623 0,819 0,928 0,975 0,992 0,998 0,999
2,25 0,105 0,342 0,609 0,809 0,922 0,973 0,992 0,998 0,999
2,30 0,100 0,331 0,596 0,799 0,916 0,970 0,991 0,997 0,999
2,35 0,095 0,319 0,583 0,789 0,910 0,967 0,990 0,997 0,999
2,40 0,091 0,308 0,570 0,779 0,904 0,964 0,988 0,997 0,999
2,45 0,086 0,298 0,557 0,768 0,898 0,961 0,987 0,996 0,999
2,50 0,082 0,287 0,544 0,758 0,891 0,958 0,986 0,996 0,999
2,55 0,078 0,277 0,531 0,747 0,884 0,954 0,984 0,995 0,999
2,60 0,074 0,267 0,518 0,736 0,877 0,951 0,983 0,995 0,999
2,65 0,071 0,258 0,506 0,725 0,870 0,947 0,981 0,994 0,998 0,999
2,70 0,067 0,249 0,494 0,714 0,863 0,943 0,979 0,993 0,998 0,999
2,75 0,064 0,240 0,481 0,703 0,855 0,939 0,978 0,993 0,998 0,999
2,80 0,061 0,231 0,469 0,692 0,848 0,935 0,976 0,992 0,998 0,999
2,85 0,058 0,223 0,458 0,681 0,840 0,930 0,973 0,991 0,997 0,999
2,90 0,055 0,215 0,446 0,670 0,832 0,926 0,971 0,990 0,997 0,999
2,95 0,052 0,207 0,434 0,658 0,824 0,921 0,969 0,989 0,997 0,999
3,00 0,050 0,199 0,423 0,647 0,815 0,916 0,566 0,988 0,996 0,999
3,05 0,047 0,192 0,412 0,636 0,807 0,911 0,964 0,987 0,996 0,999
3,10 0,045 0,185 0,401 0,625 0,798 0,906 0,961 0,986 0,995 0,999
3,15 0,043 0,178 0,390 0,614 0,789 0,900 0,958 0,984 0,995 0,998 0,999
3,20 0,041 0,171 0,380 0,603 0,781 0,895 0,955 0,983 0,994 0,998 0,999
3,25 0,039 0,165 0,370 0,591 0,772 0,889 0,952 0,982 0,994 0,998 0,999
3,30 0,037 0,159 0,359 0,580 0,763 0,883 0,949 0,980 0,993 0,998 0,999
679
3,35 0,035 0,153 0,349 0,569 0,753 0,877 0,946 0,979 0,992 0,998 0,999
678
LANDA 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
1,00 0,368 0,736 0,920 0,981 0,996 0,999

