Seis Sigma Guía Didáctica para Pymes - Pérez - 1ed

Seis sigma
Guía didáctica para Pymes

Martha Lucía Pérez Urrego
La Biblioteca
de la Cuarentena
Libros gratis en PDF para toda la comunidad
https://labibliotecadelacuarentena.blogspot.com/
@bibliocuarentena
@biblio_cuarentena
Universidad de Ibagué
Facultad de Ingeniería
Programa de Ingeniería Industrial
Seis sigma
Guía didáctica para Pymes
Martha Lucía Pérez Urrego
2013
658.562
P438s Pérez Urrego, Martha Lucía
Seis sigma: Guía didáctica para Pymes / Martha Lucía Pérez Urrego.
Ibagué: Universidad de Ibagué, 2013.
119 p.
ISBN Impreso 978-958-754-083-3
ISBN Digital 978-958-754-084-0
Descriptores: Filosofía del Seis sigma; Seis sigma para Pymes;
Herramientas para Seis sigma
Facultad de Ingeniería
Programa de Ingeniería Industrial
Universidad de Ibagué
Ibagué, Colombia
Octubre, 2013
© Universidad de Ibagué, 2013

© Martha Lucía Pérez Urrego, 2013
Dirección editorial: Oficina de Publicaciones

Universidad de Ibagué.
Carrera 22, Calle 67
Barrio Ambalá, Ibagué, Colombia
Tel (57-8) 2709400. www.unibague.edu.co
Fotografías de la portada:
El Nuevo Día, Oficina de Comunicación Institucional de la Universidad de Ibagué.
Diseño, diagramación e impresión

León Gráficas Ltda., PBX 2630088, Ibagué
Esta obra no puede reproducirse sin la autorización expresa y por escrito

de la Universidad de Ibagué.
Tabla de contenido
Agradecimientos.............................................................................................. 9
Prólogo........................................................................................................... 13
Introducción................................................................................................... 15
Capítulo 1. Introducción a la Filosofía Seis Sigma........................................ 17

1.1. Desarrollo histórico........................................................................................ 17
1.2. Conceptualización........................................................................................... 17
1.3. Estructura humana para Seis Sigma............................................................. 19
Capítulo 2. Desarrollo de la Filosofía Seis Sigma (Ciclo dmaic)................. 25

2.1. Definir............................................................................................................... 25
2.2. Medir................................................................................................................. 26
2.3. Analizar............................................................................................................ 27
2.5. Controlar.......................................................................................................... 28
Capítulo 3. Herramientas para Seis Sigma.................................................... 29

3.2. Herramientas para medir:.............................................................................. 34
3.3. Herramientas para analizar:.......................................................................... 43
3.4. Herramientas para mejorar............................................................................ 47
Capítulo 4. Operatividad de Seis Sigma en Pymes manufactureras............. 69

4.1. Definir el proyecto de mejora Seis Sigma.................................................... 69
4.2. Seleccionar el equipo de trabajo.................................................................... 69
4.3. Analizar la característica de calidad seleccionada...................................... 70
4.4. Determinar el nivel sigma ............................................................................. 70
4.5. Seleccionar el objetivo del proyecto.............................................................. 71
4.6. Identificar las causas raíz de la característica crítica de calidad................ 71
Seis Sigma • Guía didáctica para Pymes 5

4.7. Tomar acciones correctivas............................................................................ 71
4.8. Control.............................................................................................................. 72
4.9. Formato para mejoras Seis Sigma................................................................. 72
Capítulo 5. Caso de aplicación....................................................................... 73

5.1 Presentación de la empresa................................................................................. 73
5.2. Proceso de aplicación de la metodología Seis Sigma...................................... 74
5.3 Resultados............................................................................................................. 85
5.4. Recomendaciones............................................................................................... 87
5.5. Conclusiones........................................................................................................ 87
Bibliografía..................................................................................................... 89
Cibergrafía................................................................................................................... 91
Apéndices....................................................................................................... 93
6
Tablas
Tabla 1.1. Niveles Sigma........................................................................................ 18
Tabla 1.2. Desempeños comparativos a Seis Sigma........................................... 19
Tabla 1.3. Beneficios posibles con Seis Sigma.................................................... 19
Tabla 1.4. Organización para Seis Sigma en grandes empresas ...................... 21
Tabla 1.5. Organización para Seis Sigma en Pymes........................................... 23
Tabla 3.1. Índice de Herramientas....................................................................... 29
Tabla 3.1.1. Herramienta: Diagrama de flujo......................................................... 30
Tabla 3.1.2. Herramienta: Encuesta........................................................................ 32
Tabla 3.1.3. Herramienta: Tormenta de ideas........................................................ 34
Tabla 3.2.1 Herramienta: Diagrama de Pareto..................................................... 34
Tabla 3.2.2. Herramienta: Cálculo del nivel sigma............................................... 37
Tabla 3.2.3. Herramienta: Histograma................................................................... 39
Tabla 3.2.4. Herramienta: Rendimiento de un proceso........................................ 42
Tabla 3.3.1. Herramienta: Diagrama de Ishikawa................................................. 43
Tabla 3.3.2. Herramienta: Estudio de habilidad o capacidad del proceso......... 44
Tabla 3.4.1. Herramienta: Diseño de experimentos............................................. 47
Tabla 3.4.2. Herramienta: Tabla de Anova............................................................. 50
Tabla 3.4.3. Herramienta: Experimento factorial.................................................. 55
Tabla 3.4.4. Herramienta: Análisis de Interacciones............................................ 60
Tabla 3.5.1. Herramienta: Gráficas de control....................................................... 65
Tabla 5.1. Datos ordenados para el Análisis de Pareto...................................... 78
Tabla 5.2. Muestras de 10 lotes actuales.............................................................. 79
Tabla 5.3. Oportunidad total de defectos en la confección un lote................. 80
Tabla 5.4. Muestras de diez lotes mejorados....................................................... 85

Figuras
Figura 1.1. Estructura humana para Seis Sigma.................................................. 20
Figura 1.2. Estructura orgánica de las Pymes tolimenses................................... 23
Figura 2.1. Estructura Ciclo dmaic....................................................................... 25
Figura 5.1. Estructura Organizacional de Manufacturas Quality Ltda............. 73
Figura 5.2. Estructura del equipo de implementación para Seis Sigma
en Manufacturas Quality Ltda............................................................ 75
Figura 5.3. Diagrama de Flujo del proceso de fabricación
de camisetas T-Shirt básica................................................................. 77
Figura 5.4. Gráfico de Pareto.................................................................................. 78
Figura 5.5. Gráfico de Pareto con porcentaje acumulado................................... 79
Figura 5.6. Histograma de los datos actuales....................................................... 81
Figura 5.7. Diagrama de Ishikawa.......................................................................... 84
Figura 5.8. Gráfico errores por lote........................................................................ 85
8
Agradecimientos
El desarrollo de la presente obra no habría sido posible sin el apoyo y

ayuda de las personas e instituciones que aportaron con su investigación y
experiencia. Quiero agradecer a la Universidad de Ibagué, por ser la Ins-
titución por excelencia, guía y sede del desarrollo de la guía. A mi compa-
ñera Luz Ángela Castaño, por su motivación y empuje. Debo reconocer,
también, el valioso aporte de los ingenieros graduados del programa de
Ingeniería Industrial, Diego Segovia Morales y Carlos Augusto Tavera
Yepes, quienes desarrollaron su trabajo de grado en esta dirección; al es-
tudiante de la maestría en Gerencia de la Calidad Carlos Andrés Pérez
Vargas, también mis agradecimientos.
Gracias a Andrés Carrión García, por su amistad, dirección y apoyo.

A Dios.
A la memoria de mi padre quien, con su ejemplo,

su amor y consejos hizo de mí la persona que hoy soy.
A mi adorada madre por ser mi modelo y guía.
A mi esposo Oscar por su amor y apoyo incondicional

en todas las actividades que he emprendido.
A mis hijos, Oscar Andrés, Jorge Mario y Juan Sebastián,

por ser los motores y razón de mi vida.
A mis hermanos Omar, Dago, Jairo y Liliana

de quienes siempre he recibido amor y comprensión.

Prólogo
Prologar un libro de un tema en el que uno trabaja y por el que siente

una cierta pasión es siempre un agradable honor, sin dejar de ser un reto,
máxime cuando la autora le es a uno conocida y apreciada profesional y
personalmente.
Desde hace casi treinta años, una parte importante de mis esfuerzos
profesionales y académicos, tanto docentes como investigadores, han es-
tado ligados al mundo de la calidad en las organizaciones; comenzando
en un ya lejano año 1984, luego de salir de la Universidad, principié a
impartir cursos de calidad en empresas. El aspecto práctico, cotidiano y,
a la vez, exigente de los esfuerzos por hacer las cosas bien (pues la calidad
no es otra cosa) ha ocupado, desde entonces, una parte importante de mi
tiempo.
En ese quehacer por la calidad conocí, en un recordado curso de doc-
torado en Barranquilla, a la autora de este libro, a quien después tuve
el gusto de dirigir la tesis doctoral, también en temas de calidad. Desde
entonces, y espero que también en el futuro, hemos colaborado en tareas
docentes e investigadoras en búsqueda, siempre, de hacer de la calidad
una realidad en las empresas y organizaciones de nuestro entorno.
En esa línea se enmarca este libro. Se aborda en él la metodología
Seis Sigma, tema bien conocido en el mundo de la calidad, pero desde
una óptica y con una intención que no son frecuentes, lo cual aumenta
sensiblemente su valor e interés. La óptica es la de las pequeñas y media-
nas empresas, tan nombradas, tan estudiadas y, sin embargo, en el fondo,
tan abandonadas a su suerte en este mundo globalizado, sobre todo las
pequeñas.
La intención de este texto es, precisamente, ofrecer un apoyo a esas
empresas y aproximarlas a la metodología Seis Sigma, nacida en el ámbi-
to de la gran empresa y preferentemente usado por esta, pero potencial-
mente útil para cualquier organización. El esfuerzo realizado para hacer

asequibles las herramientas usadas, y proporcionar una clara guía sobre
su utilidad y uso, se basa en experiencias personales de la autora y en su
actividad de apoyo a pequeñas empresas del entorno de la Universidad
de Ibagué.
Estamos pues ante una obra que no es un mero ejercicio intelectual
o académico; es fruto del contacto con esa realidad cotidiana y exigente
a la que antes me refería. Ojalá que efectivamente llegue a los pequeños
empresarios, a los técnicos que trabajan en pequeñas empresas y, cómo
no, a los estudiantes actuales, futuros impulsores de la calidad en las or-
ganizaciones.
Andrés Carrión
Profesor
Departamento de Estadística e I.O. Aplicadas y Calidad
Universidad Politécnica de Valencia
14
Introducción
La problemática que afrontan las Pymes del Departamento del Tolima y
en especial las manufactureras, pone en riesgo la permanencia de estas
en el mercado. Problemas como el de la falta de calidad de sus productos,
procesos y servicios, desencadena insatisfacción en los clientes, quienes
dudan de su competitividad, así como de su razón económica y social.
Durante varios años, refiriéndonos a las organizaciones de todo el
mundo, los problemas generados por la mala calidad de productos y
servicios ha sido una preocupación permanente, lo cual ha limitado la
posibilidad de que cumplan satisfactoriamente con sus objetivos. Pero
también, gracias a estos obstáculos, han surgido o adaptado para su apli-
cación en las Pymes grandes estrategias, metodologías y filosofías para
el mejoramiento de la calidad, especialmente en países industrializados.
Las Pymes tolimenses no deben de ser ajenas a estos procesos de
transformación y evolución en pro de su mejoramiento. Por esta razón
se ha diseñado esta guía, con el objeto de desarrollar y adaptar una de las
filosofías para el mejoramiento de la calidad que ha tenido más éxito a
nivel mundial. Esta filosofía se creó, inicialmente, para grandes empresas
pero con una gran posibilidad y flexibilidad para ser adaptada a cualquier
tipo de organización, independientemente de su tamaño y fin económico.
En la última década, esta filosofía denominada Seis Sigma, se ha
utilizado en Pymes del Japón, los Estados Unidos y Europa con grandes
avances y logros. Este manual para las Pymes manufactureras del Toli-
ma, muestra como Seis Sigma puede trabajarse en un entorno de Pyme
manufacturera regional, y así orientar su aplicación y desarrollo de herra-
mientas de apoyo que complementan su filosofía. Un aporte fundamental
de este documento radica en la presentación sencilla de las herramientas
básicas para el análisis e identificación de los problemas de calidad.
Esta guía para Seis Sigma ha sido el resultado de un proyecto de in-
vestigación aplicada, que se realizó al interior del Grupo de Gestión e
Innovación Empresarial, ginnova, de la Universidad de Ibagué, en su

línea de calidad y productividad, que busca diseñar y difundir estrategias
que permitan mejorar la calidad de los productos y servicios de la región,
en aras de aumentar su competitividad. El trabajo se desarrolló con el
apoyo de los estudiantes del Programa de Ingeniería Industrial, quienes
aportaron su diseño, estructura y validación, mediante la aplicación de
la propuesta a una empresa Pyme manufacturera de la región. Con este
se avanza en su aplicación para este tipo de empresa y en la obtención de
resultados favorables.
La guía está constituida por cinco capítulos. El primero conceptúa su
filosofía, presenta un breve marco de avance histórico y también define
una estructura humana para el desarrollo de proyectos Seis Sigma, la cual
se muestra adaptada a las condiciones administrativas y de desarrollo de
una Pyme manufacturera en el Tolima. El segundo capítulo expone el
proceso de aplicación representado por el ciclo dmai (Define, Measure,
Analyze, Improve, Control), que se puede adaptar a cualquier tipo de or-
ganización. En el texto se explica, paso a paso, cada una de sus etapas y
actividades.
En el tercer capítulo se presentan las herramientas básicas que de-
ben trabajarse en cada una de las fases del ciclo dmai. Estas incluyen un
ejemplo de aplicación para mostrar su avance con una mejor interpreta-
ción y manejo de las mismas. El capítulo cuarto indica la operatividad
de Seis Sigma para Pymes manufactureras. Aquí se puede encontrar una
recopilación de los dos primeros capítulos enfocados paso a paso para un
despliegue en Pymes manufactureras. Si se sigue este proceso se puede
llegar a una correcta implementación de la filosofía.
En el capítulo quinto se enseña un caso de aplicación de esta filosofía
en una Pyme manufacturera del Tolima. Este comienza con una corta
presentación de la organización y desarrolla cada uno de los pasos señala-
dos en la operatividad de la filosofía con la aplicación de las herramientas
pertinentes para la situación y el desarrollo de las métricas respectivas.
También se plantean los puntos de mejoramiento, las conclusiones y reco-
mendaciones. Para finalizar, el lector encontrará los apéndices que inclu-
yen las fórmulas utilizadas en el desarrollo de la guía y las tablas estadísti-
cas requeridas para la correcta aplicación de las herramientas.
16
C A P Í T U LO
1
Introducción a la Filosofía Seis Sigma
1.1 Desarrollo histórico
La filosofía Seis Sigma surge a partir de la búsqueda de la perfección en la
producción de la empresa Motorola. Motorola presentaba problemas por
retrabajos e incumplimiento en las fechas de entrega, unido a ello, por
esa época, se pensaba que la calidad era lo más costoso y lujoso. Debido a
esto Motorola encaminó todos sus esfuerzos en la detección y corrección
de las fallas como también en la eliminación de los desperdicios. Gracias
a estos procedimientos, la compañía propuso que la verdadera función
de una empresa debe estar fijada en prevenir y controlar los procesos (ser
proactivo en vez de reactivo); esta propuesta se convertiría en uno de los
pilares de la filosofía Seis Sigma.
A comienzos de la década del ochenta, Motorola inicia un gran proceso
de aprendizaje y desarrollo, el que llevó a muchos de sus ejecutivos e ingenie-
ros a la búsqueda de formas de eliminación de desperdicios. El ingeniero Bill
Smith estudió la correlación entre la vida útil de los productos y las veces en
que este es sometido a retrabajos durante su proceso de manufactura.
En 1985, Bill Smith presentó una investigación en la que concluía que
si un producto defectuoso era corregido durante el proceso de produc-
ción, otros productos defectuosos no serían detectados hasta que el clien-
te final los recibiera. Por otro lado, si un producto era elaborado libre de
errores, este rara vez le fallaría al cliente. El impacto de esta investigación
originó que los directivos de Motorola le pidieran a Smith que desarrolla-
ra una manera práctica de aplicar su teoría en la compañía, surgiendo así
la filosofía Seis Sigma. Todo lo anterior fue el inicio de los esfuerzos que
llevaron a Motorola a ganar el prestigioso Premio Nacional de Calidad
Malcom Baldrige, en los Estados Unidos, en el año de 1988.
1.2 Conceptualización
La letra griega Sigma (σ), asociada a la desviación típica o estándar, se
utiliza en estadística para representar la dispersión de datos en una po-

blación o en una muestra. En la gestión de calidad, Sigma representa una
medida de la capacidad de elaborar productos o servicios, conformes con
los requisitos o especificaciones aplicables.
Seis Sigma es un conjunto integrado de herramientas técnicas y esta-
dísticas que permiten el logro de la filosofía de satisfacción total del clien-
te, a través de la reducción de la variabilidad de los procesos, aumentando
su capacidad. Pero Seis Sigma es algo más, desde una filosofía de gestión,
orientada a la perfección (ausencia de fallos) o a la eliminación sistemá-
tica de todas las causas de ineficacia e ineficiencia de las organizaciones,
hasta el objetivo de alcanzar una medida del rendimiento.
La filosofía Seis Sigma puede arrojar resultados a largo, mediano y
corto plazo; esto depende del tiempo y/o recursos que se dispongan para
el proceso de mejora Seis Sigma. Un proceso con capacidad Seis Sigma
significa que mantiene una distancia de seis veces la desviación estándar
entre la media del proceso y los límites de especificación; esto significa
que la variación del proceso se reduce de tal forma que solo se producen
3,4 oportunidades de defecto por cada millón de unidades producidas y
su rendimiento es del 99.9997%; la siguiente tabla explica este concepto
basado en un estándar.
Tabla 1.1. Niveles Sigma
Defectos por
Nivel millón de Costo de la no calidad
Rendimiento
Sigma(σ) oportunidades (% ventas)
(DPMO)
2 308 537 30 al 40% 69%
3 66 807 20 al 30% 93,30%
4 6 210 15 al 20% 99,30%
5 233 10 al 15% 99,98%
6 3,4 < 10% 99,9997%
Fuente: Edgardo J. Escalante Vázquez (2003, p.17). Seis Sigma metodología y técnicas
El indicador común para Seis Sigma es el cálculo de los defectos por

unidad, con este indicador no solo se pueden medir piezas manufacturadas,
también servicios. Por unidad se entiende un producto o servicio completo,
18
como puede ser una transacción bancaria o una comida servida. Los defec-
tos son aquellos detalles que impiden que se logre la satisfacción del cliente.
Cada resultado o salida en cada alternativa es analizado, y se determinan las
oportunidades de cometer un error. Por ejemplo, si en un lavadero de autos
se lavan 60 al día, y cada operación de lavado contiene tres (3) características
primordiales: que el lavado sea de buena calidad, que se realice en un tiempo
corto, y que el precio sea adecuado. Con estas tres características se tendrían
180 oportunidades de cometer un error al día; por tanto, si se registran 12
incidentes en un día, tendríamos: 12/180 = 0.0666 defectos por oportuni-
dad. Al multiplicar lo anterior por mil obtendremos 66.66 defectos por cada
mil oportunidades, también lo podríamos multiplicar por un millón y serían
66.666 defectos por cada millón de oportunidades.
Tabla 1.2. Desempeños comparativos a Seis Sigma
Si se ostenta el 99% de desempeño Si logramos 99.9997% de desempeño

(3.8σ), podremos esperar (6σ), podremos esperar solo:
20.000 encomiendas perdidas 7 encomiendas perdidas por hora
cada hora
5.000 cirugías incorrectas por 1.7 cirugías incorrectas por
semana semana
Al menos 2 aterrizajes con proble- 1 aterrizaje con problemas cada
mas diarios 5 años
200.000 prescripciones de medi- 68 prescripciones de medicamen-
camentos erróneas por año tos erróneas por año.
Fuente: www.seis-sigma.com/generic3.html - www.sixsigma.us
Tabla 1.3. Beneficios posibles con Seis Sigma
Reducción de costes
Calidad y eficiencia mejoradas
Mayor satisfacción del cliente
Rentabilidad mejorada
Fuente: www.sixsigma.us
1.3 Estructura humana para Seis Sigma

La filosofía Seis Sigma requiere una organización especial para su efectiva
aplicación; está definida por una jerarquía de personas que interactúan en

el desarrollo de la misma, conformada de acuerdo con su denominación
por el líder, los campeones, los maestros cinturón negro, los cinturones
negros y los cinturones verdes.
Figura 1.1. Estructura humana para Seis Sigma
Leader
Champion
Master Black Belt
Black Belt
Green belt
Fuente: El autor
• Leader (Líder): Es la persona que apoya los proyectos de mejora Seis

Sigma, ayuda a obtener los recursos necesarios y elimina los obstácu-
los que impiden el éxito del proyecto. Debe pertenecer a la alta geren-
cia o ser parte de la junta directiva. Incluye participación en revisión
y asegura que se desarrolle la metodología Seis Sigma.
• Champion (Campeón): Son los creadores de la visión Seis Sigma,
responsables de diseñar la estrategia de despliegue en la organización
y su aplicación y desarrollo en el área de impacto, realizan la direc-
ción estratégica del proyecto; el campeón debe ser un entusiasta del
proyecto, conocer muy bien el significado de la filosofía Seis Sigma,
además de evidenciar la necesidad de la aplicación de esta en la em-
presa. Estos aseguran que los Black Belt estén realizando su labor con
la orientación adecuada; dirigen y optimizan la ejecución de los cam-
20
bios y el aporte de los recursos. Así mismo, reconocen los esfuerzos
de los empleados y mantienen informando al líder. El campeón debe
ser jefe de departamento o gerente regional.
• Master Black Belt (Maestro Cinturón Negro): Son expertos de tiem-
po completo, capacitados en las herramientas y tácticas de Seis Sig-
ma, son responsables del desarrollo e implantación de la filosofía Seis
Sigma. El maestro cinturón negro debe ser el jefe de producción, ya
que es la persona idónea para transmitir las ideas del líder o del cam-
peón, a su equipo de trabajo.
• Black Belt (Cinturón Negro): Son líderes de los equipos responsables
de medir, analizar, mejorar y controlar procesos que afectan la satis-
facción del cliente, la productividad y calidad. Son los que ven la rea-
lidad del proyecto de mejora y determinan las herramientas a utilizar;
lideran y dirigen directamente a los cinturones verdes. Los cinturones
negros son los ingenieros que conforman el departamento de calidad.
• Green Belt (Cinturón Verde): Son ayudantes de los Black Belt, tienen
conocimiento de las herramientas y tácticas para la mejora Seis Sig-
ma; son las personas que toman los datos del proceso, necesarios para
poner en marcha la filosofía Seis Sigma. Son los analistas del proceso
o las personas que continuamente llevan las labores de toma de tiem-
pos y movimientos en la producción. En la siguiente tabla se presenta
la estructura humana para Seis Sigma, tal y como se establece en una
gran empresa.
Tabla 1.4. Organización para Seis Sigma en grandes empresas
Nombre Rol clave Posición Características Cantidad

Desarrollar Ejecutivo
Visión, liderazgo y
Líder y encauzar la de más alto 1
autoridad.
filosofía. rango.
Dedicación,
Iniciar y
entusiasmo, fe en
coordinar el Vicepresi-
sus proyectos y
Campeón despliegue dente, geren- 2 ó más
capacidad para
de la filosofía te de área.
administrar varias
Seis Sigma.
propuestas.

Brindar so-
porte técnico Jefe de Habilidades y
Maestro y experto en producción, conocimientos
cinturón metodologías o Jefe del de- técnicos, estadísti- 1
negro y herramien- partamento cos y liderazgo en
tas estadísti- de calidad. proyectos.
cas.
Ingenieros Comunicación.
Diez
Aplicar la que confor- Reconocido por
por cada
Cinturón metodología man el de- el personal por
maestro
negro y monitorear partamento su experiencia y
de cintu-
los proyectos. de calidad. conocimientos
rón negro.
técnicos.
Trabajo en equipo,
Tomar los Analistas 2o3
motivación, aplica-
Cinturón datos direc- del depar- por cada
ción de métodos,
verde tamente del tamento de cinturón
computación y
proceso. producción. negro.
seguimiento.
Fuente: Instrumentos y técnicas de la gestión contemporánea. Seminario Corporación Calidad,

Bogotá 23 y 24 de abril de 2004, y Autor
1.3.1 Estructura humana para Seis Sigma en Pymes

Para poder determinar la estructura humana de la filosofía Seis Sigma en
Pymes, se ha tenido que recurrir a estudios realizados sobre las caracterís-
ticas de estas en el Departamento del Tolima; estos estudios han indicado
que la estructura organizacional de las Pymes está conformada por tres
departamentos, como lo indica la Figura 1.2.; por lo tanto, la organización
humana para Seis Sigma en Pymes se ajusta para poder brindar la misma
cobertura que otorga en las grandes empresas.
22
Figura 1.2. Estructura orgánica de las Pymes tolimenses
Mercadeo Producción
Pymes
Administración
Fuente: Modelo de gestión de calidad para la pequeña y mediana empresa manufacturera del
Tolima. Tesis Doctoral. Valencia, España: Martha Lucía Pérez. Julio de 2002
Tabla 1.5. Organización para Seis Sigma en Pymes
Nombre Rol clave Posición Características Cantidad
Desarrollar
Visión, lideraz-
Líder y encauzar la
go y autoridad.
filosofía.
Gerente o
Campeón
miembro Dedicación, en-

Iniciar y
de la Junta tusiasmo, fe en 1
coordinar el
Directiva. sus proyectos y
Campeón despliegue
capacidad para
de la filosofía
administrar va-
Seis Sigma.
rias propuestas.
Brindar so-
Habilidades y
porte técnico
conocimien-
Maestro experto en
tos técnicos,
cinturón metodologías
estadísticos y
negro y herramien- Jefe de pro- liderazgo en
Cinturón negro
tas estadísti- ducción, proyectos.

cas. o Jefe del
1ó2
departa- Comunicación.
Aplicar la mento de Reconocido
metodología calidad. por el per-
Cinturón
y monitorear sonal por su
negro
varios proyec- experiencia y
tos. conocimientos
técnicos.

