Estasistica SIG

Regional Valle
Sistema de Gestión de la Calidad
HERRAMIENTAS ESTADISTICAS PARA EL

CONTROL DE PROCESOS
Centro Nacional de Desarrollo Tecnológico y Asistencia Técnica a la Industria

ASTIN
Santiago de Cali
Agosto - 2008
Regional Valle Fecha:
Centro Nacional de Desarrollo Tecnológico y Asistencia Técnica a Febrero de 2008
la Industria - ASTIN Versión: 3

HERRAMIENTAS ESTADISTICAS PARA EL CONTROL DE Página 2 de 46
PROCESOS
TABLA DE CONTENIDO
Página
PRESENTACIÓN
1 INTRODUCCIÓN 5
2 RESEÑA HISTORICA 6
2.1 INICIOS DE LA CALIDAD 6
2.2 LOS GESTORES DE LA CALIDAD 6
2.3 EL CONTROL ESTADÍSTICO DE LA CALIDAD Y LA
9
MEJORA DE PROCESOS.
3 CONTROL ESTADÍSTICO DE PROCESOS 10
3.1 DEFINICIÓN 10
3.2 CICLO DEL CEP 11
3.3 CONCEPTOS 12
3.3.1 CONCEPTOS GENERALES 12
3.3.2 CONCEPTO DE VARIACIÓN 13
3.3.3 CURVA DE DISTRIBUCIÓN NORMAL 14
3.3.4 CONCEPTO DE PRECISIÓN Y EXACTITUD 15
4.0 HERRAMIENTAS CLASICAS PARA EL CONTROL DE
16
PROCESOS
4.1 HISTOGRAMA 16
4.1.1 MEDIDAS DE TENDENCIAS CENTRAL O MEDIDAS
20
DE CENTRALIZACIÓN EN EL HISTOGRAMA
4.1.2 MEDIDAS DE DISPERSIÓN EN EL HISTOGRAMA
20
4.2 GRÁFICOS DE CONTROL DE PROCESOS O
21
CARTAS DE CONTROL
4.2.1 GRAFICO PARA VARIABLES CUANTITATIVAS
22
4.2.2 GRAFICOS DE CONTROL PARA ATRIBUTOS 31
4.3 GRAFICO CAUSA EFECTO 39
4.4 DIAGRAMAS DE PARETO 41
4.4.1 DIAGRAMA DE PARETO DE FRECUENCIA 41
4.4.2 DIAGRAMA DE PARETO PARA COSTOS 42
4.5 GRÁFICO DE CORRELACIÓN O DISPERSIÓN. 43
4.6 PLANILLAS DE INSPECCIÓN U HOJAS DE
45
VERIFICACIÓN
5.0 HERRAMIENTAS MODERNAS PARA ELCONTROL
42
DE PROCESOS
5.1 DIAGRAMA DE INTERRELACIONES 42
Febrero de 2008
Centro Nacional de Desarrollo Tecnológico y Asistencia Técnica a
Versión: 3
la Industria - ASTIN
HERRAMIENTAS ESTADISTICAS PARA EL CONTROL DE PROCESOS Página 3 de 46
5.2 DIAGRAMA DE AFINIDAD 43

5.3 DIAGRAMA DE ARBOL 45
5.4 DIAGRAMA SAGITAL 46
5.5 EL ANÁLISIS FACTORIAL DE DATOS 50
5.6 ANÁLISIS DE MODO Y EFECTO DE FALLA (AMEF) 52
6.0 SOFTWARE PARA EL CONTROL ESTADÍSTICO DE
54
PROCESOS
7.0 BIBLIOGRAFÍA
Elaborado por Omar Hernán Ossa B.

Febrero de 2008
Versión: 3
PRESENTACIÓN
En mundo globalizado, en dónde las barreras fronterizas se encuentran en

una franca tendencia a desaparecer y la apertura en los mercados mundiales
es una realidad latente gracias a los tratados de libre comercio y convenios
internacionales, han obligado a las empresas nacionales a ser más
competitivas para permanecer activas ya que ahora, no solo se compite con
las empresas locales, sino que se deben medir con empresas internacionales
que ofrecen los mismos productos y/o servicios pero a un costo mucho
menor y con una mayor calidad.
Las empresas que desean sobrevivir en este nuevo panorama deben de

optimizar sus procesos y recursos con el fin de crecer y así poder ofrecer al
público un producto y/o servicio competitivo.
En una primera instancia las primeras soluciones propuestas por las

empresas, en su mayoría, implican cambios de tecnología, diseño, etc., lo
que significa una fuerte inversión. Esta no es una tarea sencilla
especialmente para las pequeñas y medianas empresas, las cuales sus
posibilidades de grandes inversiones para modificar sus procesos son casi
nulas.
Pero las grandes inversiones en tecnología de punta no es el primer paso

que deben tomar las empresas, primero deben asegurarse que sus procesos
actuales son los más óptimos y para lograrlo contamos con una herramienta
sencilla pero poderosa para ayudarnos a tomar decisiones encaminadas a
mejorar nuestros procesos, el Control de Procesos el cuál es un conjunto de
herramientas estadísticas que nos permite recopilar, estudiar y analizar la
información de procesos repetitivos para poder tomar decisiones
encaminados a la mejora de los mismos.
Dos de los principales factores que los consumidores toman en cuenta

decidir comprar o no un producto o servicio son el precio y la calidad, pero
es esta última la que realmente marca la diferencia. El presente trabajo
pretende explicar las ventajas que implica aplicar el Control Estadístico en los
procesos de producción con el fin de mejorar los procesos productivos,
disminuyendo costos para así ofrecer productos realmente competitivos.

Febrero de 2008
Versión: 3
1 INTRODUCIÓN
Existe mucha literatura de control de calidad y/o procesos en sus distintas

modalidades, todos los autores coinciden en la necesidad de usar técnicas
de calidad, y para cubrir esta necesidad existe un conjunto de técnicas
estadísticas llamadas herramientas básicas de la calidad que aplicada
combinadamente forman el Control Estadístico del Proceso (CEP).
Qué es Calidad?
Si buscamos la palabra "Calidad" en el diccionario encontramos las
siguientes definiciones: Conjunto de cualidades que constituyen la manera de
ser de una persona o cosa; Propiedad o conjuntos de propiedades inherentes
a algo, que permiten juzgar su valor (Real Academia Española, 23ª edición).
En el área de negocios y en términos más prácticos, calidad se entiende
como "hacer bien las cosas a la primera vez" y / o "cumplir con los
requerimientos del cliente".
Como podemos ver en las definiciones anteriores la Calidad puede ser un

concepto bastante abstracto lo que implica una dificultad al tratar de
evaluarla ya que si un producto o servicio tiene o no tiene calidad depende
del "punto de vista" de la persona que lo evalúa, por ejemplo, el concepto de
calidad que tiene un comprador de una blusa es diferente al concepto de
calidad que puede tener el productor. Sin embargo todo servicio o producto
se le puede asignar factores o características medibles que nos dan de una
manera más objetiva el nivel de calidad de un producto o servicio.
Las características que establecen si un producto o servicio es de calidad

son asignadas por los clientes, dichas características son traducidas por los
productores a especificaciones técnicas (características medibles) de los
procesos de fabricación del producto o del servicio. Una vez establecidas las
características medibles de los procesos se deben asegurar que cada uno de
los productos o servicios realizados cumplan con dichos requerimientos, lo
que me asegurara la calidad del producto o servicio.
Es importante recalcar que ningún producto o servicio es exactamente igual a

otro sin importar que sea realizados por la misma compañía, maquinaria y/o
personas. Esto se debe a las variaciones que se encuentran en cualquier
proceso por lo que es necesario realizar un monitoreo para asegurar que las
variaciones no afecten la calidad del producto o servicio, esto se logra

Febrero de 2008
Versión: 3
mediante el uso de una herramienta estadística llamada Control Estadístico

de Procesos CEP.
2 RESEÑA HISTORICA
2.1 INICIOS DE LA CALIDAD
En un principio la calidad era posible definirla como todo aquello que

contribuyera a mejorar las precarias condiciones de vida de la época
prehistórica, es decir, las cosas eran valiosas por el uso que se les daba, lo
que era acentuado por la dificultad de poseerlas.
Conforme el ser humano evoluciona culturalmente y se dinamiza el
crecimiento de los asentamientos humanos, la técnica mejora y comienzan a
darse los primeros esbozos de manufactura; se da una separación
importante entre usuario o cliente y el fabricante o proveedor.
La calidad se determinaba a través del contacto entre los compradores y lo
vendedores, las buenas relaciones mejoraban la posibilidad de hacerse de
una mejor mercancía, sin embargo, no existían garantías ni especificaciones,
el cliente escogía dentro de las existencias disponibles.
Conforme la técnica se perfecciona y las poblaciones se transforman poco a
poco en pueblos y luego en ciudades de tamaño considerable, aparecen los
talleres de artesanos dedicados a la fabricación de gran variedad de
utensilios y mercancías, cada taller se dedicaba a la elaboración de un
producto, eran especialistas en ello y basaban su prestigio en la alta calidad
de sus hechuras, las que correspondían a las necesidades particulares de
sus clientes. En esta etapa surge el comerciante, sirviendo de intermediario
entre el cliente y el fabricante.
2.2 LOS GESTORES DE LA CALIDAD
WALTER A SHEWART (1891-1967)