1,05 0,350 0,717 0,910 0,978 0,995 0,999
1,10 0,333 0,699 0,900 0,974 0,995 0,999
1,15 0,317 0,681 0,890 0,970 0,993 0,999
1,20 0,301 0,663 0,879 0,966 0,992 0,998 0,999
1,25 0,286 0,645 0,868 0,962 0,991 0,998 0,999
1,30 0,273 0,627 0,857 0,957 0,989 0,998 0,999
1,35 0,259 0,609 0,845 0,952 0,988 0,997 0,999
1,40 0,247 0,592 0,833 0,946 0,986 0,997 0,999
1,45 0,235 0,575 0,821 0,940 0,984 0,996 0,999
1,50 0,223 0,558 0,809 0,934 0,981 0,995 0,999
1,55 0,212 0,541 0,796 0,928 0,979 0,995 0,999
1,60 0,202 0,525 0,783 0,921 0,976 0,994 0,999
1,65 0,192 0,509 0,770 0,914 0,973 0,993 0,998 0,999
1,70 0,183 0,493 0,757 0,907 0,970 0,992 0,998 0,999
1,75 0,174 0,478 0,744 0,899 0,967 0,991 0,998 0,999
1,80 0,165 0,628 0,731 0,891 0,963 0,990 0,997 0,999
CONTROL DE CALIDAD
1,85 0,157 0,448 0,717 0,883 0,960 0,988 0,997 0,999
1,90 0,150 0,434 0,704 0,875 0,956 0,987 0,997 0,999
1,95 0,142 0,420 0,690 0,866 0,952 0,985 0,996 0,999
2,00 0,135 0,406 0,677 0,857 0,947 0,983 0,995 0,999
2,05 0,129 0,393 0,663 0,848 0,943 0,982 0,995 0,999
2,10 0,122 0,380 0,650 0,839 0,938 0,980 0,994 0,999
2,15 0,116 0,367 0,636 0,829 0,933 0,977 0,993 0,998 0,999
I
JORGE ACUÑA ACUÑA
LANDA 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2,20 0,111 0,355 0,623 0,819 0,928 0,975 0,992 0,998 0,999
2,25 0,105 0,342 0,609 0,809 0,922 0,973 0,992 0,998 0,999
2,30 0,100 0,331 0,596 0,799 0,916 0,970 0,991 0,997 0,999
2,35 0,095 0,319 0,583 0,789 0,910 0,967 0,990 0,997 0,999
2,40 0,091 0,308 0,570 0,779 0,904 0,964 0,988 0,997 0,999
2,45 0,086 0,298 0,557 0,768 0,898 0,961 0,987 0,996 0,999
2,50 0,082 0,287 0,544 0,758 0,891 0,958 0,986 0,996 0,999
2,55 0,078 0,277 0,531 0,747 0,884 0,954 0,984 0,995 0,999
2,60 0,074 0,267 0,518 0,736 0,877 0,951 0,983 0,995 0,999
2,65 0,071 0,258 0,506 0,725 0,870 0,947 0,981 0,994 0,998 0,999
2,70 0,067 0,249 0,494 0,714 0,863 0,943 0,979 0,993 0,998 0,999
2,75 0,064 0,240 0,481 0,703 0,855 0,939 0,978 0,993 0,998 0,999
2,80 0,061 0,231 0,469 0,692 0,848 0,935 0,976 0,992 0,998 0,999
2,85 0,058 0,223 0,458 0,681 0,840 0,930 0,973 0,991 0,997 0,999
2,90 0,055 0,215 0,446 0,670 0,832 0,926 0,971 0,990 0,997 0,999
2,95 0,052 0,207 0,434 0,658 0,824 0,921 0,969 0,989 0,997 0,999
3,00 0,050 0,199 0,423 0,647 0,815 0,916 0,566 0,988 0,996 0,999
3,05 0,047 0,192 0,412 0,636 0,807 0,911 0,964 0,987 0,996 0,999
3,10 0,045 0,185 0,401 0,625 0,798 0,906 0,961 0,986 0,995 0,999
3,15 0,043 0,178 0,390 0,614 0,789 0,900 0,958 0,984 0,995 0,998 0,999
3,20 0,041 0,171 0,380 0,603 0,781 0,895 0,955 0,983 0,994 0,998 0,999
3,25 0,039 0,165 0,370 0,591 0,772 0,889 0,952 0,982 0,994 0,998 0,999
3,30 0,037 0,159 0,359 0,580 0,763 0,883 0,949 0,980 0,993 0,998 0,999
679
3,35 0,035 0,153 0,349 0,569 0,753 0,877 0,946 0,979 0,992 0,998 0,999
C ontinuación deTablaVI
682
LANDA 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
5,85 0,003 0,020 0,069 0,165 0,306 0,470 0,630 0,764 0,862 0,926 0,963 0,983 0,993 0,997 0,999
5,90 0,003 0,019 0,067 0,160 0,299 0,462 0,622 0,758 0,857 0,923 0,961 0,982 0,992 0,997 0,999
5,95 0,003 0,018 0,064 0,156 0,292 0,454 0,614 0,751 0,852 0,919 0,959 0,981 0,992 0,997 0,999
6,00 0,002 0,017 0,062 0,151 0,285 0,446 0,606 0,744 0,847 0,916 0,957 0,980 0,991 0,996 0,999
6,05 0,002 0,017 0,060 0,147 0,278 0,438 0,598 0,737 0,842 0,913 0,955 0,979 0,991 0,996 0,999
6,10 0,002 0,016 0,058 0,143 0,272 0,430 0,590 0,730 0,837 0,909 0,953 0,978 0,990 0,996 0,999
6,15 0,002 0,015 0,056 0,138 0,265 0,422 0,582 0,723 0,831 0,905 0,951 0,976 0,989 0,996 0,998 0,999
6,20 0,002 0,015 0,054 0,134 0,259 0,414 0,574 0,716 0,826 0,902 0,949 0,975 0,989 0,995 0,998 0,999