Trabajo en
Cinturón verde
Toma los Analistas equipo, motiva-
Cinturón datos direc- del depar- ción, aplicación
1o2
verde tamente del tamento de de métodos,
proceso. producción computación y
seguimiento.
Fuente: Autor
24
C A P Í T U LO
2
Desarrollo de la Filosofía Seis Sigma (Ciclo dmaic)
El proceso de aplicación de la filosofía Seis Sigma, en general, sigue un
esquema o ciclo definido como dmaic (Define, Measure, Analyse, Impro-
ve, Control); siglas en inglés que quieren decir: Definir, medir, analizar,
mejorar y controlar. Este esquema conforma un proceso estructurado en
cinco fases en las que se desarrollan técnicas y herramientas estadísticas
que llevan al cumplimiento de los objetivos del proyecto.
Figura 2.1. Estructura Ciclo dmaic
Definir
Medir
DMAMC Analizar
Mejorar
Controlar
Fuente: El autor
2.1. Definir
En esta primera fase del ciclo se define el proyecto, los miembros del equi-
po de trabajo y las características críticas a la calidad (ctq´s).
2.1.1. Selección del proyecto

Esta fase es crítica para asegurar el éxito de un proyecto, debido a que la
correcta implementación de la filosofía Seis Sigma depende de la adecua-
da identificación y posterior selección del proyecto. Los criterios iniciales

para la selección del proyecto de mejora deben permitir que estos tengan
impacto en los clientes, produzcan algunos ahorros cuantificables, sean
sencillos en su aplicación y no requieran de inversiones elevadas.
2.1.2. Pasos para seleccionar el proyecto

• Identificar las características críticas de calidad (ctq´s), las cuales
pueden estar relacionadas con las necesidades o expectativas de los
clientes, o también, características de un producto o proceso.
• Determinar y ubicar los mayores problemas que presenta la compa-
ñía.
• Comprobar la correlación entre las características críticas de calidad
con los problemas que presenta la compañía.
2.1.3. Selección de los miembros del equipo de trabajo

La selección del equipo de trabajo se refiere a la conformación de la es-
tructura humana para Seis Sigma adecuada para Pymes, se debe seleccio-
nar cuidadosamente el personal y tener muy en cuenta que si el personal
disponible no cumple con las condiciones establecidas, se requiere de un
entrenamiento o formación; se debe advertir que el conocimiento en las
técnicas y herramientas necesarias para la puesta en marcha de un pro-
ceso de mejora Seis Sigma son bases fundamentales para el correcto des-
pliegue de la filosofía.
2.2. Medir
En esta segunda etapa del ciclo dmaic, las características críticas de calidad
seleccionadas en la anterior etapa se ponen a prueba mediante el uso de he-
rramientas estadísticas, con las cuales se pretende cuantificarlas junto con
los problemas identificados, para finalmente elegir la característica crítica
de calidad adecuada para desarrollar el proyecto de mejora Seis Sigma.
Una vez seleccionada la característica de calidad adecuada, se pro-
cede a seleccionar las métricas que permitan establecer el nivel de rendi-
miento del proceso; en otras palabras, es determinar el nivel Sigma con el
que trabaja el proceso, además del rendimiento del mismo.
2.2.1. Determinar la característica crítica de calidad adecuada

Para seleccionar la característica crítica de calidad adecuada es necesa-
rio analizarla desde diferentes enfoques y aplicaciones de las técnicas
26
estadísticas y luego, mediante un análisis de Pareto (Herramientas, Ca-
pítulo 3), se escoge la característica con mayor peso o porcentaje para
ser estudiada.
2.2.2. Cálculo del nivel Sigma

Una vez determinada la característica de calidad adecuada, es necesario
definir el nivel sigma del proceso; este se logra analizando la característi-
ca en busca de los defectos por unidad y la oportunidad de cometer esos
defectos, de esta forma y mediante datos estadísticos y el uso de la tabla
normal ajustada para Seis Sigma, se obtendrá el nivel sigma con el cual
trabaja el proceso.
2.2.3. Selección del objetivo del proyecto de mejora Seis Sigma

Conociendo la capacidad Sigma del proceso, ya se pueden determinar
los objetivos o el objetivo principal del proyecto. Es importante conocer
el alcance que el proyecto ostenta o pretende llegar a tener, para poder
determinar su tiempo de alcance (largo, mediano y corto plazo), depen-
diendo de ello se plantean las metas a lograr. Para llevar a cabo el proceso
de mejora continua, es necesario proponer metas a corto plazo para ir
avanzando progresivamente, de esta forma se mantendrá la motivación
de todo el personal y la credibilidad de la filosofía.
2.3. Analizar
En esta tercera fase del ciclo se busca la causa raíz del problema o las va-
riables que afectan la característica crítica de calidad seleccionada.
2.3.1. Identificar la causa raíz

Una de las habilidades fundamentales para combatir efectivamente los
problemas es distinguir entre los síntomas y las verdaderas causas de fon-
do. A medida que se investiga con detalle las razones que hacen posible
el problema o variación de la característica crítica de calidad, se estará en
posibilidades de obtener un diagnóstico mucho más certero.
Lo más importante para identificar la causa raíz del problema a tra-
tar, es preguntarse por qué ocurrió y no se están logrando los resultados
esperados; aparte de esto, es de extrema necesidad que el personal que
hará las averiguaciones pertinentes, posea un elevado grado de conoci-
miento acerca de la característica crítica a analizar.

2.4. Mejorar
En esta fase del ciclo se define un plan de acción enfocado a atacar las cau-
sas raizales, proponiendo cambios en el proceso que es afectado por ella.
Una vez planteadas las posibles mejoras, se validan mediante el monitoreo
con las herramientas estadísticas para poder comprobar su efectividad.
2.4.1. Tomar acciones correctivas

Identificada la causa raíz, se procede a esbozar acciones correctivas que
plantean la forma cómo se lleva a cabo la mejora al proceso. Estas accio-
nes de mejora se definen después de hacer las siguientes preguntas: ¿La
causa raíz está siendo atacada? ¿Existen efectos secundarios indeseables?
2.4.2. Verificar la efectividad de la acción

Si alguna o las dos preguntas hechas anteriormente no fueron resueltas
con claridad, y si no arrojan un resultado positivo, se deberán presentar
de nuevo las mejoras hasta que sean resueltos los dos interrogantes satis-
factoriamente.
2.5. Controlar
En esta última fase del ciclo se procede una vez más a dirigir el proceso
de mejora bajo herramientas estadísticas que monitoreen y controlen las
mejoras presentadas y validadas. Es necesario saber que si se han logrado
los resultados esperados mediante la implementación de la filosofía Seis
Sigma, el proyecto de mejora no debe parar ahí, al contrario, se debe tener
presente la mejora continua hasta alcanzar resultados positivos.
2.5.1 Enfoque preventivo

Además de la mejora continua, se debe cambiar el pensamiento de la co-
rrección por el de la prevención, lo cual indica que se debe ser proactivo
en vez de reactivo; de esta forma la filosofía Seis Sigma seguirá dando
frutos en la organización.
28
C A P Í T U LO
3
Herramientas para Seis Sigma
El secreto del éxito de la filosofía Seis Sigma es saber utilizar cada herra-
mienta en la forma y el momento adecuados. De ahí que es muy impor-
tante que la estructura humana para el proyecto de mejora Seis Sigma
conozca a fondo estas herramientas; especialmente los cinturones negros
y los cinturones verdes. A continuación se presentan las herramientas
más importantes y necesarias para la aplicación de la filosofía Seis Sigma
en una Pyme manufacturera. Para ilustrar de forma adecuada las herra-
mientas, los ejemplos que se verán en el capítulo están inspirados en una
empresa productora de duraznos enlatados.
Tabla 3.1. Índice de Herramientas
Fase Definición Herramientas o metodologías

Diagramas de Flujo
Identificar las características
Encuesta
Definir críticas de calidad
Tormenta de ideas
Diagrama de Pareto
Medir las características crí- Cálculo del Nivel Sigma
Medir ticas de calidad, e identificar
la característica final Histograma
Rendimiento de un proceso
Diagrama Causa y Efecto (Ishikawa)
Analizar la característica fi-
Analizar
nal y determinar la causa raíz Estudio de Habilidad o Capaci-
dad del Proceso
Diseño de Experimentos
Realizar las mejoras respec- Tabla Anova
Mejorar
tivas Experimento Factorial
Análisis de Interacciones
Controlar Monitorear las mejoras Gráficas de Control
Fuente: El autor.

3.1. Herramientas para definir:
A continuación se presentan las herramientas sugeridas para la fase de
definición del proyecto Seis Sigma. Estas son: el diagrama de flujo, la en-
cuesta y la tormenta de ideas. Para cada herramienta se relacionan los
pasos por seguir así como su aplicación por medio de un ejemplo.
Tabla 3.1.1. Herramienta: Diagrama de flujo
Etapa en que se
Propósito Quién la emplea
utiliza
Muestra a través de una sim-

bología específica cada uno
Definir de los pasos o actividades Cinturón negro y verde
que conforman un procedi-
miento.
Pasos a seguir Ejemplos
Identificar las operaciones que hacen posible el

Obtención de la desarrollo del proceso productivo de la organización
información mediante la información proveniente de documentos
oficiales o entrevistas con el personal operativo.
El siguiente paso es dirigirse al proceso productivo o

fuente del diagrama de flujo y contrastar la informa-
Validación de la ción tomada en el paso uno con la que se observa en la
información fuente. Es probable que se encuentren incongruencias;
por tanto es de suma importancia ir a la fuente para
cerciorase de que la información tomada sea confiable.
En este paso se dibuja la secuencia ordenada de los

pasos del proceso, utilizando una simbología común o
estándar.
Elaboración del
flujograma
Simbología utilizada
Indica una actividad u operación
30
Señala el inicio / fin de un proceso
Indica una decisión o pregunta de sí / no
Indica un almacenamiento
Indica una demora en el proceso

Elaboración del
flujograma
Indica una inspección
1 Conector dentro de la página
Conector entre páginas
Dirección del flujo

Listado de procedimientos La empresa Frutic S.A. desea realizar
un diagrama de flujo del proceso de
A. Inspección de duraznos y latas. empaque y elaboración de los duraz-
B. Almacenamiento latas nos enlatados.
C. Lavado de duraznos
D. Corte de duraznos
E. Empaque de los duraznos
F. Inspección latas empacadas
G. ¿Están bien? ; sí, entonces ir paso
I ; no, ir paso H
H. Almacenamiento producto
defectuoso
I. Etiquetado
Confirmar toda la información toma-

Qué hacer da de documentos y corroborarla en
la fuente.
Qué no hacer Omitir pasos o procedimientos.
Tabla 3.1.2. Herramienta: Encuesta
Etapa en que se
Propósito Quién la emplea
utiliza
Obtener información sobre
las necesidades de los clien-
tes, para su entendimiento.
Definir Cinturón verde y negro.
Evaluar la satisfacción del
cliente y el desempeño gene-
ral del producto o servicio.
32
• Identifique las necesidades del cliente.
• Evalúe cómo se están satisfaciendo las necesidades de
1. Definir los los clientes.
objetivos por • Identifique los puntos buenos y malos (fortalezas y de-
alcanzar bilidades) del producto o servicio.
• Describa el producto ideal.
• Identifique productos sustitutos.
• Obtenga ideas y mejoras.
• Geográfico: global, nacional, regional, local.
2. Definir el • Mercado: clientes potenciales o actuales; de un seg-
alcance de la mento o varios; por marca o específico.
encuesta • Profundidad: variedad de objetivos a buscar y niveles
de detalles.
• Instrumento o cuestionario en sí.
• Método de aplicación.
3. Diseñar • Incentivos que se darán a quienes respondan la encuesta.
• Rangos de evaluación.
• Tamaño de la muestra.
• Establecer los planes con fechas para su aplicación y re-
copilación de datos y su cierre.
4. Aplicar
• Por medio del personal de ventas o una agencia exter-
na.
• Uso de la computadora para digitar los datos, y de la
sensibilidad humana para comprenderlos.
• Presentación de los resultados empleando técnicas es-
tadísticas.
5. Analizar
• Reporte final complementado con un plan de acciones
posteriores y los encargados del seguimiento.
• Identificación de acciones que se puedan tomar de in-
mediato para su mayor efectividad.
• Hágala sencilla.
• Enfóquese solo en los objetivos.
• Muestre la encuesta primero a menor nivel antes de
aplicarla en grande.
Qué hacer
• Verifique los resultados contra los datos reales del de-
partamento de mercadeo.
• Incentive la respuesta.
• Pregunte cómo y por qué.
• Utilizar solo porcentajes.
• Dejar que la agencia haga todo sin involucrarnos.
Qué no hacer • Hacer preguntas demasiado largas o genéricas.
• Enjuiciar las respuestas.
• Alterar o maquillar los resultados.

Tabla 3.1.3. Herramienta: Tormenta de ideas
Etapas en que se utiliza Propósito Quién la emplea

Definir las posibles Gerente, junta
Definir características críticas directiva y
por analizar. cinturón negro
La empresa Frutic S.A. desea realizar
una tormenta de ideas para determinar
1. Reunir el personal idóneo para las posibles causas de la variabilidad del
desarrollar esta herramienta. proceso de empaque de los duraznos
enlatados. Para esto se reunieron el
gerente general, el jefe de producción y
el jefe del departamento de calidad.
2. Enumerar las posibles fallas o
características de calidad por Cada uno de los funcionarios
tratar mediante la intervención anteriormente mencionados formularon
de cada uno de los miembros tres causas, las cuales se sometieron a
del personal. votación y salieron avante las siguientes
3. Poner en escrutinio las dos causas:
posibles fallas anteriormente • Mal funcionamiento de la máquina
mencionadas por los miembros empacadora.
del equipo y de esta forma • El material de la etiqueta presenta
seleccionar la o las características fallas de adherencia.
de calidad a analizar.
Fuente: Autor
3.2 Herramientas para medir:

A continuación se presentan las herramientas sugeridas para la fase de
medición del proyecto Seis Sigma. Estas son: el diagrama de Pareto, el cál-
culo del nivel sigma, los histogramas y el cálculo del rendimiento del pro-
ceso. Para cada herramienta se presentan los pasos por seguir, así como su
aplicación por medio del desarrollo de un ejemplo.
Tabla 3.2.1 Herramienta: Diagrama de Pareto
Categorizar los síntomas o
problemas de acuerdo con
Medir su importancia. Cinturón negro y
Evaluar la efectividad de verde
los cambios o mejoras
realizadas.
34
1. Describir la situa- La Empresa Frutic S.A., se dedica a la producción
ción o problema por de duraznos en frascos. En los últimos meses ha
analizar. recibido quejas de clientes por lo siguiente:
Color de la tapa Color de la etiqueta
2. Desglosar los inci-
dentes o problemas Ergonomía de la tapa Dureza de los duraznos
específicos que con- Ergonomía del envase Color de los duraznos
tribuyen a la situación Sabor de los duraznos Tiempo de vencimiento
por analizar.
Tamaño del envase Otros
La cantidad de frascos con defectos obtenidos
fueron:
Defecto Cantidad
Color de la tapa 2
3. Recolectar datos Ergonomía de la tapa 100
históricos o por Ergonomía del envase 68
muestreo para Sabor de los duraznos 45
cuantificar los pro- Tamaño de los duraznos 6
blemas. Color de la etiqueta 15
Dureza de los duraznos 10
Color de los duraznos 97
Tiempo de vencimiento 200
Otros 8
La lista ordenada es:
Clave Defecto Cantidad
A Tiempo de vencimiento 200
B Ergonomía de la tapa 100
C Color de los duraznos 97
D Ergonomía del envase 68
4. Ordenar la lista de
mayor a menor. E Sabor de los duraznos 45
F Color de la etiqueta 15
G Dureza de los duraznos 10
H Otros 8
I Tamaño de los duraznos 6
J Color de la tapa 2

El porcentaje de cada defecto se obtiene de dividir
la cantidad de estos entre la suma total y multipli-
cándolo por el 100%. Es decir:
% Acumu-
Clave Cantidad %
lado
A 200 36,3% 36,3%
B 100 18,1% 54,4%
5. Obtener los porcenta- C 97 17,6% 72,1%
jes de cada defecto o D 68 12,3% 84,4%
incidente.
E 45 8,2% 92,6%
F 15 2,7% 95,3%
G 10 1,8% 97,1%
H 8 1,5% 98,5%
I 6 1,1% 99,6%
J 2 0,4% 100,0%
SUMA 551 100%
Con base en los resultados obtenidos, se logra el
siguiente gráfico:
Pareto hart for CANTIDAD
600 99,64 100,00
92.56 95,28 97,10 98,55
6. Hacer una gráfica de 500 84,39
frequency
400 72,05
barras con base en es- 300 54,45
tos resultados. Pode- 200 36,30
mos también graficar 100

el porcentaje acumu- 0
A C E G I
B D F H J
lado, como una línea.
En este caso se utilizó Pareto Chart for CANTIDAD
el eje vertical izquier- 600 98,55 99,64 100,00
92,50 95,28 97,10
do para las cantidades 500 84,39
frequency
y el derecho para los 400 72,05

54,45
porcentajes. 300
200 36,30
100
0
A C E G H I
B D F J
7. Atacar la barra mayor, si es necesario, realizando otro Pareto con mayor

detalle e investigando las causas.
8. Una vez que se realicen las acciones de mejora, volver a realizar el diagra-
ma de Pareto para confirmar, y proceda con la siguiente barra.
36
• Asegúrese de que la información es completa
y precisa.
• Visite el proceso o área del problema.
Qué hacer
• Busque la participación del personal del área
en cuestión.
• Publique el Pareto.
• Suponer que las categorías o defectos están
claramente definidos.
Qué no hacer
• Realizarlo con información de un día.
• Quedarse solo en la primera barra
Fuente: Autor
Tabla 3.2.2. Herramienta: Cálculo del nivel sigma

Evaluar el proceso basado
en el nivel sigma, además
estandarizar dicha eva-
luación. De esta forma
Medir Cinturón negro•
comparamos diferentes
procesos y nos muestra
el nivel sigma con el que
trabaja la empresa.
1. Definir la característica La empresa Frutic S.A., se dedica a la produc-
crítica de calidad. Que ción de duraznos en frascos.Para el proceso de
se va a medir. producción de envase de los frascos se consi-
2. Recolección de la dera crítico su peso. El proceso de producción
información. Esta debe está presentando 35 defectos de los frascos en
ser de datos reales y una un lote de producción de 4.000 unidades con
muestra representativa un número de oportunidades por frasco de
de por lo menos 50 5; con los anteriores datos, la empresa desea
unidades. calcular el nivel sigma.
3. Calcular los defectos Con los anteriores datos se calcula el dpo:
por oportunidad dpo:
 Defectos   35 
   
 Unidades   4.000 
DPO = DPO= = 0, 00175
Oportunidad de error 5

4. Calcular los defectos por millón Se calcula el dpmo:
de oportunidad dpmo:
DPMO = DPO ×1.000.000 DPMO= 0.00175 ×1.000.000 =1.750
5. Calcular el nivel sigma: (existen

dos maneras:
• Manual.
a. Con el dpmo se remite a la Se busca el valor de σ en la tabla normal
tabla normal ajustada para ajustada para Seis Sigma asociado con el
Seis Sigma (Ver apéndice V) valor del dpmo obtenido, el cual se en-
y se busca el valor “Z”, ese cuentra en la columna correspondiente
valor Z asociado a los dpmo de la tabla.
es equivalente a el nivel
sigma con el que cuenta la σ = 4.42
empresa o proceso.
• Mediante el programa de O se calcula mediante la fórmula:
Excel: aplicando la siguiente
fórmula: =abs(distr.norm.estand.inv(e))
+1.5 = 4.42 σ
=abs(distr.norm.
estand inv(e)) + 1.5
donde e: es el dpo.
6. Verificación de la probabilidad Verificación de la probabilidad de de-
de defecto: fecto mediante la tabla normal ajustada
La probabilidad de defecto es la para Seis Sigma:
probabilidad de cometer defec-
tos asociada al nivel Sigma; esta σ 4,42
probabilidad aparece en la tabla
normal ajustada para Seis Sigma fn (σ+1,5) 0,999999
en la columna 4, y si la multi- fn (1,5-σ) 0,00175015
plicamos por 100, obtenemos el Probabilidad
0,00175016
porcentaje de defectos asociado de un defecto
a el nivel Sigma. Dpmo 1.750,16
Denominamos al porcentaje de
defectos “porcentaje real de de- Podemos ver que el porcentaje de defec-
fectos”, si lo calculamos median- to es de 0.175%
te la tabla normal ajustada para
Seis Sigma; si lo tomaramos de Si el valor es observado en la tabla nor-
la tabla normal estándar (apén- mal estándar:
dice IV), este valor sería mucho
menor, ya que los datos que
Z 0 0,01 0,02
arroja la tabla normal ajustada
son los que realmente el cliente 4,4 5E-06 5,2E-06 4,9E-06
está observando del proceso o
producto, y no los que el empre- Podemos ver que el valor del porcentaje
sario ve dentro de su proceso. de defecto es 0.00049%
38
Es por esto que el ajuste que se Los cálculos anteriores indican que den-
hace a la tabla normal de +- 1.5 tro del proceso la probabilidad de come-
σ, hace posible que dentro de ter errores es mucho menor a la observa-
una empresa se vean los produc- da por el cliente; es por esto que se deben
tos y procesos como los ven los tomar los datos provenientes de la tabla
clientes externos de la empresa. normal ajustada para Seis Sigma.
Nota: Si es un proceso productivo, la oportunidad de defecto tendrá un valor
diferente a 1; debido que las especificaciones para la fabricación del producto tie-
nen unos índices de tolerancia (error o defectos contemplados en la producción).
Si hablamos de un servicio, la oportunidad de defecto es 1, ya que el servicio se
debe prestar de una forma correcta, como por ejemplo la satisfacción del cliente.
Fuente: El autor
Tabla 3.2.3. Herramienta: Histograma

Ayudar a comprender la
tendencia central, disper-
sión y frecuencias relativas
de un grupo de datos.
Medir Cinturón negro
Mostrar grandes cantidades
de datos dando una visión
clara y sencilla de su distri-
bución.
Un histograma es un grá- La empresa Frutic S.A., se dedica a la produc-
fico de barras verticales ción de duraznos en frascos. Para el proceso de
que representa la distri- producción de envase de los frascos se considera
bución de un conjunto de crítico su peso. La especificación (x ± θ) de los
datos. Los pasos para su frascos marca 275 ± 10 ml. Los datos tomados
elaboración son: por el ingeniero de producción del proceso
fueron:
275 271 278 279 275

276 273 275 273 271
277 274 279 272 272
278 275 275 274 274
275 278 274 276 272
276 276 275 275 271
274 275 275 271 273
271 274 279 278 279
279 275 271 279 278
279 278 276 273 275

1. Obtener las clases (K): La clase de los datos son:
K n
K = 50 = 7, 07 ≈ 7
donde: n = Número de datos.
2. Obtener los límites de especi-
ficación y rango:
Los límites de especificación son:
LSE = x + q
LIE = x – q
LSE = 275 + 10 = 285
R = LSE – LIE
LIE = 275 – 10 = 265
donde:
R = 285 – 265 = 20
LSE = Límite superior especificado.
LIE = Límite inferior especificado.
R = Rango.
El intervalo es:
3. Obtener el intervalo (N):
20
R N  2, 8571
N 7
K
Los límites de las clases son:

4. Definir los límites de las L1 = 265 + 2,8571 = 267,86
clases: L2 = L1 + N = 267,86 + 2,8571 = 270,71
L3 = L2 + N = 270,71 + 2,8571 = 273,57
L1 = LIE + N L4 = L3 + N = 273,57 + 2,8571 = 276,43
Lk = Lk–1 + N L5 = L4 + N = 276,43 + 2,8571 = 279,28
L6 = L5 + N = 279,28 + 2,8571 = 282,14
L7 = L6 + N = 282,14 + 2,8571 = 285
La frecuencia de las clases es:

Límite Límite
K Frecuencia Total
inferior superior
5. Obtener la frecuencia de las 1 265 267,86 - 0
clases, asignando cada dato a la
2 267,86 270,71 - 0
clase correspondiente por una
(x) y calcular su total. xxxxxxxx
3 270,71 273,57 13
xxxxx
xxxxxxxxx
Límite Límite Fre- 4 273,57 276,43 xxxxxxxxx 23
K Total
inferior superior cuencia xxxxx
xxxxxxxxx
5 276,43 279,28 14
xxxxx
6 279,28 282,14 - 0
7 282,14 285 - 0
40
El histograma de los datos anteriores es:
HISTOGRAMA
LIE LC LSE
25
6. Realizar el histograma colo-
cando los límites de las clases 20
con su frecuencia y los límites de
FRECUENCIA
15
especificación. 10
0
L1 L2 L3 L4 L5 L6 L7
CLASES
7. Realizar la interpretación de la Por último, los ingenieros concluyeron que

gráfica; para esto se deben tener el proceso se encuentra centrado con poca
en cuenta los siguientes casos. variación.
Caso 1: Proceso centrado con

poca variación.
Caso 2: Proceso centrado con

mucha variación.
Caso 3: Proceso no centrado con

poca variación.
Caso 4: Proceso no centrado con

mucha variación.