Nacido en New Canton Illinois. La mayor parte de su carrera profesional la
ejerció como ingeniero en Western Electric de 1918 a 1924, y
en los laboratorios Bell Telephone como miembro del cuerpo
técnico de 1925 hasta su retiro en 1956. Miembro fundador
de la Sociedad Americana de Calidad (ASQ). Shewhart
escribió Statistical Method from the Viewpoint of Quality
Control en 1939, haciéndose así de prestigio en la

Febrero de 2008
Versión: 3
comunidad estadística. Además publicó diversos artículos en revistas

especializadas y muchos de sus escritos se utilizaron de manera interna en
los Laboratorios Bell. Uno de dichos documentos fue el memorandum del 16
de mayo de 1924, mediante el cual proponía el uso de gráficas de control a
sus superiores.
W. EDWARDS DEMING (1900-1993)

William Edwards Deming nació en 1900 en Wyoming, E.U., se dedicó a
trabajar sobre el control estadístico de la calidad. Japón
asumió y desarrollo los planteamientos de Deming, y los
convirtió en el eje de su estrategia de desarrollo
nacional. En 1950 W. Edward Deming visitó Japón,
dando conferencias sobre Control de Calidad. A dichas
conferencias asistieron un grupo numeroso y
seleccionado de directivos de empresas para crear las
bases sobre las que instaurar el Premio Deming,
premiando a aquellas instituciones o personas que se
caracterizaran por su interés en implantar la calidad.
JOSEPH MOSES JURAN (1904-199)

Nace en Rumania en 1904 y es otra de las grandes figuras de la calidad. Se
traslada a Minnesota en 1912. Es contemporáneo de Deming. Después de la
II Guerra Mundial trabajó como consultor. Visita Japón en 1954 y convierte el
Control de la Calidad en instrumento de la dirección de la
empresa. Imparte su conferencia sobre: "Gestión
Sistemática del Control de Calidad". Se le descubre a raíz
de la publicación de su libro, desechado por otras
editoriales: "Manual de Control de Calidad". Su
fundamento básico de la calidad, es que sólo puede tener
efecto en una empresa cuando ésta aprende a gestionar
la calidad.
KAORU ISHIKAWA (1915-)

El representante emblemático del movimiento del
Control de Calidad en Japón es el Dr. Kaoru Ishikawa.
Nacido en 1915, se graduó en la Universidad de Tokio el
año 1939 en Química Aplicada. Fue profesor en la
misma Universidad, donde comprendió la importancia de
los métodos estadísticos, ante la dispersión de datos,
para hallar consecuencias. Desarrolla el Diagrama

Febrero de 2008
Versión: 3
Causa-Efecto como herramienta para el estudio de las causas de los

problemas.
Parte de que los problemas no tienen causas únicas, sino que suelen ser,
según su experiencia, un cúmulo de causas. Sólo hay que buscar esta
multiplicidad de causas, colocarlas en su diagrama.
PHILIP B. CROSBY (1926-2001)

Philip Crosby nació en Wheeling, Virginia el 18 de junio de
1926. En los años 60’s propuso un programa de 14 pasos
a los que denominó “cero defectos”, a través de los cuales
hizo entender a los directivos que cuanto se exige
perfección ésta puede lograrse, pero para hacerlo la alta
gerencia tiene que motivar a sus trabajadores
(Crosby:1979). De esta forma planteaba la importancia de
las relaciones humanas en el trabajo y para que la
administración conduzca a la organización a una posición
productiva y competitiva
GENICHI TAGUCHI (1924-)

El Dr. Genichi Taguchi nació en Japón en 1924,
graduándose en la Escuela Técnica de la Universidad
Kiryu, su principal etapa profesional ha sido dentro de la
Electrical Communication Laboratory (ECL) de la Nippon
Telephone and Telegraph Co. (1948-1961) en donde se
enfocó a la mejora de la productividad en la
investigación y desarrollo. En sus métodos emplean la
experimentación a pequeña escala con la finalidad de
reducir la variación y descubrir diseños robustos y
baratos para la fabricación en serie, reduciendo los tiempos de investigación,
desarrollo y entrega del diseño.
SHIGEO SHINGO (1909-1990)

Nació en Japón en 1909, Shigeo Shingo tal vez no es tan
conocido en Occidente como Ishikawa y Taguchi, aunque
la incidencia de su trabajo, especialmente en Japón, ha
sido inmensa. Después de graduarse en Ingeniería
Mecánica en la Escuela Técnica Yamanahsi en 1930, se
incorporó a la Fábrica de Ferrocarriles Taipei, en Taiwán,
donde introdujo los métodos de gestión científica.
Es interesante advertir que los sistemas poka-yoke, al
Febrero de 2008
Versión: 3
utilizar dispositivos que evitan la aparición de defectos, obvian la necesidad

de medición. En general, los sistemas poka-yoke comprenden dos fases: el
aspecto de detección y el aspecto de regulación.
2.3 EL CONTROL ESTADÍSTICO DE LA CALIDAD Y LA MEJORA DE

PROCESOS.
Comenzando con la aportación de Shewhart sobre reconocer que en todo

proceso de producción existe variación (Gutiérrez:1992), puntualizó que no
podían producirse dos partes con las mismas especificaciones, pues era
evidente que las diferencias en la materia prima e insumos y los distintos
grados de habilidad de los operadores provocaban variabilidad. Shewhart no
proponía suprimir las variaciones, sino determinar cuál era el rango tolerable
de variación que evite que se originen problemas.
Para lograr lo anterior, desarrolló las gráficas de control al tiempo que
Roming y Dodge desarrollaban las técnicas de muestreo adecuadas para
solamente tener que verificar cierta cantidad de productos en lugar de
inspeccionar todas las unidades. Este periodo de la calidad surge en la
década de los 30’s a raíz de los trabajos de investigación realizados por la
Bell Telephone Laboratories.
En su grupo de investigadores destacaron hombres como Walter A.
Shewhart, Harry Roming y Harold Dodge, incorporándose después, como
fuerte impulsor de las ideas de Shewhart, el Dr. Edwards W. Deming
(Cantú:1997).
Estos investigadores cimentaron las bases de lo que hoy conocemos como
Control Estadístico de la Calidad (Statistical Quality Control, SQC), lo
cual constituyó un avance sin precedente en el movimiento hacia la calidad.

Febrero de 2008
Versión: 3
3.0 CONTROL ESTADISTICO DE PROCESOS CEP
3.1 DEFINICIÓN
El Control Estadístico de Procesos (C.E.P.), también conocido por sus siglas

en inglés "SPC" es un conjunto de herramientas estadísticas que permiten
recopilar, estudiar y analizar la información de procesos repetitivos para
poder tomar decisiones encaminadas a la mejora de los mismos, es aplicable
tanto a procesos productivos como a servicios, siempre y cuando cumplan
con dos condiciones: Que sea medible y que sea repetitivo. El propósito
fundamental de C.E.P. es identificar y eliminar las causas especiales de los
problemas (variación) para llevar a los procesos nuevamente bajo control.
El C.E.P. sirve para llevar a la empresa del Control de Calidad "Correctivo"

por inspección, dependiente de una sola área, al Control de Calidad
"Preventivo" por producción, dependiente de las áreas productivas, y
posteriormente al Control de Calidad "Predictivo" por diseño, dependiendo de
todas las áreas de la empresa. En la siguiente figura se muestra el ciclo de
aplicación del Control Estadístico de Proceso.
Una empresa que cuenta con Control Estadístico puede mejorar sus
procesos, reducir reproceso y desperdicios, lo que genera una reducción de
costos ya que el C.E.P. involucra más que solo crear el producto perfecto,
implica además asegurar que los procesos internos son llevados
apropiadamente, que el equipo se le da el mantenimiento adecuado y que los
recursos suministrados son los indicados.
Las técnicas de control de procesos se pueden clasificar en dos grupos, las

herramientas clásicas y las nuevas herramientas. El primer grupo esta
compuesto por Diagramas de Flujo de Proceso, Diagrama Causa - Efecto,
Diagrama de Paretto, Diagrama de Correlación o Dispersión, Histogramas,
Cuestionario Critico, Hoja de Seguimiento y Gráficos de control entre otros.
Las nuevas herramientas son aquellas diseñadas para evaluar situaciones
que las herramientas clásicas no pueden detectar. Estas herramientas son:
Diagrama de Afinidad, Diagrama de Relaciones, Diagrama de Árbol,
Diagrama Matricial, Diagrama Sagital, Diagrama de Decisiones de Acción y
Análisis Factorial entre otros.

