Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Control de Calidad - Jorge Acuña PDF
Control de Calidad - Jorge Acuña PDF
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
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 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
Preguntas de repaso, 215
Problemas, 216
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
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
CONCEPTOS Y DEFINICIONES
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.
14 CONTROL DE CALIDAD
Para definir mejor este concepto es importante analizar por separado los
conceptos de control y calidad.
Control
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
Control de calidad
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
24 CONTROL DE CALIDAD
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.
Subsistema Proceso
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
Jorge Acuña A.
2a edición
ÉT
EDITORIAL TE C N O LO G IC A DE C O S TA RICA
32 CONTROL DE CALIDAD
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.
JORGE ACUÑAACUÑA 33
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
34 CONTROL DE CALIDAD
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.
JORGE ACUÑA ACUÑA 35
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
CONTROL SEÑAL
DE CAMARA ANALOGICA
CAMARA DIGITADOR
□
/ \
SEÑAL
DIGITAL
COMPUTADORA
CENTRAL
n n n n n n n n n
LINEA DE PRODUCCION
RESUMEN
PREGUNTAS DE REPASO
PROBLEMAS
ESTADISTICA ELEMENTAL
.»
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.
ANALISIS DE DATOS
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
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
Clase
Histograma
R = Xlmix-Xwn
•*
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
48 CONTROL DE CALIDAD
\ = ---------------- 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.
JORGE ACUÑA ACUÑA 49
EJEMPLO 2.1
SOLUCION
# 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
50 CONTROL DE CALIDAD
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
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
MEDIDAS DE LA DISTRIBUCION
16
14
12
n k 1 0
2 -U
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:
JORGE ACUÑA ACUÑA 53
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)
EJEMPLO 2.2
SOLUCION
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
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
CONCEPTO DE PROBABILIDAD
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
JORGE ACUÑA ACUÑA 57
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.
58 CONTROL DE CALIDAD
EJEMPLO 2.4
SOLUCION
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.
60 CONTROL DE CALIDAD
Ley de la suma
EJEMPLO 2.5
Una caja contiene ocho canutos de hilo azul, cuatro de hilo blanco y uno de
hilo rojo.
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
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
n(E2) n(Eg)
= + 0
n n
1 4
= + 0
13 13
= 5/13
n(E,) n(E3)
n n
8 1
13 13
8
P(E,y E3) = -------- = 0,047
169
n n - 1
8 1 8
P(E,y E3) = --------- * ---------- + ----------= 0,051
13 12 156
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
1. Distribución normal
x -p
Z = --------- . Así, la distribución se convierte en:
a
1
f (Z) = e *a -o» < Z > +oo
\| t?
2
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?
66 CONTROL DE CALIDAD
SOLUCION
/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
o
Oj = ---------- Si la población es infinita
NÍñ
EJEMPLO 2.7
SOLUCION
2. Distribución t-student
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
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.
SOLUCION
= 0,60
3. Distribución Chi-cuadrado
donde:
Y0: constante que depende del tamaño de la muestra
v : número de grados de libertad y equivale a n - 1
SOLUCION
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
4. Distribución F-Fisher
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
EJEMPLO 2.10
SOLUCION
=1.43
a1=0,25
= 0 ’7
F v1y2.n2
F,5,15*2 =0.7
a2=0,25
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
1. Distribución binomial
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
probabilidad de éxito es p
1 • B(X,n,p): probabilidad de obtener más de X casos, en n pruebas si la
probabilidad de éxito es p
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
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.
74 CONTROL DE CALIDAD
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
1. Distribución binomial
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
probabilidad de éxito es p
B(X,n,p): probabilidad de obtener menos de X casos, en n pruebas si la
probabilidad de éxito es p
1 - B(X,n,p): probabilidad de obtener más de X casos, en n pruebas si la
probabilidad de éxito es p
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
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.
76 CONTROL DE CALIDAD
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
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.
JORGE ACUNA ACUÑA 77
x!
La función acumulada se expresa así:
EJEMPLO 2.12
SOLUCION
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.
pregunta a?
SOLUCION
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
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
0 ,0 2 5
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
PRUEBAS DE HIPOTESIS
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
1. De una media
x -H
Z = ---------
a/ \fñ
SOLUCION
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
x -n
t = ---------
s/ \íñ
E JE M P LO 2.15
SOLUCION
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%.
d. El estadístico por usar es el siguiente:
x-|i
t = ------------
s / ^n -1
v=24
x -p 1 9 ,2 -2 0 ,0
t = ------------------ = -------------------- = -1,87
s/ \fñ-T 2 , / \[24~
1
2. De proporciones
E JEM P LO 2.16
SOLUCION
H0: p = 0,05
Ha: p > 0,05
x -n p
Z=
\|npq
x -n p 16-200(0,05)
Z= — = =1-95
\| npq \|200*0,05*0,95
1,645
FIGURA 2.15. Areas de cumplimiento de la hipótesis
83 CONTROL DE CALIDAD
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
H0: P, = P 2
Ha; P,>P 2
JORGE ACUÑA ACUÑA 89
X, Xj,
n, n2
X 1+ X 2
P’ = ------------
n, + n 2
q' = - p’
1
de la hipótesis nula.
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
S, /Oi
2 2
F = -------------
s ,2/ o 22
genera una varianza de 4,1 mm2. ¿Se puede afirmar, con o=5%, que una
máquina es mejor que la otra?
SOLUCION
Ho: ° a= ° 2b
2
H . : < j 2 a = ° 2b
s, 2 3,3
F = -----------= ---------- = 0,805
S22 4,1
4. De dos medias
POBLACION POBLACION
1 2
x, - x2-8
Z = -----——— — — —
o \| ( /n,)+( /n2)
1 1
x , - x2- 8
Z = —— —
\ | (o, /n )+(a /n2)
2 1 2 2
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
Ho" Ma ®
H a : MA = M B
x, - x 2- 5
Z= ■
o \ |( /n,)+( /n2)
1 1
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
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
JORGE ACUÑA ACUÑA 97
x, - x2- 8
t=
\| (s */n,)+(s */n2)
1 2
v = n, + n 2 - 2
x, - x 2- 6
t = ----------------------------
SpV(1/n,)+(1/n2)
v = n, + n 2 - 2
EJEMPLO 2.21
SOLUCION
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
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)
v = n, + n 2 - 2
SOLUCION
a. Planteo de la hipótesis
vi = n 1 - 1 = 6 1 - 1 = 6 0
v2 = n 2 -1 =31 - 1 = 30
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 )
H0: ^1+^2
H :p , + p
8 2
t=—= = =
\ | (s, /n,) + (s z/n2)
2 2
v = n +n
1 2 - 2
v = 61 +31 - 2
v = 90
*90.0.025 = ~^ *90.0.975 = ^
Ho
36,5 - 3 6 ,8 -0
t=
\|(1 ,8 2/61) + 1,52/31)
-0 ,3
t = ----------= -0,845
0,355
BO NDAD D E AJUSTE
H .:f(x) = l_____ |
1
H : f(x) = --------------e-u»-vr2n«2)
ONÍ27
x!
e-Yy*
Ha: f(x) = p (x, y) = ------------
x!