• Asegúrese de que los datos que toma el
equipo sean confiables.
Qué hacer • El encargado de tomar los datos expli-
que al personal el propósito del estudio
para que se trabaje normalmente.
• Realizarle ajuste al proceso o cambios
Qué no hacer de material u operario durante la toma
de datos.
Fuente: El autor
Tabla 3.2.4. Herramienta: Rendimiento de un proceso
Medir Determinar el rendi-

Cinturón negro y
miento porcentual de
verde
Controlar un proceso.
Los ingenieros de la empresa Frutic S.A.,

desean saber cuánto es el rendimiento tra-
dicional del proceso de duraznos enlatados.
Según datos del mes de enero, la cantidad de
latas que entraron al proceso fueron 1.500 y
El rendimiento tradicional las que fueron producidas de acuerdo con las
de un proceso se lleva a especificaciones de la empresa fueron 1.105.
cabo dividiendo el núme-
ro de materia prima que
es producida de acuerdo
con especificaciones sobre
el número de materia
prima que entra.
Nº MPs 1105
Rendimiento = Rendimiento
  0, 7366  73, 7%
Nº MPE 1500
Según los resultados anteriores, la empresa
debe prestar mayor interés a las latas defec-
tuosas o cualquier fallo que se produzca, ya
que el rendimiento es muy bajo.
Fuente: El autor
42
3.3 Herramientas para analizar:
Las siguientes son las herramientas sugeridas para la fase de análisis del pro-
yecto Seis Sigma. Estas son: el diagrama causa y efecto y el estudio de habi-
lidad o capacidad del proceso. Para cada herramienta se presentan los pasos
por seguir, así como su aplicación por medio del desarrollo de un ejemplo.
Tabla 3.3.1. Herramienta: Diagrama de Ishikawa
Etapas en que se Quién la

Propósito
utiliza emplea
Buscar las diferentes causas clasificadas
Cinturón ne-
Definir de un problema y el objetivo es encontrar
gro y verde
las posibles causas de un problema.
El Diagrama de Ishikawa puede estar Los ingenieros de la empresa Frutic
relacionado con uno o más factores que S.A., están analizando las rupturas
intervienen en un proceso productivo, que presentan los envases de los du-
tales como (6 Ms): raznos enlatados. Dichas rupturas
1. Métodos. dependen esencialmente de la ma-
2. Mano de obra. teria prima, la mano de obra, el me-
3. Materia prima. dio, los métodos, la maquinaria y la
4. Medición. medición. Los métodos dependen de
5. Medio. lo inadecuado y obsoleto. El medio
6. Maquinaria y equipo. depende de la iluminación, el frío y
El diagrama se basa en un proceso de ge- de las partículas que hay en el aire,
neración de ideas llamado “lluvia de ideas”, las cuales dependen de la demasiada
que se realiza de la siguiente manera: ventilación que hay en el centro de
1. Se distribuyen en equipos los miembros trabajo. La mano de obra depende
de la empresa; los miembros del equipo de su estimulación, que es poca y
asignado al análisis de algún problema capacitada, la cual depende de su ex-
generan una sola idea en cada vuelta, periencia. Las máquinas dependen
de una manera rápida y ordenada sin de que se encuentren viejas y des-
presentarse ninguna discusión. Dentro gastadas. La medición depende de
del equipo debe asignarse un secretario lo inapropiado de los instrumentos
que las escriba, numerando cada una de medida y que se encuentran desa
de las ideas enunciadas. justados. La materia prima depende
2. Finalizada la lluvia de ideas se lleva a de la buena calidad, es apropiada la
cabo el descarte de las ideas repetidas. producción y se encuentra poca en
3. Comprobar que las ideas restantes el mercado. Con la anterior infor-
tengan relación con el problema por mación los ingenieros realizaron un
analizar. diagrama de causa y efecto “Diagra-
4. Catalogar las ideas resultantes en el ma de Ishikawa” que permita iden-
Diagrama de Ishikawa. tificar ordenadamente las causas que
5. Construir el Diagrama de Ishikawa. afecten las rupturas de los envases.

Mano de Obra Medio Métodos
Poca Frío
Obsoletos
Experiencia capacitada Iluminación
Ventilación Inadecuados
Estimulada
Particulas en el aire Rupturas
de env.
Viejas Inapropiado Buena calidad
Desgastadas Desajustados Apropiada
Máquinas Medición Materia prima
Fuente: El autor
Tabla 3.3.2. Herramienta: Estudio de habilidad o capacidad del proceso
Quién la
Etapas en que se utiliza Propósito
emplea
Medir el potencial de
un proceso para cum-
plir con una especifica-
Analizar ción dada. Cinturón negro
Evaluar y confirmar
efectividad de cambios
o mejoras a un proceso.
Para poder determinar si un La empresa Frutic S.A., se dedica a la
proceso puede cumplir con cierta producción de duraznos en frascos. Para
tolerancia necesitamos determi- el proceso de producción de envase de los
nar si es estable. Para determinar frascos se considera crítico su peso. La
la estabilidad se debe: especificación de los frascos marca 275 ±
10 ml. Los datos tomados por el ingeniero
1. Tomar 50 datos de la carac- de producción del proceso fueron:
terística:
275 271 278 279 275
• A intervalos regulares de
276 273 275 273 271
tiempo.
277 274 279 272 272
• Sin hacer cambios durante
278 275 275 274 274
ese período.
275 278 274 276 272
• Bajo las mismas condi-
276 276 275 275 271
ciones de temperatura, 274 275 275 271 273
mismo operario, mismo 271 274 279 278 279
lote de material. 279 275 271 279 278
• Tomados por la misma 280 278 276 273 275
persona e instrumento.
44
2. Graficar los puntos indivi- Grafica de valores individuales
duales y consecutivos.
282
280
3. Observar la gráfica. Si 278
Peso
276
muestra tendencias, ciclos, 274
272
más valores en las orillas que 270
al centro, el proceso no es
0 20 40 60
estable.
No. de muestras
La gráfica en este caso aparece estable.
Media 275,14
4. Calcular la desviación están- Desviación estándar 2,5873
dar de los datos. Si hay dos o Límite superior s. 282,9019
más valores que excedan tres
veces la desviación estándar Límite inferior s. 267,3781
arriba o abajo del promedio,
es un síntoma de inestabili- Límite superior = X + 3S
dad. Límite superior = 275,14 + (3 * 2,5873) = 282,9019
Límites naturales: Promedio Límite inferior = X – 3S
±3σ Límite inferior = 275,14 – (3 * 2,5873) = 267,3781
Si el proceso no es estable, se ten- Se ve que en los datos no hay valores

dría que analizar para encontrar mayores a 282,9 ni menores a 267,3. De lo
las causas; seguir adelante con el anterior no hay signos de inestabilidad.
estudio no nos arrojará informa-
ción confiable. Para nuestro caso, tenemos que la especifi-
cación marcada por los frascos es de 275 ±
10. El límite superior es de 275 + 10 = 285;
y el límite inferior es de 275 – 10 = 265.
5. Una vez que tengamos datos

estables, podemos calcular
el índice de habilidad de La Tolerancia es: 285 - 265 = 20 ml.
proceso:
a. Reste la especificación: 6 x s = 6 x 2,5873 = 15,5238.
Superior-inferior
b. Multiplique la desviación Tolerancia 20
estándar por 6.  Cp  1, 2883
6s 15, 5238
c. Divida el paso a entre el b.
El resultado será el índice
Cp.

Se concluye para la empresa que el
proceso sí es capaz de cumplir con la
6. Interpretación del índice Cp. tolerancia.
Si el Cp es menor que 1, el Process Capability for FRUTIC S.A.
proceso no es capaz o hábil LSL = 265,0, Nominal = 275,0, USL = 285,0
18
para cumplir las especifica- 15
Pp = 1,29
Ppk = 1,27
ciones. 12 Ppk (upper) = 1,27
Frequency
Si el Cp es igual a 1, el pro- 9
Ppk (lower) = 1,31
Pr = 078
ceso es capaz pero se tiene 6 Ppm = 1,29
3
que mantener centrado para 0
K = 0,01
evitar defectos. 260 265 270 275 280 285

Si el Cp es mayor que 1, el
proceso se considera capaz. Probability Plot
281
Podemos utilizar una gráfica 279
FRUTIC S.A.
de frecuencia (histograma) 277

para representar el proceso. 275
Cada barra representa la can- 273
tidad de piezas que cayeron 271
en cada dimensión. 271 273 275 277 279 281
Normal (275, 14, 2, 58733)
Para asegurar la información de la em-

presa de que el proceso además de ser
7. Existe otro índice llamado capaz esté centrado en el valor nominal,
Cpk. Podemos calcularlo se puede calcular el índice Cpk.
determinando cual es el
menor resultado de las dos Límite superior de especificación− Media
Cpu =
siguientes fórmulas: 3 x Desviación estándar
Límite superior de esp. − Media 285 − 275,14

Cpu = Cpu = =1, 2703
3 ⋅ Desviación estándar 3 x 2, 5873
Media − Límite inferior de esp.

Cpl = Media − Límite inferior de especificación
3 ⋅ Desviación estándar Cpl =
3 x Desviación estándar
275,,14 − 265
Cpl = =1, 3063
3 x 2, 5873
8. Interpretación del índice Cpk.

Si el Cpk es menor que 1, el
proceso no es capaz o hábil.
Si el Cpk es igual a 1, el
El menor de los dos datos anteriores es
proceso es capaz pero se tiene
1,2703; por tal motivo el Cpk = 1,2703.
que mantener centrado para
evitar defectos.
Si el Cpk es mayor que 1, el
proceso se considera capaz.
46
• Asegúrese de que el equipo y las técni-
cas de medición son confiables.
Qué hacer • Explique al personal el propósito del
estudio para que se trabaje normal-
mente.
• Hacer ajuste en el proceso o cambios
de material u operario durante la toma
Qué no hacer de datos.
• Pensar que el proceso será estable y
capaz para siempre.
Fuente: El autor
3.4 Herramientas para mejorar

Las siguientes son las herramientas sugeridas para la fase de mejoramien-
to del proyecto Seis Sigma: el diseño de experimentos, la tabla Anova, el
experimento factorial y el análisis de interacciones. Para cada herramien-
ta se presentan los pasos que se sugieren y su aplicación por medio de un
ejemplo.
Tabla 3.4.1. Herramienta: Diseño de experimentos

Mejorar Identificar los factores que
contribuyen al desempeño Cinturón negro y
de una característica de verde
calidad.
1. Establecer el objetivo del La empresa Frutic S.A., desea aumentar
estudio, identificando la el tiempo de vencimiento de los duraz-
característica por ser mejora- nos enlatados (en días). Después de un
da. Puede ser que deseemos estudio se ha decidido probar las latas
aumentarla, disminuirla o (L) donde se envasan los duraznos y la
llevarla a un valor predetermi- cantidad de azúcar (A) en la jalea.
nado.

2. Identificar los factores que En la elaboración del estudio se tomaron
pensamos afectan en el proce- 3 tipos de latas L1, L2, L3, que corres-
so a la característica objetivo. ponden a los tres tipos de proveedores
Mínimo deben ser entre 2 y 5. que le suministran a la empresa. Para el
azúcar (A) se tienen 4 niveles A1, A2,
3. Determinar los niveles en los A3, A4, cada uno de estos corresponde a
que se probará cada factor. la cantidad dada de azúcar en la fórmula
Mínimo deben ser 2. Busque de la jalea.
que estos representen los nive-
les más bajos y altos factibles Contenido de azúcar A
en el proceso, y de ser posible
algunos intermedios. Latas L A1 A2 A3 A4
L1 L3 L2 L1
L2 L1 L1 L3
L3 L2 L3 L2
El anterior cuadro por columnas (o

bloques) está diseñado para probar la
fecha de vencimiento en que tardan los
duraznos enlatados con las distintas
4. Crear un arreglo o secuencia cantidades de azúcar en la jalea. Las
de pruebas a ejecutar. Existen latas (L) se distribuyen al azar (aleatoria)
arreglos predefinidos en libros para ir realizando la prueba celda por
y tablas. Generalmente se celda (A1 con L1, luego A2 con L3, y así
utilizan los renglones para co- sucesivamente).
locar un factor y las columnas
para uno o varios. Considere De todos modos, en la empresa se
el agrupamiento por bloques y aseguró de que no existan otros factores
la aleatoriedad para definir el que en el momento de la prueba generen
arreglo. errores, tales como materiales en condi-
ciones anormales o los equipos utiliza-
dos. Para esto la empresa se asegura de
que la medición sea confiable y que las
condiciones sean estables.
La empresa también tiene en cuenta el

posible costo del desperdicio y el tiempo
requerido como la inversión.
5. Organizar las pruebas. Se define y
explica al personal participante el
objetivo y el papel de cada quien
en la condición y toma de datos
en el experimento. De ser nece-
sario se diseñan formatos para
tomar datos para simplificar y
hacer más efectivo este esfuerzo.
48
6. Tomar los datos. Se inicia el
levantamiento de la información
y se recopilan todos los datos.
Es recomendable que se anoten
de manera precisa, y que alguien
monitoree y supervise que estén
completos y se respeten los ni-
veles y condiciones establecidos.
Posteriormente se procede acomodar los

datos en orden y se realiza la sumatoria
de las columnas y los renglones:
Contenido de azúcar A
7. Colocar los datos en arreglo. Si
Latas A1 A2 A3 A4 Medias
es necesario, hay que volver a
acomodar los datos de manera L1 261 274 288 279 275,875
que podamos interpretarlos y 262 274 289 280
trabajar con ellos de manera L2 254 282 268 296 275,25
ordenada. 256 285 266 295
L3 245 290 255 287 269,25
247 288 255 289
Medias 254,17 282,17 270,17 287,7
8. Evaluar los resultados del Después de finalizado el estudio, los in-

experimento. Obtenemos las genieros concluyeron que los promedios
sumas y promedios por renglón de las columnas cambian más que los de
y columna. los reglones.
9. Correr otro experimento para
confirmar los hallazgos, o bien
modifique los factores y niveles
y realice otro análisis.
Nota: En la herramienta Tabla de Anova se verificará que la cantidad de

azúcar es realmente significativa para aumentar la fecha de vencimiento de los
duraznos enlatados.
• Involucrar al personal cercano y

responsable de los procesos.
• Utilice paquetes estadísticos para el
diseño y el análisis de los datos.
Qué hacer
• Tome datos confiables.
• Obtener un estimado del costo del
experimento y su aprobación antes de
ejecutarlo.

• Omitir variables o condiciones que en
la práctica estarán presentes.
• Olvidar los posibles efectos secunda-
Qué no hacer
rios causados.
• Usar el diseño de experimentos como
fin y no como herramienta.
Fuente: El autor
Tabla 3.4.2. Herramienta: Tabla de Anova

Determinar la signi-
ficancia de uno
Mejorar o varios factores Cinturón negro y verde
en un diseño de
experimento.
La empresa Frutic S.A., desea saber si el con-
tenido de azúcar en la jalea o las latas influyen
en el tiempo de vencimiento de los duraznos
enlatados; para esto se desarrollará el Anova
con dos factores, cuenta con la siguiente tabla:
1. Partir de una tabla de
datos que incluye infor-
Contenido de azúcar A
mación del comporta-
miento de una variable Latas A1 A2 A3 A4
Total
respuesta (objetivo) a renglón
diferentes niveles de dos L1
261 274 288 279
2207
o más factores o variables 262 274 289 280
del proceso; para esto se Suma 523 548 577 559
llamará el factor columna 254 282 268 296
como A y el factor filas L2 2202
256 285 266 295
como B. Suma 510 567 534 591
245 290 255 287
L3 2156
247 288 255 289
Suma 492 578 510 576
Total
1525 1693 1621 1726 6565
columna
50
El ejercicio se desarrolla mediante prueba de
hipótesis y se postulan las siguientes:
Hipótesis nulas:
H0(A) = μA1 = μA2 = μA3 = μA4
H0(B) = μL1 = μL2 = μL3
H0(AB) = μL1A1 – μL2A1 = μL1 – μL2
Hipótesis alternativa:
H0(A) = μA1 = μA2 = μA3 = μA4
H0(B) = μL1 = μL2 = μL3
H0(AB) = μL1A1 – μL2A1 = μL1 – μL2
2. Diseñar las hipótesis Ho(A): Las medias poblacionales o de donde

nula y alternativa para se obtuvieron las observaciones, de los 4 nive-
la prueba y la posterior les del factor azúcar son iguales.
evaluación.
Ho(B): Las medias poblacionales o de donde
se obtuvieron las observaciones, de los 3 nive-
les del factor lata son iguales.
Ho(AB): Esta hipótesis indica que no hay

efecto de interacción.
H1(A): Las medias poblacionales o de donde

les del factor azúcar no son iguales, por lo que
el factor A afecta el resultado.
H1(B): Las medias poblacionales o de donde

les del factor lata no son iguales, por lo que el
factor B afecta el resultado.
H1(AB): Esta hipótesis indica que hay efecto

de interacción.
Después de lo anterior se procede a calcular la
3. Obtener la suma de suma de cuadrados de los datos:
cuadrados del total de
datos. SS = (2612 + 2622 + 2742 + 2742 + 2882 + 2892 +
SS = ∑(cada dato) 2
2792 + 2802 + 2542 + 2562 + 2822 + 2852 + 2682
+ 2662 + 2962 + 2952 + 2452 + 2472 + 2902 +
2882 + 2552 + 2552 + 2872 + 2892) = 1801663

4. Calcular el factor de
corrección:
2
Calculamos el factor de corrección:
∑ (Todos los datos )
fc = fc= (6565)2/24 = 1795801,042
N
donde:
N= cantidad de datos.
5. Restar el factor de
corrección a la suma
de cuadrados. Con esto Calculamos la suma de los cuadrados totales:
tendremos la suma de
cuadrados totales: SST. SST = 1801663 – 1795801,042 = 5861,958
SST = ∑(cada dato) – fc 2
6. Calcular la suma de
cuadrados del factor A. Calculamos la suma de factores A:
∑ (Cada dato del total de columna)2 – fc (1525)2 + (1693)2 + (1621)2 + (1726)2

SSA =
nk SSA =
6
donde: −1795801, 042 = 3964,12467
n=cantidad de datos en
cada observación.
k=cantidad de niveles en SSA = 3964,12467
factor B.
7. Calcular la suma de Se calcula la suma de cuadrados de factores B:
cuadrados de B.
(2207 )2 + (2202)2 + (2156)2
SSB =
∑ (Cada dato del total de filas)2 – fc 8
SSB = − 1795801, 04 = 197, 5833
nj

donde:
j= niveles del factor A. SSB = 197,5833
8. Calcular la suma de
cuadrados del error. Se calcula la suma de cuadrados del error:
SSE =∑ (cada dato)2 SSE=1801663 – ((523)2 + (548)2 + (577)2 +
∑ (Totales de cada observación) 2 (559)2 + (510)2 + (567)2 + (534)2 + (591)2 +
– (492)2 + (578)2 + (510)2 + (576)2)/2 = 16,5
n
52
9. Calcular la suma de cua-
drados de la interacción
de ambos factores.
∑ (totales de cada observación)2
SSAB =
n
∑ (totales de cada nivel del factor A)2 Se calcula la suma de cuadrados de interac-
− ciones:
nk
∑ (totales de cada nivel del factor B)2
− + fc SSAB = 5861,95833 – 3964,125 – 197,5833 –
nj 16,5 = 1683,75
Como:
SST = SSA + SSB + SSE + SSAB
Entonces SSAB es tam-
bién:
SSAB = SST - SSA - SSB - SSE
10. Determinar los grados
de libertad de cada
factor, totales y del error. Se determinan los grados de libertad:
Para los factores, se
obtiene: G.L. factor A = 4 – 1 = 3
G.L.f = Niveles – 1. G.L. factor B = 3 – 1 = 2
Los totales: G.L. interacción = 3 x 2 = 6
G.L.t = Total de datos – 1. G.L. t = 24 – 1 = 23
Para el error, por dife- G.L. e = 23 – 3 – 2 – 6 = 12
rencia:
gle = glt – gla – glb – glab
11. Sacar la medida de
varianza de cada factor,
interacción y error. Sim-
plemente divida la suma Se calcula la medida de varianza de cada
de cuadrados entre los factor:
grados de libertad. MSA = 3964,125/3 = 1321,375
MSA=SSA/(j-1) MSB = 197,58333/2 = 98,791665
MSB=SSB/(k-1) MSAB = 1683,75/(3)(2) = 280,625
MSAB=SSAB/(j-1)(k-1) MSE = 16,5/(24 – (3)(2))=0,91667
MSE=SSE/(N-jk)

12. Hacer una prueba F.
Determinar el valor F
experimental para cada Determinar el valor F exp para cada factor:
factor y así compararlos
FexpA = 1321,375/0,91667 = 1441,4958
con el crítico.
FexpB = 98,791665/0,91667 = 107,77233
FexpA = MSA / MSE
FexpB = MSB / MSE FexpAB = 280,625/0,91667 = 306,135
FexpAB = MSAB / MSE

13. Obtener la F crítica de
tablas. Consulte la tabla
de valores críticos de la
distribución F. Hay una
tabla para el valor de sig-
nificancia deseado. Para
entrar a ellas se requieren
los grados de libertad del Por último, se llena la tabla con un nivel de
factor y los del error, y significancia de α = 0,05, el cual se usará para
la forma de buscarlos es, hallar el estimador F de prueba con ayuda de
buscar en v1 el grado de la tabla en el apéndice VIII y así obtener una
libertad del respectivo conclusión.
factor, y en v2 el error,
además se debe usar la
tabla con el nivel de con-
fianza deseado; para este
ejercicio se utiliza el más
usado de 95% o con un
área de rechazo del 5%.
14. Llenar la Tabla de Anova

con los datos obtenidos
en los pasos anteriores.
Obtenemos la significan-
cia o resultado final de la
prueba comparando la
Fexp vs. la F crítica, para
esto se efectúa una prue-
ba de hipótesis donde se
busca si las Fexp caen en
el área de rechazo de 5%
para este caso; si es así la
hipótesis nula se rechaza.
54
Tabla Anova
Suma de Grados de F Experi- Prueba

Factor Varianza Significancia
cuadrados libertad mental F 0.05
A 3964,125 3 1321,375 1441,5 3,49 Significante
B 197,5833 2 98,7917 107,8 3,89 Significante
Interacción 1683,75 6 280,625 306,135 3 Significante
Error 16,5 12
Total 5861,96 23
Conclusión: Según Anova, todas las hipótesis nulas, planteadas al principio, se

rechazan aceptando las hipótesis alternativas, aunque esto no indica que sean
ciertas en su totalidad, debido al error que proporciona la muestra selecciona-
da, dando la siguiente conclusión:
• H1(A): El factor A influye o afecta el tiempo de vencimiento de los du-

raznos.
• H1(B): El factor B influye o afecta el tiempo de vencimiento de los duraz-
nos.
• H1(AB): Entre el azúcar y la lata hay interacción; es decir, el efecto del
azúcar sobre la fecha de vencimiento depende de cuál sea la lata utilizada.
Nota: También se pueden utilizar valores de α menores, de tal modo nos diría
hasta qué punto es significante un factor.
Fuente: El autor
Tabla 3.4.3. Herramienta: Experimento factorial

Determine la signifi-
cancia de uno o varios
factores en un diseño Cinturón negro y
Mejorar
de experimentos. Usado verde
cuando se tienen más de
dos factores.

1. Establecer el ob-
jetivo del estudio,
identificando la
característica por
ser mejorada. Puede
ser que deseamos
Los ingenieros de la empresa Frutic S.A., desean
aumentarla, dismi-
realizar un experimento factorial para reducir
nuirla o llevarla a un
la consistencia de la jalea en los duraznos enla-
valor predetermina-
tados (medida en porcentaje de consistencia).
do.
Para la realización de este estudio se probaron los
2. Identificar los fac-
efectos de la temperatura del horno, el tiempo de
tores que pensamos
cocción y la concentración de agua, manejando
afectan en el proceso
unos niveles de máximo y mínimo utilizando
a la característica
signos (+ para el mayor y – para el menor). Para
objetivo. Mínimo
el efecto temperatura (A) se tomó 90 y 70 ºC; para
deben ser 2.
el tiempo (B) se tomó 45 y 35 minutos, y para la
3. Determinar los
concentración (C) se tomó 1 en 5 de agua y 1 en 8
niveles en los que se
de agua; dando como resultado la siguiente tabla:
probará cada factor.
Mínimo deben
ser 2. Buscar que
estos representen los
niveles más bajos y
altos factibles en el
proceso.
Pruebas A B C AB AC BC ABC Comb

4. Crear un arreglo o 1 - - - + + + - (1)
secuencia de prue-
2 + - - - - + + a
bas a ejecutar. En
este caso utilizamos 3 - + - - + - + b
un arreglo predeter- 4 + + - + - - - ab
minado (factorial de 5 - - + + - - + c
8 pruebas o corri- 6 + - + - + - - ac
das).
7 - + + - - + - bc
8 + + + + + + + abc
56
5. Organizar las
pruebas. Se define
y explica al perso-
nal participante el
objetivo y el papel
de cada quien en la
conducción y toma
de datos en el expe-
rimento. Se diseñan
formatos para tomar
datos de ser necesa- Después de recolectado los datos se obtuvieron
rios para simplificar los siguientes resultados:
y hacer más efectivo
este esfuerzo. A B C AB AC BC ABC Comb
Resul-
tado
6. Tomar los datos. Se 1 - - - + + + - (1) 30,5
inicia el levantamien-
2 + - - - - + + a 50,5
to de la información y
3 - + - - + - + b 5,0
se recopilan todos los
datos. Es recomen- 4 + + - + - - - ab 53,7
dable que se anoten 5 - - + + - - + c 28,9
de manera precisa, y 6 + - + - + - - ac 72,9
que alguien monito- 7 - + + - - + - bc 49,7
ree y supervise que
8 + + + + + + + abc 70,5
estén completos y se
respeten los niveles y Suma 361,7
condiciones estableci-
das.
7. Colocar los datos en
arreglo. Si es necesa-
rio, hay que volver a
acomodar los datos de
manera que poda-
mos interpretarlos y
trabajar con ellos de
manera ordenada.