6,25 0,002 0,014 0,052 0,130 0,253 0,406 0,566 0,709 0,820 0,898 0,946 0,974 0,988 0,995 0,998 0,999
6,30 0,002 0,013 0,050 0,126 0,247 0,399 0,558 0,702 0,815 0,894 0,944 0,972 0,987 0,995 0,998 0,999
6,35 0,002 0,013 0,048 0,123 0,241 0,391 0,550 0,695 0,809 0,890 0,941 0,971 0,986 0,994 0,998 0,999
6,40 0,002 0,012 0,046 0,119 0,235 0,384 0,542 0,687 0,803 0,88b 0,939 0,969 0,986 0,994 0,997 0,999
6,45 0,002 0,012 0,045 0,115 0,229 0,376 0,534 0,680 0,797 0,882 0,936 0,968 0,985 0,993 0,997 0,999
6,50 0,002 0,011 0,043 0,112 0,224 0,369 0,527 0,673 0,792 0,877 0,933 0,966 0,984 0,993 0,997 0,999
6,55 0,001 0,010 0,041 0,108 0,218 0,362 0,519 0,665 0,786 0,873 0,930 0,964 0,983 0,992 0,997 0,999
6,60 0,001 0,010 0,040 0,105 0,213 0,355 0,511 0,658 0,780 0,869 0,927 0,963 0,982 0,992 0,997 0,999
6,65 0,001 0,010 0,040 0,102 0,207 0,348 0,503 0,651 0,773 0,864 0,924 0,961 0,981 0,991 0,996 0,999
6,70 0,001 0,010 0,040 0,100 0,202 0,341 0,495 0,643 0,767 0,860 0,921 0,959 0,980 0,991 0,996 0,998 0,999
CONTROL DE CALIDAD
6,75 0,001 0,009 0,036 0,096 0,197 0,334 0,488 0,636 0,761 0,855 0,918 0,957 0,979 0,990 0,996 0,998 0,999
6,80 0,001 0,009 0,034 0,093 0,192 0,327 0,480 0,628 0,755 0,850 0,915 0,955 0,978 0,990 0,996 0,998 0,999
6,85 0,001 0,008 0,033 0,090 0,187 0,320 0,472 0,621 0,748 0,845 0,912 0,953 0,977 0,989 0,995 0,998 0,999
6,90 0,001 0,008 0,032 0,087 0,182 0,314 0,465 0,614 0,742 0,840 0,908 0,951 0,976 0,989 0,995 0,998 0,999
6,95 0,001 0,008 0,030 0,085 0,178 0,307 0,457 0,606 0,736 0,836 0,905 0,949 0,974 0,988 0,995 0,998 0,999
7,00 0,001 0,007 0,030 0,082 0,173 0,301 0,450 0,599 0,729 0,830 0,901 0,947 0,973 0,987 0,994 0,998 0,999
7,10 0,001 0,007 0,027 0,077 0,164 0,288 0,435 0,584 0,716 0,820 0,894 0,942 0,970 0,986 0,994 0,997 0,999
¡
JORGE ACUÑA ACUÑA
Continuación deTablaVI
LA N D A 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
7,20 0,001 0,006 0,025 0,072 0,156 0,276 0,420 0,569 0,703 0,810 0,887 0,937 0,967 0,984 0,993 0,997 0,999
7,30 0,001 0,006 0,024 0,067 0,147 0,264 0,406 0,554 0,689 0,799 0,879 0,932 0,964 0,982 0,992 0,996 0,999
7,40 0,001 0,005 0,022 0,063 0,140 0,253 0,392 0,540 0,676 0,788 0,871 0,926 0,961 0,980 0,991 0,996 0,998 0,999
7,50 0,001 0,005 0,020 0,060 0,132 0,241 0,378 0,525 0,662 0,776 0,862 0,921 0,957 0,978 0,990 0,995 0,998 0,999
7,60 0,001 0,004 0,019 0,055 0,125 0,231 0,365 0,510 0,648 0,765 0,854 0,915 0,954 0,976 0,989 0,995 0,998 0,999
7,70 0,000 0,004 0,017 0,052 0,118 0,220 0,351 0,496 0,634 0,753 0,844 0,909 0,950 0,974 0,987 0,994 0,997 0,999
7,80 0,004 0,016 0,048 0,112 0,210 0,338 0,481 0,620 0,741 0,835 0,902 0,945 0,971 0,986 0,993 0,997 0,999
7,90 0,003 0,015 0,045 0,106 0,201 0,326 0,467 0,607 0,729 0,826 0,895 0,941 0,969 0,984 0,993 0,997 0,999
8,00 0,003 0,014 0,042 0,096 0,191 0,313 0,453 0,593 0,717 0,816 0,888 0,936 0,966 0,983 0,992 0,996 0,998 0,999
8,10 0,003 0,013 0,040 0,094 0,182 0,301 0,439 0,579 0,704 0,806 0,881 0,931 0,963 0,981 0,991 0,996 0,998 0,999
8,20 0,003 0,012 0,037 0,089 0,174 0,290 0,425 0,565 0,692 0,796 0,873 0,926 0,960 0,979 0,990 0,995 0,998 0,999
8,30 0,002 0,011 0,035 0,085 0,166 0,280 0,411 0,553 0,681 0,786 0,860 0,921 0,957 0,977 0,989 0,995 0,998 0,999
8,40 0,002 0,010 0,032 0,079 0,157 0,267 0,399 0,537 0,666 0,774 0,857 0,915 0,952 0,975 0,987 0,994 0,997 0,999
8,50 0,002 0,009 0,030 0,074 0,150 0,256 0,386 0,523 0,653 0,763 0,849 0,909 0,949 0,973 0,986 0,993 0,997 0,999
8,60 0,002 0,009 0,028 0,070 0,142 0,246 0,373 0,509 0,640 0,752 0,840 0,903 0,945 0,970 0,985 0,993 0,997 0,999
8,70 0,002 0,008 0,026 0,066 0,135 0,235 0,360 0,496 0,627 0,741 0,831 0,897 0,940 0,967 0,983 0,992 0,996 0,998 0,999