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
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
S O L U C IO N
e-TY*
Ha: f(x) = p (x, y) = ---------------- con y=3
x!
Y = --------------------------------------- ---------------
número de muestras n
0!
104 CONTROL DE CALI DAD
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 _
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
EJE M P LO 2.23
¿Se puede afirmar, con a=5%, que la variable aleatoria peso se distribuye
según la distribución normal?
SOLUCION
L, L. n* d nk*d n k*d2 P. ek
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
75,55-94,324
Z=---------------------- = -2 ,3 8 A, = 0,0087
7,893
I
Límites de clase
94,45 - 94,324 A = 0 ,5 0 8 -0 ,2 1 7 7
z= = 0,016 A =0,2903
7, 893
+.... +
5.7 16,07 20,9
v = 5-2-1 = 2
ANALISIS DE VARIANZA
F(x )
*2 ,0,95 - 5 ,9 9
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
L, L, n„ Xk d nk*d nk*d2 P. ek
TOTALES: 48 180
1
Ho: fM = — e-[<x-*,)2/2o2>
a ^271
1
Ha:f(x) = ------------ enx-»)V2<¿)
O \] 271
75,55 - 94,324
Z=---------------------- = -2,38 A, = 0,0087
7,893
JORGE ACUÑA ACUÑA 107
7, 893
7,893
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
Tratamiento m - 1
CMm GNU
Error m*(n- ) 1 SCE CME CME
m n
STC= [I I Yij2] - C
i
= 1 j
= 1
SIC(TR,
CM(TR,=
(m- ) 1
F (*)
I
' vl.v2.(1-u)
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
T ip o de p in tura
C uadrante 1 2 3
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.
TOTAL 23 866,561
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..
- 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
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
CME
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.
TOTAL 23 866,561
SIC(BU
cm(BL)=
(n-1)
CME: Cuadrado medio del error
SCE
CME = ----------------
V l b av 2 , ( 1 -a )
EJEMPLO 2.25
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
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
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.
D±T*s(D)
D = IYI. -Y..I
I.
EJEMPLO 2.26
I Componente n,
1 A 5 43
2 B 5 89
3 C 5 67
4 D 5 40
S O LU CIO N
1
T = ------------- * (4,05) = 2,86
y¡2
TOTAL 19 7965,75
S (D) = 1,34
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
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
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
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?
TO TA L 5 1576
JORGE ACUNA ACUNA 127
SOLUCION
^ 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.
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
MUESTREO ESTADISTICO
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.
c. D eterm inación del tam año de la m uestra, m ediante la fórm ula que especi
fique el tipo de m uestreo.
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:
T i p o s d e m u e s tre o
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
n : ta m a ño de la m uestra
N : ta m a ño de la población
Z 2o/2 * o 2
n =-------------------------------------- para estim ación de la m edia
E2
EJEMPLO 2.28
SOLUCION
N = 250 E = 1
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)
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)
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
SOLUCION
2 25 3 2176
1342 8664
5498 0184
2 36 4 0900
8439 9898
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.
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.
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
EJEMPLO 2.31
b. C a lc u la r el error estándar
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.
136 CONTROL DE CALIDAD
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
N, = 4 N3= 4
Z
II
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
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
nl= (n / N )* N i
i=i
n¡= n * [ ( N i* o i) / I ( N l* o ¡)]
EJEMPLO 2.32
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*
SOLUCION
• Afijación proporcional
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
140 CONTROL DE CALIDAD
• Afijación óptim a
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
o -= 0 ,1 6 9
o; = 0 ,1 6 4
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
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.
142 CONTROL DE CALIDAD
PROBLEMAS
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
G ru p o No.
1 2 3 4 5 6
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.
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.
8. E n el P ro ble m a No. 7:
10. Para una distribución t-student con 15 grados de libertad, hallar el valor del
estadístico t, tal que:
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
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.
a. S e a superior a 2,5
b. S e a inferiora 0,8
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?
a. cero defectuosos
b. un defectuoso
c. m e nos de un defectuoso
d. m á s de tres defectuosos
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
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
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
150 CONTROL DE CALIDAD
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.
JORGE ACUNA ACUÑA 151
A 136 cm 12cm
B 128cm 10cm
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?
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
152 CONTROL DE CALIDAD
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
g (x ,p ) = p . qx_1
Proveedores
A B C
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.
M A Q U IN A S
A B C D
ACELERADOR
A B C
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?
- ¿ 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?
O pción Descripción
O pción
A1 B C D
", 2 3 4 2
15 13 19 27
TO TA L 9 304
1 30
2 45
3 60
4 20
5 15
6 10
7 10
8 50
9 30
10 35
11 9
12 17
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
INGENIERIA DE CALIDAD
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.
CARACTERISTICAS DE CALIDAD
Diagrama de Ishikawa
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
162 CONTROL DE CALIDAD
Rama
E J E M P L O 3.1
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.
Abridor de latas
- apariencia
- peso
- e m p aq ue
S O L U C IO N
Diagrama de Pareto
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)
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)
EJEMPLO 3.2
SOLUCION
C o n c lu s io n e s
TO TA L: 11186
D ia g ra m a c a u s a -e fe c to
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 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
170 CONTROL DE CALIDAD
Q -O ^O L ü Z H < -3 U J "3
o'-
JORGE ACUNA ACUNA 171
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
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
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.
172 CONTROL DE CALIDAD
Causas Efectos
SOLUCION
NORMALIZACION
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:
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.
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.
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.
N o r m a IS O -9 0 0 0
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.
METROLOGIA
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,
180 CONTROL DE CALIDAD
ESPECIFICACIONES
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
Exactitud y precisión
i__________________________________________________ i
2 T
l--------------------------------------------------------------------------------------------- 1
6 o -’
(* ) X’ - 3 0 -’ X’ = M X’ - 3 tr ’
1 _ -------------------------------------------------------------- l
M - T M + T
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.
186 CONTROL DE CALIDAD
X’ " 3 u ’ X’ x» - 3tr>
FIGURA 3.9. Representación gráfica del Caso B.
M -T M +T
X’ - 3 ir X ’ X’ - 3 tr’
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.
M - T X’ M t T
FIGURA 3.12. Representación gráfica de la curva normal para el cálculo del porcentaje
de inconformidades
EJEMPLO 3.4
SOLUCION
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~
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 > 0 ,4 3
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 .
% 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%
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
requerim ientos del cliente y en la capacidad técnica, tecnológica y hum ana con
que se cuenta.
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:
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 )
EJEMPLO 3.5
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
JORGE ACUÑA ACUÑA 193
L LS I1 IS CO N TEO nk Nk K Fk
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.
JORGE ACUNA ACUNA 195
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
196 CONTROL DE CALIDAD
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.
v e - v ie
C p = ---------------------------------------------------------------------------------------------------------------------------------------------------
6 a (Rango Total desde - 3 a hasta +3 cr)
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.
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
198 CONTROL DE CALIDAD
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 ) .
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 .
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
A1 = 11,5 + 22 ,7 + 22,6
A1 = 5 6 ,8
B 2 = 2 2 ,7 + 28,5 + 30,3
B 2 = 81,5
200 CONTROL DE CALIDAD
C á lc u lo de F a cto r C al nivel 3
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:
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
JORGE ACUNA ACUNA 201
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)
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.