8. Evalúe los resultados Se calcularán los efectos:
del experimento. El
resultado nos dirá Efecto A = (–30,5 + 50,5 – 5 + 53,7 – 28,9 + 72,9 –
qué factor realmente 49,7 + 70,5)/(2(3-1) 2) = 16,6875
afectan (son signifi-
cantes) a nuestra ca- Efecto B = (–30,5 – 50,5 + 5 + 53,7 – 28,9 – 72,9 +
racterística de interés. 49,7 + 70,5)/(2(3-1) 2) = –0,4875
Hagamos una tabla de
Anova. Efecto C = (–30,5 – 50,5 – 5 – 53,7 + 28,9 + 72,9 +
a. Se calculan los efec- 49,7 + 70,5)/(2(3-1) 2) = 10,2875
tos de los distintos
factores. Efecto AB = (+30,5 – 50,5 – 5 + 53,7 + 28,9 – 72,9
– 49,7 + 70,5)/(2(3-1) 2) = 0,6875
Efecto = (∑(Signos del
factor) (Respuesta))/(2(k Efecto AC = (+30,5 – 50,5 + 5 – 53,7 – 28,9 + 72,9
– 1)
n) – 49,7 + 70,5)/(2(3-1) 2) = –0,4875
donde: Efecto BC = (+30,5 + 50,5 – 5 – 53,7 – 28,9 – 72,9

+ 49,7 + 70,5)/(2(3-1) 2) = 5,0875
k = Numero de factores.
Efecto ABC = (–30,5 + 50,5 + 5 – 53,7 + 28,9 –
n = Número de niveles. 72,9 – 49,7 + 70,5)/(2(3-1) 2) = –6,4875
b. Calcular SST como Se calcula la suma de cuadrados del total:

se explicó para la
Tabla de Anova. SST = 30,52 + 50,52 + 52 + 53,72 + 28,92 + 72,92 +
49,72 + 70,52 – 361,72/8 = 3625,789
c. Se calcula la suma de Se calcula la suma de cuadrados de los factores:

cuadrados de cada
factor. SSA = (16,6875)2 (4) = 1113,89
SS = (Efecto)2 2(k – 2) n SSB = (–0,4875)2 (4) = 0,95
SSC = (10,2875)2 (4) = 423,33
SSAB = (0,6875)2 (4) = 1,89
SSAC = (–0,4875)2 (4) = 0,95
SSBC = (5,0875)2 (4) = 103,53
SSABC = (–6,4875)2 (4) = 168,35
58
d. Llenar la Tabla de Se calculan los grados de libertad:
Anova con los fac-
tores, sus contribu- G.L. factor A = 2 – 1 = 1
ciones y los grados G.L. factor B = 2 – 1 = 1
de libertad. Los
G.L. factor C = 2 – 1 = 1
grados de libertad se
obtienen restando G.L. t = 8 – 1 = 7
1 a la cantidad de G.L. e = 7 – 1 – 1 – 1 = 4
niveles. G.L. = k – 1. G.L.AB= 2-1=1
Los G.L. totales se
G.L.AC= 2-1=1
obtienen restando
1 a la cantidad de G.L.BC=2-1=1
pruebas. Los G.L. del G.L.ABC=2-1=1
error, por diferencia.
e. Realizar la prueba Calculamos las medidas de varianza (MS) y el
F.; para esto ne- error con la fórmula de restar al total las sumas
cesitamos sacar la cuadrada de los demás factores como lo hicimos
varianza (dividiendo en la Tabla de Anova, y se llena la tabla con un
SC entre los G.L.). nivel de significancia del α = 0,05 dando como
Obtenemos la Fexp resultado:
dividiendo la va-
rianza de cada factor Fuen- F crí-
entre la varianza del SS G.L. MS F exp Resultado
te tica
error. La F crítica la A 1113,89 1 1113,89 2,46 7,71 Significante
sacamos de tablas o
Muy
bien de Excel, con el B 0,95 1 0,95 0,002
significante
valor de a deseado,
Muy
los grados de liber- C 423,33 1 423,33 0,934
significante
tad del factor y los
Muy
del error. AB 1,85 1 1,85 0,004
significante
Muy
AC 0,95 1 0,95 0,002
significante
Muy
BC 103,53 1 103,53 0,23
significante
Muy
ABC 168,35 1 168,35 0,37
significante
Error 1812,939 4 453,35
Total 3625,789 7
9. Desarrollar otro ex- Por último, los ingenieros que realizaron el estu-
perimento para con- dio concluyeron que todos los factores afectan a la
firmar los hallazgos, media del proceso.
o bien modificar los
factores y niveles, y
realizar otro análisis.
Fuente: El autor

Tabla 3.4.4. Herramienta: Análisis de Interacciones

Determinar en qué
grado 2 o más factores
en un experimento
Mejorar Cinturón negro y verde
interactúan para ge-
nerar un efecto en los
resultados.
1. Identificar y enlistar las

Los ingenieros de la empresa Frutic s.a., desean
posibles interacciones.
realizar un análisis de interacciones teniendo
Estas pueden ser de 2º
en cuenta los datos del estudio de experimento
orden (entre 2 factores)
factorial. Como la empresa tomó 3 factores, los
o de 3er orden (entre
cuales arrojaron las siguientes 4 interacciones:
3), y así sucesivamente.
Las interacciones se es-
A x B, A x C, B x C y A x B x C.
criben simbólicamente
con una cruz entre los
factores.
2. Insertar una columna

en la tabla del experi- Se calcula la sumatoria de cada interacción con
mento para la primera su respectivo signo y su sumatoria al cuadrado
interacción. El conteni- con su signo, dando como resultado:
do de la columna será
Tempera- Tiempo
un signo, resultado de tura del de coc-
Interac-
Resultados
la multiplicación de los Prue- ción
horno ción
signos de los factores ba
% de consis-
A B AxB
que la forman. Al mul- tencia
tiplicar signos iguales, 1 - - + 30,5
el resultado es (+) y 2 + - - 50,5
al multiplicar signos
3 - + - 5,0
diferentes, es (-).
4 + + + 53,7
3. Sumar los resultados
5 - - + 28,9
que coincidan con
el (-) y con el (+). 6 + - - 72,9
Podemos hacerlo en 7 - + - 49,7
forma de tabla. Con 8 + + + 70,5
letras negritas, identi- ∑A x B – 178,1
ficamos los resultados
∑A x B + 183,6
obtenidos con (-) y con
letra clara, los (+). Esta (∑A x B –)2 31719,61
suma la elevamos al (∑A x B +)2 33708,96

cuadrado.
60
4. Dividir la suma cua-
drada entre la cantidad
de datos (- o +). Esto
nos da como resultado
el promedio bajo y
alto de la interacción:
PAxB(-) y PAxB(+).
Se calcula el promedio bajo y alto, y la sumatoria
al cuadrado de cada interacción, dando como
5. Obtener la contri- resultado:
bución (SC) sim-
plemente sumando
31719, 61
los promedios bajo PAxB (-) = = 7929, 903
y alto, y restando el 4
factor de corrección. 33708, 96
PAxB (+) = = 8427, 24
4
SC AxB = PAxB (−) + PAxB (+)− fc SC AxB = 7929, 903 + 8427, 24 −16353, 36
SC AxB = 3, 783
Tempe- Con-
ratura centra- Interac-
Resultados
del ción de ción
Prueba horno agua
% de consis-
A C AxC
6. Repetir los pasos 2 tencia
al 6 ahora para cada 1 - - + 30,5
una de las demás 2 + - - 50,5
interacciones. Para la
3 - - + 5,0
interacción AxBxC se
sigue la misma regla 4 + - - 53,7
de signos: iguales dan 5 - + - 2,9
positivo y diferentes 6 + + + 72,9
dan negativo. 7 - + - 49,7
8 + + + 70,5
∑A x C – 182,8
∑A x C + 178,9
(∑A x C –)2 33415,84
(∑A x C +)2 32005,21

Con-
Tiem-
centra-
po de Interacción Resultados
ción de
Prueba cocción
agua
% de consis-
B C BxC
tencia
1 - - + 30,5
2 - - + 50,5
3 + - - 5,0
4 + - - 53,7
5 - + - 28,9
6 - + - 72,9
7 + + + 49,7
8 + + + 70,5
∑B x C – 160,5
∑B x C + 201,2
(∑B x C –)2 25760,25
(∑B x C +)2 40481,44
Con-
Tem-
Tiem- cen-
pera-
po de tra- Resulta-
tura Interacción
coc- ción dos
Prueba del
ción de
horno
agua
% de con-
A B C AxBxC
sistencia
1 - - - - 30,5
2 + - - + 50,5
3 - + - + 5,0
4 + + - - 53,7
5 - - + + 28,9
6 + - + - 72,9
7 - + + - 49,7
8 + + + + 70,5
∑A x B x C – 206,8
∑A x B x C + 154,9
(∑A x B x
42766,24
C–)2
(∑A x B x
23994,01
C+)2
62
33415, 84
PAxC (-) = = 8353, 96
4
32005, 21
PAxC (+) = = 8001, 303
4
25760, 25
PBxC (-) = = 6440, 063
4
40481, 44
PBxC (+) = =10120, 36
4
42766, 24
PAxBxC (-) = =10691, 56
4
23994, 01
PAxBxC (+) = = 5998, 503
4
SC AxC = 8353, 96 + 8001, 303 −16353, 36
SC AxC =1, 903
SC BxC = 6440, 063 +10120, 36 −16353, 36
SC BxC = 207, 063
SC AxBxC =10691, 56 + 5998, 503 −16353, 36
SC AxBxC = 336, 703
7. Determine qué inte-

racciones y factores
no son significativos, y
súmelos. Nos basamos Para calcular el error (E) se lleva a cabo suman-
en qué tan grande es do los valores pequeños de las sumatoria de
la SC respectiva. Esta cuadrados de los factores y de las interacciones,
suma la considera- para nuestro caso sumamos:
remos el error para
poder hacer la Tabla E = SSB + SCA x B + SCA x C+ SSAB + SSAC
de Anova. Los grados
E = 0,95 + 3,783 + 1,903 + 0,95 + 1,89
de libertad del error
se obtienen sumando E = 9,476
los grados de cada
interacción o factor
respectivo.

8. Llenar la Tabla de Se calculan los grados de libertad para los valo-
Anova. Los grados de res considerablemente más grandes y se llena la
libertad totales se ob- Tabla de Anova con un nivel de significancia del
tienen restando 1 a la α = 0,05, dando como resultado:
cantidad de pruebas.
Los de los factores, G.L. factor A = 2 – 1 = 1
con el número de ni- G.L. factor C = 2 – 1 = 1
veles menos 1. (k – 1). G.L. factor B x C = 2 – 1 = 1
G.L. factor A x B x C = 2 – 1 = 1
G.L. t = 8 – 1 = 7
G.L. e = 7 – 1 – 1 – 1 – 1 = 3
F Resul-
Factor SC G.L. MS F exp
crítica tado
Muy
A 1113,89 1 2227,78 705,218 10,13 signifi-
cante
Muy
C 423,33 1 846,66 268,016 signifi-
cante
Muy
BxC 207,063 1 207,06 65,55 signifi-
cante
Muy
AxB
336,703 1 336,70 106,58 signifi-
xC
cante
Error 9,476 3 3,159
Total 3625,79 7
9. Analizar los resultados

y determinar los me-
jores niveles de ajuste
para nuestro proceso.
En aquellos factores
con alta significancia,
Por último, los ingenieros que realizaron el
busque los promedios
estudio concluyeron que el factor A (tempera-
altos y bajos para cada
tura del horno) en su nivel (-) que es 70º, nos da
factor y defina cuál es
mejores resultados. También se dieron cuenta de
la combinación más
que los datos muestran una interacción entre los
conveniente. En
factores B y C, y que estos trabajan juntos.
aquellos factores no
significantes, podre-
mos trabajar con los
niveles que represen-
ten menor costo o uso
de recursos.
Fuente: El autor
64
3.5 Herramientas para controlar:
A continuación se presentan las gráficas de control, como herramientas su-
geridas para la fase de control del proyecto Seis Sigma. Se incluyen los pasos
por seguir y su aplicación para un tipo específico de gráfico de control.
Tabla 3.5.1. Herramienta: Gráficas de control

Medir Asegurar un buen
monitoreo al proceso, de Cinturón negro
Controlar manera que se mantenga y verde
bajo control.
La empresa Frutic S.A., se dedica a la produc-
1. Una vez que estén tomados ción de duraznos en frascos. En los últimos
los datos de la característica meses se han presentado problemas en el pro-
crítica por analizar o del ceso de llenado de los frascos ya que estos no
proceso, estos pueden ser cuentan con el peso estándar (275 ml). Para
aplicados para construir una estos se realizó la toma de algunas muestras
gráfica de control y de esta para encontrar si el peso con el que salen algu-
forma monitorear el proceso nos frascos es permisible para la empresa. Esta
identificando si está o no toma de datos se realizó el día 7 de noviembre
estadísticamente controlado. de 2004, en el turno 2 (2:00 – 10:00 pm.) to-
mando 10 muestras cada 2 horas.
2. Determinar el tipo de gráfica
por utilizar, dependiendo de
si los datos son por atributo
(bueno–malo) o variable
(medición). Ver tabla de
fórmulas de gráficas más co-
munes en la que se detallan
sus características típicas.
3. Definir dónde, cuándo y
cuántos datos tomar, es
decir, un plan de muestreo.
Podemos basarnos en la
herramienta de muestreo o
diseñar el plan balanceando
lo crítico de la variable con
el costo y tiempo de tomar
los datos y graficarlos.
4. Identificar y titular la gráfi-
ca. Iniciar la toma de datos.

Muestras 2:00 4:00 6:00 8:00
5. Obtener los datos del primer 1 276 275 278 275
subgrupo. Sacar el valor cen- 2 275 277 275 275
tral y, dependiendo del tipo 3 277 274 277 276
de gráfica, la variabilidad. 4 277 274 275 274
En el caso de las gráficas de 5 275 275 276 277
promedios y rangos: Para 6 276 277 275 278
el promedio, se suman los 7 278 278 274 275
datos y se dividen entre la 8 277 275 278 276
cantidad de los mismos. 9 275 276 278 275
Para el rango, se resta el 10 276 277 275 276
mayor menos el menor de Suma 2762 2758 2761 2757
los datos. Promedio 276,2 275,8 276,1 275,7
Rango 3 4 4 4
6. Repetir el paso 5 para

los siguientes subgrupos,
calculando los respectivos
valores. Cuando se llegue a
20 subgrupos estaremos en
posición de calcular los lími-
tes de control del proceso.
7. Calcular los límites de control Se calculó el gran promedio, gran rango y
con base en las fórmulas de los límites de control respectivos como se
acuerdo con el tipo de gráfica muestra a continuación:
y utilizando los valores de
las constantes que ya están Concepto Cálculo Resultado
definidas de acuerdo con el
Gran pro-
tamaño o cantidad de datos (276,2+275,8+276,1+275,7)/4 275,9
medio
del subgrupo (ver Tabla de
fórmulas). Gran rango (3+4+4+4)/4 3,7
En el caso de la gráfica de
promedios, la línea central de
la gráfica se dibujará a la al- Límite sup. X 275,9 + (0,308 * 3,7) 277,105
tura del gran promedio, y los

límites de control superior e Límite inf. X 275,9 - (0,308 * 3,7) 274,795
inferior, sumándole a este un
factor (La constante A2 por Límite sup. R 1,777 * 3,7 6,663
el gran rango).
En el caso de la gráfica de
rangos, la línea central de la Límite inf. R 0,223 * 3,7 0,836
gráfica se dibujará a la altura

del gran rango, y los límites
de control son obtenidos de
multiplicar dicho rango por
constantes (D3 y D4).
66
8. Con base en los datos, esta- Se realizaron las gráficas de control de
blecer una escala adecuada promedios (X-bar) y la de rangos (Range)
para que la gráfica sea visible como se muestra a continuación:
y graficar los puntos. En este X-bar for Col 1
caso los puntos serán los
278
promedios y rangos de los UCL = 277,11
subgrupos. CTR = 275,95
277
LCL = 274,79
9. Interpretar la gráfica. Las
siguientes condiciones
X-bar
276
denotan un proceso fuera de
control estadístico: 275
a. Un punto cae fuera de
los límites de control. 274
b. Hay 7 puntos seguidos
1 1,5 2 2,5 3 3,5 4
en el mismo lado (arriba
o abajo). Subgroup
c. Hay 7 puntos seguidos
que suben o bajan. Range Chart for Col 1
d. Dos de 3 puntos conse- 8
cutivos en el mismo lado UCL = 6,66
y fuera de la zona de + CTR = 3,75
6
/- 3 sigma. LCL = 0,84
e. 4 de 5 puntos consecu-
Range
tivos en el mismo lado y 4

fuera de la zona de + /- 3
sigma. 2
f. Cualquier otro patrón
no al azar como ciclos 0
o tendencias. Tomar
1 1,5 2 2,5 3 3,5 4
acción sobre el proceso
solamente cuando este Subgroup
fuera del control.
10. Si el proceso permanece
bajo control, continuar utili-
zando los mismos límites en
los siguientes días.
• Es importante anotar al reverso de la
gráfica los cambios que se realicen en el
proceso, los cuales puedan afectarlo.
Qué hacer:
• Tomar oportunamente acciones cuan-
do se detecte una condición fuera de
control.

• Llevar la gráfica solamente por rutina y
no utilizarla para tomar decisiones.
• No entrenar al personal que la debe
Qué no hacer:
utilizar e interpretar.
• Realizar ajustes constantemente al pro-
ceso si no está fuera de control.
Fuente: El autor
68
C A P Í T U LO
4
Operatividad de Seis Sigma
en Pymes manufactureras
La filosofía Seis Sigma entra a una organización por medio de la gerencia o
la junta directiva; es por eso que el pilar fundamental del proceso de mejora
Seis Sigma es la alta dirección; de ellos depende que la organización tenga el
privilegio de desarrollar una filosofía exitosa y de mucho provecho.
Una vez se conozca de la filosofía y sus beneficios, es el momento de
que toda la organización se entere y se involucre de lleno en su imple-
mentación, sin discriminar cargo alguno. Hay que tener pleno convenci-
miento de la misma y convencer a los empleados, realizar exposiciones y
divulgar información.
4.1. Definir el proyecto de mejora Seis Sigma

Luego de contar con el 100% de convencimiento, además de la disposi-
ción para implementar la filosofía, se debe pasar a la búsqueda del proyec-
to de mejora, identificando la o las características críticas para la calidad o
procesos que se quieran mejorar.
Se deben revisar las relaciones con los clientes, con los proveedores,
con los empleados, y el desempeño de los procesos; todo ello, en busca de
falencias o necesidades que permitan identificar la característica de calidad
que está siendo afectada y a partir de ella poder formular el problema.
Para esto se puede hacer uso de las herramientas para definir, tales como
encuestas a los proveedores y clientes, utilizar la tormenta de ideas con los
jefes de producción y el personal del departamento de calidad; desarrollar
el diagrama de flujo del proceso productivo de la empresa para identificar
posibles fallas en el mismo (Ver Capítulo 3, Herramientas para definir).
4.2. Seleccionar el equipo de trabajo

Una vez conocida la estructura organizacional para proyectos de mejora
Seis Sigma adecuada para Pymes, se buscan las personas idóneas para lo-
grar esa organización; se deberá capacitar a los empleados en las técnicas

y herramientas requeridas para el desarrollo del proyecto. Este equipo de
trabajo se constituye con mínimo tres personas: un campeón o líder del
proyecto, un cinturón negro y un cinturón verde. El campeón o líder es
el conocedor y experto en la filosofía Seis Sigma; su función es dirigirla y
coordinar su despliegue. El cinturón negro debe poseer los conocimien-
tos técnicos y estadísticos para brindar soporte técnico, aplicar y monito-
rear la metodología seis sigma. El cinturón verde estará capacitado para
realizar la toma de datos que permitan la aplicación de los métodos esta-
dísticos y los procedimientos. (Ver estructura organizacional para Pymes,
Capítulo 1).
4.3. Analizar la característica de calidad seleccionada

Después de que los cinturones verdes obtengan la información requerida
para medir las características de calidad seleccionadas, los cinturones ne-
gros se encargan de medir estadísticamente estas, con las herramientas del
ciclo medir, tales como: Diagrama de Pareto, Diagrama causa y efecto (Is-
hikawa) e histogramas. Con estas herramientas es posible clasificar las fallas
o características críticas a la calidad, preseleccionadas en el ciclo definir, en
la más importante de estas. Finalmente, cuando se tenga la característica
crítica escogida, se aplica la lista de verificación para comprobar si los pará-
metros de la característica crítica de calidad seleccionada o los parámetros
que ella conforma están estandarizados dentro del proceso; enseguida se
procede a implementar las gráficas de control para observar si la caracte-
rística crítica de calidad o el proceso que la abarca está dentro de los límites
de especificación. Es necesario desarrollar una herramienta que evalúe la
fiabilidad de las mediciones tomadas en esta fase del ciclo. Por esta razón
se puede implementar cualquiera de las siguientes herramientas: muestreo,
estudio Repetibilidad y Reproducibilidad.
4.4. Determinar el nivel sigma

Mida la característica determinando los defectos por unidad, por millón
de oportunidades, la oportunidad de incurrir en los defectos y determine
el nivel sigma, bien sea utilizando hoja de cálculo o mediante la tabla
normal. Tenga en cuenta que los datos que arroja esta herramienta son
para tablas normales estándar, y que si cuenta con la hoja de cálculo en
el idioma inglés, la función para el respectivo idioma se encuentra en los
apéndices (Cuadro de funciones más utilizadas para trabajar con Micro-
70
soft Excel). También se utiliza la herramienta Rendimiento de un proceso,
para determinar el porcentaje de eficiencia del proceso y tomarlo como
pauta para mejorarlo (ver herramientas para medir, Capítulo 3).
4.5. Seleccionar el objetivo del proyecto

Luego de detectar el nivel sigma con el que cuenta su proceso o producto,
propóngase metas a cumplir. Tenga en cuenta que la filosofía Seis Sigma
es un proceso de mejora continua y que si bien se pueden obtener resul-
tados a corto plazo, es necesario seguir implementándola hasta alcanzar
el ideal de empresa Seis Sigma o 3.4 defectos por millón. Por ejemplo, si
el nivel sigma que usted ha calculado es de 3.8, propóngase que entre dos
y cuatro meses el nuevo nivel sigma estará entre 4 y 4.2. De esta forma,
usted obtendrá resultados significativos a corto plazo, lo cual es bueno
para que continúe motivado y, por tanto, impulsando a su organización.
4.6. Identificar las causas raíz de la característica crítica de calidad

Conocido el nivel sigma que ostenta el proceso o producto, además de la
característica de calidad seleccionada, mediante las herramientas de la
fase analizar, puede determinar cuáles son las causas raíces de esta carac-
terística o variación. Lo primero que se debe hacer es medir la capacidad
del proceso, mediante la herramienta Habilidad del proceso, debido a que
es necesario saber si el proceso productivo de la Pyme posee la capacidad
de cumplir con las especificaciones, sin salirse de los límites de tolerancia.
Una vez que se determine si el proceso es capaz de cumplir con las es-
pecificaciones, se procederá a avanzar a la siguiente fase del ciclo. Si el pro-
ceso no demuestra ser capaz de cumplir con las especificaciones, es necesa-
rio utilizar otras herramientas tales como Pruebas de hipótesis y Análisis de
Modo y Efecto de Falla –amef–, las cuales determinan las causas profundas
de la variación o variabilidad del proceso que hace que este no cumpla con
las especificaciones. Dedique en esta fase del ciclo por lo menos dos sema-
nas si espera resultados a corto plazo; tres, si espera resultados a mediano
plazo, y cuatro, en caso de resultados a largo plazo, ya que de los resultados
que se obtienen en esta fase dependerá la optimización de las mejoras.
4.7. Tomar acciones correctivas

En la Fase Mejora del ciclo de dmaic es necesario proponer y llevar a cabo
mejoras o correcciones en el proceso o servicio que presta la Pyme; para esto,

y teniendo en cuenta la problemática de las Pymes en el Tolima en cuanto al
conocimiento de herramientas de control de calidad, las herramientas mos-
tradas con anterioridad en la fase Mejora, tales como: Diseño de experimen-
tos, Experimento factorial, Tabla Anova y Análisis de Interacciones, no son
adecuadas para su implementación en las Pymes manufactureras debido a
que son herramientas avanzadas y, de esta forma, complicarían el desarrollo
de la filosofía si no se tiene un elevado conocimiento de las mismas. Es por
esto que en esta fase se deben proponer mejoras al proceso, bien sea median-
te una tormenta de ideas al tener en cuenta la característica crítica analizada,
para demostrar que las mejoras no desencadenen efectos secundarios. Final-
mente, se monitorea la o las mejoras en la siguiente fase del ciclo.
Realice o lleve a cabo las mejoras. El mejor método para lograrlo es
mediante ensayo y error. No se preocupe si tiene que pagar horas extras
a sus empleados, ya que debe tener mucho cuidado en esta fase, pues de
la calidad de las mejoras que obtenga depende la ganancia económica o
ahorros que haya estimado.
4.8. Control
En esta fase, mediante el uso de herramientas desarrolladas en otras fases
del ciclo, tales como gráficas de control, Rendimiento del proceso, Deter-
minación del nivel Sigma, como también la regresión lineal, la cual no ha
sido utilizada en las anteriores fases del ciclo, se lleva a cabo un seguimiento
de las mejoras en la fase anterior. El monitoreo que se desarrolla por medio
de las herramientas nombradas nos servirá de guía para proceder con otros
proyectos de mejora o robustecer las que se han efectuado. Una vez que se
lleve a cabo el monitoreo, no se debe dejar a un lado. Por el contrario, se
debe convertir en una herramienta de uso diario como un proceso de me-
jora continua. De esta forma se podrá alcanzar algún día el nivel Seis Sigma.
4.9. Formato para mejoras Seis Sigma

Un elemento indispensable para llevar a cabo el proceso de mejora Seis
Sigma en una Pyme o en cualquier empresa, es mediante la utilización de
un formato de mejora adecuado para Seis Sigma, en el cual se llevará el
registro de los avances versus las metas; de esta forma se recopilan datos
históricos, los cuales servirán de apoyo para alcanzar el nivel ideal de 3.4
defectos por millón de oportunidades o Seis Sigma, siguiendo el proceso
de mejora continua.
72
C A P Í T U LO
5
Caso de aplicación
5.1 Presentación de la empresa
El estudio se realizó en Manufacturas Quality Ltda., una empresa ma-
nufacturera del Tolima-Colombia, dedicada a la confección de camisetas
para maquila y constituida en el año 2003. La empresa posee un módulo
de producción de camisetas T-shirt en todas las tallas, con una capacidad
de producción de 150 unidades/hora en la presentación básica (tallas s-m-
l-xl). Actualmente cuenta con 17 empleados, distribuidos de la siguiente
forma: un Gerente Comercial, un Gerente de Producción, un Contador,
un Asesor Comercial, un Supervisor de Calidad, un Operario en corte,
diez operarios en confección y un Jefe de Mantenimiento. El respectivo
organigrama se presenta de la siguiente manera:
Figura 5.1. Estructura Organizacional de Manufacturas Quality Ltda.
Junta de Socios Contador
Gerente Comercial
Gerente de Producción
Asesor Comercial
D. Producción
Supervisor Confección Corte Jefe de

Mantenimiento
Fuente: Los Autores

Actualmente la empresa cuenta con la siguiente tecnología instalada
en su módulo de producción: tres fileteadoras cama plana de tres hilos;
una fileteadora de codo de tres hilos; una fileteadora cama plana con re-
marcador; tres recubridoras cama cilíndricas; una cerradora de codo y
una máquina de corte. En lo referente a la parte comercial, el principal
cliente desde la creación de la empresa ha sido Fandextol, pero actual-
mente la empresa está ampliando sus posibilidades comerciales mediante
la confección de camisetas para su comercialización directa, dándole fle-
xibilidad al proceso productivo. Se pretende, además, adquirir una má-
quina para el estampado y de esta forma sacar la propia marca.
5.1.1. Misión
Ser una empresa dentro del sector de las confecciones destacada por sus
altos índices de calidad y eficiencia; con políticas claras de diseño, pro-
ducción y comercialización dentro y fuera del país, y con un ambiente
organizacional óptimo para nuestros colaboradores de acuerdo a las nor-
mas y exigencias legales.
5.1.2. Visión
Posicionarnos en el mercado nacional e internacional, con una marca
propia en total independencia, llegando con nuevos conceptos en diseño
y parametrizando nuestros procesos en función de la excelencia brindada
a nuestros clientes, con reconocida tecnología ambiental y de calidad, con
recurso humano calificado.
5.2. Proceso de aplicación de la metodología Seis Sigma

5.2.1. Selección de los miembros del equipo de mejora
La aplicación de la filosofía Seis Sigma adaptada a las Pymes manufac-
tureras del Tolima se empieza a desarrollar la última semana del mes de
noviembre. En esta semana se organizan reuniones para que el grupo del
proyecto explique todo lo relacionado con la filosofía Seis Sigma al Ge-
rente Comercial y al Gerente de Producción, los cuales son a la vez la
Junta Directiva. Además se presenta la Guía1, y se deja una copia para la
1. Esta guía ha sido diseñada por el grupo de investigación de la Universidad de Ibagué, como
un documento didáctico para la aplicación de la metodología Seis Sigma en las Pymes
manufactureras del Tolima-Colombia.
74
empresa. Dentro de la misma semana se reúne a todo el personal para ex-
plicarle la filosofía y qué se va a hacer dentro de la empresa. Para la prime-
ra semana del mes de diciembre se empieza a buscar el personal idóneo
para la conformación de los miembros del equipo de mejora Seis Sigma.
La reducida dimensión de la empresa condiciona la creación del
equipo Seis Sigma. Se analiza el perfil de los directivos y de los demás em-
pleados para poder conformar una estructura adecuada que la desarrolle
de una manera efectiva. Después de hablar con los directivos, se llega a la
conclusión de que el Gerente Comercial desempeñe la función de Cam-
peón y el Gerente de Producción, la función de Cinturón Negro, dada su
experiencia previa en los temas de calidad y su profundo conocimiento
del proceso. Para el papel de Cinturón Verde se selecciona al Supervisor
de Producción.
Figura 5.2. Estructura del equipo de implementación para Seis Sigma

en Manufacturas Quality Ltda.
Campeón
Maestro cinturón
negro
Cinturón
negro
Cinturón
verde
Fuente: El autor
La falta de un ingeniero o tecnólogo en el área de producción acon-

seja que se incorporen al equipo Seis Sigma los autores del trabajo de
investigación. Así, se designa el Maestro Cinturón Negro, con la misión
de capacitar al Cinturón Negro (Gerente de Producción) en las herra-
mientas estadísticas y no estadísticas para la mejora Seis Sigma; también

se nombra un miembro del Grupo de Investigación de la Universidad de
Ibagué, para que ayude y capacite al Supervisor de Producción (que actúa
como Cinturón Verde), en la toma oportuna de los datos provenientes del
proceso. El equipo Seis Sigma queda integrado de la siguiente manera:
Campeón: Gerente Comercial.
Maestro Cinturón Negro.
Cinturón Negro: Gerente de Producción.
Cinturón Verde: Supervisor.
5.2.2 Selección del proyecto de mejora

A partir de la tercera semana, se inicia el proceso de reconocimiento de la
organización, para conocer su actividad económica, clientes, productos,
políticas, etc. En esta misma semana y en reuniones posteriores, se indaga
por los posibles problemas que afectan la calidad del producto o proceso
(características críticas de calidad) en la empresa. Para llevar a cabo este
proceso, se utilizan las herramientas de la Fase Definir del ciclo de mejora
Seis Sigma dmaic.
Como primera herramienta se utiliza la Tormenta de Ideas. Todo el
equipo de mejora presenta sus opiniones acerca de los problemas por los
que pasa la empresa, los cuales conllevan a la identificación de las carac-
terísticas críticas de calidad por tratar durante el proceso de mejora Seis
Sigma. Esta reunión evidencia la necesidad de desarrollar el diagrama de
flujo del proceso de fabricación de camisetas T-shirt básica, para la co-
rrecta identificación de estos problemas (ver Figura 5.3). De la Tormenta
de Ideas surgen las siguientes características críticas de calidad:
• La cantidad de errores en la fabricación de camisetas T-shirt básica.