8,80 0,001 0,007 0,024 0,062 0,128 0,226 0,348 0,482 0,614 0,729 0,822 0,890 0,936 0,965 0,982 0,991 0,996 0,998 0,999
8,90 0,001 0,007 0,022 0,057 0,119 0,211 0,330 0,462 0,594 0,712 0,808 0,879 0,929 0,960 0,979 0,989 0,995 0,998 0,999
9,00 0,001 0,006 0,021 0,055 0,116 0,207 0,324 0,456 0,587 0,706 0,803 0,876 0,926 0,959 0,978 0,989 0,995 0,998 0,999
683
684
LANDA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
9,10 0,001 0,006 0,020 0,052 0,110 0,198 0,312 0,443 0,574 0,694 0,793 0,868 0,921 0,955 0,976 0,988 0,994 0,997 0,999
9,20 0,001 0,005 0,018 0,048 0,104 0,189 0,301 0,430 0,561 0,682 0,783 0,861 0,916 0,952 0,974 0,987 0,993 0,997 0,999
9,30 0,001 0,004 0,017 0,046 0,099 0,181 0,290 0,417 0,548 0,670 0,773 0,853 0,910 0,948 0,972 0,985 0,993 0,997 0,998 0,999
9,40 0,001 0,004 0,016 0,043 0,093 0,173 0,279 0,404 0,535 0,658 0,763 0,845 0,904 0,944 0,969 0,984 0,992 0,996 0,998 0,999
9,50 0,001 0,004 0,015 0,040 0,089 0,165 0,269 0,392 0,522 0,645 0,752 0,836 0,898 0,940 0,967 0,982 0,991 0,996 0,998 0,999
9,60 0,001 0,004 0,014 0,038 0,084 0,157 0,258 0,380 0,509 0,633 0,741 0,828 0,892 0,936 0,964 0,981 0,990 0,995 0,998 0,999
9,70 0,001 0,004 0,013 0,035 0,079 0,150 0,248 0,368 0,496 0,621 0,730 0,819 0,885 0,931 0,961 0,979 0,989 0,994 0,997 0,999
9,80 0,001 0,003 0,012 0,033 0,075 0,143 0,239 0,356 0,483 0,608 0,719 0,810 0,879 0,927 0,958 0,977 0,988 0,994 0,997 0,999
9,90 0,001 0,003 0,011 0,031 0,071 0,137 0,229 0,344 0,470 0,596 0,708 0,801 0,872 0,922 0,955 0,975 0,987 0,993 0,997 0,999
10,00 0,000 0,003 0,010 0,030 0,070 0,130 0,220 0,333 0,458 0,583 0,697 0,792 0,864 0,917 0,951 0,973 0,986 0,993 0,997 0,998
10,20 0,002 0,009 0,026 0,060 0,118 0,203 0,311 0,433 0,558 0,674 0,772 0,849 0,906 0,944 0,968 0,983 0,991
0,996 0,998
10,40 0,002 0,008 0,023 0,053 0,107 0,186 0,290 0,409 0,533 0,650 0,752 0,834 0,894 0,936 0,963 0,980 0,989 0,995 0,998
10,50 0,002 0,007 0,021 0,050 0,102 0,179 0,279 0,397 0,521 0,639 0,742 0,825 0,888 0,932 0,960 0,978 0,988 0,994 0,997
10,60 0,002 0,007 0,020 0,048 0,097 0,171 0,269 0,385 0,508 0,627 0,732 0,817 0,882 0,927 0,957 0,976 0,987 0,994 0,997
10,80 0,001 0,006 0,017 0,042 0,087 0,157 0,250 0,363 0,484 0,603 0,710 0,799 0,868 0,918 0,951 0,972 0,985 0,992 0,996
11,00 0,001 0,005 0,015 0,037 0,079 0,143 0,232 0,341 0,460 0,579 0,687 0,781 0,854 0,907 0,944 0,968 0,982 0,991 0,995
11,20 0,001 0,004 0,013 0,033 0,070 0,131 0,215 0,319 0,436 0,555 0,667 0,762 0,839 0,896 0,936 0,963 0,979 0,989 0,994
11,40 0,001 0,004 0,012 0,029 0,064 0,119 0,198 0,299 0,413 0,532 0,644 0,743 0,823 0,885 0,928 0,957 0,976 0,987 0,993
11,50 0,001 0,003 0,011 0,028 0,060 0,114 0,191 0,289 0,402 0,520 0,633 0,733 0,815 0,878 0,924 0,954 0,974 0,986 0,992
CONTROL DE CALIDAD
11,60 0,001 0,003 0,010 0,026 0,057 0,108 0,183 0,279 0,391 0,508 0,622 0,723 0,807 0,872 0,919 0,951 0,972 0,984 0,992
11,80 0,001 0,003 0,009 0,023 0,051 0,099 0,169 0,260 0,369 0,485 0,599 0,702 0,790 0,859 0,909 0,944 0,967 0,982 0,990
12,00 0,001 0,002 0,008 0,020 0,046 0,090 0,155 0,242 0,347 0,462 0,576 0,682 0,772 0,844 0,899 0,937 0,963 0,979 0,988
12,20 0,000 0,002 0,007 0,018 0,041 0,081 0,142 0,225 0,327 0,439 0,553 0,660 0,754 0,830 0,887 0,929 0,957 0,975 0,986
12,40 0,002 0,006 0,016 0,036 0,073 0,131 0,209 0,307 0,417 0,530 0,639 0,735 0,814 0,876 0,920 0,951 0,971 0,984
12,50 0,002 0,005 0,015 0,035 0,070 0,125 0,201 0,297 0,406 0,519 0,628 0,725 0,806 0,869 0,916 0,948 0,969 0,983
12,60 0,001 0,005 0,014 0,032 0,066 0,120 0,194 0,288 0,395 0,508 0,617 0,715 0,798 0,863 0,911 0,945 0,967 0,981
12,80 0,001 0,004 0,012 0,029 0,060 0,109 0,179 0,269 0,374 0,485 0,595 0,695 0,781 0,850 0,901 0,938 0,963 0,978
JORGE ACUÑA ACUÑA