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.
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.
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.
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.
JORGE ACUNA ACUNA 207
Pa= T M E F / (T M E F + T M D R )
donde:
TM EF = J01 * f(t) dt
EJEMPLO 3.7
SOLUCION
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
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
SOLUCION
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:
m = número de componentes
m
rS = n rI
i=1
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
3
R s= n R¡= R , * R2* R3
¡=i
R s = 0 ,9 * 0 ,95 * 0 ,9 2 = 0 ,7 8 6 6
#1 #2 #3
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:
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:
n = productoria
EJEMPLO 3.10
R s = 1 - q 3= 1 -( 0 ,1 5 )3 = 0 ,9966
0,15
0,80
3
RS = 1 - n q 0
¡=1
R = 1 -q ,* q 2*q3
R S = 1 - 0,00
’
234
R S = 0 ,9
’
9766
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 n/m= fiabilidad de n de m co m p o n e n te s
EJEMPLO 3.11
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
214 CONTROL DE CALIDAD
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
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
JORGE ACUÑA ACUÑA 215
RESUMEN
PREGUNTAS DE REPASO
PROBLEMAS
2. Pantalón de vestir
4. Bicicleta
5. B asurero
• com p re n d id a s entre 45 ,4 y 45 ,7 m m
• superiores a 45 ,3 m m
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 ?
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?
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?
L, L I, >, nK
Si la especificación es: E : 29 ,6 ± 2 ,5 cm
M A Q U IN A S
A B C
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?
L ista d e v a ria b le s
A. T ie m p o de m ezclad o
B. V e locidad de corte
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
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.
222 CONTROL DE CALIDAD
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
- 10 - - 11 -
0,04 0,05
GRAFICOS DE CONTROL
PARA VARIABLES
DEFINICION DE GRAFICO DE
CONTROL
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 .
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.
CAUSAS DE VARIACION
E J E M P L O 4.1
SOLUCION
Listado de características
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
SOLUCION
M = 34 cm T = 9 cm
o ’ = T/3 = 9/3 = 3 cm
JORGE ACUNA ACUNA 229
L S C = x + 3 * a ’ = 34 + 3 * 3 = 43 cm
L IC = x - 3 * a ’ = 34 - 3 * 3 = 25 cm
A , = 1 - N ( 1 ) = 1 -0 ,8 4 1 = 0 ,1 5 9
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 =15,9%
p_= ¡i = 34,0
a* = o 1N n = 3 / V 4 = 1,5 c m
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
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
JORGE ACUNA ACUNA 231
B = B ,+ B 2= 8 4 ,1 + C = 8 4 ,1 %
B = 8 4 ,1 %
d. Gráficos de su m as a cu m u lad as (C U S U M )
232 CONTROL DE CALIDAD
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)
n
Ix ,
i=1
X=-
n
donde:
b. Intervalo de la m uestra
R = x i máx - x imin.
234 CONTROL DE CALIDAD
donde:
m
Xx
X i + X 2 + X3 + . . . + X n ¡ =1
x= _
m m
d onde:
m : nú m e ro de m uestras
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
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 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
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 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.
x ,R .
<
2
ro O
O
O . o
QC<
UJ £r
5 <
5 a-
Z o
n in ^ io cvj — o
m h
x m= ( S v I x j/ (m -h )
k=1 k=1
donde:
m = nú m e ro de m uestras totales
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
JORGE ACUNA ACUNA 239
_ m f
Rm= (X R k- X R J / (m -f )
k=1 k=1
don de:
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 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
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
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
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
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
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.
JORGE ACUNA ACUNA 243
M = x
g ’< T / 3
o ’ = R/d2
M - T M+ T
*¡
S e g u im ie n to
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.
EJEMPLO 4.3
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
JORGE ACUNA ACUNA 247
SOLUCION
Especificación: M ± T = 45 ± 5 g ram os
Para intervalos
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
U C R = D 3* R = 0 * 9 ,2 = 0 gram os
G rá f ic o R
2 7 6 - ( 2 0 + 23)
Rm = 8,32 gramos
30 -2
JORGE ACUÑA ACUÑA 249
O CC< L l — U O IX O CC<Ll. —O O CE
250 CONTROL DE CALIDAD
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
Gráfico x
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
1 3 5 9 - ( 5 9 , 4 + 5 5 + 40)
x m= --------------------------------------------------= 44 ,6 g ra m o s
3 0 -3
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
JORGE ACUÑA ACUÑA 251
a. Exactitud
M= x
45 ,0 = 44,6
H 0: p = 45
H a: p = 45
o ’ = 7,93/2,326 = 3,41
4 4 ,6 -4 5
Z = = - 0,26
3,41
'15
b. Precisión
a ’ > T/3
T/3 = 5 / 3 = 1,67
3,41 > 1 ,6 7
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.
JORGE ACUNA ACUNA 253
A , = 0 ,1 2 3 ó 1 2 ,3 %
A 2= 1 -0 ,9 1 3 1 = 0 ,0 8 6 9 0 8 ,6 9 %
A , = 0,09 ó 9 %
A 2= 1 -0 ,9 4 3 = 0,0 5 7 6 5 ,7 %
254 CONTROL DE CALIDAD
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.
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
256 CONTROL DE CALIDAD
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
JORGE ACUÑA ACUÑA 257
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
Te rm in a d o el análisis se de se a saber:
SOLUCION
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 IE r = D , * T/3 = 0 * 2 ,5 / 3 = O cm
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
260 CONTROL DE CALIDAD
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
JORGE ACUÑA ACUÑA 261
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
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
262 CONTROL DE CALIDAD
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
G ráfico R
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
L S C R m = D 4/ R m
= 2 ,1
7
1 5 * 4 ,6
7
6 = 9,8
7
6 cm
G ráfico x
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
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
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
• E xactitu d
M = x
4 0 ,0 0 = 40,12
H 0: p = 40,0 0
H a:g = 40,00
o ' = 4,66/2,326 = 2
4 0 ,1 2 -4 0 ,0 0
Z =— — = 0,13
2
\Í5
Precisión
a ’ > T/3
& = R/d2= 4 ,6 6 / 2 ,3 2 6 = 2
T/3 = 2 ,5 / 3 = 0,833
2 > 0,833
266 CONTROL DE CALIDAD
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 , = 0,0 79 3 ó 7 ,9 3 %
A 2= 1 -0 ,8 2 3 8 = 0 ,1762 6 1 7 ,6 2 %
A , = 0,0951 6 9 ,5 1 %
A 2= 1 -0 ,8 8 3 = 0 ,1 1 7 6 1 1 ,7 %
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
b. A n á lis is de l g rá fic o
FIGURA 4.15. Gráfico de control ^ ,fl de/ Ejemplo 4.4. (Segundo día).