Febrero de 2008
Versión: 3
3.2. CICLO DEL CEP
Para iniciar un CEP satisfactorio, deben llevarse a cabo al menos los

siguientes pasos:
a. Definir la variable representativa o critica del proceso a controlar (tiempo,

costos, cantidad, atributos de calidad y otros):
Es necesario tener claro que el interés principal en el estudio de una
variable es el de observar la tendencia que muestran los valores a través
del tiempo, para tomar medidas correctivas en cuanto se aparten de las
especificaciones.
b. Establecer especificaciones de la variable:

Las especificaciones están dadas por el cliente, por la competencia, por el
mercado, por las exigencias mismas del producto o por cualquier otro
elemento.
c. Establecer los métodos de anotación y/o recolección de la información:

Según la naturaleza del proceso se tienen que establecer métodos
sencillos y eficaces de anotación del los valores que pueda tomar la
variable. Luego se diseña el procedimiento para la toma de muestras de
valores de la variable y el proceso o tratamiento (herramienta estadística)
al cual serán sometidos dichas observaciones con el fin de obtener
resultados entendibles para toda la empresa.
d. Observar e interpretar los resultados obtenidos en los pasos anteriores:

En este paso debemos observar la tendencia de los resultados obtenidos
al procesar la variable. A menos que la desviación sea extremadamente
grande, un solo valor no tiene importancia sino una serie de valores.
e. Investigar las causas que originan las desviaciones de la variable:

Las variables solo señalan si una actividad es correcta o no en sus
resultados, pero no dicen el porque. Las causas de las variaciones deben
investigarse directamente en el terreno de los hechos. Debe tenerse en
cuenta que la causa que origina la diferencia puede encontrarse en otros
departamentos o fuera de la empresa.
f. Tomar una decisión o plan de acción según lo observado:

Una vez localizada la causa, deben plantearse las diversas alternativas
que puedan seguirse para su ajuste o solución y calcularse la
probabilidad de éxito de cada una de ellas.
Febrero de 2008
Versión: 3
g. Comprobar la efectividad de las acciones o decisiones tomadas:

Al tomar la decisión de ajuste o cambio en la causa que origina un
resultado no deseado debe verificarse que la practica sea la correcta,
mediante la observación de la variable. Si la decisión fue correcta o
incorrecta se mostrara en el nuevo rumbo que tome la tendencia en los
resultados futuros de la actividad estudiada.
3.3 CONCEPTOS
3.3.1 CONCEPTOS GENERALES
Población:
Cuando tenemos un conjunto muy grande de datos numéricos para analizar
decimos que tenemos un Universo o Población de observaciones.
Muestra:
Es un subconjunto pequeño de observaciones extraídas de un universo o
población.
Muestreo Aleatorio:
En general, no es posible disponer de todas las observaciones de un
universo o población, ya sea porque es un universo hipotético o porque la
recolección de todos los datos resulta una tarea excesiva para nuestras
posibilidades. Normalmente se dispone de una muestra de datos extraídos
de un universo, y lo que se pretende es estimar (Conocer de manera
aproximada) los parámetros del universo por medio de cálculos realizados
sobre la muestra.
Defecto:
Fenómeno que se presenta en un producto el cual le impide cumplir con sus
funciones.
Critico: Impide o dificulta el uso del producto.
Mayor : Limita el uso pero no lo hace inútil.
Menor :No limita ni perjudica el uso, pero si su imagen.
Defectuoso:
Todo producto que al menos posee un defecto generalmente mayor o critico.

Febrero de 2008
Versión: 3
Variables cualitativas o atributos: Son características de un elemento que

varían y que no podemos medir numéricamente. Ejemplo: Bueno-malo; sirve
-no sirve; falso-verdadero.
Variables cuantitativas:
Son características medibles por instrumentos, otorgando un valor numérico
de acuerdo a una escala determinada.
Limites de especificación:
Es el rango de aceptación dado para una variable de un producto, y puede
ser dado por el cliente, por los consumidores, por el mismo proceso, etc.
Limites de control:
Es el rango donde se mueve la variable que se esta observando, y es
básicamente dado por los mismos datos del proceso.
3.3.2 CONCEPTO DE VARIACIÓN:
Todo proceso productivo es un sistema formado por personas, equipos y

procedimientos de trabajo. El proceso genera una salida (output), que es el
producto que se quiere fabricar. La calidad del producto fabricado está
determinada por sus características de calidad, es decir, por sus propiedades
físicas, químicas, mecánicas, estéticas, durabilidad, funcionamiento, etc. que
en conjunto determinan el aspecto y el comportamiento del mismo. El cliente
quedará satisfecho con el producto si esas características se ajustan a lo que
esperaba, es decir, a sus expectativas previas.
Por lo general, existen algunas características que son críticas para
establecer la calidad del producto. Normalmente se realizan mediciones de
estas características y se obtienen datos numéricos. Si se mide cualquier
característica de calidad de un producto, se observará que los valores
numéricos presentan una fluctuación o variabilidad entre las distintas
unidades del producto fabricado. Por ejemplo, si la salida del proceso son
frascos de mayonesa y la característica de calidad fuera el peso del frasco y
su contenido, veríamos que a medida que se fabrica el producto las
mediciones de peso varían al azar, aunque manteniéndose cerca de un valor
central.
El peso de los frascos llenos fluctúa alrededor de los 250 grs. Si la
característica de calidad fuera otra, como el contenido de aceite, el color de

Febrero de 2008
Versión: 3
la mayonesa o el aspecto de la etiqueta también observaríamos que las

sucesivas mediciones fluctúan alrededor de un valor central.
El valor de una característica de calidad es un resultado que depende de una
combinación de variables y factores que condicionan el proceso productivo.
Por ejemplo, en el caso de la producción de mayonesa es necesario
establecer que cantidades de aceite, huevos y otras materias primas se van
a usar. Hay que establecer a que velocidad se va a agitar la mezcla y cuanto
tiempo. Se debe fijar el tipo y tamaño de equipo que se va a utilizar, y la
temperatura de trabajo. Y como éstas se deben fijar muchas otras variables
del proceso. La variabilidad o fluctuación de las mediciones es una
consecuencia de la fluctuación de todos los factores y variables que afectan
el proceso.
Causas Asignables de variación:

Son causas que pueden ser identificadas y que conviene descubrir y
eliminar, por ejemplo, una falla de la máquina por desgaste de una pieza, un
cambio muy notorio en la calidad del plástico, etc. Estas causas provocan
que el proceso no funcione como se desea y por lo tanto es necesario
eliminar la causa, y retornar el proceso a un funcionamiento correcto.
Causas Aleatorias de variación:

Son una multitud de causas no identificadas, ya sea por falta de medios
técnicos o porque no es económico hacerlo, cada una de las cuales ejerce un
pequeño efecto en la variación total.
Son inherentes al proceso mismo, y no pueden ser reducidas o eliminadas a
menos que se modifique el proceso.
*Cuando el proceso trabaja afectado solamente por un sistema constante de

variables aleatorias no controlables (Causas no asignables) se dice que está
funcionando bajo Control Estadístico.
*Cuando, además de las causas aleatorias, aparece una o varias causas

asignables, se dice que el proceso está fuera de Control Estadístico.
3.3.3 CURVA DE DISTRIBUCIÓN NORMAL
La importancia de esta distribución radica, en que la mayoría de los

fenómenos de la naturaleza son descritos por este patrón de variación,
desarrollada por F. Gauss, por lo que también se conoce como distribución