• Incumplimiento en las fechas de entrega.
• Falta de rigurosas inspecciones de la materia prima en la entrada del
proceso de fabricación de camisetas T-shirt básica.
• Como aspectos aislados de menor relevancia se identifican los cortes
de energía y la insuficiencia de materias primas e insumos.
Continuando con el desarrollo de la metodología Seis Sigma adapta-

da a las Pymes manufactureras del Tolima, el siguiente paso es la medi-
ción de los datos.
76
Figura 5.3. Diagrama de Flujo del proceso de fabricación
de camisetas T-Shirt básica.
Inicio
Inspección
de materia
prima
Cierre de hombros
Dobladillar manga Pegar cuello
Recubrimiento de cuello
Remate de manga Sobrecinta
Pegar manga
Dobladillar falda
Revisión
Empaque
Fin
Fuente: El autor
5.2.3. Medición de datos

Se desarrolla un análisis de Pareto para determinar cuál de las caracte-
rísticas anteriormente mencionadas y presentadas en la selección del
Proyecto de Mejora tiene mayor importancia y corresponde a la caracte-
rística crítica de calidad escogida para la mejora. En el análisis de Pare-
to se presentan las características críticas de calidades procedentes de la
Tormenta de Ideas y mostradas en la selección del Proyecto de Mejora, y

se determina una frecuencia o peso para cada una de estas. La primera
característica tiene un mayor peso debido a que arroja una frecuencia de
presentación del 55%, seguida por la tercera característica con el 22%,
posteriormente la segunda característica con una frecuencia del 15% y
por último el grupo de otras características, con una frecuencia del 8%,
como se presenta a continuación:
Tabla 5.1. Datos ordenados para el Análisis de Pareto
Clave Problema Frecuencia (%) % Acumulado

La cantidad de errores en
A la fabricación de camisetas 55% 55%
T-Shirt básica.
Falta de rigurosas ins-
pecciones de la materia
B 22% 77%
prima en la entrada de los
procesos.
Incumplimiento en las
C 15% 92%
fechas de entrega.
D Otros. 8% 100%
Total 100%
Fuente: El autor
Con base en los resultados anteriores se obtienen los siguientes grá-

ficos:
Figura 5.4. Gráfico de Pareto
100,00
Pareto Chart
100 92,00
80 77,00
FREQUENCY
60 55,00
40
20
0
Fuente: El autor
78
Figura 5.5. Gráfico de Pareto con porcentaje acumulado
Pareto Chart
100,00
100
92,00
77,00
80
FREQUENCY
60 55,00
40
20
0
A B C D
Fuente: El autor
Este análisis de Pareto nos permite conocer la característica crítica de

calidad más relevante, por su mayor frecuencia: La cantidad de errores en
el proceso de fabricación de camisetas T-shirt básica. Esta característica es
de notable importancia para Quality, debido a que Fandextol (su mayor
cliente), presenta quejas acerca del número de defectos en la fabricación
de camisetas maquiladas por esta Pyme, lo cual se traduce en el continuo
rechazo de los lotes de producción.
Debido a esto, se procede a indagar en Fandextol, en busca de los
criterios que ellos manejan para rechazar o aceptar los lotes que produ-
ce Quality. Se determina que ellos siguen un muestreo según la Norma
Militar estándar con inspección normal a un nivel de calidad del 2.5%.
De acuerdo con esto, se toman muestras de 80 unidades de cada lote que
produce Quality (600 unidades). Si se presentan 6 o más errores (camise-
tas con defectos), todo el lote es rechazado mientras que si se presentan
5 o menos errores, el lote es aceptado. Con esta información se procede
a hacer un seguimiento a los lotes que salen durante las siguientes dos
semanas de Manufacturas Quality y se presentan los siguientes resultados:
Tabla 5.2. Muestras de 10 lotes actuales
Lotes 1 2 3 4 5 6 7 8 9 10 Media
Errores 5 4 5 5 5 6 6 6 5 6 5,3
Fuente: El autor

A partir de los anteriores datos se puede notar que el promedio de
errores es de 5.3 y que de esos 10 lotes, son rechazados 4, es decir el 40%.
Para analizar qué significan para el proceso los datos mencionados con
anterioridad, se procede a desarrollar la herramienta de la Fase Medir del
ciclo dmaic, empezando con el cálculo de los niveles Sigma. La unidad de
medida escogida para la implementación de Seis Sigma en Manufacturas
Quality es la Camiseta T-Shirt, debido a que la característica crítica de ca-
lidad (la cantidad de errores en la fabricación de camisetas T-shirt básica)
es el factor determinante para que un lote sea o no rechazado.
Cálculo del Nivel Sigma:

Defectos Lotes Re chazados
DPU = = =
Muestra Lotes − Muestra
5. 3
DPU
  0.06625
80
La Tabla 5.3 muestra los errores que pueden afectar cada camiseta, y
que deben tenerse en cuenta para el cálculo del dpo.
Tabla 5.3. Oportunidad total de defectos en la confección un lote
Proceso Oportunidad de error

Cierre de Hombros 1
Pegar cuello 1
Recubierto de cuello 1
Sobrecinta 1
Pegar manga 1
Dobladillar manga 1
Remate de manga 1
Dobladillar falda 1
Total 8
Fuente: El autor
DPU Prob. de rechazo

DPO  
# Oportunidades Oportunidad de defecctos
80
0.06625
DPO
  0.00828125 (Probabilidad de cometer defectos)
8
El cálculo del DPMO significa solamente un cambio de escala:
DPMO = (DPO x 1.000.000) Defectos por millón de oportunidades.
DPMO = 8.281,5 Defectos por millón de oportunidades
Conociendo los dpmo, se procede a calcular el nivel Sigma que mane-

ja la empresa. Para ello se toman los dpmo y se busca en la Tabla Normal
ajustada para Seis Sigma del apéndice V, el valor correspondiente a este
dato. Este nivel es de 3.89, lo cual hace referencia a una probabilidad de
error real del 0.83%. Una vez elaborada la tabla de frecuencias de las clases,
se procede a graficar el histograma, el cual se muestra a continuación:
Figura 5.6. Histograma de los datos actuales
Histograma
6
5
Frecuencia
4
3
2
1
0
4 5 6
Media= 5.3
Fuente: El autor
Continuando con la fase Medir del ciclo de mejora Seis Sigma, se lle-
va a cabo la determinación del rendimiento del proceso, como se muestra
a continuación:
Rendimiento del proceso:

SALE Lotes aceptados
RENDIMIENTO
 
ENTRA Total lotes

6
RENDIMIENTO  0.60  60%
10
La ecuación muestra que al proceso entra materia prima para 10 lo-
tes, y en realidad se aceptan 6 lotes; por tanto, el proceso de fabricación de
camisetas T-Shirt básica ostenta un 60% de efectividad.
Análisis de datos: Debe realizarse también el cálculo de la capacidad

del proceso, al menos de su capacidad potencial global. Tal como es de
esperar con una efectividad tan baja, el proceso tiene un Cp no aceptable:
1 DPO
Cp = - ϕ4 --- = 0.88
3 2
Así, el proceso no es capaz, ya que el valor de su capacidad es inferior

a uno y tiene un valor de 0.88. No cumple las especificaciones, como se
aprecia en el hecho de que, en cuatro oportunidades de diez, los lotes
están por fuera de las especificaciones. Como el proceso presenta mucha
variación, se procede a determinar las causas raíz de la característica críti-
ca de calidad escogida (Cantidad de errores en la fabricación de camisetas
T-shirt básica), mediante una tormenta de ideas, y se determinan las si-
guientes causas que posteriormente son graficadas, mediante el Diagrama
de Ishikawa (ver Figura 5.7.).
Mano de obra
En cuanto a la mano de obra, la empresa presenta un alto grado de
ausentismo laboral (10 operarios ausentes por semana), lo cual es causa-
do por:
• La poca motivación de los operarios por el trabajo o por brindar
un buen rendimiento en la ejecución del mismo.
• Falta de sentido de pertenencia por la empresa.
• Lejanía de la empresa, ya que está ubicada en las afueras de Iba-
gué, en el sur de esta ciudad, en el sector de Boquerón, y todos los
operarios viven al extremo norte de esta ciudad.
• Insatisfacción por el salario devengado, se presenta una queja
por parte de los operarios por cobrar el salario mínimo.
• Costumbres adquiridas en otras empresas. Son quejas que se
presentan en especial con respecto al transporte, ya que la mayo-
82
ría (80%) de los operarios proviene de otras empresas en las que
se cuenta con un servicio de transporte por parte de la empresa
para transportar empleados hacia esta.
Tiempo ocioso en exceso, el cual se presenta por:

• La falta de control de los operarios durante el proceso de fabrica-
ción, ya que no hay una persona en producción que tome datos
y de esta forma motive a que se reduzca la distracción de estos
operarios en horas laborales.
• Ausentismo laboral.
• Polivalencia de operarios, al presentarse faltantes de operarios
y para poder continuar con las labores de producción, ciertos
operarios trabajan en otra operación para suplir la ausencia del
compañero faltante y poder cumplir con la suya; de esta forma
transcurre mucho tiempo entre operaciones.
Medición
No se presenta ningún tipo de toma de datos en el proceso producti-
vo, esto es motivado por los siguientes aspectos:
• Falta de un Jefe de Producción, con conocimientos en toma de
tiempos y herramientas para la mejora de la calidad.
• Desinterés por parte de los gerentes por el comportamiento del
área de producción.
• Desconocimiento por parte de los gerentes acerca de las herra-
mientas para la mejora de la calidad.
Métodos
• Alto grado de exigencia por parte de los gerentes hacia los ope-
rarios, en cuanto al cumplimiento de los pedidos, pero no hay
preocupación por el rendimiento unitario de los operarios.
• Poca comunicación entre gerencias y el Departamento de Pro-
ducción.
• Despreocupación por parte de los gerentes hacia los operarios.

Figura 5.7. Diagrama de Ishikawa
Mano de Medio Métodos
obra Falta de
Lejanía de la empresa comunicación entre
No hay control de los gerencia y
operarios producción
Insatisfacción por
salario
Ausentismo
Ausentismo laboral Exigencia
laboral
No motivación Tiempo
ocioso Despreocupación
No pertenencia por la empresa por los empleados
Polivalencia de
operarios La cantidad de errores
Costumbres adquiridas en otras empresas
en la fabricación de
camisetas T-Shirt
básicas
Falta de un jefe de
producción o
analista
No
hay
Desinterés por el
comportamiento del
proceso
Desconocimiento de las
herramientas para el
mejoramiento de la calidad
Máquina Medición Materia
s prima
Fuente: El autor
5.2.4. Proceso de mejora

Al tener identificadas las causas raíz de la característica crítica de calidad,
se decide atacarlas una a una, de la siguiente manera:
• Se ofrecen charlas continuas con el personal de planta, para lo-
grar un mayor sentido de pertenencia por la empresa y disminuir
el ausentismo laboral.
• Mediante reuniones con los operarios, la Gerencia les hace caer
en cuenta de que la empresa no puede pagarles más del salario
mínimo mensual legal vigente, pero se compromete a conside-
rar la opción de otorgar incentivos por rendimiento en el área
de producción; estos incentivos no fueron tenidos en cuenta du-
rante el proceso de validación, puesto que la Gerencia consideró
aplicarlos a partir de junio de 2005.
• En reuniones posteriores, la Gerencia informa a los operarios
que el problema de la lejanía de la empresa prontamente se so-
lucionará, puesto que se trasladarán en el mes de mayo de 2005.
• Se toman datos estadísticos del proceso para tener datos históri-
cos del comportamiento del mismo, y de esta forma poder mo-
nitorearlos.
84
• Se incrementa el control de los operarios para que no se presente
distracción y tiempo ocioso durante las horas laborales.
• Se buscan operarios idóneos que realizarán correctamente las
operaciones, en el caso de volverse a presentar ausentismo, y de
este modo no retrasar el proceso de fabricación.
5.3 Resultados
Los resultados que se obtienen mediante la aplicación de la guía didáctica
de la filosofía Seis Sigma en Manufacturas Quality, se presentan a conti-
nuación:
• Se reduce en un 50% el rechazo de lotes de camisetas T-shirt bá-
sica, al pasar de cuatro lotes rechazados a dos. Los datos mejora-
dos de los lotes se presentan en la siguiente tabla:
Tabla 5.4. Muestras de diez lotes mejorados
Lotes 1 2 3 4 5 6 7 8 9 10 Promedio
Errores 6 6 5 5 5 5 5 5 4 4 5
Fuente: El autor
Figura 5.8. Gráfico errores por lote
Datos mejorados
7
6
Cantidades
5 Datos
4 LS
3 LC
2 LI
1
0
1 2 3 4 5 6 7 8 9 10
Lotes
Fuente: El autor
• Se observa además que hay una tendencia sostenida de mejora y

reducción del número de errores en los lotes. De todos modos,
la mejora real experimentada no es tan representativa, pues el
promedio de defectos solo se reduce de 5,3 a 5 defectos por lote.

En este caso es la tendencia de mejora lo que hace ser más opti-
mistas sobre el resultado a largo plazo.
• Se reduce en un 80% el ausentismo laboral, pasando de 10 em-
pleados faltantes por semana a tan solo 2.
• Se logra un aumento del 10.19% del nivel Sigma, al reducirse el
promedio de defectos, pasando de 5,3 a 5. El cálculo del nivel
Sigma después de la mejora se presenta a continuación:
Defectos Lotes Re chazados 5.3

DPU = = = = 0.066625
Muestra Lotes − Muestra 80
DPU
DPO 
# Oportunidades
0.0625
DPO
  0.0078125
8
DPMO = 0.0078125 x 1.000.000 = 7812.5 Defectos por millón de opertunidades
• Se determina que el nivel Sigma que maneja la empresa después

de las mejoras, verificando en la Tabla Normal ajustada para Seis
Sigma el valor de los dpmo, es de 3.918, con una probabilidad de
error real del 0.781%. Respecto al valor inicial de sigma 3.89, se
aprecia una pequeña mejora.
• Se logra un aumento de la capacidad del proceso a 0.89. El resul-
tado que se obtiene con esta mejora consiste en que la capacidad
del proceso aumenta de 0,88 a 0,89, lo cual significa que el proce-
so sigue siendo no capaz, pero con una leve mejora.
• Aunque la mejora de calidad real no es muy importante en el
promedio de los diez últimos lotes, el hecho de estar con una ca-
lidad límite respecto a lo que es el criterio de aceptación definido
por el cliente, hace que su impacto en la aceptación de lotes sea
muy importante, pasándose de 4 a 2 lotes rechazados.
• Se aumenta el rendimiento del proceso pasando del 60% al 80%,
el nuevo cálculo del rendimiento del proceso según los lotes de
producción se muestra a continuación:
86
SALE Lotes aceptados
RENDIMIENTO
 
ENTRA Total lotes
8
RENDIMIENTO  0.80  80%
10
5.4. Recomendaciones
Después de desarrollar y validar la guía de la filosofía Seis Sigma en Ma-
nufacturas Quality Ltda., es necesario formular las siguientes recomen-
daciones:
• Continuar con los procedimientos para el control del proceso y
de esta forma seguir con el monitoreo de las mejoras.
• Adoptar la filosofía Seis Sigma como una herramienta de uso
continuo, mediante el uso de la guía como un proceso de mejora
permanente.
• Se recomienda contratar un analista o un ingeniero industrial
para el cargo de Jefe de Producción, que conozca las herramien-
tas de mejoramiento de la calidad, y las ponga en práctica en el
proceso. Como complemento, o incluso tal vez como alternativa,
se recomienda mejorar el nivel de formación de los directivos del
área de producción en esas materias.
• Se sugiere continuar las charlas de motivación con los emplea-
dos, para evitar que se presente ausentismo laboral, y de esta for-
ma seguir con su control. Esas charlas deben de ser acompañadas
de acciones efectivas que muestren el compromiso de la empresa
con su personal.
• Realizar un estudio económico entre el costo de la implementa-
ción de la filosofía y el mejoramiento en términos económicos,
con su aplicación.
• Se propone la compra de un computador para el área de pro-
ducción, en el que se lleve el registro del control estadístico del
proceso, y los cambios que en este se lleven a cabo.
5.5. Conclusiones
• Se logró conformar una guía de la filosofía Seis Sigma adecuada a
las Pymes manufactureras del Tolima, con herramientas estadís-
ticas y técnicas para el mejoramiento de la calidad, que están al

alcance de estas organizaciones, sin salirse de los pilares o linea-
mientos esenciales de la filosofía.
• Es posible adaptar técnicas estadísticas y no estadísticas para el
mejoramiento de la calidad a las Pymes manufactureras del To-
lima.
• Es cierto que con la filosofía Seis Sigma, también en las Pymes,
se obtienen mejoras, y no es irreal pensar que en un momento
dado se alcancen los 3,4 defectos por millón de oportunidades o
meta Seis Sigma. Tampoco es fácil que ello se logre en empresas
de bajo nivel tecnológico y con los problemas sociolaborales que
con frecuencia presentan.
• Siguiendo paso a paso los lineamientos de la guía metodológica
de la filosofía Seis Sigma, se aplicó a una Pyme manufacturera
del Tolima. Se obtuvieron resultados favorables para esta.
• Existe en los empleados de la Pyme Quality un gran desinterés,
desmotivación y apatía hacia el trabajo, debido a la falta de in-
centivos o alicientes que les animen a trabajar para proyectar la
empresa hacia un futuro promisorio. Esta situación se aprecia en
el ausentismo laboral y es una de las causas últimas del nivel de
rechazo de los lotes.
• Es necesario iniciar un proceso de sensibilización y diálogo con
los operarios y directivos de Quality sobre las necesidades, aspi-
raciones e intereses, para que ellos mismos sean los gestores de
sus propias soluciones.
• Los problemas de no calidad en cuanto a productos y procesos
en las Pymes manufactureras del Tolima, hacen muy necesaria la
implementación de herramientas para el mejoramiento y control
de la calidad como la filosofía Seis Sigma.
88
Bibliografía
Breyfogle Forrest W. (2003). Implementing six sigma: Smarter solutions using sta-
tistical methods. New Jersey: Jhon Wiley and Sons, Inc.
Brue G. & Launsby R. G. (2003). Design for six sigma. New York: McGraw-Hill
Professional.
Brue G. (2005). Six Sigma for managers: 24 lessons to understand and apply Six
Sigma principles in any organization. Mc Graw-hill.
Cox I. & Gaudard M A. & Ramsey P J. & Stephens M L. & Wright L. (2010).
Visual six sigma – Making data analysis lean. New Jersey: SAS Institute, Inc.
Eckes G. (2003). Six sigma for everyone. Hoboken, NJ: Jhon Wiley and Sons, Inc.
Escalante Vázquez E. J. (2003). Seis Sigma metodología y técnicas. Balderas Méxi-
co: Editorial limusa S.A. & Grupo Noriega Editores.
Evans J. R. (2008). Administración y control de la calidad / James R. Evans, Wi-
lliam M. Lindsay. México: Editorial Cengage Learning.
Gitlow Howard S. (2006). Design for six sigma for green belts and champions:
applications for service operations, foundations, tools, dmadv, cases and cer-
tification / Howard S. Gitlow, David M. Levine, Edward A. Popovich. New
York: Editorial Pearson.
Gómez Fraile F. & Barrio Vilar J. & Tejero Monzón M. (2003). Seis Sigma. Ma-
drid, España: Fundación Confemetal.
Guajardo Garza E. (2008). Administración de la calidad total. México: Editorial
pax.
Gutiérrez H. (2004). Control estadístico de calidad y Seis Sigma. México: Mac
Graw Hill.
Gutiérrez H. (2005). Calidad total y productividad. México: Mac Graw Hill.
Instrumentos y técnicas de la gestión contemporánea (2004, abril 23 y 24). Semi-
nario Corporación Calidad, Bogotá, Colombia.
Izar Landeta J. M. & González Ortiz J. H. (2004). Las siete herramientas básicas
de la calidad: Descripción de las siete herramientas estadísticas para mejorar
la calidad y aumentar la productividad. México: Editorial Universitaria Po-
tosina.
Juran J. M. & Gryna F. M. & Bingham R.S. (2005). Manual de control de la cali-
dad. Madrid, España: Editorial Reverté S. A.
Ley 590 de 2000. Artículo 2.