270 CONTROL DE CALIDAD
E xactitu d
M = x
4 0 ,0 0 = 39,8 8
H 0: p = 40,0 0
H a: p = 40,00
o ’ = 3,13/2,326 = 1,35
3 9 ,8 8 -4 0 ,0 0
Z = ------------------------------------------= -0 ,2 0
1.35
n -
C o m o se puede observar en la Figura 4.16, no existe evidencia estadística,
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
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
A , = 0 ,0 3 92 ó 3 ,9 2 %
A 2= 1 - 0 ,9 7 3 8 = 0 ,02 6 2 ó 2 ,6 2 %
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
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
o
J3
O
m
>
FIGURA 4.19. Gráfico de control x <R del Ejemplo 4.4. (Los tres días de estudio).
276 CONTROL DE CALIDAD
G ráfico R
1 0 3 ,5 -5 ,8
R m= ----------------------------- = 2,51 cm
4 0 -1
L S C R m = D „4 * R m
= 2 ,1
’
1 5 * 2 ,5
’
1 = 5 ,3 1 cm
G ráfico x
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
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
• E xactitiK l
M = x
4 0 ,0 0 = 39,97
H 0:p = 40,00
H a:p = 40,00
o ’ = 2,51/2,326 = 1 ,0 8
3 9 ,9 7 -4 0 ,0 0
Z = = 0,0 6 2
1,08
V5
278 CONTROL DE CALIDAD
• P recisión
o ’ > T/3
T/3 = 2 ,5 / 3 = 0,833
1,08 > 0 ,8 3 3
H 0: a 2= 0 ,8 3 3 2
H a : o 2> 0 ,8
’
332
(n -1 ) * s2 (4 ) * 1,082
ae2= ---------------------------- = -------------------------------= 6,724
a2 0,8 3 3 2
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 , = 0 ,0 1 4 3 ó 1 ,4 3 %
A 2= 1 -0 ,9 8 9 8 = 0 ,0102 0 1 ,0 2 %
A , = 0 ,0 1 1 0 ó 1 ,1 0 %
A 2= 1 - 0 ,9 90 4 = 0 ,0 0 9 6 ó 0 ,9 6 %
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.
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.
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?
C o n s t r u c c ió n de l g rá fic o
1. Los p aso s 1 y 2 son los m ism os del gráfico de pro m e dio e intervalos.
n
Ex,
X 1 + X2 + X 3 + . . . + Xn i=1
x = --------------------------------------- =-------------
n n
donde:
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
_ rn
< T = ( I s ( )/ m
¡=1
d on de:
m : nú m ero de m uestras
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
LSC- = x + A ^ o L S C 0 = B 4* o
L C C -= x LCC„ = o
L I C - = x - A ,* a
( m_ h_ T
xm = Xxk - X x k / (m -h )
Vk=1 k=1 )
JORGE ACUÑA ACUÑA 287
UJ
c/)
< co
í -
Í2 °
2<
3i
kj y
° §
° 2
I— s 2
2 a
ü
o
Ll.
2
<
<
tr
<
Q_
Lü
donde:
m = nú m e ro de m uestra s totales
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.
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
JORGE ACUÑA ACUÑA 289
donde:
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.
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.
M = X
a ’< T/3
o ’ = o/c2
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.
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
SOLUCION
# 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
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
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
— 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
296 CONTROL DE CALIDAD
Especificación: M + T = 10 ± 2 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 IE O = B 1
, * T/3 = 0,54
’ * 2/3 = 0,36
’ mm
2 0 0,1 6 _ 11,34
x = --------------------= 1 0 ,0 0 m m o = ----------------= 0 ,5 7 m m
20 20
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
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
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
1 1 , 3 4 - ( 0 , 9 7 + 0 ,8 9 )
om = = 0,53
’
mm
20 -2
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
9 ,4 8 -0 ,8
o m = -------------------------- = 0,51
’
mm
1 8 -1
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
G ráfico x
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
300 CONTROL DE CALIDAD
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
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.
a. E xactitu d
M = x
10,00 = 9,97
JORGE ACUÑA ACUÑA 301
b. P recisión
a ' < 1 /3
T/3 = 2 / 3 = 0,67
a ’ < T/3
0 ,5 3 < 0 ,6 7
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.
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.
302 CONTROL DE CALIDAD
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.
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.
a. Localización de la mediana
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:
b. Intervalo de la muestra
R = x im a.x - x im ín,
304 CONTROL DE CALIDAD
don de:
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
ls e Mb = m + t /^ • L S E r = D 2*T/3
L IE U e = M - T / ^ L IE R = D ,* T / 3
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
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.
A n á lis is de l g rá fic o
[ (m - h) + 1 ]
M em = --------------------------------------- término
2
donde:
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:
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°.
308 CONTROL DE CALIDAD
c ’ = R / d2
S e g u im ie n t o de l g rá fic o
EJEMPLO 4.6
SOLUCION
P a so 6. C á lc u lo de límites de control
JORGE ACUNA ACUNA 309
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
n 2 3 4 5 6 8 9 10
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
D 2= 3 d 3+ d 2
= 3 (0 ,8 )+ 2,257
= 4 ,6 6
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
(m + 1) 28
M = -------------------------- térm ino-= -----------térm ino = 14 o valor
2 2
312 CONTROL DE CALIDAD
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 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
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
NUMERO DE L A MUESTRA
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
26
R mm= ----------- térm ino = 13 o térm ino
2
R m= 5 ,3 g ra m 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
25
M em = térm ino = 12,5° término
2
M em= 15,7 g ra m os
a. E xactitud
M =M e
15,0 = 15,7
316 CONTROL DE CALIDAD
H 0: p = 15,0
H a: g = 15,0
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
b. Precisión
a ’ > T/3
2 .3 4 8 > 1,67
H 0: cr2= 2,7 7 7
H a : o 2= 2,777
’
( 5 - 1 ) 2 ,3 4 8 2
as2= -------------------------------------------- = 7,94
2,777
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
318 CONTROL DE CALIDAD
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 %
A , = 0 ,0 0 7 5 ó 0 ,7 5 %
A 2= 1 - 0 ,9 6 6 4 = 0 ,0 3 3 6 ó 3 ,3 6 %
G R A F IC O D E S U M A S A C U M U L A D A S
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.
>-
E
>
<
Z
o
ir
O
Lü
UJ
o
(/)
c/)
OD
321
Máscara V
m _
Ym=T(vM)
i=1
324 CONTROL DE CALIDAD
• 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
d= h/tan 0
0= t a n 1(k-m )/w
don de
S = D/a
o - = o ’ /V ñ
d = ( - 2 / 82) Inoc
0 = a rc ta n [1 / (2 t)]o
donde:
t: es el cociente entre o - y w (t = o - / w )
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
D = 6* o -
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
EJEMPLO 4.7
SOLUCION
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
No. X x -5 0 (x - 50)/1,0
d = 6,6
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
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
Com o:
0 = arctan 1/(2w6)
Entonce s:
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
log 0 ,6552
5 = --------------------------------------
log 2
5= -0,61
D = a x *5 = 1 * (-0 ,6 1 ) = -0,61
C u rv a 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
334 CONTROL DE CALIDAD
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.
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.