LANDA 1 2 3 4 5 6 ; 8 9 10 11 12 13 14 15 16 17 18 19 20
13,00 0,001 0,004 0,011 0,026 0,054 0,100 0,166 0,252 0,353 0,463 0,573 0,675 0,764 0,835 0,890 0,930 0,957 0,975
13,20 0,000 0,003 0,009 0,023 0,049 0,091 0,153 0„"35 0,333 0,441 0,551 0,655 0,746 0,821 0,879 0,922 0,952 0,971
13,40 0,003 0,008 0,020 0,044 0,083 0,141 0,219 0,319 0,420 0,529 0,634 0,727 0,805 0,867 0,913 0,945 0,967
13,50 0,003 0,008 0,019 0,041 0,079 0,135 0,211 0,304 0,409 0,518 0,623 0,718 0,798 0,861 0,908 0,942 0,965
13,60 0,002 0,007 0,018 0,040 0,075 0,130 0,204 0,295 0,399 0,507 0,613 0,708 0,789 0,854 0,904 0,939 0,963
13,80 0,002 0,006 0,016 0,035 0,069 0,119 0,189 0,277 0,378 0,486 0,592 0,689 0,773 0,841 0,893 0,931 0,958
14,00 0,002 0,005 0,014 0,032 0,062 0,109 0,176 0,260 0,358 0,464 0,570 0,669 0,756 0,827 0,883 0,923 0,952
14,20 0,002 0,005 0,013 0,028 0,056 0,100 0,163 0,243 0,339 0,443 0,549 0,649 0,738 0,813 0,871 0,915 0,946
14,40 0,001 0,004 0,011 0,025 0,051 0,092 0,151 0,228 0,320 0,423 0,528 0,630 0,720 0,797 0,859 0,906 0,940
14,50 0,001 0,004 0,010 0,024 0,048 0,088 0,145 0,220 0,311 0,413 0,518 0,619 0,711 0,790 0,853 0,901 0,936
14,60 0,001 0,004 0,010 0,023 0,046 0,084 0,139 0,213 0,302 0,402 0,507 0,609 0,702 0,782 0,847 0,896 0,933
14,80 0,001 0,003 0,009 0,020 0,042 0,066 0,129 0,198 0,285 0,383 0,486 0,589 0,683 0,766 0,833 0,886 0,925
15,00 0,001 0,003 0,008 0,018 0,037 0,070 0,118 0,185 0,268 0,363 0,466 0,568 0,664 0,749 0,819 0,875 0,917
15,20 0,000 0,002 0,007 0,016 0,033 0,064 0,109 0,172 0,251 0,344 0,445 0,548 0,645 0,732 0,805 0,864 0,908
15,40 0,002 0,006 0,014 0,030 0,058 0,100 0,160 0,236 0,326 0,425 0,527 0,625 0,714 0,790 0,852 0,899
15,50 0,002 0,006 0,013 0,029 0,055 0,096 0,154 0,228 0,317 0,415 0,517 0,615 0,705 0,782 0,846 0,894
15,60 0,002 0,005 0,013 0,027 0,053 0,092 0,148 0,221 0,308 0,406 0,507 0,606 0,696 0,775 0,839 0,889
15,80 0,002 0,005 0,012 0,025 0,048 0,084 0,137 0,207 0,291 0,386 0,487 0,586 0,678 0,759 0,826 0,879
16,00 0,001 0,004 0,010 0,022 0,043 0,077 0,127 0,193 0,275 0,368 0,467 0,566 0,659 0,742 0,812 0,868
16,20 0,001 0,004 0,009 0,020 0,039 0,071 0,117 0,180 0,259 0,349 0,447 0,546 0,641 0,726 0,798 0,857
16,40 0,001 0,003 0,008 0,018 0,035 0,065 0,108 0,168 0,243 0,331 0,428 0,526 0,622 0,708 0,783 0,845
16,50 0,001 0,003 0,007 0,017 0,034 0,062 0,104 0,162 0,236 0,323 0,418 0,516 0,612 0,700 0,776 0,838
16,60 0,001 0,003 0,007 0,016 0,032 0,059 0,100 0,156 0,228 0,314 0,409 0,507 0,602 0,691 0,768 0,832
16,80 0,001 0,002 0,006 0,014 0,029 0,054 0,092 0,145 0,214 0,297 0,390 0,487 0,583 0,673 0,752 0,819
17,00 0,001 0,002 0,005 0,013 0,026 0,049 0,084 0,135 0,201 0,281 0,371 0,468 0,564 0,655 0,736 0,805
17,20 0,001 0,002 0,005 0,011 0,024 0,045 0,078 0,125 0,188 0,265 0,353 0,449 0,545 0,637 0,720 0,791
685
17,40 0,001 0,002 0,004 0,010 0,021 0,040 0,071 0,116 0,176 0,250 0,336 0,430 0,526 0,618 0,703 0,777
686
LANDA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
17,50 0,000 0,001 0,004 0,009 0,020 0,039 0,068 0,112 0,170 0,243 0,328 0,420 0,516 0,609 0,695 0,769
17,60 0,001 0,003 0,009 0,019 0,037 0,065 0,107 0,164 0,235 0,319 0,411 0,506 0,600 0,686 0,762
17,80 0,001 0,003 0,008 0,017 0,033 0,060 0,099 0,153 0,221 0,303 0,393 0,487 0,581 0,669 0,746
18,00 0,001 0,003 0,007 0,015 0,030 0,055 0,092 0,143 0,208 0,287 0,375 0,469 0,562 0,651 0,731
18,20 0,001 0,003 0,006 0,014 0,027 0,050 0,084 0,133 0,195 0,271 0,358 0,450 0,544 0,633 0,715
18,40 0,000 0,002 0,006 0,012 0,025 0,046 0,078 0,123 0,183 0,256 0,341 0,432 0,525 0,615 0,698