Febrero de 2008
Versión: 3
Gaussiana, de Gauss o Campana de Gauss sus principales características

son:
 Esta Dada por la media  y las desviaciones 
 Es asintótica al eje X en + y en -
 Presenta puntos de inflexión en X =   
 Es simétrica respecto a la media 
 La Desviación estándar define la esbeltez de la curva
 El número de valores que caen en    = 68,3 %
 El número de valores que caen en   2 = 95,5 %
 El número de valores que caen en   3 = 99.7 %
3.3.4 CONCEPTO DE PRECISIÓN Y EXACTITUD
Un instrumento de medida puede proporcionar una serie de datos cuyo

promedio sea diferente del real por las siguientes causas:
 El elemento medidor esta mal calibrado, considerando que hay precisión
si el error es menor que la tolerancia.
 Falta de consistencia en las medidas obtenidas, haciendo varias
mediciones sobre el mismo producto, presentándose la variación de las
medidas, entonces la dispersión resultante consta de la variación, debida
Febrero de 2008
Versión: 3
al instrumento mas la variación que se da de una unidad a otra del mismo

producto.
La precisión se refiere a la cercanía de los datos entre si, es decir nos mide
la dispersión del proceso, para esto se utilizan las medidas de variabilidad,
como el rango, la desviación medida, la desviación estándar y el coeficiente
de variación entre otros.
La exactitud se refiere a la centralidad del valor medio de los datos, es decir

nos indica que tan centrado esta el proceso frente al objetivo que queremos,
para esto se utilizan las medidas de tendencia central como la media, la
mediana, la moda entre otras.
a. Ni preciso ni exacto b. Preciso no exacto c. Exacto no preciso d. Exacto y preciso
4.0 HERRAMIENTAS CLASICAS PARA EL CONTROL DE PROCESOS
4.1 HISTOGRAMA
Representa gráficamente la frecuencia de cada medición dentro de un grupo

de mediciones. Es una gráfica de barras que indica una distribución por
frecuencia. El histograma muestra gráficamente la capacidad de un proceso
al igual que da una idea de la forma de la población y si se desea puede
mostrar la relación que guarda tal proceso con las especificaciones y con las
normas. Su construcción ayudará a comprender la tendencia central,
dispersión y frecuencias relativas de los distintos valores.
Un histograma es un gráfico o diagrama que muestra el número de veces
que se repiten cada uno de los resultados cuando se realizan mediciones
sucesivas. Esto permite ver alrededor de que valor se agrupan las
mediciones (Tendencia central) y cual es la dispersión alrededor de ese valor
central.
Tipos de histograma
Normal (simétrico o de campana):
El valor de la media del histograma se
encuentra en el centro del rango de los datos.
Febrero de 2008
Versión: 3
La frecuencia máxima está en la mitad y desciende gradualmente hacia los

lados. La forma es simétrica-
Tipo Disparejo (o multimodal):

Cada clase de por medio tiene frecuencia más
baja, esta forma se presenta cuando el número
de datos incluidos en cada clase varía de clase a
clase o cuando existe una tendencia particular
en la manera en que se redondean los datos.
Tipo deslizado a la derecha o izquierda:

El valor de la media del histograma está
localizado hacía el lado izquierdo del rango. La
frecuencia disminuye abruptamente hacia la
izquierda. Es asimétrico. Esta forma ocurre
cuando el límite inferior está controlado ya sea
Teóricamente o por el valor de una especificación.
También cuando valores inferiores a otro dado no
son considerados.
Tipo precipitado a la izquierda o derecha:

El valor de la media del histograma está
localizado muy hacia la izquierda de la
mitad del rango de los datos, esta es una
forma que ocurre frecuentemente cuando
se ha hecho un muestreo al 100% debido a
una baja capacidad de proceso, y también
cuando el deslizamiento a la derecha es
mucho más extremo.
Tipo meseta:
La frecuencia en cada clase forma una meseta debido a que las clases
tienen frecuencias similares excepto aquellas en los extremos, esta forma
ocurre al mezclar varias distribuciones con distintos valores medios.
Tipo Pico aislado:

Existe un pequeño pico aislado
adicionado a un histograma de
tipo general, esta es una forma

Febrero de 2008
Versión: 3
que aparece cuando se hace una pequeña incorporación de datos con una
distribución diferente, tal como el caso de anormalidades en el proceso, error
en las mediciones, o incluso de datos de un proceso diferente.
Para elaborar un histograma, se deben seguir los siguientes pasos:
1. Tomar los datos de determinada variable, teniendo en cuenta el tipo de

muestreo y el tamaño de la muestra.
2. Calcular el rango (R) : Distancia entre el valor máximo y el valor mínimo.

Rango = Valor máximo – Valor mínimo.
3. Número de grupos (K):

K= n Donde; n= Número de datos
4. Tamaño del grupo (C): Corresponde a la amplitud de cada grupo
C= R/K
5. Limites de cada grupo:

Limites del primer grupo:
Limite inferior del primer grupo= Valor minimo
Limite superior del primer grupo= Valor minimo +C
Limites de los siguientes grupos: Limite inferior = Limite superior del grupo anterior
Limite superior= Limite inferior + C
6. Promedio del grupo (Xi): Corresponde al valor promedio de cada grupo.
Xi = (Limite superior+Limite inferior) /2
7. Frecuencia (Fi): Número de veces que se repite un dato o un conjunto de

datos en un grupo determinado.
8. Frecuencia relativa (FR): Fracción o porcentaje que se repite un dato o un

conjunto de datos en un grupo determinado.
FR = (Fi / n)
9. Densidad de datos por grupo (di ): Es la cantidad de datos que se ubican

en determinado rango, puede darse según cantidad de datos Fi o por
fracción de datos FR:
di= FR/C

Febrero de 2008
Versión: 3
10. Grafique: En el eje x coloque los intervalos o grupos, en el eje Y del lado
izquierdo ubique la frecuencia absoluta FI y del lado derecho la frecuencia
relativa FR.
Ejemplo # 1.
Los siguientes datos fueron tomados al realizar un muestreo aleatorio en una
línea de producción de sustrato de BOPP para empaque de productos
alimenticios. Los valores corresponden al calibre en milesimas de pulgada
(MILS).
2,32 2,50 2,90 2,07 2,99

2,00 2,58 2,39 2,23 2,28
2,32 2,50 2,58 2,20 2,37
2,16 2,64 2,86 2,53 2,36
2,61 2,70 2,89 2,42 2,53
2,48 2,39 2,14 2,53 2,15
2,20 2,50 2,02 2,89 2,69
2,32 2,50 2,86 2,53 2,36
TALLER # 1: Histograma
1. La siguiente tabla, muestra los datos de la resistencia a la tracción (en

kg/mm2) de 40 probetas de película de PET:
24.1 23.7 24.0 24.5 24.5 24.5 23.8 24.0 24.3 23.7
23.6 23.8 23.6 24.4 25.6 24.3 24.9 25.0 25.0 25.7
22.4 23.0 24.3 23.5 22.2 22.4 24.6 24.2 23.2 23.5
22.9 24.4 26.7 25.4 22.8 24.3 26.7 23.1 24.3 21.4
a. Hacer el histograma
b. ¿Considera que el proceso es normal?
c. Cuantas probetas resistieron un esfuerzo entre 23 y 25 kg/mm2
d. ¿Que porcentaje de producto no conforme se generó, si la especificación
es 22 ± 1 kg/mm2?
e. ¿Cual es la resistencia a la tracción, que tienen la mayoría de las
probetas?

Febrero de 2008
Versión: 3
4.1.1. MEDIDAS DE TENDENCIAS CENTRAL O MEDIDAS DE

CENTRALIZACIÓN EN EL HISTOGRAMA
Las medidas de tendencia central serán otros métodos para estudiar o medir
el comportamiento de los elementos que constituyen una población, son
utilizadas para representar con un número único la posición de un valor en la
variable, de tal forma que represente el conjunto de valores observados
Media o promedio X : Es el punto de equilibrio entre valores que están por

encima y por debajo de esta.
( X i .Fi )
X  
n
Mediana (Me): Se define como el dato que no supera ni es superado por el

50% de los datos.
0.50   Frelativa..anterior
Me   Linf erior
di
Donde
Linferior = Limite inferior del grupo que tiene la mediana
ΣFrelativa anterior = Sumatoria de las frecuencia relativas anteriores
di= Densidad del grupo que contiene la mediana
Moda (Mo): Es el valor que se repite el mayor número de veces, la Moda

para datos agrupados es el promedio del grupo Xi que tenga mayor
frecuencia Fi
4.1.2 MEDIDAS DE DISPERSIÓN EN EL HISTOGRAMA
Son medidas empleadas para determinar el grado de variabilidad de los

datos, respecto a un promedio.
Desviación Estandar  :
 X  X  .Fi
2
i
= =
n
Coeficiente de Variación (cv):
Es empleado cuando se desea comparar dos o mas variables para ver cual
de ellas tiene mayor variación relativa, puesto que está dada en términos
porcentuales.

Febrero de 2008
Versión: 3

cv  .100
X
También es útil cuando queremos comparar variaciones de datos expresados
en diferentes unidades de medida.
Ejemplo # 2: Calcular las medidas de centralidad y dispersión para los datos

del anterior ejercicio.
Taller # 2: Con los datos del taller # 1:
a) Calcular la Media ( X ), mediana y moda de los datos agrupados.

b) Calcular la desviación estándar de los datos agrupados(), y coeficiente
de variación (c.v.)
c) ¿Que porcentaje de datos están ubicados entre ( X 2 )?
d) Si de un nuevo lote de 100 unidades se toma la resistencia y obtenemos
como media=12 kg/mm2 con una desviación estándar de  =0.16 kg/mm2.
¿Cual de los dos lotes se considera mas estable?
e) Si la especificación del cliente es 24.5  3% que porcentaje de producto
es no conforme?
f) ¿Qué ventajas y/o desventajas cree usted que tiene el histograma?
4.2 GRÁFICOS DE CONTROL DE PROCESOS O CARTAS DE CONTROL
Un gráfico de control es una carta o diagrama especialmente preparado

donde se van anotando los valores sucesivos de la Variable que se está
controlando. Los datos se registran y grafican durante el funcionamiento del
proceso.
Los gráficos de control en general tienen una Línea Central que representa
el promedio histórico de la variable que se está controlando y Límites
Superior e Inferior que también se determinan a partir de datos históricos y
en resumen nos pueden traer los siguientes beneficios:
 Son una herramienta efectiva para entender la variación de los procesos y
ayudan a conseguir el control estadístico.
 Dan información fiable de cuando se debería ajustar el proceso y cuando no.
 Cuando un proceso está bajo control, su rendimiento será predecible. Por lo
que, tanto el productor como el cliente, serán conscientes de los niveles de
calidad de los productos o servicios.