EJEMPLO 4.8
SOLUCION
o =
JORGE ACUÑA ACUÑA 335
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
m y L
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
JORGE ACUÑA ACUÑA 539
h = Q * o ’A/n
EJEMPLO 4.9
SOLUCION
1. El valor de k es:
k = 1110+1001/2 = 105
y=lk-mlVn/cr’= 0 ,742
3. El valor de n es:
n = [ 0,742*10/5]2= 2,20
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
b. Si se tom a n= 2 entonces:
5. C o n L a= 5 0 0 y £2=hVn/o’= 3 ,3 5
6. El valor de h es:
/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
K = ± 3 o ’= 6 a ’
donde:
I V S E -V | E
cp 6a’
342 CONTROL DE CALIDAD
VSE
V IE
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.
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.
K’ = 6 *o ’
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
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 :
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.
346 CONTROL DE CALIDAD
6 *R
K = 6*cr = ---------
d2
EJEMPLO 4.10
SOLUCION
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
JORGE ACUNA ACUNA 347
L. Xk d n„d nkdz
TO TA L 100 39 229
L, L, n„ K -e J K - e kl2/ek
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.
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
JORGE ACUNA ACUNA 349
K ’= 6 * o ’ = 6 * 0,0 4 4 = 0,2 6 4
M = x’
9,4 0 = 9,40
a ’ < T/3
0 ,0 4 4 <0 ,1 5 /3
0,0 4 4 < 0 ,0 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
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.
• 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
• 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
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
o ’ < T/3
0 ,0 4 3 <0 ,1 5 /3
0,0 4 3 < 0 ,0 5
K = 6 * 0 ,0 4 3 = 0,258
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.
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.
JORGE ACUÑA ACUÑA 353
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:
donde:
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
E JE M P L 0 4 . i l
¿ 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
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 ).
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.
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.
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.
C1: costo de producir piezas no conformes a especificación p1: probabilidad de que una pieza deba ser desechada
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
( 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 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
EJEMPLO 4.12
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.
SOLUCION
• 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
JORGE ACUÑA ACUÑA 359
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 -0 ,9 9 7 7 = 0,0023
p2= 0,3951
360 CONTROL DE CALIDAD
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-
4 ,9 6 5 4 ,9 7 5 5 ,0 0 0 5 ,0 2 5
Pi = N [(4 ,9 7 5 -4 ,965)/0,0194 = N (0 ,5 2 )
p, = 0 ,6985
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-
p, = N [(4 ,9 7 5 -4 ,975)/0,0194 = N (0 ,0 0 )
p, = 0 ,5 0 0 0
p3= 1 -0 ,9 9 5 1 = 0 ,0 0 4 9
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
•x = 4 ,9 7 6 m m
p, = 0,4801
o -' = 0 ,0 1 9 4
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
•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, = 0 ,5398
tr’ = 0 , 0 1 9 4
4 ,9 7 5 4 ,9 7 7 5 ,0 0 0 5 ,0 2 5
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
• 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 -1 = 0
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
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 -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
C o n x= 5 ,0 0 0 el C E /p ie za = 02,36
C o n x= 4 ,9 7 6 el C E / p ie za = 0 2 ,1804
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
368 CONTROL DE CALIDAD
Porcentaje de d e s e ch o = 0 ,5 7 %
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
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
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
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.
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.
370 CONTROL DE CALIDAD
M o d e lo s A R M A ( n ,n -1 )
A R (2 ) x = 0 ,xM+ 0 2x,2+a,
— — — —
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 observaciones
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:
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 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
JORGE ACUNA ACUNA 373
EJEMPLO 4 .1 3 ,
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.
SOLUCION
H o ja d e d a t o s - A n á li s i s A R M A (n ,m )
OBSERVACIONES: Para efectos de la serie de tiempo, los datos deben leerse por renglones,
pues así corresponde.
JORGE ACUÑA ACUÑA
375
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.
Parámetro Modelos AR M A
Q ,08173*(0,97059)<*CO S(2jt*0,42369*0,6*j+(2,9 4 4 7 9 ))
P a ra j> 0
«Valor
JORGE ACUNA ACUNA 379
3. C o nclu sio ne s
U C = M-3^Vo~
JORGE ACUÑA ACUÑA 381
TIE M P O (m in u to s)
L IC = 4 0 ,0 - 3* \ 3.81 = 34,14
382 CONTROL DE CALIDAD
RESUMEN
PREGUNTAS DE REPASO
“El hecho de que un proceso esté bajo control, no significa que cum ple con
las especificaciones”
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?
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 ?
PROBLEMAS
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.
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?
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 : 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
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 : 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
b. Estim ar el va lo r de a ’.
c. Determ inar el error estándar del prom edio de las 125 m ediciones.
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?
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
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
390 CONTROL DE CALIDAD
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
E: 84,0 ± 8 ,0 cm
JORGE ACUNA ACUNA 391
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
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
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 ?
Si la especificación es E: 72 ,6 ± 4 ,0 m m
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
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 % .
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?
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?
k, = 110 = 113
k2 = 104 = 101
h = ± 9 ,5 n = 9 o ’ = 10
ma= 107
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 ).
396 CONTROL DE CALIDAD
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.
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.
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.
b. B a se s estadísticas de m uestreo
f. M uestras patrón
h. D ocu m e n ta ción
E J E M P L O 5.1
E: 3 0 ± 2 c m
SOLUCION
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.
28 cm 32 cm
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
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:
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.
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:
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:
402 CONTROL DE CALIDAD
EJEMPLO 5.2
S O L U C IO N
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.
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.
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.
406 CONTROL DE CALIDAD
Caso A
Caso B
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
C onstrucción d e l gráfico
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
408 CONTROL DE CALIDAD
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:
In p * 1 0 0
p(%) = ----------------
m*n
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
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
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.
m
X ni
¡=t
n = -----------------------
m
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
• Te n d e n c ia s
In p -A
Pm= -----------------------
(m -s )-n
don de :
m = n ú m e ro inicial de m uestras
n = ta m año de la m uestra
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.
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.
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.
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
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
Número de muestra 11 12 13 14 15 16 17 18 19 20
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.
_ Zn p 75
p = ------------- =------------------ = 0,0 7 5
m-n 1000
414 CONTROL DE CALIDAD
p = 0 ,0 3 n=50
LCE = 0 ,0 3
P ’
L IE p = 0 ,0 3 - 3 \| [0,03*(1 -0 ,03)]/50 = -0 ,0 4 2
L IE p= 0
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
L IC = 0
P
7 5 -1 0 65 65
p m= -----------------------= --------------- = ---------------= 0,068
1
(20-1 )*50 19*50 950
JORGE ACUÑA ACUÑA 415
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.
E J E M P L O 5.4
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
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
JORGE ACUNA ACUÑA 417
SOLUCION
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.
Xnp 82
p= = ------------- = 0 ,0 7 3
Xn 1126
P a so 9. C á lc u lo de límites
50 + 58 + 4 0 + ..................+66
n =------------------------------------------------------------ = 56,3
20
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
418 CONTROL DE CALIDAD
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.
# n Vn 0 ,7 8 /V n LS C p
(*) n
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.
0,18
C o n s t r u c c ió n de l g rá fic o
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.
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
siguiente expresión:
In p
nP = • 100
m
L S E p = np
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.
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.
Al igual que el gráfico p, hay que tener en cuenta dos aspectos principales:
• T e n d e n c ia
_ In p -F
nPm= ------------------
(m-l)
donde:
m = nú m e ro inicial de m uestras
n = ta m a ñ o de la m uestra
m ejoras que reduzcan el núm ero de defectuosos y repetir el análisis con nueva
información.