18,50 0,002 0,005 0,012 0,024 0,044 0,075 0,119 0,177 0,249 0,332 0,423 0,516 0,606 0,690
18,60 0,002 0,005 0,011 0,022 0,042 0,072 0,115 0,171 0,242 0,324 0,414 0,506 0,597 0,681
18,80 0,002 0,004 0,010 0,020 0,038 0,066 0,106 0,160 0,228 0,308 0,396 0,488 0,579 0,664
19,00 0,001 0,004 0,009 0,018 0,035 0,061 0,098 0,150 0,215 0,292 0,37 0,469 0,561 0,647
19,20 0,001 0,003 0,008 0,017 0,031 0,056 0,091 0,140 0,202 0,277 0,361 0,451 0,542 0,630
19,40 0,001 0,003 0,007 0,015 0,029 0,051 0,084 0,130 0,190 0,262 0,345 0,433 0,524 0,612
19,50 0,001 0,003 0,007 0,014 0,027 0,049 0,081 0,126 0,184 0,255 0,336 0,425 0,515 0,603
19,60 0,001 0,003 0,006 0,013 0,026 0,047 0,078 0,121 0,178 0,248 0,328 0,416 0,506 0,595
19,80 0,001 0,002 0,006 0,0.2 0,024 0,043 0,072 0,113 0,167 0,234 0,312 0,398 0,488 0,577
20,00 0,001 0,002 0,005 0,011 0,021 0,039 0,066 0,105 0,157 0,221 0,297 0,381 0,470 0,559
20,20 0,001 0,002 0,004 0,010 0,019 0,036 0,061 0,097 0,146 0,208 0,282 0,365 0,453 0,541
20,40 0,001 0,002 0,004 0,009 0,018 0,033 0,056 0,090 0,137 0,196 0,268 0,348 0,435 0,524
CONTROL DE CALIDAD
20,50 0,001 0,002 0,004 0,008 0,017 0,031 0,054 0,087 0,132 0,190 0,260 0,340 0,426 0,515
20,60 0,000 0,001 0,004 0,008 0,016 0,030 0,051 0,084 0,128 0,185 0,254 0,332 0,418 0,506
20,80 0,001 0,003 0,008 0,014 0,027 0,047 0,077 0,119 0,174 0,240 0,317 0,401 0,488
21,00 0,001 0,003 0,006 0,013 0,024 0,043 0,071 0,111 0,163 0,227 0,302 0,384 0,471
21,20 0,001 0,002 0,006 0,012 0,022 0,040 0,066 0,103 0,153 0,214 0,287 0,368 0,454
21,40 0,001 0,002 0,005 0,010 0,020 0,036 0,061 0,096 0,143 0,202 0,273 0,352 0,437
21,50 0,001 0,002 0,005 0,010 0,019 0,035 0,059 0,093 0,139 0,196 0,266 0,344 0,428
1iBr/F/UBWoi
¡
JORGE ACUÑA ACUÑA
LANDA 10 11 12 14 15 16 18 19 20
21,60 0,001 0,002 0,004 0,009 0,018 0,033 0,056 0,089 0,134 0,191 0,259 0,336 0,420
21,80 0,001 0,002 0,004 0,008 0,017 0,030 0,052 0,083 0,125 0,180 0,245 0,321 0,403
22,00 0,001 0,002 0,003 0,008 0,015 0,028 0,048 0,077 0,117 0,169 0,233 0,306 0,387
22,20 0,000 0,001 0,003 0,007 0,014 0,025 0,044 0,071 0,109 0,159 0,220 0,291 0,371
22,40 0,001 0,003 0,006 0,012 0,023 0,040 0,066 0,102 0,149 0,208 0,277 0,355
22,50 0,001 0,003 0,006 0,011 0,022 0,039 0,063 0,098 0,144 0,202 0,271 0,347
22,60 0,001 0,003 0,006 0,011 0,021 0,037 0,061 0,094 0,140 0,196 0,264 0,340
22,80 0,001 0,002 0,005 0,010 0,019 0,034 0,056 0,088 0,131 0,185 0,251 0,325
23,00 0,001 0,002 0,004 0,009 0,017 0,031 0,052 0,082 0,123 0,175 0,238 0,310
23,20 0,001 0,002 0,004 0,008 0,016 0,028 0,048 0,076 0,115 0,165 0,225 0,296
23,40 0,001 0,002 0,004 0,007 0,014 0,026 0,044 0,071 0,107 0,155 0,213 0,282
23,50 0,000 0,001 0,003 0,007 0,014 0,025 0,042 0,068 0,104 0,150 0,208 0,275
23,60 0,001 0,003 0,007 0,013 0,024 0,041 0,066 0,100 0,146 0,202 0,268
23,80 0,001 0,003 0,006 0,012 0,022 0,037 0,061 0,093 0,137 0,191 0,255
24,00 0,001 0,003 0,005 0,011 0,020 0,034 0,056 0,087 0,128 0,180 0,243
24,20 0,001 0,002 0,005 0,010 0,018 0,032 0,052 0,081 0,120 0,170 0,230
24,40 0,001 0,002 0,004 0,009 0,017 0,029 0,048 0,075 0,113 0,160 0,219
24,50 0,001 0,002 0,004 0,008 0,016 0,028 0,046 0,073 0,109 0,156 0,213
24,60 0,001 0,002 0,004 0,008 0,015 0,027 0,044 0,070 0,105 0,151 0,207
24,80 0,001 0,002 0,004 0,007 0,014 0,024 0,041 0,065 0,099 0,142 0,196
25,00 0,000 0,001 0,003 0,006 0,012 0,022 0,038 0,060 0,092 0,134 0,185
687
C O N T R O L D E C A L ID A D
TABLA VII. Constante K, para límites de tolerancia individuales {')
- a - 0.95 1 - a - 0.99
0.90 0.95 0.99 0.90 0.95 0.99