Febrero de 2008
Versión: 3
 Un proceso bajo control estadístico puede ser mejorado a través de la

reducción de la variabilidad natural o aleatoria.
 Los gráficos de control proporcionan un lenguaje común para comunicar
información sobre el rendimiento de los procesos.
Límite de especificación superior LES
Límite de control superior LCS
Línea central LC
Límite de control inferior LCI
Límite de especificación inferior LEI
Gráficos para variables cuantitativas: cuando la característica de calidad

puede ser medida. (longitud, volumen, masa, etc.) los mas utilizados son los
de medias y rangos X-R y los individuales de x y rango móvil R
Gráficos por atributos: se utilizan para controlar el porcentaje de unidades

defectuosas, o el número de defectos por unidad; dentro de los límites
naturales del proceso y detectar a tiempo cualquier incremento significativo
de cualquiera de ellos. Los más utilizados son np, p, c y u.
4.2.1 GRAFICO PARA VARIABLES CUANTITATIVAS
4.2.1.1 GRÁFICO DE MEDIAS Y RANGOS X-R:
Este tipo de grafico utiliza el valor promedio de las medias y el rango medio
de las mismas, son los más utilizados por la sencillez del cálculo de R y la
media. Para elaborar un grafico de control X-R se deben seguir los siguientes
pasos:
1. La construcción se inicia con la toma de muchas muestras pequeñas (20

muestras como mínimo), de igual tamaño (4, 5 o 6 observaciones cada una)
las razones que justifican el uso de subgrupos son:

Febrero de 2008
Versión: 3
 El subgrupo es más homogéneo, ya que las pocas observaciones

corresponden a un mismo instante. Esto permite detectar con facilidad las
variaciones en el proceso a lo largo del tiempo mediante la variación
entre las medias de los diferentes subgrupos.
 La toma de muestras pequeñas varias veces en vez de tomar una grande
rara vez permite identificar mas fácilmente la cusa asignable cuando el
proceso cae “fuera de control”.
2. Se calcula la media y el rango de cada subgrupo.
3. Se calcula la media de medias y la media de rangos.
4. Se calculan los limites de control para los dos gráficos así:
Para Medias: Para Rangos:
L.C.  X 
X R
n LC  R 
n
LCS  X  A2 R
LCS  D4 R
LCI  X  A2 R LCI  D3 R
Donde A2, D3, y D4 son constantes que dependen del tamaño de cada
muestra así:
Tamaño de la Factor para Factor inferior Factor superior Factor para Cp
muestra gráfico x para gráfico R Para gráfico R
n A2 D3 D4 d2
2 1,88 0 3,268 1,128
3 1,023 0 2,574 1,693
4 0,729 0 2,282 2,059
5 0,577 0 2,114 2,326
6 0,483 0 2,004 2,534
7 0,419 0,076 1,924 2,704
8 0,373 0,136 1,864 2,847
9 0,337 0,184 1,816 2,970
10 0,308 0,2223 1,777 3,078
11 0,905 0,256 1,744 3,173
12 0,866 0,283 1,717 3,258
5. Se grafica, ubicando los puntos de la tabla en la respectiva grafica.

Febrero de 2008
Versión: 3
6. Si algún punto cae por fuera de los límites de control, se buscan causas
asignables de variación, y se procede a recalcular los límites de control
eliminando dichos puntos.
7. Se vuelve a hacer el grafico con los límites de control recalculados y se

dejan como limites permanentes.
NOTA: los pasos 6 y 7 se hacen solo cuando se esta haciendo los gráficos
por primera vez
8. Se analiza la información dividiendo el gráfico en 3 zonas, aplicando los

ocho pasos así:
Prueba 1. Prueba 2.
Un punto fuera de la zona A (por arriba o por abajo). Nueve puntos seguidos en la zona C por debajo o
por arriba de la línea central
Prueba 3. Prueba 4.
Seis puntos seguidos (tendencia) con aumento o disminución Catorce puntos seguidos alternando arriba y
estables. debajo de la línea central.

Febrero de 2008
Versión: 3
Prueba 5. Prueba 6.
Dos de cada tres puntos seguidos en la zona A o más allá. Cuatro de cada cinco puntos seguidos en la zona
B + A.
Prueba 7. Prueba 8.
Catorce puntos seguidos en la zona C (arriba y debajo de la Ocho puntos seguidos a ambos lados de la recta
línea central). central y ninguno en C.

Febrero de 2008
Versión: 3
GRAFICO DE CONTROL
Operación Tamaño de la muestra Caracteristicas
Especificaciones LSE Fecha Depto Gerente de calidad

LIE
PROMEDIOS
RANGOS
Núm eros de
Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1
2
3
4
5
SUMA
PROMEDIO X
RANGO R

Febrero de 2008
Versión: 3
TALLER # 3: GRAFICO DE CONTROL DE MEDIAS Y RANGOS
1. En una línea de llenado de leche liquida presenta problemas con las

diferencias del volumen, parece que el problema radica en la distancia de la
marca de fotocelda cuyo (V.N.) es 180 mm se desea hacer un seguimiento a
esta variable para determinar si afecta o no el proceso. De acuerdo a la
producción se toma una muestra de tamaño n =4 unidades cada hora,
presentando los siguientes datos:
1 178 180 181 180 179 180 183 180 179 180 179 181 178 181 182 178 183 180 181 177
2 179 182 179 180 181 182 178 182 182 179 182 180 179 179 178 182 177 182 179 182
3 178 182 182 179 179 183 180 181 181 183 181 180 180 181 180 183 180 180 180 182
4 180 179 177 183 182 182 179 178 182 179 181 179 183 180 178 183 179 177 178 180
X
R
a. Elaborar el grafico de control correspondiente

b. Si se tienen puntos por fuera de control, asumir que son de carácter
asignable y recalcular los limites.
c. Calcular la capacidad de proceso Cp y Cpk si las especificaciones son
V.N. ± 2%
Capacidad de Proceso Cp y Cpk:
La función de un sistema de control del proceso es suministrar una señal

estadística cuando existen causas asignables de variación. La eliminación
sistemática de causas asignables de variación excesiva, a través de
esfuerzos determinados continuos, sitúa el proceso en un estado de control
estadístico. Una vez que el proceso está operando en condiciones de control
estadístico, su desempeño es predecible y se puede evaluar su capacidad
para cumplir las especificaciones.
La capacidad del proceso se determina mediante la variación total que se

debe a causas comunes la variación mínima que se puede lograr después de
haber eliminado todas las causas asignables. La capacidad del proceso
representa el desempeño del proceso mismo, según se demuestra cuando el
proceso opera en un estado de control estadístico. Como tal, el proceso
Febrero de 2008
Versión: 3
primero tiene que ser puesto bajo control estadístico antes de que se pueda
evaluar su capacidad. Así pues, la evaluación de la capacidad del proceso
comienza después de que se han resuelto los asuntos del control en los
gráficos de x y en los de R; esto es, las causas especiales han sido
identificadas, analizadas, corregidas y se ha evitado que ocurran de nuevo;
además, los gráficos de control progresivos reflejan un proceso que ha
permanecido bajo control estadístico en forma predominante para al menos
los 25 subgrupos anteriores. En general, se compara la distribución de la
salida del proceso con las especificaciones de ingeniería, para ver si estas
especificaciones se pueden cumplir de manera constante.
Estudio del potencial del proceso. En este estudio se obtiene una estimación
de lo que puede hacer un proceso bajo ciertas condiciones, es decir, la
variabilidad en condiciones definidas a corto plazo para un proceso en estado
de control estadístico.
Tolerancia.especificada LES  LEI

Cp  
Dispersión..del. proceso 6
Donde
LES = Límite de especificación superior.
LEI= Límite de especificación inferior.
 = Desviación estandar, se estima a partir de la variación promedio dentro
del subgrupo y esta dada por R / d 2 .
LES
LCS
LCS LCS=LES
LES
LEI
LCI LCI LCI= LEI
LEI
Un valor de CP menor que 1 indica que el proceso no tiene capacidad,

mientras que CP = 1 implica que el proceso apenas tiene capacidad. En la
práctica, un valor de CP de 1,33 generalmente se toma como el valor mínimo
aceptable porque siempre hay alguna variación de muestreo y ningún
proceso está siempre completamente bajo control estadístico.