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,
E JE M P L O 5.5
Número de muestra 1 2 3 4 5 6 7 8 9 10
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
Número de muestra 11 12 13 14 15 16 17 18 19 20
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
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.
In p 115
np = --------------= ----------------= 5,75
m 20
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
L IC np = 0
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 C C n p = 5 ,2 6
428 CONTROL DE CALIDAD
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
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
JORGE ACUÑA ACUÑA 429
L IC = 4 ,8 9 -3 '1 4 ,8 9 .(1 -0 ,0 2 4 4 ) =
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
Valores de np
E J E M P L O 5.6
1 1 5 -1 5
npm= ------------------------= 5,26
20-1
1 1 5 -1 5 -1 2
npm= — -------------------- = 4,89
18
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
432 CONTROL DE CALIDAD
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.
L S E C = c + 3 j*e
L C E C= c
L IE C = c - 3 ’
c
L S E C= c
donde:
L S C c = c + 3 \|c~
LCC c = c
L IC C = c - 3 'Je
*
434 CONTROL DE CALIDAD
A n á lisis de l gráfico
Zc-t
c m= ---------------------------
m -k
donde:
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.
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.
436 CONTROL DE CALIDAD
Estos gráficos tam bién se aplican a través de las tres etapas: construcción,
análisis y seguim iento.
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.
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
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
Ic-t
Um= -----------------------
£n - I n h
donde:
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
JORGE ACUÑA ACUÑA 439
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.
Estos gráficos tam bién se aplican a través de las tres etapas: construcción,
análisis y seguim iento.
C onstrucción de l gráfico
5. D eterm inar el núm ero de m uestras m que se van a extraer. E s recom enda
ble que sea superior a veinte.
440 CONTROL DE CALIDAD
m
1001c,
_ i= 1
100u = -------------------------
m*n
L C E IOOu= 100u
L S E 100u = 100u
donde:
LCC1(X)u= 100u
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
A ná lisis d e l$ rá fic o
[Xc-t]
100u = 1 0 0 * ---------------------------
In - In k
donde:
Xc-t
Um= -----------------------
Xn - X nk
donde:
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
JORGE ACUÑA ACUÑA 439
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.
Estos gráficos tam bién se aplican a través de las tres etapas: construcción,
análisis y seguim iento.
5. Determ inar el núm ero de m uestras m que se van a extraer. E s recom enda
ble que sea superior a veinte.
440 CONTROL DE CALIDAD
m
1001c,
¡=1
100u = -------------------------
m*n
L C E 100u= 100u
L S E 100u = 100u
donde:
L C C 1OOu= 1 0 0 u
L I C ioou = 1 0 0 u - 1 0 0 * [ 3 'u /n ] /
so — - -LSC|<
70 —
60 —
lOOu 5 0 —
4 0 --
30 —
20 —
10 —
H LICioo u
4 5 6 7
N?de la muestra
A ná lisis d e l$ rá fic o
[Ic -t ]
10Ou = 1 0 0 * ---------------------------
In - In k
donde:
EJEMPLO 5.7
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.
Número de muestra 1 2 3 4 5 6 7 8 9 10
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
Número de muestra 11 12 13 14 15 16 17 18 19 20
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
• Para el gráfico c
444 CONTROL DE CALIDAD
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
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
• 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
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
45
9 0 -1 4 76
cm = 4 defectos por m uestra
2 0 -1 19
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
>
9 0 -1 4 76
u = -------------------= --------------= 0 ,4 defectos por unidad
2 0 0 -1 0 190
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
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
450 CONTROL DE CALIDAD
E J E M P L O 5.8
S O L U C IO N
• P a ra defectos tipo A
Ic A 115
'A ‘
= 5,75 defectos por m uestra
m 20
Ic B 91
c,'B ■= 4,55 defectos por muestra
m 20
Número de muestra 1 2 3 4 5 6 7 8 9 10
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
Número de muestra 11 12 13 14 15 16 17 18 19 20
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
Ic T 308
cT =--------------- = = 15,4 defectos por m uestra
m 20
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 C C cl = 15,4
7 =15
L IC cT = 1 5 ,4 -3 ^ 1 5 ,4 =3
A ná lisis de lo s gráficos
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.
donde:
C onstrucción
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.
c.
U= -.....
n
donde:
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
JORGE ACUNA ACUNA 457
d onde:
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
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.
454 CONTROL DE CALIDAD
r
C.
Ce
LSCc c
CT
S eguim iento
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.
E J E M P L O 5.9
S O L U C IO N
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
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
460 CONTROL DE CALIDAD
E F M A M J J A S O N D
MESES
A n á lisis d e l gráfico
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:
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.
RESUMEN
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.
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.
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.
PROBLEMAS
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
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
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
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.
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
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
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
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.
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
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
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
Número de muestra 1 2 3 4 5 6 7 8 9 10
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
Número de muestra 11 12 13 14 15 16 17 18 19 20
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
Número de muestra 1 2 3 4 5 6 7 8 9 10
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
Número de muestra 11 12 13 14 15 16 17 18 19 20
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
468 CONTROL DE CALIDAD
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
Número de muestra 1 2 3 4 5 6 7 8 9 10
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
Número de muestra 11 12 13 14 15 16 17 18 19 20
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
Número de muestra 21 22 23 24 25 26 27 28 29 30
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
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
Número de muestra 1 2 3 4 5 6 7 8 9 10
Número de muestra 11 12 13 14 15 16 17 18 19 20
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
Número de muestra 1 2 3 4 5 6 7 8 9 10
Fecha 1 2 3 4 5 8 9 10 11 12
Número de muestra 11 12 13 14 15 16 17 18 19 20
Fecha 15 16 17 18 19 22 23 24 25 26
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
Número de muestra 1 2 3 4 5 6 7 8 9 10
# 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
472 CONTROL DE CALIDAD
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
• F e c h a de ensa m b le
• C ó d ig o de la unidad
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
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
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.
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
B. UTILIZACION
C. ERRORES
D. SESGOS
E. TIPO DE ENSAYO
F. CANTIDAD DE PERSONAL
G. EQUIPO
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.
MANUAL DE INSPECCION
a. N o m b re de la em p resa
c. C ó d ig o del producto
e. F e ch a s
c. C o n d icio n e s de re ch a zo de producto
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.
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.
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:
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.
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.
2. S e inspecciona 1 0 0 % la m uestra.
FIGURA 6.1. Representación gráfica del funcionr' rniento del plan simple.
JORGE ACUÑA ACUÑA 483
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
n=100, c=3
p np P*
EJEMPLO 6.2
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.
486 CONTROL DE CALIDAD
p np P* np Pa np P* np > a
EJEMPLO 6.3
n=100, c=3
n=150, c= 3
n=20 0, c= 3
n=25 0, c= 3
SOLUCION
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.
488 CONTROL DE CALIDAD
p np PA np PA np PA np PA
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).
JORGE ACUNA ACUNA 489
E J E M P L O 6.4
n= 50, C=2
n= 75, c= 3
n=100, c=4
n=125, c=5
SOLUCION
P np PA np PA np PA np PA
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.