p
n \
2 32.019 37.674 48.430 160.193 188.491 242.300

3 8.380 9.916 12.861 18.930 22.401 29.055
4 5.369 6.370 8.299 9.398 11.150 14.527
5 4.275 5.079 6.634 6.612 7.855 10.260
6 3.712 4.414 5.775 5.337 6.345 8301
7 3.369 4.007 5.248 4.613 5.488 7.187
3 3.136 3.732 4.891 4.147 4.936 6.468
9 2.967 3.532 4.631 3.822 4.550 5.966
10 2.839 3.379 4.433 3.582 4.265 5.594
11 2.737 3.259 4.277 3.397 4.045 5.308
12 2.655 3.162 4.150 3.250 3.870 5.079
13 2.587 3.081 4.044 3.130 3.727 4.893
14 2.629 3.012 3.955 3.029 3.608 4.737
15 2.480 2.954 3.878 2.945 3.507 4.605
16 2.437 2.903 3.812 2.872 3.421 4.492
17 2.400 2.858 3.754 2.808 3.345 4.393
18 2.366 2.819 3.702 2.753 3.279 4.307
19 2.337 2.784 3.656 2.703 3.221 4.230
20 2.310 2.752 3.615 2.659 3.168 4.161
25 2.208 2.631 3.457 2.494 2.972 3.904
30 2.140 2.549 3.350 2385 2.841 3.733
35 2.090 2.490 3.272 2.306 2.748 3.611
40 2.052 2.445 3.213 2.247 2.677 3.518
45 2.021 2.408 3.165 2.200 2.621 3.444
50 1.996 2.379 3.128 2.162 2.576 3.385
55 1.976 2.354 3.094 2.130 2.538 3.335
60 1.958 2.333 3.066 2.103 2.500 3.293
65 1.943 2.315 3.042 2.080 2.478 3.257
70 1.929 2.299 3.021 2.060 2.454 3.225
75 1.917 2.285 3.002 2.042 2.433 3.197
80 1.907 2.272 2.966 2.026 2.414 3.173
85 1.897 2.261 2.97) 2.012 2.397 3.150
90 1.889 2.251 2.958 1.999 2.382 3.130
95 1.881 2.241 2.945 1.987 2.368 3.112
100 1.874 2.233 2.934 1.977 2.355 3.096
150 1.825 2.175 2.859 1.905 2.270 2.983
200 1.798 2.143 2.816 1.865 2.222 2.921
250 1.780 2.121 2.788 1.839 2.191 2.880
300 1.767 2.100 2.707 1.820 2.109 2.850
400 1.749 2.084 2.739 1.794 2.138 2.809
500 1.737 2.070 2.721 1.777 2.117 2.783
600 1.729 2.060 2.707 1.764 2.102 2.763
700 1.722 2.052 2.097 1.755 2.091 2.748
800 1.717 2.046 2.G88 1.747 2.082 2.736
900 1.712 2.040 2.682 1.741 2.075 2.726
1000 1.709 2.036 2.676 1.736 2.068 2.718
00 1.645 1.960 2.576 1.645 1.960 2.576
* Tomada de la Referencia 20
TABLA VIII. Tabla de
JORGE ACUÑA ACUÑA
689
Tomada de la

Control de Calidad - Jorge Acuña PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control de Calidad - Jorge Acuña PDF

Cargado por

Copyright:

Formatos disponibles

Primera edición

Editorial Tecnológica de Costa Rica, 1986

1. Control de Calidad. I. Título

© EDITORIAL TECNOLOGICA DE COSTA RICA

C A P IT U L O II. E stadística elem ental 43

CAPITULO IV. G r á f i c o s d e c o n t r o l p a r a v a r ia b l e s 223

CAPITULO V. G r á fic o s de c o n t r o l p ara a tr ib u to s 397

CAPITULO VI. M u e s t r e o d e a c e p t a c ió n 475

CAPITULO VIL A s p e c t o s generales 609

PARA EL CÁLCULO DE LOS LÍMITES DE CONTROL

APENDICE IV. P e c u l i a r i d a d e s 713

uando se oye hablar de Control de Calidad se cree que

naturaleza, para lo cual debieron contar con medios de transporte y de conser­

En la actualidad, con los sistemas de producción automatizados, con la

DEFINICION DEL CONTROL DE CALIDAD

Al intentar definir este término, generalmente se hace mención de una serie

Al tratar de definir calidad se debe tener presente que la calidad es un gra­

FIGURA 1.1. Representación esquemática delciclo de control

Calidad es adecuación al uso (Juran, 1951). Esto significa que calidad se

Dos conceptos importantes en calidad relativa son disponibilidad y servi­

Definidos los anteriores términos es necesario presentar las diversas for­

El primer nivel es la concepción más primitiva de control de calidad y viene

salga al mercado. Esta acción es totalmente correctiva y su aporte a la mejora

Superación: es importante que el personal de la empresa se desarrolle y

El cuarto nivel o cúspide de la pirámide es “autonomation”. Este es el con­

EL SISTEMA DE CONTROL DE CALIDAD

Debido a la nueva concepción de calidad como una responsabilidad de

4. Hacer un uso más racional de equipos, maquinaria y mano de obra para

Subsistema Diseño de producto

Cuando se proyecta el lanzamiento de un nuevo producto al mercado o

y con las limitaciones de fabricación y no simplemente acorde con los gustos e

existan normas, el diseñador debe fijarse metas alcanzables que en el fu­

Subsistema Mercado de Proveedores

Es importante recalcar que no es posible fabricar un producto de un alto

3. Educación y entrenamiento para la inspección: el inspector es la perso­

8. M anejo de m ateriales en proceso: el m anejo de producto en proceso es

9. Planeación d e m éto d o s de inspecció n : la inspección de producto no

10. Utilización d e gráficos de control: el gráfico de control es una buena he­

11. M u e s tre o d e a c e p ta c ió n : ta l y c o m o se e x p lic ó a n te rio rm e n te , este

12. Reproceso y desecho d e producto: el reproceso de producto es una ac­

13. Auditorías de calidad: en ocasiones el trabajo de inspección y control no

Subsistem a M ercado de consum idores

C uando el producto ha sido fabricado, es alm acenado para su posterior

Para esto es necesario estructurar cuidadosamente el transporte y distribu­

al proveedor a superarse con el fin de mejorar su calidad generando un his­

Si se ha logrado obtener un buen diseño de producto y se han podido ad­

técnicas que se utilizan aquí son pruebas de anaquel, códigos de fabrica­

8. Visitas ai cliente: un programa de visitas al cliente puede servir como me­

BENEFICIOS DEL SISTEMA DE CONTROL DE CALIDAD

Con la implantación de un sistema de control de calidad, la empresa podrá

i 1. Concientización y motivación hacia la calidad que deben tener los diferen­

FACTORES QUE CONTROLAN LA CALIDAD

La obten ción de un pro du cto de buena o m ala calid ad , no es un

Las soluciones de la empresa se dan en términos de diseños que recojan

S: Soluciones que brinda la empresa

FIGURA 1.4. Representación esquemática de las necesidades del mercado en función

Se puede observar en la Figura 1.4 que solamente una pequeña porción de

el ser humano no colabora no se obtendrán buenos resultados. Para ello, se

3. Capital de trabajo (Money)

Se puede afirmar que la responsabilidad de la calidad del producto termina­

responsable de fabricar el producto de acuerdo con los requisitos del diseño

Información Responsabilidad ■■■■■ Autoridad

LA CALIDAD EN SISTEMAS MODERNOS DE

naturaleza, para lo cual debieron contar con medios de transporte y de conser

Al tratar de definir calidad se debe tener presente que la calidad es un gra

Dos conceptos importantes en calidad relativa son disponibilidad y servi

Definidos los anteriores términos es necesario presentar las diversas for

El cuarto nivel o cúspide de la pirámide es “autonomation”. Este es el con

existan normas, el diseñador debe fijarse metas alcanzables que en el fu

3. Educación y entrenamiento para la inspección: el inspector es la perso

10. Utilización d e gráficos de control: el gráfico de control es una buena he

12. Reproceso y desecho d e producto: el reproceso de producto es una ac

Para esto es necesario estructurar cuidadosamente el transporte y distribu

al proveedor a superarse con el fin de mejorar su calidad generando un his

Si se ha logrado obtener un buen diseño de producto y se han podido ad

técnicas que se utilizan aquí son pruebas de anaquel, códigos de fabrica

8. Visitas ai cliente: un programa de visitas al cliente puede servir como me

i 1. Concientización y motivación hacia la calidad que deben tener los diferen

Se puede afirmar que la responsabilidad de la calidad del producto termina

6. Se pueden automatizar los procesos de inspección, sin embargo la respon

1. Comente el aporte del desarrollo histórico del control de calidad a la con

4. Seleccione el organigrama de una empresa industrial e identifique clara

n los últimos años se ha ampliado la gama de aplica

1. Probabilidad es el estudio de experimentos aleatorios o libres de determi