Magnusson K. & Kroslid D. & Bergman B. & Barba E. (2000 – 2006). Seis Sigma:
Una estrategia pragmática. Barcelona, España: Ediciones Gestión 2000, Pla-
neta DeAgostini Profesional y Formación S. L.
Marsh J. (2000). Herramientas para la mejora continua. Madrid, España: Aenor
Ediciones.
Membrado Martínez J. (2007). Metodologías avanzadas para la planificación y
mejora: Planificación estratégica. Madrid, España: BSC. Díaz de Santos.
Miranda Rivera L. N (2006). Seis Sigma/ Six Sigma: Guía para principiantes/ Gui-
de for beginners. México: Editorial Panorama.
Montgomery D. C. (2004). Control estadístico de la Calidad. México: Editorial
Limusa Noriega.
Pande P. & Neuman R. P & Cavanagh R. R. (2000). The six sigma way: how Ge,
Motora and other top companies are honing their performance. McGraw-
Hill Osborne Media.
Pande P. & Neuman R. P. & Cavanagh R. R. (2002). The six sigma way: team fiel-
dbook, an implementation guide for process improvement teams. McGraw-
Hill Education (India).
Penelope Przekop. (2006). Six Sigma for business excellence: A manager’s guide
t00o supervising six sigma projects and teams. New York: McGraw Hill.
Pérez M. L. (2003). Modelo de gestión de calidad para la pequeña y mediana em-
presa manufacturera del Tolima-Colombia [Tesis Doctoral]. Valencia Espa-
ña: Editorial Universidad Politécnica de Valencia.
Prieto Corcoba M. (2009). 6 Sigma en la práctica: Guía de aplicación en proyectos.
Madrid, España: AEC (Asociación Española de la Calidad).
Pyzdek T. (2003). The six sigma handbook: a complete guide for greenbelts, blac-
kbelts and managers at all levels (2nd Ed.). McGraw-Hill: New York, Chica-
go, San Francisco, Lisbon, London, Madrid, Mexico, City Milan, New Delhi,
San Juan, Seoul, Singapore, Sydney, Toronto.
Pyzdek T. & Keller P. (2010). The six sigma handbook, a complete guide for green
belts, Black Belts, and managers at all levels. New York: Editorial McGraw
Hill.
Rampersad H. K. & El-Homsi A. (2007). TPS-lean six sigma: Linking human ca-
pital to lean six sigma: A new blueprint for creating high performance compa-
nies. Carolina del Norte, Estados Unidos: iap.
Tennant Geoff. (2001). Six Sigma: control estadístico del proceso y administra-
ción total de la calidad en manufactura y servicio. México: Panorama Edi-
torial.
Torrubiano Galante J. & Rico Vallejo C. (2002). Seis Sigma paso a paso (III). Me-
dir y analizar. En Revista Fórum Calidad 137/2002. p. 48-52. [online]. http://
dialnet.unirioja.es/servlet/articulo?codigo=291349.
90
Torrubiano Galante J. & Rico Vallejo C. (2003). Seis Sigma paso a paso (III).
Medir y Controlar. En Revista Forum Calidad 138/2003. p. 53-56. [online].
http://dialnet.unirioja.es/servlet/articulo?codigo=303677.
Cibergrafía
Aiteco Consultores. Herramientas de la Calidad para la mejora. Consultado el 4
de febrero de 2013 en: http://www.aiteco.com/herramientas-de-la-calidad/.
[Tomado el 4 de febrero de 2013].
Bulltek ltd. VI Sigma. Consultado el 4 de febrero de 2013 en: http://www.bull-
tek.com/Latin_America/Latin%20America%20Servicios/Latin%20Ameri-
ca%20Consultoria/VISigma_BLASC/visigma_blasc.html.
Centro de Investigación en Matemáticas cimat. ¿Qué es Seis Sigma? Consultado
el 4 de febrero de 2013 en: http://www.qualitylink.com.mx/qlquees.html.
García P. M. & Quispe A. C. & Ráez G. L. Sistema de calidad Seis Sigma (6ç):
gestión. Consultado el 4 de febrero de 2013 en: http://sisbib.unmsm.edu.pe/
bibvirtual/publicaciones/indata/v04_n1/sistema.htm.
Gestipolis. La metodología 6 sigma ¿qué es? ¿Para qué sirve? ¿Cómo se aplica?
¿Requerimientos para su implementación? ¿Etapas de implementación?
Consultado el 4 de febrero de 2013 en: http://www.gestiopolis.com/recur-
sos/experto/catsexp/pagans/ger/no12/6sigma.htm.
Isixsigma ¿What Is Six Sigma? Consultado el 4 de febrero de 2013 en: http://
www.isixsigma.com/sixsigma/six_sigma.asp.
Kjell Magnusson. Seis Sigma como instrumento para mejorar la calidad. Consul-
tado el 4 de febrero de 2013 en: http://www.seissigma.com enlace de España.
Lefcovich Mauricio Seis Sigma - Hacia un nuevo paradigma en gestión. Consul-
tado el 4 de febrero de 2013 en: http://www.gestiopolis.com/recursos/docu-
mentos/fulldocs/ger1/parassiglefco.htm.
López G. Metodología Six-Sigma: Calidad Industrial. Consultado el 4 de febrero
de 2013 en: http://www.mercadeo.com/archivos/six-sigma.pdf.
Pyzdek Thomas. Sigma level versus process capability estimates. Consultado el
4 de febrero de 2013 en: http://www.sixsigmatraining.org/statistical-tools-
for-six-sigma/sigma-level-versus-process-capability-estimates.html.
Quality link. Artículo Six Sigma. Consultado el 4 de febrero de 2013 en: http://
www.qualitylink.com.mx/qleditorialsixsigmaarticulo.html.
Six Sigma Adams. Welcome to Adams Six Sigma. Consultado el 4 de febrero de
2013 en: http://www.adamssixsigma.com/.
Sixsigmatutorial. ¿What is RACI? Consultado el 4 de febrero de 2013 en: http://
www.sixsigmatutorial.com.
Uch Portal de estudiantes de recursos humanos. Mejora continua de productos y
procesos con la metodología Seis Sigma. Consultado el 4 de febrero de 2013

en: http://www.sixsigmatutorial.com.http://www.gestiopolis.com/recursos/
documentos/fulldocs/ger/seissigmauch.htm.
Universidad Tecnológica de Bolívar. Guía Práctica Seis Sigma. Cartilla. Consul-
tado el 4 de febrero de 2013 en: http://6sigma.shibumi.ws/cartilla.asp.
¿What is Six Sigma? Consultado el 4 de febrero de 2013 en: http://www.6sigma.
us/six-sigma.php.
92
Apéndices
Apéndice I. Fórmulas más utilizadas
Tipos de gráficas Fórmulas Muestras Comentarios
Línea central = X Precisa para tamaños

X R pequeños de muestras. Es
Promedios y rangos Límite de control = X ± A 2 * R la gráfica más utilizada.
Elimina el problema de que
Línea central = R 2 a 5 constante
Seis Sigma • Guía didáctica para Pymes

( X es el promedio de la distribución de los datos
Límite de control superior = D4 * R no sea normal (los prome-
los subgrupos, y R es el dios sí).
promedio de los rangos) Límite de control inferior = D3 * R
Línea central = S Es el indicador más estable
de la variabilidad.
S Límite de control superior = B 4 * R Mayor 0 = 8 cons-
Requiere más cálculos.
Desviaciones estándar. tante
Datos variables
Límite de control inferior = B3 * R
Línea central = X Usada cuando es caro o no

se pueden tomar muchas
X Límite de control = X ± 3s muestras.
1 La población debe ser
Valores individuales. R
Estimación de s = normal.
d2
93
94
Número defectuosos Fácil de entender y de reco-
Línea central = =p Usualmente 100 a lectar los datos.
p Total inspeccionado 5000. Ayuda a dar prioridades.
Proporción de productos p(1-P) Puede variar en +/- Tamaño de muestra grande.
defectuosos. Límite de control = p ±3 25%.
n
np Línea central = n * p Similar a la gráfica p. Usar

Usualmente 100 a si el número dice más que
Números de productos Límite de control = np ±3 np(1-p) 5000 constante. la fracción.
defectuosos.
Número de defectos Gráfica útil para cualquier
Datos por atributos

Línea central = Usualmente >100 aplicación (versátil).
Total unidades inspeccionadas
u unidades. Los defectos por unidad
Defectos por unidad. u Puede variar en +/- son un índice de 6s.
Límite de control = u ±3 25%.
n
Concepto Fórmula Comentario
Estadística básica
∑X Suma de los datos entre la cantidad de los mis-

Promedio X= mos.
n
El valor más grande menos el más pequeño de
Rango R = X max − X min los datos.
Se elevan al cuadrado la suma de las diferencias
2 de los datos vs. la media. Esto se divide entre la
∑ (X − X ) cantidad de datos menos 1.
Desviación estándar muestra σ= A todo lo anterior se le saca raíz cuadrada.
n −1 La de la población se obtiene igual pero con n en
vez de n–1.
Seis Sigma
Los defectos por unidad son la medida más
Defectos básica de 6s.
DPU =

Unidades Se divide la cantidad de defectos entre la canti-
dad de unidades.
DPU ∗1.000.000 Se multiplica el DPU por un millón y se divide
DPMO = entre las oportunidades o posibles veces que
Oportunidades pueda haber habido defectos.
DPU ∗100 Se multiplica el DPU por cien y se divide entre

% error = las oportunidades o posibles veces que pueda
Oportunidades haber habido defectos.
Habilidad de proceso
La tolerancia es el límite superior menos el infe-
Índice de capacidad de proce- Tolerancia rior de la especificación o franja. Esto se divide
Cp =
so (Cp) 6σ entre 6 veces la desviación estándar. Un Cp de 2
equivale a 6s.
95
96
AMEF
La severidad es qué tan grave es el problema; la
RPN o número de probabili- frecuencia es cuántas veces ocurre y la detección,
dad de riesgo
RPN = Severidad ∗ Frecuencia ∗ Detección qué tan difícil es detectarlo. A estos se les asigna
un valor en escala de 1 al 5 o al 10.
Diseño de experimentos
n Los datos se arreglan en este caso por columnas
2 2 2 y renglones (bloques). Se suman los datos del
Suma de cuadrados totales. ∑x =x +x i n
i experimento elevados al cuadrado.
2 Este factor se obtiene sumando los datos, elevan-

Factor de corrección.
(∑ x ) do el resultado al cuadrado y dividiendo entre la
fc = cantidad de datos.
n
Elevamos al cuadrado el total de cada columna.
n 2
( Ai ) Los dividimos entre la cantidad de datos en la
Suma de cuadrados columnas. SC A = ∑ − fc columna. Al final le restamos a todo el factor de
i n corrección. Algo similar se hace también para las
filas del arreglo.
Se divide a suma de cuadrados del factor entre
y P. SC A SC P
Varianzas de factores A VA  VP los grados de libertad. Estos se sacan restando 1
G.L. = Grados de libertad. G.L.A G.L.P de la cantidad de datos.
Apéndice II. Tabla de constantes para gráficas de control
n A2 D3 D4 d2 B3 B4
2 1,88 0 3,268 1,128 0 3,267
3 1,023 0 2,574 1,693 0 2,568
4 0,729 0 2,282 2,059 0 2,266
5 0,577 0 2,114 2,326 0 2,089
10 0,308 0,223 1,777 3,078 0,284 1,716

Apéndice III. Funciones más utilizadas para trabajar en Microsoft
Excel
• Observación: Para trabajar en Microsoft Excel se requiere que al

principio de cada fórmula se escriba el signo de igual (=).
Concepto Funciones en español Funciones en inglés Argumento
Media o promedio PROMEDIO() AVERAGE() Datos o su Rango
Rango MAX() – MIN() MAX() – MIN() Datos o su Rango
Desviación estándar de Datos de la

DESVEST() STDEV()
la muestra Muestra
Desviación estándar de Datos de la

DESVESTP() STDEVP()
la población Población
Datos de la
Varianza VAR() VAR()
Muestra
Distribución normal DISTR.NORM.

NORMSDIST() Valor de Z
estándar acumulativa ESTAND()
Inverso de la
DISTR.NORM.ESTAND. Probabilidad entre
distribución normal NORMSINV()
INV() 0y1
estándar
Valor, Promedio
Valor de Z para
NORMALIZACIÓN() STANDARDIZE() y Desviación
distribución normal
estándar
Distribución t de Valor, Grados de

DISTR.T(x,G.L.,Colas) TDIST()
student libertad, Colas
Inverso de la Probabilidad,
DISTR.T.INV() TINV()
distribución t de student Grados de libertad
Valor, Grados de
Distribución F DISTR.F.() FDIST()
libertad 1 y 2
Concepto Funciones en español Funciones en inglés Argumento
Probabilidad,
Inverso de la
DISTR.F.INV() FINV() Grados de libertad
distribución F
1y2
Distribución x cuadrada Valor, Grados de

DISTR.CHI() CHIDIST()
o Chi cuadrada libertad
Inverso de la
Probabilidad,
distribución Chi DISTR.CHI.INV() CHIINV()
Grados de libertad
cuadrada
98
Apéndice IV. Tabla Normal Estándar
Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

0 0,5 0,49601064 0,49202169 0,48803353 0,48404656 0,48006119 0,47607782 0,47209683 0,46811863 0,46414361
0,1 0,460172163 0,45620469 0,45224157 0,44828321 0,44433 0,44038231 0,43644054 0,43250507 0,42857628 0,42465457
0,2 0,420740291 0,41683384 0,41293558 0,40904588 0,40516513 0,40129367 0,39743189 0,39358013 0,38973875 0,38590812
0,3 0,382088578 0,37828048 0,37448417 0,37069998 0,36692826 0,36316935 0,35942357 0,35569125 0,35197271 0,34826827
0,4 0,344578258 0,34090297 0,33724273 0,33359782 0,32996855 0,32635522 0,32275811 0,31917751 0,3156137 0,31206695
0,5 0,308537539 0,30502573 0,30153179 0,29805597 0,29459852 0,29115969 0,28773972 0,28433885 0,28095731 0,27759532
0,6 0,274253118 0,2709309 0,26762889 0,26434729 0,2610863 0,25784611 0,25462691 0,2514289 0,24825223 0,24509709
0,7 0,241963652 0,23885207 0,2357625 0,23269509 0,22965 0,22662735 0,22362729 0,22064995 0,21769544 0,21476388

0,8 0,211855399 0,20897009 0,20610805 0,20326939 0,20045419 0,19766254 0,19489452 0,1921502 0,18942965 0,18673294
0,9 0,184060125 0,18141125 0,17878638 0,17618554 0,17360878 0,17105613 0,16852761 0,16602325 0,16354306 0,16108706
1 0,158655254 0,15624765 0,15386423 0,151505 0,14916995 0,14685906 0,1445723 0,14230965 0,14007109 0,13785657
1,1 0,135666061 0,13349951 0,13135688 0,12923811 0,12714315 0,12507194 0,1230244 0,12100048 0,11900011 0,1170232
1,2 0,11506967 0,11313945 0,11123244 0,10934855 0,1074877 0,10564977 0,10383468 0,10204232 0,10027257 0,09852533
1,3 0,096800485 0,09509792 0,09341751 0,09175914 0,09012267 0,08850799 0,08691496 0,08534345 0,08379332 0,08226444
1,4 0,080756659 0,07926984 0,07780384 0,07635851 0,0749337 0,07352926 0,07214504 0,07078088 0,06943662 0,06811212
1,5 0,066807201 0,06552171 0,06425549 0,06300836 0,06178018 0,06057076 0,05937994 0,05820756 0,05705343 0,0559174
1,6 0,054799292 0,05369893 0,05261614 0,05155075 0,05050258 0,04947147 0,04845723 0,04745968 0,04647866 0,04551398
1,7 0,044565463 0,04363294 0,04271622 0,04181514 0,04092951 0,04005916 0,0392039 0,03836357 0,03753798 0,03672696
1,8 0,035930319 0,03514789 0,0343795 0,03362497 0,03288412 0,03215677 0,03144276 0,03074191 0,03005404 0,02937898
1,9 0,02871656 0,02806661 0,02742895 0,02680342 0,02618984 0,02558806 0,0249979 0,02441919 0,02385176 0,02329547
2 0,022750132 0,02221559 0,02169169 0,02117827 0,02067516 0,02018222 0,01969927 0,01922617 0,01876277 0,0183089
2,1 0,017864421 0,01742918 0,01700302 0,01658581 0,01617738 0,01577761 0,01538633 0,01500342 0,01462873 0,01426212
2,2 0,013903448 0,01355258 0,01320938 0,01287372 0,01254546 0,01222447 0,01191063 0,01160379 0,01130384 0,01101066
2,3 0,01072411 0,01044408 0,01017044 0,00990308 0,00964187 0,00938671 0,00913747 0,00889404 0,00865632 0,00842419
99
Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
100
2,4 0,008197536 0,00797626 0,00776025 0,00754941 0,00734363 0,00714281 0,00694685 0,00675565 0,00656912 0,00638715
2,5 0,006209665 0,00603656 0,00586774 0,00570313 0,00554262 0,00538615 0,00523361 0,00508493 0,00494002 0,0047988
2,6 0,004661188 0,00452711 0,00439649 0,00426924 0,0041453 0,00402459 0,00390703 0,00379256 0,00368111 0,0035726
2,7 0,003466974 0,00336416 0,0032641 0,00316672 0,00307196 0,00297976 0,00289007 0,00280281 0,00271794 0,0026354
2,8 0,00255513 0,00247707 0,00240118 0,0023274 0,00225568 0,00218596 0,00211821 0,00205236 0,00198838 0,00192621
2,9 0,001865813 0,00180714 0,00175016 0,00169481 0,00164106 0,00158887 0,0015382 0,001489 0,00144124 0,00139489
3 0,001349898 0,00130624 0,00126387 0,00122277 0,00118289 0,00114421 0,00110668 0,00107029 0,001035 0,00100078
3,1 0,000967603 0,00093544 0,00090426 0,00087403 0,00084474 0,00081635 0,00078885 0,00076219 0,00073638 0,00071136
3,2 0,000687138 0,00066367 0,00064095 0,00061895 0,00059765 0,00057703 0,00055706 0,00053774 0,00051904 0,00050094
3,3 0,000483424 0,00046648 0,00045009 0,00043423 0,00041889 0,00040406 0,00038971 0,00037584 0,00036243 0,00034946
3,4 0,000336929 0,00032481 0,00031311 0,00030179 0,00029086 0,00028029 0,00027009 0,00026023 0,00025071 0,00024151
3,5 0,000232629 0,00022405 0,00021577 0,00020778 0,00020006 0,00019262 0,00018543 0,00017849 0,0001718 0,00016534
3,6 0,000159109 0,0001531 0,0001473 0,00014171 0,00013632 0,00013112 0,00012611 0,00012128 0,00011662 0,00011213
3,7 0,0001078 0,00010363 9,9611E-05 9,574E-05 9,201E-05 8,8417E-05 8,4957E-05 8,1624E-05 7,8414E-05 7,5324E-05
3,8 7,2348E-05 6,9483E-05 6,6726E-05 6,4072E-05 6,1517E-05 5,9059E-05 5,6694E-05 5,4418E-05 5,2228E-05 5,0122E-05
3,9 4,80963E-05 4,6148E-05 4,4274E-05 4,2473E-05 4,0741E-05 3,9076E-05 3,7475E-05 3,5936E-05 3,4458E-05 3,3037E-05
4 3,16712E-05 3,0359E-05 2,9099E-05 2,7888E-05 2,6726E-05 2,5609E-05 2,4536E-05 2,3507E-05 2,2518E-05 2,1569E-05
4,1 2,06575E-05 1,9783E-05 1,8944E-05 1,8138E-05 1,7365E-05 1,6624E-05 1,5912E-05 1,523E-05 1,4575E-05 1,3948E-05
4,2 1,33457E-05 1,2769E-05 1,2215E-05 1,1685E-05 1,1176E-05 1,0689E-05 1,0221E-05 9,7736E-06 9,3447E-06 8,9337E-06
4,3 8,53991E-06 8,1627E-06 7,8015E-06 7,4555E-06 7,1241E-06 6,8069E-06 6,5031E-06 6,2123E-06 5,934E-06 5,6675E-06
4,4 5,41254E-06 5,1685E-06 4,935E-06 4,7117E-06 4,4979E-06 4,2935E-06 4,098E-06 3,911E-06 3,7322E-06 3,5612E-06
4,5 3,39767E-06 3,2414E-06 3,092E-06 2,9492E-06 2,8127E-06 2,6823E-06 2,5577E-06 2,4386E-06 2,3249E-06 2,2162E-06
4,6 2,11245E-06 2,0133E-06 1,9187E-06 1,8283E-06 1,742E-06 1,6597E-06 1,581E-06 1,506E-06 1,4344E-06 1,366E-06
4,7 1,30081E-06 1,2386E-06 1,1792E-06 1,1226E-06 1,0686E-06 1,0171E-06 9,6796E-07 9,2113E-07 8,7648E-07 8,3391E-07
4,8 7,93328E-07 7,5465E-07 7,1779E-07 6,8267E-07 6,492E-07 6,1731E-07 5,8693E-07 5,5799E-07 5,3043E-07 5,0418E-07
4,9 4,79183E-07 4,5538E-07 4,3272E-07 4,1115E-07 3,9061E-07 3,7107E-07 3,5247E-07 3,3476E-07 3,1792E-07 3,019E-07
Z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
5 2,86652E-07 2,7215E-07 2,5836E-07 2,4524E-07 2,3277E-07 2,2091E-07 2,0963E-07 1,9891E-07 1,8872E-07 1,7903E-07
5,1 1,69827E-07 1,6108E-07 1,5277E-07 1,4487E-07 1,3737E-07 1,3024E-07 1,2347E-07 1,1705E-07 1,1094E-07 1,0515E-07
5,2 9,96443E-08 9,442E-08 8,9462E-08 8,4755E-08 8,0288E-08 7,605E-08 7,2028E-08 6,8212E-08 6,4592E-08 6,1158E-08
5,3 5,79013E-08 5,4813E-08 5,1884E-08 4,9106E-08 4,6473E-08 4,3977E-08 4,1611E-08 3,9368E-08 3,7243E-08 3,5229E-08
5,4 3,33204E-08 3,1512E-08 2,98E-08 2,8177E-08 2,664E-08 2,5185E-08 2,3807E-08 2,2502E-08 2,1266E-08 2,0097E-08
5,5 1,89896E-08 1,7942E-08 1,695E-08 1,6012E-08 1,5124E-08 1,4283E-08 1,3489E-08 1,2737E-08 1,2026E-08 1,1353E-08
5,6 1,07176E-08 1,0116E-08 9,5479E-09 9,0105E-09 8,5025E-09 8,0224E-09 7,5686E-09 7,1399E-09 6,7347E-09 6,352E-09
5,7 5,99037E-09 5,6488E-09 5,3262E-09 5,0215E-09 4,7338E-09 4,4622E-09 4,2057E-09 3,9636E-09 3,735E-09 3,5193E-09
5,8 3,31575E-09 3,1236E-09 2,9424E-09 2,7714E-09 2,61E-09 2,4579E-09 2,3143E-09 2,179E-09 2,0513E-09 1,931E-09
5,9 1,81751E-09 1,7105E-09 1,6097E-09 1,5147E-09 1,4251E-09 1,3407E-09 1,2612E-09 1,1863E-09 1,1157E-09 1,0492E-09

6 9,86588E-10 9,2762E-10 8,7209E-10 8,198E-10 7,7057E-10 7,2423E-10 6,8061E-10 6,3955E-10 6,0091E-10 5,6455E-10
101
Apéndice V. Tabla Normal Ajustada para Seis Sigma
Probabilidad de un
σ fn(σ+1,5) fn(1,5-σ) Dpmo
defecto
0 0,933192799 0,933192799 1,00000000 1.000.000,00
0,1 0,945200708 0,919243341 0,97404263 974.042,63
0,2 0,955434537 0,903199515 0,94776498 947.764,98
0,3 0,964069681 0,88493033 0,92086065 920.860,65
0,4 0,97128344 0,864333939 0,89305050 893.050,50
0,5 0,977249868 0,841344746 0,86409488 864.094,88
0,6 0,982135579 0,815939875 0,83380430 833.804,30
0,7 0,986096552 0,788144601 0,80204805 802.048,05
0,8 0,98927589 0,758036348 0,76876046 768.760,46
0,9 0,991802464 0,725746882 0,73394442 733.944,42
1 0,993790335 0,691462461 0,69767213 697.672,13
1,10 0,995338812 0,655421742 0,66008293 660.082,93
1,12 0,995603512 0,648027292 0,65242378 652.423,78
1,13 0,995730757 0,644308755 0,64857800 648.578,00
1,14 0,995854699 0,640576433 0,64472173 644.721,73
1,15 0,995975411 0,636830651 0,64085524 640.855,24
1,16 0,996092967 0,633071736 0,63697877 636.978,77
1,17 0,996207438 0,629300019 0,63309258 633.092,58
1,18 0,996318892 0,625515835 0,62919694 629.196,94
1,19 0,996427399 0,621719522 0,62529212 625.292,12
1,20 0,996533026 0,617911422 0,62137840 621.378,40
1,21 0,99663584 0,614091881 0,61745604 617.456,04
1,22 0,996735904 0,610261248 0,61352534 613.525,34
1,23 0,996833284 0,606419873 0,60958659 609.586,59
1,24 0,996928041 0,602568113 0,60564007 605.640,07
1,25 0,997020237 0,598706326 0,60168609 601.686,09
1,26 0,997109932 0,594834872 0,59772494 597.724,94
1,27 0,997197185 0,590954115 0,59375693 593.756,93
1,28 0,997282055 0,587064423 0,58978237 589.782,37
1,29 0,997364598 0,583166163 0,58580157 585.801,57
1,30 0,99744487 0,579259709 0,58181484 581.814,84
1,31 0,997522925 0,575345435 0,57782251 577.822,51
1,32 0,997598818 0,571423716 0,57382490 573.824,90
1,33 0,9976726 0,567494932 0,56982233 569.822,33
102
Probabilidad de un
defecto
1,34 0,997744323 0,563559463 0,56581514 565.815,14
1,35 0,997814039 0,559617692 0,56180365 561.803,65
1,36 0,997881795 0,555670005 0,55778821 557.788,21
1,37 0,997947641 0,551716787 0,55376915 553.769,15
1,38 0,998011624 0,547758426 0,54974680 549.746,80
1,39 0,998073791 0,543795313 0,54572152 545.721,52
1,40 0,998134187 0,539827837 0,54169365 541.693,65
1,41 0,998192856 0,535856393 0,53766354 537.663,54
1,42 0,998249843 0,531881372 0,53363153 533.631,53
1,43 0,99830519 0,52790317 0,52959798 529.597,98
1,44 0,998358939 0,523922183 0,52556324 525.563,24
1,45 0,99841113 0,519938806 0,52152768 521.527,68
1,46 0,998461805 0,515953437 0,51749163 517.491,63
1,47 0,998511001 0,511966473 0,51345547 513.455,47
1,48 0,998558758 0,507978314 0,50941956 509.419,56
1,49 0,998605113 0,503989356 0,50538424 505.384,24
1,50 0,998650102 0,5 0,50134990 501.349,90
1,51 0,998693762 0,496010644 0,49731688 497.316,88
1,52 0,998736127 0,492021686 0,49328556 493.285,56
1,53 0,998777231 0,488033527 0,48925630 489.256,30
1,54 0,998817109 0,484046563 0,48522945 485.229,45
1,55 0,998855793 0,480061194 0,48120540 481.205,40
1,56 0,998893315 0,476077817 0,47718450 477.184,50
1,57 0,998929706 0,47209683 0,47316712 473.167,12
1,58 0,998978812 0,466528216 0,46754940 467.549,40
1,59 0,998999218 0,464143607 0,46514439 465.144,39
1,60 0,999032397 0,460172163 0,46113977 461.139,77
1,61 0,999064563 0,456204687 0,45714012 457.140,12
1,62 0,999095745 0,452241574 0,45314583 453.145,83
1,63 0,999125968 0,448283213 0,44915724 449.157,24
1,64 0,999155261 0,444329995 0,44517473 445.174,73
1,65 0,999183648 0,440382308 0,44119866 441.198,66
1,66 0,999211154 0,436440537 0,43722938 437.229,38
1,67 0,999237805 0,432505068 0,43326726 433.267,26
1,68 0,999263625 0,428576284 0,42931266 429.312,66
1,69 0,999288636 0,424654565 0,42536593 425.365,93