Febrero de 2008
Versión: 3
Sin embargo, se debe observar que el índice CP mide únicamente la relación

de los límites con la dispersión del proceso; no se considera la localización o
el centrado del proceso. Sería posible que cualquier porcentaje de valores
estuviera por fuera de los límites de la especificación y que hubiera un alto
valor de CP.
Estudio del desempeño del proceso. En este estudio, una estimación de la

habilidad del proceso proporciona un panorama de lo que el proceso está
haciendo durante un periodo largo. También se supone un estado de control
estadístico. El índice Cpk estima la capacidad.
Por esta razón, es importante considerar la distancia a escala entre el

promedio del proceso y el límite de especificación más próximo. Para la cual
se debe medir con el índice Cpk que viene dado por el menor valor entre Cpk1
y Cpk2 así:
LES  X
Cpk1 
3
X  LEI
Cpk 2 
3
Taller #4: Calcular la capacidad (Cp y Cpk )de proceso del taller anterior si las
especificaciones son V.N. ± 10%
4.2.2 GRÁFICOS DE CONTROL POR ATRIBUTOS:
Los datos de atributos representan observaciones obtenidas notando la

presencia o ausencia de alguna característica (o atributo) en cada una de las
unidades del subgrupo considerado, contando después cuántas unidades
tienen o no tienen el atributo, o cuántos de tales eventos ocurren en la
unidad, en el grupo o en el área. Los datos de atributos generalmente se
obtienen en forma rápida y económica, y a menudo no se requieren
habilidades especializadas para la recolección de dichos datos.
En el caso de los gráficos de control de variables, se acostumbra mantener
un par de gráficos de control; uno para el control del promedio y el otro para
el control de la dispersión. Esto es necesario porque la distribución
subyacente en los gráficos de control para variables es la distribución normal,

Febrero de 2008
Versión: 3
que depende de estos dos parámetros. Sin embargo, en el caso de los

gráficos de control de atributos, será suficiente un sólo gráfico porque la
distribución supuesta tiene únicamente un parámetro independiente.
4.2.2.1 Grafico np:

Cantidad de productos defectuosos o no conformes por muestra, es
condición que el tamaño (n) de muestra sea constante.
Línea Central: np  
np
m
LCS= np  3 np(1  p)
LCI= np  3 np(1  p)
Ejemplo #5:
En un proceso de impresión flexográfica, se considera como producto
defectuoso, todo rollo de material impreso con problemas en la lectura del
código de barras, haciendo un muestreo cada turno tenemos:
No. Muestra Tamaño del grupo Cantidad de

(m) (n) Defectuosos (np)
1 20 1
2 20 0
3 20 3
4 20 1
5 20 2
6 20 5
7 20 6
8 20 5
9 20 6
10 20 3
11 20 2
12 20 2
13 20 5
14 20 0
15 20 9
16 20 1
17 20 3
18 20 4
19 20 7
20 20 7

Febrero de 2008
Versión: 3
GRAFICO DE CONTROL DE ATRIBUTOS
Operación Tamaño de la muestra Caracteristicas
Especificaciones LSE Fecha Depto Gerente de calidad

LIE
PROMEDIOS
Núm eros de
Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Taller #5: En una empresa de extrusión de película se desea controlar la

calidad del tratamiento corona, en cada rollo de 50 Kg. Todo rollo que tenga
un tratamiento menor a 38 dinas/cm2. se considera defectuoso. Hacer el
diagrama de control correspondiente si se toman 15 rollos por cada turno:
Cant. Rollos con

No muestra
mal tratamiento( )
1 2
2 1
3 2
4 3
5 0
6 2
7 1
8 0
Febrero de 2008
Versión: 3
9 2
10 1
11 2
12 3
13 2
14 4
15 1
16 0
17 2
18 1
19 3
20 0
4.2.2.2 Grafico p:
Fracción de productos defectuosos por muestra, se permite que el tamaño de
muestra sea constante o variable.
np
Fracción de producto defectuoso: p 
n
Línea Central: p  
p
m
Promedio del tamaño de grupo: n  

n
m
LCS= p  3 p(1  p) / n
LCI= p  3 p(1  p) / n
Ejemplo # 6: En una empresa de producción de sobres plásticos tipo manila

para manipular documentos, se considera como sobre defectuoso, todo
aquel que no cierre herméticamente (1), que tenga defectos en la impresión
(2) que tenga defectos en el sellado (3), y sobres con tinta corrida (4).
Haciendo un muestreo cada 1.000 unidades tenemos:
No. Muestra Tamaño de la Cantidad de Fracción de

(m) muestra (n) Defectuosos (np) Defectuosos (p)
1 2 3 4 total
1 50 x xx xx 5 0,1
2 55 x 1 0,018
Febrero de 2008
Versión: 3
3 60 xx 2 0,03
4 60 x 1 0,015
5 55 x
6 50 xx
7 52 x x
8 53 x
9 65 x
10 60 x
11 58 x
12 59 x xx
13 50 x x
14 62
15 51 xxx
16 55 x
17 50
18 60 x xx
19 55 x
20 55 x
Taller #6: Los resultados de una inspección de muestras de tamaño variable

de bolsas de PEAD para empacar pollos, nos muestra la siguiente cantidad
de productos defectuoso (impresión defectuosa, selle torcido, troquelado
insuficiente) por muestra:
No Tamaño Cantidad de Fracción de
muestra muestra defectuosos defectuosos
( ) ( )
1 25 5
2 25 4
3 26 5
4 25 5
5 28 3
6 25 5
7 25 6
8 25 5
9 27 2
10 30 5
11 29 7
12 28 8
13 27 3
14 28 6
15 28 2
16 26 5
17 27 2
18 25 5

Febrero de 2008
Versión: 3
19 27 1
20 26 7
21 25 4
4.2.2.3 Gráfico C:
Muestra la cantidad de defectos por muestra, es condición que el tamaño de
muestra sea constante.
Línea Central: c  
c
m
LCS= c  3 c
LCI= c  3 c
Ejemplo # 7: En un proceso de impresión flexográfica a 3 colores por ambas

caras de un sustrato de PEBD se desea controlar la cantidad de defectos
superficiales como fallas de registro, muare, piel de naranja, anclaje
deficiente de las tintas, película lavada, color fuera de rango y ganancia de
punto por muestras de 2 metros así:
No. Muestra Tamaño
Ganancia de
Piel naranja
Mal registro
Mal anclaje
Color fuera
de patron
(m) muestra Película Total de
de tinta
lavada
Muare
punto
defectos
(metros) (C)
(n)
1 2 xx x x 4
2 2 x x 2
3 2 x xx 3
4 2 x x x 3
5 2 x x 2
6 2 x xx 3
7 2 x 1
8 2 x x 2
9 2 x 1
10 2 x 1
11 2 x 1
12 2 x x 2
13 2 X 1
14 2 x 1
15 2 x 1
16 2 x X 2
17 2 x 1
18 2 x 1
19 2 x x 2

Febrero de 2008
Versión: 3
20 2 xxx x 4
Taller # 7: En una fábrica de extrusion de película de PEBD se desea

controlar la cantidad de defectos por bobinas de 100 Kg, buscando geles,
puntos negros, puntos débiles, mala pigmentación, etc. Elaborar el diagrama
de control correspondiente.
No muestra Tamaño de Cantidad de

muestra defectos ( )
1 1 rollo 5
2 1 rollo 7
3 1 rollo 3
4 1 rollo 2
5 1 rollo 4
6 1 rollo 5
7 1 rollo 5
8 1 rollo 2
9 1 rollo 3
10 1 rollo 2
11 1 rollo 1
12 1 rollo 2
13 1 rollo 5
14 1 rollo 2
15 1 rollo 4
16 1 rollo 2
17 1 rollo 3
18 1 rollo 2
19 1 rollo 5
20 1 rollo 4
4.2.2.4 Grafico u: Muestra la cantidad de defectos por unidad de inspección,

se permite que el tamaño de muestra sea constante o variable.
c
Defectos por unidad de inspección = u 
n
Linea central= u  
u
m
Promedio del tamaño de grupo= n  

n
m
LCS= u  3 u / n
LCI= u  3 u / n

Febrero de 2008
Versión: 3
Ejemplo # 8: En una fábrica de impresión de sustratos plásticos , se desea

controlar la calidad de la materia prima especialmente el sustrato objeto de
impresión, se requiere controlar: a. puntos negros, b. puntos sin
plastificar(geles), c. zonas decoloradas, d. mal acabado superficial, e.
arrugas, f. piel de naranja g. otros. por rollos de 25 kg cada uno:
No. Muestra No. rollos Cantidad de No. Defectos