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
N=20000, n=20 0, c= 3
SOLUCION
FIGURA 6.6. Curva característica de operación para planes con tamaño de muestra
porcentual a N y criterios de aceptación consecutivos
492 CONTROL DE CALIDAD
EJEMPLO 6.6
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
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:
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.
AQL PNCT
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.
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:
AQL (p % )
(o)
(p % ) PNCT
(b )
FIGURA 6.8. Curvas características de operación para riesgo del productor (a) y riesgo
del consumidor (¡i).
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
siguiente expresión:
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
SOLUCION
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:
nP*
PNCT
EJEMPLO 6.8
SOLUCION
Ac nPj
1 3,90 87
2 5,33 119
3 6,70 149
4 8,00 178
5 9,30 207
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 )
500 CONTROL DE CALIDAD
na,8. = (n
' a
+ n„)/2
8'
EJEMPLO 6.9
SOLUCION
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.
C T E I L = [n + ((N -n ) * P R)] * c¡
donde:
n: ta m a ño de la m uestra
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
SOLUCION
..•oíüiOMv-
n=220, Ac=4 12000 220 11800 0,119 0,881 [220+( 11800*0,881)]*15= 0159237
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.
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.
E JE M P L 0 6 . i l
n,= 45 n2= 45
A,= 1 ac2= 4
R.,= 5 Re2= 5
U s e p=0,01 y p = 0 ,0 2
SOLUCION
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.
JORGE ACUNA ACUNA 507
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
EJEMPLO 6.12
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
’
SOLUCION
# 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
# 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
¡
a. P la n e s sim ples
P A*P’* (N -n )
A O Q = --------------------------
N
donde:
n: ta m a ñ o de la m uestra
N: ta m a ñ o del lote
b. P lan e s dobles
d onde:
n2: ta m a ñ o de la s e g u n d a m uestra
c. P lanes múltiples
donde:
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.
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.
EJEMPLO 6.13
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
1437
A O Q = ------------------= 0 ,0 0 9 5 8 0 0 ,9 5 %
150000
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 (% )
EJEMPLO 6.14
n, = 120 n2 = 1 2 0
A c, = 3 A c2 = 6
7 P e2 = 7
P el =
SOLUCION
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
A O Q = 0,0 14 5 o 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
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.
C ,= -h , + s* k
C 2= h2 + s*k
donde:
s: pendiente de am b a s líneas
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 ) ) ]
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)
EJEMPLO 6.15
SOLUCION
Para conocer este plan se deben calcular los parám etros de las ecuaciones
de acep tación y recha zo .
h ,= 0,8 9
h2= 1,144
s= 0,051
• Lín e a de re cha zo
• Lín e a de aceptación
c ,= -0,89 +0,051 *k
522 CONTROL DE CALIDAD
0 = - 0 ,8 9 + 0 ,0 5 1 *k
k = 0,89/0,051 = 1 7 , 4 5 - 18
N O R M A IS O 2859-1
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
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.
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.
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.
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
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
JORGE ACUNA ACUNA 525
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.
R e : nú m e ro de recha zo
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 .
EJEMPLO 6.16
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.
528 CONTROL DE CALIDAD
Plan No. 1 2 3 4
n = 50 0 kg
Ac = 21 kg d'sconform es
Re = 22 kg disconform es
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
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
’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
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
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
<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
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
Continuación del Cuadro 6.20
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
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
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
534 CONTROL DE CALIDAD
■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 ]
JORGE ACUNA ACUNA 535
n = 200 m etros
A c = 18 m etros disconform es
R e= 19 m etros disconform es
Plan 3
n, = 50 m etros n2 = 50 metros
R e1 = 8 m etros Re 2, = 12 metros
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
50 I
100 I
250 I
400 I
630 I
125 |
1 000 I
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
JORGE ACUÑA ACUÑA 537
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.
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.
|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<
>
540 CONTROL DE CALIDAD
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
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:
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.
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.
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
542 CONTROL DE CALIDAD
a. un lote no es a ce p ta d o o,
EJEMPLO 6.17
SOLUCION
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
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
JORGE ACUÑA ACUÑA 545
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.
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
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
546 CONTROL DE CALIDAD
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.
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
JORGE ACUNA ACUNA 547
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.
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.
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
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
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
JORGE ACUÑA ACUÑA 551
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 o n c e p t o s g e n e ra le s
P ara aplicar este tipo de m uestreo se deben cum plir una serie de condicio
nes. La s m ás importantes son:
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.
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.
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.
(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
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:
S O L U C IO N
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 .
JORGE ACUÑA ACUÑA 555
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.
4. C a lc u la r el valor de Z 1PA.
Z 1-PA -
EJEMPLO 6.20
SOLUCION
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:
JORGE ACUNA ACUNA 557
p (% )
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.
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:
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.
1. Aspectos generales
560 CONTROL DE CALIDAD
4. T a b la s y d ia g ra m a s
5. Anexos
b. T e o ría estadística
2. T a m a ñ o del lote (N )
3. Nivel de inspección
5. T ip o de inspección
6. T ip o de límites de especificación
7. AQL
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 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
JORGE ACUNA ACUNA 561
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 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:
Método s
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
*Use H para un lote de tamaño entre 281 y 400, ejemplo para un lote de tamaño entre 401 y 500
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
564 CONTROL DE CALIDAD
q l ,U L
s s
EJEMPLO 6.21
a. ¿ C u á l e s el plan de m uestre o?
SOLUCION
n= 5 unidades k=1,53
- 92 + 87 + 84 + 96 + 94 . . .
x -------------------------------------------- 90,6
5
(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
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:
EJEMPLO 6.22
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
P a r a s = 5 , x = 90,6 5 P a r a s = 0 , x = 9 8 ,3
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
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
P a so 4. C á lc u lo de la m edia aritmética.
- 92 + 87 + 84 + 96 + 94
x = --------------------------------------------- = 90 ,6
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
EJEMPLO 6.24
SOLUCION
(1 ) x = 9 6 ,3 - 1,53*s
(2 ) x = 8 2 ,0 + 1,24*s
• 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
M S S D = f s (U -L )
s x -L
— y -------------
U -L U -L
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.
JORGE ACUÑA ACUÑA 571
SOLUCION
M S S D = 0,3 0 8 (9 8 ,3 -8 2 )= 5 ,0 2 0 4
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
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 .
JORGE ACUNA ACUNA 573
E J E M P L O 6.26
S O L U C IO N
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.
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.
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.
x < xu d o n d e :
xu = U - k u *cr
no se aceptan si:
x > xu
JORGE ACUÑA ACUÑA 575
O
c:
ü>
o
CD
O
QJ
CO
"O
CONTROL DE CALIDAD
&
03
"CD
oT
S
CD
CO
CO
I
JORGE ACUÑA ACUÑA
Continuación del Cuadro 6.39
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
x > X Ldonde:
xl = l_ + kL * a
no se aceptan si:
x < XL
x < xu y x > xl
no se aceptan si:
x > xu o x < XL
M P S D = fo (U -L )
EJEMPLO 6.27
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
580 CONTROL DE CALIDAD
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
JORGE ACUNA ACUNA 581
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
0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00
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
a.
n=10 k=1,70
b.