Probabilidad de un
defecto
1,70 0,999312862 0,420740291 0,42142743 421.427,43
1,71 0,999336325 0,416833837 0,41749751 417.497,51
1,72 0,999359047 0,412935577 0,41357653 413.576,53
1,73 0,999381049 0,409045885 0,40966484 409.664,84
1,74 0,999402352 0,405165128 0,40576278 405.762,78
1,75 0,999422975 0,401293674 0,40187070 401.870,70
1,76 0,999442939 0,397431887 0,39798895 397.988,95
1,77 0,999462263 0,393580127 0,39411786 394.117,86
1,78 0,999480965 0,389738752 0,39025779 390.257,79
1,79 0,999499063 0,385908119 0,38640906 386.409,06
1,80 0,999516576 0,382088578 0,38257200 382.572,00
1,81 0,99953352 0,378280478 0,37874696 378.746,96
1,82 0,999549913 0,374484165 0,37493425 374.934,25
1,83 0,99956577 0,370699981 0,37113421 371.134,21
1,84 0,999581108 0,366928264 0,36734716 367.347,16
1,85 0,999595942 0,363169349 0,36357341 363.573,41
1,86 0,999610288 0,359423567 0,35981328 359.813,28
1,87 0,999624159 0,355691245 0,35606709 356.067,09
1,88 0,999637571 0,351972708 0,35233514 352.335,14
1,89 0,999650537 0,348268273 0,34861774 348.617,74
1,90 0,999663071 0,344578258 0,34491519 344.915,19
1,91 0,999675186 0,340902974 0,34122779 341.227,79
1,92 0,999686894 0,337242727 0,33755583 337.555,83
1,93 0,999698209 0,333597821 0,33389961 333.899,61
1,94 0,999709143 0,329968554 0,33025941 330.259,41
1,95 0,999719707 0,32635522 0,32663551 326.635,51
1,96 0,999729912 0,32275811 0,32302820 323.028,20
1,97 0,999739771 0,319177509 0,31943774 319.437,74
1,98 0,999749293 0,315613697 0,31586440 315.864,40
1,99 0,99975849 0,312066949 0,31230846 312.308,46
2,00 0,999767371 0,308537539 0,30877017 308.770,17
2,01 0,999775947 0,305025731 0,30524978 305.249,78
2,02 0,999784227 0,301531788 0,30174756 301.747,56
2,03 0,99979222 0,298055965 0,29826375 298.263,75
2,04 0,999799936 0,294598516 0,29479858 294.798,58
2,05 0,999807384 0,291159687 0,29135230 291.352,30
104
Probabilidad de un
defecto
2,06 0,999814573 0,287739719 0,28792515 287.925,15
2,07 0,999821509 0,284338849 0,28451734 284.517,34
2,08 0,999828203 0,280957309 0,28112911 281.129,11
2,09 0,999834661 0,277595325 0,27776066 277.760,66
2,10 0,999840891 0,274253118 0,27441223 274.412,23
2,11 0,999846901 0,270930904 0,27108400 271.084,00
2,12 0,999852698 0,267628893 0,26777619 267.776,19
2,13 0,999858289 0,264347292 0,26448900 264.489,00
2,14 0,999863681 0,2610863 0,26122262 261.222,62
2,15 0,99986888 0,257846111 0,25797723 257.977,23
2,16 0,999873892 0,254626915 0,25475302 254.753,02
2,17 0,999878725 0,251428895 0,25155017 251.550,17
2,18 0,999883383 0,24825223 0,24836885 248.368,85
2,19 0,999887873 0,245097094 0,24520922 245.209,22
2,20 0,9998922 0,241963652 0,24207145 242.071,45
2,21 0,99989637 0,238852068 0,23895570 238.955,70
2,22 0,999900389 0,235762498 0,23586211 235.862,11
2,23 0,99990426 0,232695092 0,23279083 232.790,83
2,24 0,99990799 0,229649997 0,22974201 229.742,01
2,25 0,999911583 0,226627352 0,22671577 226.715,77
2,26 0,999915043 0,223627292 0,22371225 223.712,25
2,27 0,999918376 0,220649946 0,22073157 220.731,57
2,28 0,999921586 0,217695438 0,21777385 217.773,85
2,29 0,999924676 0,214763884 0,21483921 214.839,21
2,30 0,999927652 0,211855399 0,21192775 211.927,75
2,31 0,999930517 0,208970088 0,20903957 209.039,57
2,32 0,999933274 0,206108054 0,20617478 206.174,78
2,33 0,999935928 0,203269392 0,20333346 203.333,46
2,34 0,999938483 0,200454193 0,20051571 200.515,71
2,35 0,999940941 0,197662543 0,19772160 197.721,60
2,36 0,999943306 0,194894521 0,19495121 194.951,21
2,37 0,999945582 0,192150202 0,19220462 192.204,62
2,38 0,999947772 0,189429655 0,18948188 189.481,88
2,39 0,999949878 0,186732943 0,18678307 186.783,07
2,40 0,999951904 0,184060125 0,18410822 184.108,22
2,41 0,999953852 0,181411255 0,18145740 181.457,40

Probabilidad de un
defecto
2,42 0,999955726 0,17878638 0,17883065 178.830,65
2,43 0,999957527 0,176185542 0,17622802 176.228,02
2,44 0,999959259 0,17360878 0,17364952 173.649,52
2,45 0,999960924 0,171056126 0,17109520 171.095,20
2,46 0,999962525 0,168527607 0,16856508 168.565,08
2,47 0,999964064 0,166023246 0,16605918 166.059,18
2,48 0,999965542 0,163543059 0,16357752 163.577,52
2,49 0,999966963 0,16108706 0,16112010 161.120,10
2,50 0,999968329 0,158655254 0,15868693 158.686,93
2,51 0,999969641 0,156247645 0,15627800 156.278,00
2,52 0,999970901 0,15386423 0,15389333 153.893,33
2,53 0,999972112 0,151505003 0,15153289 151.532,89
2,54 0,999973274 0,14916995 0,14919668 149.196,68
2,55 0,999974391 0,146859056 0,14688467 146.884,67
2,56 0,999975464 0,1445723 0,14459684 144.596,84
2,57 0,999976493 0,142309654 0,14233316 142.333,16
2,58 0,999977482 0,14007109 0,14009361 140.093,61
2,59 0,999978431 0,137856572 0,13787814 137.878,14
2,60 0,999979342 0,135666061 0,13568672 135.686,72
2,61 0,999980217 0,133499513 0,13351930 133.519,30
2,62 0,999981056 0,131356881 0,13137582 131.375,82
2,63 0,999981862 0,129238112 0,12925625 129.256,25
2,64 0,999982635 0,127143151 0,12716052 127.160,52
2,65 0,999983376 0,125071936 0,12508856 125.088,56
2,66 0,999984088 0,123024403 0,12304032 123.040,32
2,67 0,99998477 0,121000484 0,12101571 121.015,71
2,68 0,999985425 0,119000107 0,11901468 119.014,68
2,69 0,999986052 0,117023196 0,11703714 117.037,14
2,70 0,999986654 0,11506967 0,11508302 115.083,02
2,71 0,999987231 0,113139446 0,11315221 113.152,21
2,72 0,999987785 0,111232437 0,11124465 111.244,65
2,73 0,999988315 0,109348552 0,10936024 109.360,24
2,74 0,999988824 0,107487697 0,10749887 107.498,87
2,75 0,999989311 0,105649774 0,10566046 105.660,46
2,76 0,999989779 0,103834681 0,10384490 103.844,90
2,77 0,999990226 0,102042315 0,10205209 102.052,09
106
Probabilidad de un
defecto
2,78 0,999990655 0,100272568 0,10028191 100.281,91
2,79 0,999991066 0,098525329 0,09853426 98.534,26
2,80 0,99999146 0,096800485 0,09680902 96.809,02
2,81 0,999991837 0,095097918 0,09510608 95.106,08
2,82 0,999992199 0,093417509 0,09342531 93.425,31
2,83 0,999992545 0,091759136 0,09176659 91.766,59
2,84 0,999992876 0,090122672 0,09012980 90.129,80
2,85 0,999993193 0,088507991 0,08851480 88.514,80
2,86 0,999993497 0,086914962 0,08692147 86.921,47
2,87 0,999993788 0,085343451 0,08534966 85.349,66
2,88 0,999994066 0,083793322 0,08379926 83.799,26
2,89 0,999994332 0,082264439 0,08227011 82.270,11
2,90 0,999994587 0,080756659 0,08076207 80.762,07
2,91 0,999994831 0,079269841 0,07927501 79.275,01
2,92 0,999995065 0,077803841 0,07780878 77.808,78
2,93 0,999995288 0,07635851 0,07636322 76.363,22
2,94 0,999995502 0,0749337 0,07493820 74.938,20
2,95 0,999995706 0,07352926 0,07353355 73.533,55
2,96 0,999995902 0,072145037 0,07214913 72.149,13
2,97 0,999996089 0,070780877 0,07078479 70.784,79
2,98 0,999996268 0,069436623 0,06944036 69.440,36
2,99 0,999996439 0,068112118 0,06811568 68.115,68
3,00 0,999996602 0,066807201 0,06681060 66.810,60
3,01 0,999996759 0,065521712 0,06552495 65.524,95
3,02 0,999996908 0,064255488 0,06425858 64.258,58
3,03 0,999997051 0,063008364 0,06301131 63.011,31
3,04 0,999997187 0,061780177 0,06178299 61.782,99
3,05 0,999997318 0,060570758 0,06057344 60.573,44
3,06 0,999997442 0,059379941 0,05938250 59.382,50
3,07 0,999997561 0,058207556 0,05820999 58.209,99
3,08 0,999997675 0,057053433 0,05705576 57.055,76
3,09 0,999997784 0,055917403 0,05591962 55.919,62
3,10 0,999997888 0,054799292 0,05480140 54.801,40
3,11 0,999997987 0,053698928 0,05370094 53.700,94
3,12 0,999998081 0,052616138 0,05261806 52.618,06
3,13 0,999998172 0,051550748 0,05155258 51.552,58

Probabilidad de un
defecto
3,14 0,999998258 0,050502583 0,05050433 50.504,33
3,15 0,99999834 0,049471468 0,04947313 49.473,13
3,16 0,999998419 0,048457226 0,04845881 48.458,81
3,17 0,999998494 0,047459682 0,04746119 47.461,19
3,18 0,999998566 0,046478658 0,04648009 46.480,09
3,19 0,999998634 0,045513977 0,04551534 45.515,34
3,20 0,999998699 0,044565463 0,04456676 44.566,76
3,21 0,999998761 0,043632937 0,04363418 43.634,18
3,22 0,999998821 0,042716221 0,04271740 42.717,40
3,23 0,999998877 0,041815138 0,04181626 41.816,26
3,24 0,999998931 0,040929509 0,04093058 40.930,58
3,25 0,999998983 0,040059157 0,04006017 40.060,17
3,26 0,999999032 0,039203903 0,03920487 39.204,87
3,27 0,999999079 0,03836357 0,03836449 38.364,49
3,28 0,999999124 0,03753798 0,03753886 37.538,86
3,29 0,999999166 0,036726956 0,03672779 36.727,79
3,30 0,999999207 0,035930319 0,03593111 35.931,11
3,31 0,999999245 0,035147894 0,03514865 35.148,65
3,32 0,999999282 0,034379502 0,03438022 34.380,22
3,33 0,999999317 0,033624969 0,03362565 33.625,65
3,34 0,999999351 0,032884119 0,03288477 32.884,77
3,35 0,999999383 0,032156775 0,03215739 32.157,39
3,36 0,999999413 0,031442763 0,03144335 31.443,35
3,37 0,999999442 0,030741909 0,03074247 30.742,47
3,38 0,99999947 0,030054039 0,03005457 30.054,57
3,39 0,999999496 0,02937898 0,02937948 29.379,48
3,40 0,999999521 0,02871656 0,02871704 28.717,04
3,41 0,999999545 0,028066607 0,02806706 28.067,06
3,42 0,999999567 0,02742895 0,02742938 27.429,38
3,43 0,999999589 0,026803419 0,02680383 26.803,83
3,44 0,999999609 0,026189845 0,02619024 26.190,24
3,45 0,999999629 0,02558806 0,02558843 25.588,43
3,46 0,999999648 0,024997895 0,02499825 24.998,25
3,47 0,999999665 0,024419185 0,02441952 24.419,52
3,48 0,999999682 0,023851764 0,02385208 23.852,08
3,49 0,999999698 0,023295468 0,02329577 23.295,77
108
Probabilidad de un
defecto
3,50 0,999999713 0,022750132 0,02275042 22.750,42
3,51 0,999999728 0,022215594 0,02221587 22.215,87
3,52 0,999999742 0,021691694 0,02169195 21.691,95
3,53 0,999999755 0,02117827 0,02117851 21.178,51
3,54 0,999999767 0,020675163 0,02067540 20.675,40
3,55 0,999999779 0,020182215 0,02018244 20.182,44
3,56 0,99999979 0,01969927 0,01969948 19.699,48
3,57 0,999999801 0,019226172 0,01922637 19.226,37
3,58 0,999999811 0,018762766 0,01876296 18.762,96
3,59 0,999999821 0,0183089 0,01830908 18.309,08
3,60 0,99999983 0,017864421 0,01786459 17.864,59
3,61 0,999999839 0,017429178 0,01742934 17.429,34
3,62 0,999999847 0,017003023 0,01700318 17.003,18
3,63 0,999999855 0,016585807 0,01658595 16.585,95
3,64 0,999999863 0,016177383 0,01617752 16.177,52
3,65 0,99999987 0,015777607 0,01577774 15.777,74
3,66 0,999999877 0,015386335 0,01538646 15.386,46
3,67 0,999999883 0,015003423 0,01500354 15.003,54
3,68 0,999999889 0,014628731 0,01462884 14.628,84
3,69 0,999999895 0,014262118 0,01426222 14.262,22
3,70 0,9999999 0,013903448 0,01390355 13.903,55
3,71 0,999999906 0,013552581 0,01355268 13.552,68
3,72 0,999999911 0,013209384 0,01320947 13.209,47
3,73 0,999999915 0,012873721 0,01287381 12.873,81
3,74 0,99999992 0,012545461 0,01254554 12.545,54
3,75 0,999999924 0,012224473 0,01222455 12.224,55
3,76 0,999999928 0,011910625 0,01191070 11.910,70
3,77 0,999999932 0,011603792 0,01160386 11.603,86
3,78 0,999999935 0,011303844 0,01130391 11.303,91
3,79 0,999999939 0,011010658 0,01101072 11.010,72
3,80 0,999999942 0,01072411 0,01072417 10.724,17
3,81 0,999999945 0,010444077 0,01044413 10.444,13
3,82 0,999999948 0,010170439 0,01017049 10.170,49
3,83 0,999999951 0,009903076 0,00990312 9.903,12
3,84 0,999999954 0,00964187 0,00964192 9.641,92
3,85 0,999999956 0,009386706 0,00938675 9.386,75

Probabilidad de un
defecto
3,86 0,999999958 0,009137468 0,00913751 9.137,51
3,87 0,999999961 0,008894043 0,00889408 8.894,08
3,88 0,999999963 0,008656319 0,00865636 8.656,36
3,89 0,999999965 0,008424186 0,00842422 8.424,22
3,90 0,999999967 0,008197536 0,00819757 8.197,57
3,91 0,999999968 0,00797626 0,00797629 7.976,29
3,92 0,99999997 0,007760254 0,00776028 7.760,28
3,93 0,999999972 0,007549411 0,00754944 7.549,44
3,94 0,999999973 0,007343631 0,00734366 7.343,66
3,95 0,999999975 0,007142811 0,00714284 7.142,84
3,96 0,999999976 0,006946851 0,00694687 6.946,87
3,97 0,999999977 0,006755653 0,00675568 6.755,68
3,98 0,999999979 0,006569119 0,00656914 6.569,14
3,99 0,99999998 0,006387155 0,00638717 6.387,17
4,00 0,999999981 0,006209665 0,00620968 6.209,68
4,01 0,999999982 0,006036558 0,00603658 6.036,58
4,02 0,999999983 0,005867742 0,00586776 5.867,76
4,03 0,999999984 0,005703126 0,00570314 5.703,14
4,04 0,999999985 0,005542623 0,00554264 5.542,64
4,05 0,999999986 0,005386146 0,00538616 5.386,16
4,06 0,999999987 0,005233608 0,00523362 5.233,62
4,07 0,999999987 0,005084926 0,00508494 5.084,94
4,08 0,999999988 0,004940016 0,00494003 4.940,03
4,09 0,999999989 0,004798797 0,00479881 4.798,81
4,10 0,999999989 0,004661188 0,00466120 4.661,20
4,11 0,99999999 0,004527111 0,00452712 4.527,12
4,12 0,99999999 0,004396488 0,00439650 4.396,50
4,13 0,999999991 0,004269243 0,00426925 4.269,25
4,14 0,999999991 0,004145301 0,00414531 4.145,31
4,15 0,999999992 0,004024589 0,00402460 4.024,60
4,16 0,999999992 0,003907033 0,00390704 3.907,04
4,17 0,999999993 0,003792562 0,00379257 3.792,57
4,18 0,999999993 0,003681108 0,00368111 3.681,11
4,19 0,999999994 0,003572601 0,00357261 3.572,61
4,20 0,999999994 0,003466974 0,00346698 3.466,98
4,21 0,999999994 0,00336416 0,00336417 3.364,17
110
Probabilidad de un
defecto
4,22 0,999999995 0,003264096 0,00326410 3.264,10
4,23 0,999999995 0,003166716 0,00316672 3.166,72
4,24 0,999999995 0,003071959 0,00307196 3.071,96
4,25 0,999999996 0,002979763 0,00297977 2.979,77
4,26 0,999999996 0,002890068 0,00289007 2.890,07
4,27 0,999999996 0,002802815 0,00280282 2.802,82
4,28 0,999999996 0,002717945 0,00271795 2.717,95
4,29 0,999999996 0,002635402 0,00263541 2.635,41
4,30 0,999999997 0,00255513 0,00255513 2.555,13
4,31 0,999999997 0,002477075 0,00247708 2.477,08
4,32 0,999999997 0,002401182 0,00240119 2.401,19
4,33 0,999999997 0,0023274 0,00232740 2.327,40
4,34 0,999999997 0,002255677 0,00225568 2.255,68
4,35 0,999999998 0,002185961 0,00218596 2.185,96
4,36 0,999999998 0,002118205 0,00211821 2.118,21
4,37 0,999999998 0,002052359 0,00205236 2.052,36
4,38 0,999999998 0,001988376 0,00198838 1.988,38
4,39 0,999999998 0,001926209 0,00192621 1.926,21
4,40 0,999999998 0,001865813 0,00186582 1.865,82
4,41 0,999999998 0,001807144 0,00180715 1.807,15
4,42 0,999999998 0,001750157 0,00175016 1.750,16
4,43 0,999999998 0,00169481 0,00169481 1.694,81
4,44 0,999999999 0,001641061 0,00164106 1.641,06
4,45 0,999999999 0,00158887 0,00158887 1.588,87
4,46 0,999999999 0,001538195 0,00153820 1.538,20
4,47 0,999999999 0,001488999 0,00148900 1.489,00
4,48 0,999999999 0,001441242 0,00144124 1.441,24
4,49 0,999999999 0,001394887 0,00139489 1.394,89
4,50 0,999999999 0,001349898 0,00134990 1.349,90
4,51 0,999999999 0,001306238 0,00130624 1.306,24
4,52 0,999999999 0,001263873 0,00126387 1.263,87
4,53 0,999999999 0,001222769 0,00122277 1.222,77
4,54 0,999999999 0,001182891 0,00118289 1.182,89
4,55 0,999999999 0,001144207 0,00114421 1.144,21
4,56 0,999999999 0,001106685 0,00110669 1.106,69
4,57 0,999999999 0,001070294 0,00107029 1.070,29

Probabilidad de un
defecto
4,58 0,999999999 0,001035003 0,00103500 1.035,00
4,59 0,999999999 0,001000782 0,00100078 1.000,78
4,60 0,999999999 0,000967603 0,00096760 967,60
4,61 1 0,000935437 0,00093544 935,44
4,62 1 0,000904255 0,00090426 904,26
4,63 1 0,000874032 0,00087403 874,03
4,64 1 0,000844739 0,00084474 844,74
4,65 1 0,000816352 0,00081635 816,35
4,66 1 0,000788846 0,00078885 788,85
4,67 1 0,000762195 0,00076220 762,20
4,68 1 0,000736375 0,00073638 736,38
4,69 1 0,000711364 0,00071136 711,36
4,70 1 0,000687138 0,00068714 687,14
4,71 1 0,000663675 0,00066368 663,68
4,72 1 0,000640953 0,00064095 640,95
4,73 1 0,000618951 0,00061895 618,95
4,74 1 0,000597648 0,00059765 597,65
4,75 1 0,000577025 0,00057703 577,03
4,76 1 0,000557061 0,00055706 557,06
4,77 1 0,000537737 0,00053774 537,74
4,78 1 0,000519035 0,00051904 519,04
4,79 1 0,000500937 0,00050094 500,94
4,80 1 0,000483424 0,00048342 483,42
4,81 1 0,00046648 0,00046648 466,48
4,82 1 0,000450087 0,00045009 450,09
4,83 1 0,00043423 0,00043423 434,23
4,84 1 0,000418892 0,00041889 418,89
4,85 1 0,000404058 0,00040406 404,06
4,86 1 0,000389712 0,00038971 389,71
4,87 1 0,000375841 0,00037584 375,84
4,88 1 0,000362429 0,00036243 362,43
4,89 1 0,000349463 0,00034946 349,46
4,90 1 0,000336929 0,00033693 336,93
4,91 1 0,000324814 0,00032481 324,81
4,92 1 0,000313106 0,00031311 313,11
4,93 1 0,000301791 0,00030179 301,79
112
Probabilidad de un
defecto
4,94 1 0,000290857 0,00029086 290,86
4,95 1 0,000280293 0,00028029 280,29
4,96 1 0,000270088 0,00027009 270,09
4,97 1 0,000260229 0,00026023 260,23
4,98 1 0,000250707 0,00025071 250,71
4,99 1 0,00024151 0,00024151 241,51
5,00 1 0,000232629 0,00023263 232,63
5,01 1 0,000224053 0,00022405 224,05
5,02 1 0,000215773 0,00021577 215,77
5,03 1 0,00020778 0,00020778 207,78
5,04 1 0,000200064 0,00020006 200,06
5,05 1 0,000192616 0,00019262 192,62
5,06 1 0,000185427 0,00018543 185,43
5,07 1 0,000178491 0,00017849 178,49
5,08 1 0,000171797 0,00017180 171,80
5,09 1 0,000165339 0,00016534 165,34
5,10 1 0,000159109 0,00015911 159,11
5,11 1 0,000153099 0,00015310 153,10
5,12 1 0,000147302 0,00014730 147,30
5,13 1 0,000141711 0,00014171 141,71
5,14 1 0,000136319 0,00013632 136,32
5,15 1 0,00013112 0,00013112 131,12
5,16 1 0,000126108 0,00012611 126,11
5,17 1 0,000121275 0,00012128 121,28
5,18 1 0,000116617 0,00011662 116,62
5,19 1 0,000112127 0,00011213 112,13
5,20 1 0,0001078 0,00010780 107,80
5,21 1 0,00010363 0,00010363 103,63
5,22 1 9,96114E-05 0,00009961 99,61
5,23 1 9,57399E-05 0,00009574 95,74
5,24 1 9,20101E-05 0,00009201 92,01
5,25 1 8,84173E-05 0,00008842 88,42
5,26 1 8,49567E-05 0,00008496 84,96
5,27 1 8,16238E-05 0,00008162 81,62
5,28 1 7,84142E-05 0,00007841 78,41
5,29 1 7,53236E-05 0,00007532 75,32

Probabilidad de un
defecto
5,30 1 7,2348E-05 0,00007235 72,35
5,31 1 6,94834E-05 0,00006948 69,48
5,32 1 6,67258E-05 0,00006673 66,73
5,33 1 6,40716E-05 0,00006407 64,07
5,34 1 6,15172E-05 0,00006152 61,52
5,35 1 5,90589E-05 0,00005906 59,06
5,36 1 5,66935E-05 0,00005669 56,69
5,37 1 5,44177E-05 0,00005442 54,42
5,38 1 5,22282E-05 0,00005223 52,23
5,39 1 5,01221E-05 0,00005012 50,12
5,40 1 4,80963E-05 0,00004810 48,10
5,41 1 4,61481E-05 0,00004615 46,15
5,42 1 4,42745E-05 0,00004427 44,27
5,43 1 4,24729E-05 0,00004247 42,47
5,44 1 4,07408E-05 0,00004074 40,74
5,45 1 3,90756E-05 0,00003908 39,08
5,46 1 3,74749E-05 0,00003747 37,47
5,47 1 3,59363E-05 0,00003594 35,94
5,48 1 3,44576E-05 0,00003446 34,46
5,49 1 3,30366E-05 0,00003304 33,04
5,50 1 3,16712E-05 0,00003167 31,67
5,51 1 3,03594E-05 0,00003036 30,36
5,52 1 2,90991E-05 0,00002910 29,10
5,53 1 2,78884E-05 0,00002789 27,89
5,54 1 2,67256E-05 0,00002673 26,73
5,55 1 2,56088E-05 0,00002561 25,61
5,56 1 2,45364E-05 0,00002454 24,54
5,57 1 2,35066E-05 0,00002351 23,51
5,58 1 2,25179E-05 0,00002252 22,52
5,59 1 2,15687E-05 0,00002157 21,57
5,60 1 2,06575E-05 0,00002066 20,66
5,61 1 1,9783E-05 0,00001978 19,78
5,62 1 1,89436E-05 0,00001894 18,94
5,63 1 1,81382E-05 0,00001814 18,14
5,64 1 1,73653E-05 0,00001737 17,37
5,65 1 1,66238E-05 0,00001662 16,62
114
Probabilidad de un
defecto
5,66 1 1,59124E-05 0,00001591 15,91
5,67 1 1,523E-05 0,00001523 15,23
5,68 1 1,45755E-05 0,00001458 14,58
5,69 1 1,39477E-05 0,00001395 13,95
5,70 1 1,33457E-05 0,00001335 13,35
5,71 1 1,27685E-05 0,00001277 12,77
5,72 1 1,22151E-05 0,00001222 12,22
5,73 1 1,16846E-05 0,00001168 11,68
5,74 1 1,1176E-05 0,00001118 11,18
5,75 1 1,06885E-05 0,00001069 10,69
5,76 1 1,02213E-05 0,00001022 10,22
5,77 1 9,77365E-06 0,00000977 9,77
5,78 1 9,34467E-06 0,00000934 9,34
5,79 1 8,93366E-06 0,00000893 8,93
5,80 1 8,53991E-06 0,00000854 8,54
5,81 1 8,16273E-06 0,00000816 8,16
5,82 1 7,80146E-06 0,00000780 7,80
5,83 1 7,45547E-06 0,00000746 7,46
5,84 1 7,12414E-06 0,00000712 7,12
5,85 1 6,80688E-06 0,00000681 6,81
5,86 1 6,50312E-06 0,00000650 6,50
5,87 1 6,21233E-06 0,00000621 6,21
5,88 1 5,93397E-06 0,00000593 5,93
5,89 1 5,66753E-06 0,00000567 5,67
5,90 1 5,41254E-06 0,00000541 5,41
5,91 1 5,16853E-06 0,00000517 5,17
5,92 1 4,93505E-06 0,00000494 4,94
5,93 1 4,71165E-06 0,00000471 4,71
5,94 1 4,49794E-06 0,00000450 4,50
5,95 1 4,29351E-06 0,00000429 4,29
5,96 1 4,09798E-06 0,00000410 4,10
5,97 1 3,91098E-06 0,00000391 3,91
5,98 1 3,73215E-06 0,00000373 3,73
5,99 1 3,56116E-06 0,00000356 3,56
6,00 1 3,39767E-06 0,00000340 3,40