(m) (n) Defectos (c) por Kg
a b c d e f g
1 3 x x x x
2 2 x x
3 3 x x
4 2 x
5 2 x x
6 3 x
7 2 x x
8 3 x
9 2 x x x
10 3 x x
11 2 x
12 3 x x
13 3 x
14 3 x x
15 3 xx
16 2 x xx
17 3 x
18 2 x x
19 3 x x
20 3 x x x
Taller #8: En una empresa de extrusión de películas plásticas se desea

conocer cual de sus dos líneas de producción genera menor cantidad de
defectos superficiales en las bolsas, especialmente geles y puntos negros
(quemados) cada línea saca un producto con determinadas dimensiones y se
tienen gráficos de control de cantidad de defectos (geles y quemados) por
muestras así:
Línea 1: Línea 2:
Muestra de 20 cm de ancho por 1m de largo Muestra de 35 cm de ancho por 1.5m de largo
No de Tamaño Defectos No de Tamaño Defectos
muestra de muestra ( C ) muestra de muestra( C )
muestra muestra
1 1 3 1 1 1
2 1 1 2 1 2

Febrero de 2008
Versión: 3
3 1 4 3 1 0
4 1 2 4 1 3
5 1 3 5 1 5
6 1 6 6 1 2
7 1 1 7 1 3
8 1 3 8 1 1
9 1 7 9 1 5
10 1 2 10 1 3
En resumen para utilizar una grafico de control podemos ayudarnos del

siguiente diagrama
4.3 GRAFICO CAUSA EFECTO
El diagrama de causa-efecto o Gráfico de Ishikawa, también llamado

comúnmente “espina de pescado”, tiene como propósito representar
gráficamente las relaciones entre un “efecto” (problema o característica de
calidad), y todas las posibles “causas” (factores) que la producen. Se elabora
para elevar el nivel compresión de un problema u oportunidad. El diagrama
de Causa-Efecto, proporciona una descripción de las causas probables de un
problema, lo cual facilita su análisis y discusión. También puede utilizarse
como herramienta para representar propuestas de resolución de problemas.
Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:

Febrero de 2008
Versión: 3
1. Identificar la característica de calidad o el problema que se va a analizar:
2. Realizar sesión de “Lluvia de Ideas”, para enumerar todas las posibles

causas.
El grupo se reúne y las personas expresan por turnos rigurosos, dando
una idea cada vez. La función del líder de grupo o moderador es
promover la libre discusión y no de dirigir la sesión. Se debe evitar
hacer evaluaciones de lo expuesto por los miembros del grupo y
mantener un tono neutro: “ni bueno”, “ni malo”.
Es necesario elaborar una lista de los puntos expuestos por cada
miembro en un lugar visible. Se debe dar varias oportunidades a las
personas para exponer sus ideas, hasta agotarlas. En el grupo de
trabajo se discuten y se amplían las ideas sugeridas.
Se utilizan mecanismos del consenso para tomar decisiones, por
ejemplo: ¿Cuáles causas son las mayores?, ¿Cuál es el camino a
seguir?, etc.
3. Clasificar las causas en categorías.

Conocido como las 4 M
4. Elaborar el diagrama así:

 Trazar una flecha de izquierda a derecha hacia el efecto.
 Ubicar las causas en categorías o grupos, trazando flechas secundarias

en dirección a la principal.

Febrero de 2008
Versión: 3
 Incorporar a cada una de estas flechas, secundarias, los factores

detallados que pueden ser considerados como actuantes en cada
categoría.
5. Desarrollo del plan de acción.

 Jerarquizar causas.
 Asignar responsabilidades individuales para eliminar cada causa
 Indicar el tiempo proyectado para atacar cada causa, desde el inicio hasta
el final.
 Recolectar datos que sirvan para apoyar el análisis de dicha causa y su
eliminación.
Ejemplo:
Mezcladora Medición
Calibración
Picnómetro
Refrigeración Equipo de
Ajuste medición
Motor Capacitación
Balanza
Mantenimiento Operador
Agitación
Limpieza Habilidad
CARACTERÍSTICAS
DE CALIDAD
Proveedor A
Intensivos
Capacitación Composición
Cantidad Aceite
Huevos
Personas Balanza
Materias Mantenimiento
Primas Cantidad
4.4 DIAGRAMAS DE PARETO
4.4.1 DIAGRAMA DE PARETO DE FRECUENCIA
Los diagramas de Pareto fueron desarrollados por el Italiano Wilfredo Pareto

(1879) son muy útiles para determinar que problemas debemos resolver y en
que orden de importancia.
Su filosofía es:
Febrero de 2008
Versión: 3
Pocos casos vitales 20% causas 80% del Problema

Muchos casos triviales 80% causas 20% de problemas
Pasos para elaborar un diagrama de Pareto de frecuencia:

1. Identificar el problema.
2. Seleccionar un periodo de tiempo:6 meses, 1 mes , etc.
3. Organizar en orden decreciente de acuerdo a la frecuencia absoluta Fi
4. Calcular la frecuencia acumulada FA:
5. Diagramar
4.4.2 DIAGRAMA DE PARETO PARA COSTOS
Su uso es igual que el anterior, a diferencia que en este diagrama se hace la

clasificación decreciente de acuerdo al valor o al costo que tiene el problema
para la empresa. Generalmente el estudio de problemas van acompañados
de ambos diagramas, para hacer una evaluación mas apropiada. Al hacer el
ejercicio veremos cual es el problema mas frecuente y mas costoso,
entonces se aconseja hacer otro diagrama de Pareto para dicho problema.
Ejemplo No. 10: En el departamento de servicio al cliente de una empresa de

fabricación de neveras, se han tomado los datos de los últimos 6 meses de
reclamaciones por parte de los clientes así:
Defecto Frecuencia Frecuencia

Fi acumulada FA
Empaques 100
Compresor 49
Manchas 42
Termostato 39
Condensador 26
Puerta mala 21
Rayones 20
Bandejas rotas 16
Fuga de gas 10
Otros 15
Taller # 9:La siguiente tabla representa la frecuencia y los costos de los

arreglos de los defectos observados en el cumplimiento de la garantía a el
almacén “ EL EXITOSO” de triciclos plásticos en los últimos 2 meses de la
empresa “TRICIPLASTICOS S.A.”

Febrero de 2008
Versión: 3
Determine cuales causas se deben eliminar primero de acuerdo a la

frecuencia y a los costos.
DEFECTO FRECUENCIA COSTO /UNIDAD
A. Partes muy débiles 30 600
B. Color fuera de patrones 9 50
C. Rebabas en las uniones 12 20
D. Uniones despegadas 50 160
E. Pedales incompletos 9 10
F. Desgaste de llantas 7 30
G. Piezas de diferente color 5 10
H. Pito faltante 6 10
Y. Ensamble incorrecto 8 10
J. Calcomanías rotas 9 20
K. Piezas deformadas 1 30
L. Tornillos flojos 2 10
M. Otros 3 50
4.5 GRÁFICO DE CORRELACIÓN O DISPERSIÓN.
En la práctica, es casi imposible encontrar actividades aisladas; es

frecuente observar que la producción de una fábrica se encuentra
íntimamente ligada con sus ventas y ganancias, la producción agrícola con
el tiempo de lluvia, el tiempo requerido para el pago de una factura con el
monto de la misma, el número de servicios de taxis con el número de taxis
disponibles, el grado de satisfacción de un cliente con la calidad de
servicios prestados, etc..... así, infinitos ejemplos que ponen de manifiesto
la importancia que tiene el estudio de la relación entre variables en el
análisis de procesos de trabajo.
El gráfico de correlación se construye siguiendo los siguientes pasos:

1) Se denomina a una variable (X) y a la otra (Y). Para X se toma la
variable clasificada como causa (variable independiente) y para Y
aquélla que puede ser tomada como efecto (variable dependiente).
2) Se trazan dos ejes de coordenadas, que sirven para la representación
de los valores de ambas variables. En el eje de las abscisas se
representa la variable independiente (Xi); en el de las ordenadas, la
variable dependiente (Yi).
3) Cada par de valores en el plano, se representan como un punto.
Interpretación del gráfico de Correlación.