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.
X < XL
x l = L + kL*s
XL = 58 0 0 0 + 1,7*3000 = 6 3 1 0 0 psi
EJEMPLO 6.28
SOLUCION
a.
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
U-L
b.
x < xl x < xu
xl = L + kL*a x„ = U - k,* c
R E C H A Z O A C E P T A C IO N
EJEMPLO 6.29
SOLUCION
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
a 30 0 0
= 0 ,2 3 0 8
(U -L ) (7 1 0 0 0 -5 8 0 0 0 )
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
AQL
U-L
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
a. U n lote no es aceptado
E JE M P L O 6.30
# 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
n = 10 n = 10 n=4
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.
590 CONTROL DE CALIDAD
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.
RESUMEN
Este capítulo dedicado al m uestreo de aceptación permite determ inar que:
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 % ?
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.
a. C a lidad límite
b. Estadístico de calidad
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
n= 125,’ A C = 1
n= 150,’ A C = 2
n= 175, A = 3
JORGE ACUNA ACUNA 593
a. C o n s tru y a la cu rva O C .
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%
n= 10, A C =1
n= 50 A C =2
n= 1 0 0 A c=4
<
co
n=200
II
594 CONTROL DE CALIDAD
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:
2. R ie sg o del co n su m id o r = 0,091
n ,= 5 0 n2= 50
c = 1 c2= 5
R = 5 R 2= 6
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?
n ,= 80 n2= 80
R e1 = 6
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?
n= 100,
n= 150,
n= 0,01 N
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.
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
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
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
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
600 CONTROL DE CALIDAD
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
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?
JORGE ACUÑA ACUÑA 601
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.
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?
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
JORGE ACUNA ACUNA 603
a. ¿ C u á l es el plan de m uestreo?
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
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
d. Sim ule la inspección generando valores aleatorios que estén com pren
didos entre 67 cm y 83 cm .
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?
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
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.
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
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
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
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.
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:
1. Supervisión organizada
2. Inspección organizada
5. Autocontrol
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
JORGE ACUNA ACUNA 613
1. Falta de planeam iento. La m ayor parte de estos fracasos han sido pro du c
to de una im provisación total.
15. Efectuar estudios económ icos que permitan conocer los costos de calidad.
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.
3. Fallas de producción
• Distribución de planta
• M étodos de trabajo
• Inventario en proceso
• B alance de líneas
• Control de producción
• M anejo de m ateriales
2. Perm iten hallar pro ble m as gen e ra d o s por una pro blem ática anterior.
JORGE ACUÑA ACUÑA 617
COORDINACION Y CONTROL
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.
• Producción para la fabricación del producto que reúna los requisitos del
diseño.
ECONOMIA 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
ZONA B
ZONAC
ZONAD
C o s t o s d e c a lid a d
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.
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
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.
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.
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
producto. Estos costos representan los esfuerzos del proveedor por cum plir con
la calidad exigida.
C T C = C C A + C P R + C E V + C F I + C F E + C IN
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 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.
U n a explicación del tipo de rubros que involucra cada costo es dada a con
tinuación.
Empresa: XYZ
Producto: Periodo:
Realizado por: Fecha:
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:
SUBTOTAL:
SUBTOTAL:
TOTAL:
V y
JORGE ACUÑA ACUÑA 627
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
628 CONTROL DE CALIDAD
O tros costos incluyen los costos indirectos g enerados por las actividades
de inspección y prueba tales com o:
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.
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.
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
EJEMPLO 7.1
SOLUCION
Comienzo Inspección
(1/3 rechazado)
(4 00 * 2 4 0 )
C o s to de m a no de obra = ------------------------- = 96000/2 = 048000
por sección 2
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 .
(4 00 * 2 4 0 ) - (5 7 6 + 4 8 0 ) * 80 = 01 15 20 por día
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.
INDICADORES 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
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
4. D e s e c h o (ld)
5. Q u e ja s y reclam os (lqr)
6. C o s to s de calidad (lcc)
C o sto s de calidad
'c c = ------------------------------------------------------------------------------------------------------
C o s to total de producción
C o s to s de evaluación y prevención
I ------------------------------------------------------------------------
cp
C o sto s de fallas internas y externas
C o sto s de evaluación
Ice = -------------------------------------------------------------------------------------------------------
C o sto s de calidad
C o sto s de prevención
IP= -------------------------------------------------------------------------------------------------------
C o sto s de calidad
E J E M P L O 7.2
Colones Unidades
SOLUCION
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
61000
C o s to de inspección p o r = -------------------- = <52,875
unidad equivalente 2 1220
1 400000 40 1 10000
2 190000 38 0,95 9500
3 55000 6,875 0,172 1720
21220
JORGE ACUÑA ACUÑA 637
q u é tan altos son los costos de calidad en relación con la cantidad de pro duc
ción obtenida.
EJEMPLO 7.3
SOLUCION
Colones
E 585713 8800
F 574814 41700
M 475721 1200
A 608907 51000
M 495815 17917
J 668329 28315
J 529877 15719
Mes E F M A M J J
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)
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
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.
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
a. M aterias prim as
c. Línea de producción
e. P ro ducto en el m e rca do
JORGE ACUNA ACUNA 641
Sin e m bargo, tam bién tiene algunas desventajas entre las que se pueden
citar:
Precisión de la inspección
Precisión de la inspección
(d -k )
pr = ------------------------ * 1 0 0
(d - k) + b
d on de :
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
E J E M P L O 7.4
SO L U C IO N
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
La precisión del equipo calculada con base en el prom edio de los inspecto-
res es de 8 1 % .
Procedimiento de inspección
• Dibujos
• E specificaciones
• O rd e n de trabajo
Determ inar el tipo de inspección por m uestreo de acuerdo con las caracte
rísticas m ostradas en la Ficha de inspección.
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
650 CONTROL DE CALIDAD
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:
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.
JORGE ACUÑA ACUÑA 653
RESUMEN
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
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?
PROBLEMAS
Analice la situación si se fija una base del 2 ,5 % de devolu cio nes en pedi
dos y en colones.
i
Ventas Devoluciones
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.
Operación
1 2 3 4 5
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.
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.
Ventas Devoluciones
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.
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.
PREGUNTAS DE REPASO
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?
13. D esarrolle y explique die z indicadores de calidad diferentes a los pre sen
tados en este capítulo.
PROBLEMAS
........ ■.............................................. 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
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
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.
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
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.
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
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?
JORGE ACUNA ACUNA 665
DATOS ADICIONALES
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.
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
D ia g r a m a d e O p e r a c i o n e s
"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
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
2 CONTROL DE CALIDAD
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
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
/ .
CONTROL DE CALIDAD
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
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
Continuación de Tabla VI
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
Continuación de Tabla VI
LANDA 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
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
Continuación de Tabla VI
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
C ontinuación deTablaVI
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
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
C ontinuación deTablaVI
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
Continuación deTablaVI
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
- a - 0.95 1 - a - 0.99
* Tomada de la Referencia 20
TABLA VIII. Tabla de
JORGE ACUÑA ACUÑA
689
Tomada de la