Febrero de 2008
Versión: 3
Si se observa el diagrama de correlación podemos tener una idea

aproximada de la relación existente entre las dos variables, en la forma
siguiente:
a) Si los puntos o los valores se encuentran en línea

recta y en forma ascendente o descendente, se dice
que hay correlación directa perfecta o inversa
perfecta. r= +0,96 a +1
b) Si los puntos están siguiendo una forma ascendente

o descendente y desordenada, pero se sitúan muy
cercanos a una recta, se dice que hay correlación
directa o inversa pero en menor grado. r= +0,60 a
+0,95
c) Si los puntos están siguiendo una forma

ascendente o descendente y desordenada se dice
que hay baja correlación r= +0,35 a +0,59
d) Cuando los valores se encuentran esparcidos en

áreas irregulares (nube de puntos), se dice que
no hay correlación. r= 0 a +0,34
El Coeficiente de Correlación “r” se utiliza para determinar el grado de

asociación entre dos variables. Su calculo se realiza a través de la
siguiente expresión.
n xy   x  y
r
n X 2

 ( x ) 2 n y 2  ( y ) 2 
Ejemplo # 11: Supongamos que tenemos un grupo de personas adultas de

sexo masculino. Para cada persona se mide la altura en metros (Variable X)

Febrero de 2008
Versión: 3
y el peso en kilogramos (Variable Y). Es decir, para cada persona tendremos

un par de valores X, Y que son la altura y el peso de dicha persona:
Nº Persona Altura (m) Peso (Kg.) X.Y X2 Y2

1 1.94 95.8
2 1.82 80.5
3 1.79 78.2
4 1.69 77.4
5 1.80 82.6
6 1.88 87.8
7 1.57 67.6
8 1.81 82.5
9 1.76 82.5
10 1.63 65.8
11 1.66 74.9
12 1.96 88.1
13 1.56 65.3
14 1.55 64.5
15 1.71 75.5
Sumatorias
Taller # 10 En un proceso de transformación de plásticos por extrusión de

película soplada, se desea saber si hay algún tipo de relación entre la
velocidad de extrusión y la resistencia al rasgado de la película, para ello se
tomaron los siguientes datos:
No muestra Velocidad de extrusión Resistencia mecánica

(rpm) (g/micra)
1 35 22
2 38 21
3 21 19
4 19 26
5 35 21
6 30 21
7 24 19
8 22 18
9 21 35
10 26 20

Febrero de 2008
Versión: 3
4.6 PLANILLAS DE INSPECCIÓN U HOJAS DE VERIFICACIÓN
Los datos que se obtienen al medir una característica de calidad pueden

recolectarse utilizando Planillas de Inspección. Las Planillas de Inspección
sirven para anotar los resultados a medida que se obtienen y al mismo
tiempo observar cual es la tendencia central y la dispersión de los mismos.
Es decir, no es necesario esperar a recoger todos los datos para disponer de
información estadística.
¿Cómo realizamos las anotaciones? En lugar de anotar los números,
hacemos una marca de algún tipo (*, +, raya, etc.) en la columna
correspondiente al resultado que obtuvimos.
Vamos a suponer que tenemos un lote de artículos y realizamos algún tipo
de medición. En primer lugar, registramos en el encabezado de la planilla la
información general: Nº de Planilla, Nombre del Producto, Fecha, Nombre del
Inspector, Nº de Lote, etc. Esto es muy importante porque permitirá identificar
nuestro trabajo de medición en el futuro.
Producto: Fecha: No. :

Uso: Sección
Esp ecificación: In spector:
No. De Lote
1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3
30
LIE LSE
20
15
10
FRECUENCIA 1 2 6 13 11 16 9 17 18 17 19 18 16 13 8 5 6 2 1
Para cada columna contamos el total de resultados obtenidos y lo anotamos

al pié. Esta es la Frecuencia de cada resultado, que nos dice cuáles
mediciones se repitieron más veces.

Febrero de 2008
Versión: 3
¿Qué información nos brinda la Planilla de Inspección? Al mismo tiempo que

medimos y registramos los resultados, nos va mostrando cual es la
Tendencia Central de las mediciones. En nuestro caso, vemos que las
mismas están agrupadas alrededor de 2.3 aproximadamente, con un pico en
2.1 y otro en 2.5 . Habría que investigar por que la distribución de los datos
tiene esa forma. Además podemos ver la Dispersión de los datos. En este
caso vemos que los datos están dentro de un rango que comienza en 1.5 y
termina en 3.3 . Nos muestra entonces una información acerca de nuestros
datos que no sería fácil de ver si sólo tuviéramos una larga lista con los
resultados de las mediciones.
Y además, si marcamos en la planilla los valores mínimo y máximo
especificados para la característica de calidad que estamos midiendo (LIE y
LSE) podemos ver que porcentaje de nuestro producto cumple con las
especificaciones.

Febrero de 2008
Versión: 3
6 BIBLIOGRAFÍA
 BESTERFIELD, D.H. (1995): Control de calidad, 4ª Ed. Prentice-

Hall.
 CAROT ALONSO, V. (1996): Control Estadístico de Calidad.

Servicio de Publicaciones de la Universidad Politécnica de Valencia,
Valencia.
 ISHIKAWA, K. (1994): Introducción al Control de Calidad. Díaz de

Santos.
 LOWRY, C. A. , WOODALL, W. H. , CHAMP, C. W. & RIGDON, S. E

(1992): “A Multivariate Exponentially Weighted Moving Average
Control Chart”. Technometrics, 34.
 MITRA, A. (1998): Fundamentals of Quality Control and

Improvement. Prentice Hall.
 MONTGOMERY, D.C. (2001): Introduction to Statistical Quality

Control (4th ed.). John Wiley, New York.
 PETERS, W. S. (1987): Counting for Something. Springer-Verlag,

New York.
 RYAN, T.P. (2000): Statistical Methods for Quality Improvement.

Jonh Wiley, New York.
Paginas Web
http://www.monografias.com
http://www.calidad.com.ar
http://www.tqm-manager.com.ar
http://www.wikipedia.com
http://www.wikilearning.com

Estasistica SIG

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estasistica SIG

Cargado por

Copyright:

Formatos disponibles

Regional Valle

Sistema de Gestión de la Calidad

HERRAMIENTAS ESTADISTICAS PARA EL

Centro Nacional de Desarrollo Tecnológico y Asistencia Técnica a la Industria

la Industria - ASTIN Versión: 3

5.2 DIAGRAMA DE AFINIDAD 43

Elaborado por Omar Hernán Ossa B.

En mundo globalizado, en dónde las barreras fronterizas se encuentran en

Las empresas que desean sobrevivir en este nuevo panorama deben de

En una primera instancia las primeras soluciones propuestas por las

Pero las grandes inversiones en tecnología de punta no es el primer paso

Dos de los principales factores que los consumidores toman en cuenta

Elaborado por Omar Hernán Ossa B.

Existe mucha literatura de control de calidad y/o procesos en sus distintas

Como podemos ver en las definiciones anteriores la Calidad puede ser un

Las características que establecen si un producto o servicio es de calidad

Es importante recalcar que ningún producto o servicio es exactamente igual a

Elaborado por Omar Hernán Ossa B.

mediante el uso de una herramienta estadística llamada Control Estadístico

2.1 INICIOS DE LA CALIDAD

En un principio la calidad era posible definirla como todo aquello que

2.2 LOS GESTORES DE LA CALIDAD

WALTER A SHEWART (1891-1967)

Elaborado por Omar Hernán Ossa B.

comunidad estadística. Además publicó diversos artículos en revistas

W. EDWARDS DEMING (1900-1993)

JOSEPH MOSES JURAN (1904-199)

KAORU ISHIKAWA (1915-)

Elaborado por Omar Hernán Ossa B.

Causa-Efecto como herramienta para el estudio de las causas de los

PHILIP B. CROSBY (1926-2001)

GENICHI TAGUCHI (1924-)

SHIGEO SHINGO (1909-1990)

utilizar dispositivos que evitan la aparición de defectos, obvian la necesidad

2.3 EL CONTROL ESTADÍSTICO DE LA CALIDAD Y LA MEJORA DE

Comenzando con la aportación de Shewhart sobre reconocer que en todo

Elaborado por Omar Hernán Ossa B.

3.0 CONTROL ESTADISTICO DE PROCESOS CEP

El Control Estadístico de Procesos (C.E.P.), también conocido por sus siglas

El C.E.P. sirve para llevar a la empresa del Control de Calidad "Correctivo"

Las técnicas de control de procesos se pueden clasificar en dos grupos, las

Elaborado por Omar Hernán Ossa B.

3.2. CICLO DEL CEP

Para iniciar un CEP satisfactorio, deben llevarse a cabo al menos los

a. Definir la variable representativa o critica del proceso a controlar (tiempo,

b. Establecer especificaciones de la variable:

c. Establecer los métodos de anotación y/o recolección de la información:

d. Observar e interpretar los resultados obtenidos en los pasos anteriores:

e. Investigar las causas que originan las desviaciones de la variable:

f. Tomar una decisión o plan de acción según lo observado:

g. Comprobar la efectividad de las acciones o decisiones tomadas:

3.3.1 CONCEPTOS GENERALES

Elaborado por Omar Hernán Ossa B.

Variables cualitativas o atributos: Son características de un elemento que

3.3.2 CONCEPTO DE VARIACIÓN:

Todo proceso productivo es un sistema formado por personas, equipos y

Elaborado por Omar Hernán Ossa B.

la mayonesa o el aspecto de la etiqueta también observaríamos que las

Causas Asignables de variación:

Causas Aleatorias de variación:

*Cuando el proceso trabaja afectado solamente por un sistema constante de

*Cuando, además de las causas aleatorias, aparece una o varias causas

3.3.3 CURVA DE DISTRIBUCIÓN NORMAL

La importancia de esta distribución radica, en que la mayoría de los