Apéndice VI. Tabla de la Distribución Chi-Cuadrado
Nivel de confianza = 1 - a = 1 - nivel de significación * * * n = Grados de
libertad
NC 90% 95% 97,5% 99% 99,5% 99,9% NC

1-a 0,995 0,975 0,900 0,500 0,100 0,050 0,025 0,010 0,005 0,001 1-a
n n
1 0,000 0,000 0,016 0,455 2,706 3,841 5,024 6,635 7,879 10,828 1
2 0,010 0,051 0,211 1,386 4,605 5,991 7,378 9,210 10,597 13,816 2
3 0,072 0,216 0,584 2,366 6,251 7,815 9,348 11,345 12,838 16,266 3
4 0,207 0,484 1,064 3,357 7,779 9,488 11,143 13,277 14,860 18,467 4
5 0,412 0,831 1,610 4,351 9,236 11,070 12,832 15,086 16,750 20,515 5
6 0,676 1,237 2,204 5,348 10,645 12,592 14,449 16,812 18,548 22,458 6
7 0,989 1,690 2,833 6,346 12,017 14,067 16,013 18,475 20,278 24,322 7
8 1,344 2,180 3,490 7,344 13,362 15,507 17,535 20,090 21,955 26,124 8
9 1,735 2,700 4,168 8,343 14,684 16,919 19,023 21,666 23,589 27,877 9
10 2,156 3,247 4,865 9,342 15,987 18,307 20,483 23,209 25,188 29,588 10
11 2,603 3,816 5,578 10,341 17,275 19,675 21,920 24,725 26,757 31,264 11
12 3,074 4,404 6,304 11,340 18,549 21,026 23,337 26,217 28,300 32,910 12
13 3,565 5,009 7,042 12,340 19,812 22,362 24,736 27,688 29,819 34,528 13
14 4,075 5,629 7,790 13,339 21,064 23,685 26,119 29,141 31,319 36,123 14
15 4,601 6,262 8,547 14,339 22,307 24,996 27,488 30,578 32,801 37,697 15
16 5,142 6,908 9,312 15,338 23,542 26,296 28,845 32,000 34,267 39,252 16
17 5,697 7,564 10,085 16,338 24,769 27,587 30,191 33,409 35,718 40,790 17
18 6,265 8,231 10,865 17,338 25,989 28,869 31,526 34,805 37,156 42,312 18
19 6,844 8,907 11,651 18,338 27,204 30,144 32,852 36,191 38,582 43,820 19
20 7,434 9,591 12,443 19,337 28,412 31,410 34,170 37,566 39,997 45,315 20
21 8,034 10,283 13,240 20,337 29,615 32,670 35,479 38,932 41,401 46,797 21
22 8,643 10,982 14,042 21,337 30,813 33,924 36,781 40,289 42,796 48,268 22
23 9,260 11,688 14,848 22,337 32,007 35,172 38,076 41,638 44,181 49,728 23
24 9,886 12,401 15,659 23,337 33,196 36,415 39,364 42,980 45,558 51,179 24
25 10,520 13,120 16,473 24,337 34,382 37,652 40,646 44,314 46,928 52,620 25
26 11,160 13,844 17,292 25,336 35,563 38,885 41,923 45,642 48,290 54,052 26
27 11,808 14,573 18,114 26,336 36,741 40,113 43,194 46,963 49,645 55,476 27
28 12,461 15,308 18,939 27,336 37,916 41,337 44,461 48,278 50,993 56,892 28
29 13,121 16,047 19,768 28,336 39,088 42,557 45,722 49,588 52,336 58,301 29
30 13,787 16,791 20,599 29,336 40,256 43,773 46,979 50,892 53,672 59,703 30
31 14,458 17,539 21,434 30,336 41,422 44,985 48,232 52,191 55,003 61,098 31
32 15,134 18,291 22,271 31,336 42,585 46,194 49,480 53,486 56,329 62,487 32
116
33 15,815 19,047 23,110 32,336 43,745 47,400 50,725 54,776 57,649 63,870 33
34 16,501 19,806 23,952 33,336 44,903 48,602 51,966 56,061 58,964 65,247 34
35 17,192 20,569 24,797 34,336 46,059 49,802 53,203 57,342 60,275 66,619 35
36 17,887 21,336 25,643 35,336 47,212 50,998 54,437 58,619 61,582 67,985 36
37 18,586 22,106 26,492 36,335 48,363 52,192 55,668 59,892 62,884 69,346 37
38 19,289 22,878 27,343 37,335 49,513 53,384 56,896 61,162 64,182 70,703 38
39 19,996 23,654 28,196 38,335 50,660 54,572 58,120 62,428 65,476 72,055 39
40 20,707 24,433 29,051 39,335 51,805 55,758 59,342 63,691 66,766 73,402 40
41 21,421 25,215 29,907 40,335 52,949 56,942 60,561 64,950 68,053 74,745 41
42 22,138 25,999 30,765 41,335 54,090 58,124 61,777 66,206 69,336 76,084 42
43 22,859 26,785 31,625 42,335 55,230 59,304 62,990 67,459 70,616 77,419 43
44 23,584 27,575 32,487 43,335 56,369 60,481 64,202 68,710 71,893 78,750 44
45 24,311 28,366 33,350 44,335 57,505 61,656 65,410 69,957 73,166 80,077 45
46 25,042 29,160 34,215 45,335 58,641 62,830 66,617 71,201 74,437 81,400 46
47 25,775 29,956 35,081 46,335 59,774 64,001 67,821 72,443 75,704 82,720 47
48 26,511 30,755 35,949 47,335 60,907 65,171 69,023 73,683 76,969 84,037 48
49 27,249 31,555 36,818 48,335 62,038 66,339 70,222 74,919 78,231 85,351 49
50 27,991 32,357 37,689 49,335 63,167 67,505 71,420 76,154 79,490 86,661 50
51 28,735 33,162 38,560 50,335 64,295 68,669 72,616 77,386 80,747 87,968 51
52 29,481 33,968 39,433 51,335 65,422 69,832 73,810 78,616 82,001 89,272 52
53 30,230 34,776 40,308 52,335 66,548 70,993 75,002 79,843 83,253 90,573 53
54 30,981 35,586 41,183 53,335 67,673 72,153 76,192 81,069 84,502 91,872 54
55 31,735 36,398 42,060 54,335 68,796 73,311 77,380 82,292 85,749 93,168 55
56 32,490 37,212 42,937 55,335 69,918 74,468 78,567 83,513 86,994 94,460 56
57 33,248 38,027 43,816 56,335 71,040 75,624 79,752 84,733 88,237 95,751 57
58 34,008 38,844 44,696 57,335 72,160 76,778 80,936 85,950 89,477 97,039 58
59 34,770 39,662 45,577 58,335 73,279 77,931 82,117 87,166 90,715 98,324 59
60 35,534 40,482 46,459 59,335 74,397 79,082 83,298 88,379 91,952 99,607 60
61 36,300 41,303 47,342 60,335 75,514 80,232 84,476 89,591 93,186 100,888 61
62 37,068 42,126 48,226 61,335 76,630 81,381 85,654 90,802 94,419 102,166 62
63 37,838 42,950 49,111 62,335 77,745 82,529 86,830 92,010 95,649 103,442 63
64 38,610 43,776 49,996 63,335 78,860 83,675 88,004 93,217 96,878 104,716 64
65 39,383 44,603 50,883 64,335 79,973 84,821 89,177 94,422 98,105 105,988 65
66 40,158 45,431 51,770 65,335 81,085 85,965 90,349 95,626 99,331 107,258 66
67 40,935 46,261 52,659 66,335 82,197 87,108 91,519 96,828 100,550 108,526 67
68 41,713 47,092 53,548 67,334 83,308 88,250 92,689 98,028 101,780 109,791 68
69 42,494 47,924 54,438 68,334 84,418 89,391 93,856 99,228 103,000 111,055 69
70 43,275 48,758 55,329 69,334 85,527 90,531 95,023 100,430 104,210 112,317 70
71 44,058 49,592 56,221 70,334 86,635 91,670 96,189 101,620 105,430 113,577 71
72 44,843 50,428 57,113 71,334 87,743 92,808 97,353 102,820 106,650 114,835 72

73 45,629 51,265 58,006 72,334 88,850 93,945 98,516 104,010 107,860 116,092 73
74 46,417 52,103 58,900 73,334 89,956 95,081 99,678 105,200 109,070 117,346 74
75 47,206 52,942 59,795 74,334 91,061 96,217 100,840 106,390 110,290 118,599 75
76 47,997 53,782 60,690 75,334 92,166 97,351 102,000 107,580 111,500 119,850 76
77 48,788 54,623 61,586 76,334 93,270 98,484 103,160 108,770 112,700 121,100 77
78 49,582 55,466 62,483 77,334 94,373 99,617 104,320 109,960 113,910 122,348 78
79 50,376 56,309 63,380 78,334 95,476 100,750 105,470 111,140 115,120 123,594 79
80 51,172 57,153 64,278 79,334 96,578 101,880 106,630 112,330 116,320 124,839 80
81 51,969 57,998 65,176 80,334 97,680 103,010 107,780 113,510 117,520 126,082 81
82 52,767 58,845 66,076 81,334 98,780 104,140 108,940 114,690 118,730 127,324 82
83 53,567 59,692 66,976 82,334 99,880 105,270 110,090 115,880 119,930 128,565 83
84 54,368 60,540 67,876 83,334 100,980 106,390 111,240 117,060 121,130 129,804 84
85 55,170 61,389 68,777 84,334 102,080 107,520 112,390 118,240 122,320 131,041 85
86 55,973 62,239 69,679 85,334 103,180 108,650 113,540 119,410 123,520 132,277 86
87 56,777 63,089 70,581 86,334 104,280 109,770 114,690 120,590 124,720 133,512 87
88 57,582 63,941 71,484 87,334 105,370 110,900 115,840 121,770 125,910 134,745 88
89 58,389 64,793 72,387 88,334 106,470 112,020 116,990 122,940 127,110 135,978 89
90 59,196 65,647 73,291 89,334 107,560 113,150 118,140 124,120 128,300 137,208 90
91 60,005 66,501 74,196 90,334 108,660 114,270 119,280 125,290 129,490 138,438 91
92 60,815 67,356 75,101 91,334 109,760 115,390 120,430 126,460 130,680 139,666 92
93 61,625 68,211 76,006 92,334 110,850 116,510 121,570 127,630 131,870 140,893 93
94 62,437 69,068 76,912 93,334 111,940 117,630 122,720 128,800 133,060 142,119 94
95 63,250 69,925 77,818 94,334 113,040 118,750 123,860 129,970 134,250 143,344 95
96 64,063 70,783 78,725 95,334 114,130 119,870 125,000 131,140 135,430 144,567 96
97 64,878 71,642 79,633 96,334 115,220 120,990 126,140 132,310 136,620 145,789 97
98 65,694 72,501 80,541 97,334 116,320 122,110 127,280 133,480 137,800 147,010 98
99 66,510 73,361 81,449 98,334 117,410 123,230 128,420 134,640 138,990 148,230 99
100 67,328 74,222 82,358 99,334 118,500 124,340 129,560 135,810 140,170 149,449 100
Ζα -2,58 -1,96 -1,28 0,00 1,282 1,645 1,96 2,33 2,58 3,08 Ζα
1 2
Nota: Para v > 100 tome X 2 =
2
( Z α + 2v − 1 )
Za es la desviación normal estándar correspondiente al nivel de significancia y

se encuentra en la parte superior de la tabla.
118
Apéndice VII. Tabla de la Distribución t Student
Una cola: 1 grado de libertad Dos colas: 1 grado de libertad

y 95% de confianza y 90% de confianza
V=1 NC = 95% V=1 NC = 90%
1 – a/2 = 0.05%
1 – a/2 = 0.05%
1 – a = 0.05%
t = 6,314 t = 6,314 t = 6,314
Colas
1-a 0,250 0,200 0,100 0,050 0,025 0,010 0,005 0,001 0,0005 una
1-a 0,900 0,500 0,400 0,200 0,100 0,050 0,020 0,010 0,002 0,001 dos
n n
1 0,158 1,000 1,376 3,078 6,314 12,706 31,821 63,657 318,289 636,619 1
2 0,142 0,816 1,061 1,886 2,920 4,303 6,965 9,925 22,328 31,598 2
3 0,137 0,765 0,978 1,638 2,353 3,182 4,541 5,841 10,214 12,924 3
4 0,134 0,741 0,941 1,533 2,132 2,776 3,747 4,604 7,173 8,610 4
5 0,132 0,727 0,920 1,476 2,015 2,571 3,365 4,032 5,894 6,869 5
6 0,131 0,718 0,906 1,440 1,943 2,447 3,143 3,707 5,208 5,959 6
7 0,130 0,711 0,896 1,415 1,895 2,365 2,998 3,499 4,785 5,408 7
8 0,130 0,706 0,889 1,397 1,860 2,306 2,896 3,355 4,501 5,041 8
9 0,129 0,703 0,883 1,383 1,833 2,262 2,821 3,250 4,297 4,781 9
10 0,129 0,700 0,879 1,372 1,812 2,228 2,764 3,169 4,144 4,587 10
11 0,129 0,697 0,876 1,363 1,796 2,201 2,718 3,106 4,025 4,437 11
12 0,128 0,695 0,873 1,356 1,782 2,179 2,681 3,055 3,930 4,318 12
13 0,128 0,694 0,870 1,350 1,771 2,160 2,650 3,012 3,852 4,221 13
14 0,128 0,692 0,868 1,345 1,761 2,145 2,624 2,977 3,787 4,140 14
15 0,128 0,691 0,866 1,341 1,753 2,131 2,602 2,947 3,733 4,073 15
16 0,128 0,690 0,865 1,337 1,746 2,120 2,583 2,921 3,686 4,015 16
17 0,128 0,698 0,863 1,333 1,740 2,110 2,567 2,898 3,646 3,965 17
18 0,127 0,688 0,862 1,330 1,734 2,101 2,552 2,878 3,610 3,922 18
19 0,127 0,688 0,861 1,328 1,729 2,093 2,539 2,861 3,579 3,883 19

20 0,127 0,687 0,860 1,325 1,725 2,086 2,528 2,845 3,552 3,850 20
21 0,127 0,686 0,859 1,323 1,721 2,080 2,518 2,831 3,527 3,819 21
22 0,127 0,686 0,858 1,321 1,717 2,074 2,508 2,819 3,505 3,792 22
23 0,127 0,685 0,858 1,319 1,714 2,069 2,500 2,807 3,485 3,767 23
24 0,127 0,685 0,857 1,318 1,711 2,064 2,492 2,797 3,467 3,745 24
25 0,127 0,684 0,856 1,316 1,708 2,060 2,485 2,787 3,450 3,725 25
26 0,127 0,684 0,856 1,315 1,706 2,056 2,479 2,779 3,435 3,707 26
27 0,127 0,684 0,855 1,314 1,703 2,052 2,473 2,771 3,421 3,690 27
28 0,127 0,683 0,855 1,313 1,701 2,048 2,467 2,763 3,408 3,674 28
29 0,127 0,683 0,854 1,311 1,699 2,045 2,462 2,756 3,396 3,659 29
30 0,127 0,683 0,854 1,310 1,697 2,042 2,457 2,750 3,385 3,646 30
40 0,126 0,681 0,851 1,303 1,684 2,021 2,423 2,704 3,307 3,551 40
60 0,126 0,679 0,848 1,296 1,671 2,000 2,390 2,660 3,232 3,460 60
120 0,126 0,677 0,845 1,289 1,658 1,980 2,358 2,617 3,160 3,373 120
¥ 0,126 0,674 0,842 1,282 1,645 1,960 2,326 2,576 3,090 3,291 ¥
120
Apéndice VIII. Tabla de Fisher para un nivel de confianza del 95%
n1 = Grados de libertad en el numerador * n2 = Grados de libertad en el denominador
n1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ¥
n2
1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,9 245,9 248,0 249,1 250,1 251,1 252,2 253,3 254,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50

3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43 4,40 4,37
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30 3,27 3,23
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,28 3,22 3,15 3,12 3,08 3,04 3,01 2,97 2,93
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79 2,75 2,71
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62 2,58 2,54
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49 2,45 2,41
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38 2,34 2,30
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30 2,25 2,21
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22 2,18 2,13
121
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16 2,11 2,07
122
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15 2,11 2,06 2,01
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,38 2,31 2,23 2,19 2,15 2,10 2,06 2,01 1,96
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,34 2,27 2,19 2,15 2,11 2,06 2,02 1,97 1,92
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,31 2,23 2,16 2,11 2,07 2,03 1,98 1,93 1,88
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,28 2,20 2,12 2,08 2,04 1,99 1,95 1,90 1,84
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,25 2,18 2,10 2,05 2,01 1,96 1,92 1,87 1,81
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,23 2,15 2,07 2,03 1,98 1,94 1,89 1,84 1,78
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,20 2,13 2,05 2,01 1,96 1,91 1,86 1,81 1,76
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,18 2,11 2,03 1,98 1,94 1,89 1,84 1,79 1,73
25 4,24 3,39 2,99 2,76 2,60 2,49 2,40 2,34 2,28 2,24 2,16 2,09 2,01 1,96 1,92 1,87 1,82 1,77 1,71
26 4,23 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,15 2,07 1,99 1,95 1,90 1,85 1,80 1,75 1,69
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,31 2,25 2,20 2,13 2,06 1,97 1,93 1,88 1,84 1,79 1,73 1,67
28 4,20 3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,12 2,04 1,96 1,91 1,87 1,82 1,77 1,71 1,65
29 4,18 3,33 2,93 2,70 2,55 2,43 2,35 2,28 2,22 2,18 2,10 2,03 1,94 1,90 1,85 1,81 1,75 1,70 1,64
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,09 2,01 1,93 1,89 1,84 1,79 1,74 1,68 1,62
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,00 1,92 1,84 1,79 1,74 1,69 1,64 1,58 1,51
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,92 1,84 1,75 1,70 1,65 1,59 1,53 1,47 1,39
120 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,83 1,75 1,66 1,61 1,55 1,50 1,43 1,35 1,26
¥ 3,84 3,00 2,61 2,4 2,21 2,10 2,01 1,94 1,88 1,83 1,75 1,67 1,57 1,52 1,46 1,40 1,32 1,22 1,03
Apéndice IX. Tabla de Fisher para un nivel de confianza del 97,5%
n1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ¥
n2
1 648 799 864 900 922 937 948 957 963 969 977 985 993 997 1001 1006 1010 1014 1018
2 38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 39,41 39,43 39,45 39,46 39,46 39,47 39,48 39,49 39,50
3 17,44 16,04 15,44 15,10 14,88 14,73 14,62 14,54 14,47 14,42 14,34 14,25 14,17 14,12 14,08 14,04 13,99 13,95 13,90
4 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84 8,75 8,66 8,56 8,51 8,46 8,41 8,36 8,31 8,26

5 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,52 6,43 6,33 6,28 6,23 6,18 6,12 6,07 6,02
6 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,37 5,27 5,17 5,12 5,07 5,01 4,96 4,90 4,85
7 8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76 4,67 4,57 4,47 4,41 4,36 4,31 4,25 4,20 4,14
8 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,20 4,10 4,00 3,95 3,89 3,84 3,78 3,73 3,67
9 7,21 5,71 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,87 3,77 3,67 3,61 3,56 3,51 3,45 3,39 3,33
10 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,85 3,78 3,72 3,62 3,52 3,42 3,37 3,31 3,26 3,20 3,14 3,08
11 6,72 5,26 4,63 4,28 4,04 3,88 3,76 3,66 3,59 3,53 3,43 3,33 3,23 3,17 3,12 3,06 3,00 2,94 2,88
12 6,55 5,10 4,47 4,12 3,89 3,73 3,61 3,51 3,44 3,37 3,28 3,18 3,07 3,02 2,96 2,91 2,85 2,79 2,73
13 6,41 4,97 4,35 4,00 3,77 3,60 3,48 3,39 3,31 3,25 3,15 3,05 2,95 2,89 2,84 2,78 2,72 2,66 2,60
14 6,30 4,86 4,24 3,89 3,66 3,50 3,38 3,29 3,21 3,15 3,05 2,95 2,84 2,79 2,73 2,67 2,61 2,55 2,49
15 6,20 4,77 4,15 3,80 3,58 3,41 3,29 3,20 3,12 3,06 2,96 2,86 2,76 2,70 2,64 2,59 2,52 2,46 2,40
16 6,12 4,69 4,08 3,73 3,50 3,34 3,22 3,12 3,05 2,99 2,89 2,79 2,68 2,63 2,57 2,51 2,45 2,38 2,32
123
17 6,04 4,62 4,01 3,66 3,44 3,28 3,16 3,06 2,98 2,92 2,82 2,72 2,62 2,56 2,50 2,44 2,38 2,32 2,25
124
18 5,98 4,56 3,95 3,61 3,38 3,22 3,10 3,01 2,93 2,87 2,77 2,67 2,56 2,50 2,44 2,38 2,32 2,26 2,19
19 5,92 4,51 3,90 3,56 3,33 3,17 3,05 2,96 2,88 2,82 2,72 2,62 2,51 2,45 2,39 2,33 2,27 2,20 2,13
20 5,87 4,46 3,86 3,51 3,29 3,13 3,01 2,91 2,84 2,77 2,68 2,57 2,46 2,41 2,35 2,29 2,22 2,16 2,09
21 5,83 4,42 3,82 3,48 3,25 3,09 2,97 2,87 2,80 2,73 2,64 2,53 2,42 2,37 2,31 2,25 2,18 2,11 2,04
22 5,79 4,38 3,78 3,44 3,22 3,05 2,93 2,84 2,76 2,70 2,60 2,50 2,39 2,33 2,27 2,21 2,14 2,08 2,00
23 5,75 4,35 3,75 3,41 3,18 3,02 2,90 2,81 2,73 2,67 2,57 2,47 2,36 2,30 2,24 2,18 2,11 2,04 1,97
24 5,72 4,32 3,72 3,38 3,15 2,99 2,87 2,78 2,70 2,64 2,54 2,44 2,33 2,27 2,21 2,15 2,08 2,01 1,94
25 5,69 4,29 3,69 3,35 3,13 2,97 2,85 2,75 2,68 2,61 2,51 2,41 2,30 2,24 2,18 2,12 2,05 1,98 1,91
26 5,66 4,27 3,67 3,33 3,10 2,94 2,82 2,73 2,65 2,59 2,49 2,39 2,28 2,22 2,16 2,09 2,03 1,95 1,88
27 5,63 4,24 3,65 3,31 3,08 2,92 2,80 2,71 2,63 2,57 2,47 2,36 2,25 2,19 2,13 2,07 2,00 1,93 1,85
28 5,61 4,22 3,63 3,29 3,06 2,90 2,78 2,69 2,61 2,55 2,45 2,34 2,23 2,17 2,11 2,05 1,98 1,91 1,83
29 5,59 4,20 3,61 3,27 3,04 2,88 2,76 2,67 2,59 2,53 2,43 2,32 2,21 2,15 2,09 2,03 1,96 1,89 1,81
30 5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,57 2,51 2,41 2,31 2,20 2,14 2,07 2,01 1,94 1,87 1,79
40 5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,29 2,18 2,07 2,01 1,94 1,88 1,80 1,72 1,64
60 5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,17 2,06 1,94 1,88 1,82 1,74 1,67 1,58 1,48
120 5,15 3,80 3,23 2,89 2,67 2,52 2,39 2,30 2,22 2,16 2,05 1,94 1,82 1,76 1,69 1,61 1,53 1,43 1,31
¥ 3,84 3,69 3,12 2,8 2,57 2,41 2,29 2,19 2,11 2,05 1,95 1,83 1,71 1,64 1,57 1,49 1,39 1,27 1,04
Apéndice X. Tabla de Fisher para un nivel de confianza del 99%
n1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ¥
n2
1 4052 4999 5404 5624 5764 5859 5928 5981 6022 6056 6107 6157 6209 6234 6260 6286 6313 6340 6366
2 98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,40 99,42 99,43 99,45 99,46 99,47 99,48 99,48 99,49 99,50
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,05 26,87 26,69 26,60 26,50 26,41 26,32 26,22 26,13
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,37 14,20 14,02 13,93 13,84 13,75 13,65 13,56 13,46

5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,89 9,72 9,55 9,47 9,38 9,29 9,20 9,11 9,02
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,72 7,56 7,40 7,31 7,23 7,14 7,06 6,97 6,88
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,47 6,31 6,16 6,07 5,99 5,91 5,82 5,74 5,65
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,67 5,52 5,36 5,28 5,20 5,12 5,03 4,95 4,86
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,11 4,96 4,81 4,73 4,65 4,57 4,48 4,40 4,31
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,71 4,56 4,41 4,33 4,25 4,17 4,08 4,00 3,91
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,40 4,25 4,10 4,02 3,94 3,86 3,78 3,69 3,60
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,16 4,01 3,86 3,78 3,70 3,62 3,54 3,45 3,36
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 3,96 3,82 3,66 3,59 3,51 3,43 3,34 3,25 3,17
14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,80 3,66 3,51 3,43 3,35 3,27 3,18 3,09 3,01
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,67 3,52 3,37 3,29 3,21 3,13 3,05 2,96 2,87
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,55 3,41 3,26 3,18 3,10 3,02 2,93 2,84 2,75
125
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,46 3,31 3,16 3,08 3,00 2,92 2,83 2,75 2,65
126
18 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,37 3,23 3,08 3,00 2,92 2,84 2,75 2,66 2,57
19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,30 3,15 3,00 2,92 2,84 2,76 2,67 2,58 2,49
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,23 3,09 2,94 2,86 2,78 2,69 2,61 2,52 2,42
21 8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,17 3,03 2,88 2,80 2,72 2,64 2,55 2,46 2,36
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,12 2,98 2,83 2,75 2,67 2,58 2,50 2,40 2,31
23 7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,07 2,93 2,78 2,70 2,62 2,54 2,45 2,35 2,26
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,03 2,89 2,74 2,66 2,58 2,49 2,40 2,31 2,21
25 7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,32 3,22 3,13 2,99 2,85 2,70 2,62 2,54 2,45 2,36 2,27 2,17
26 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 2,96 2,81 2,66 2,58 2,50 2,42 2,33 2,23 2,13
27 7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 3,15 3,06 2,93 2,78 2,63 2,55 2,47 2,38 2,29 2,20 2,10
28 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,90 2,75 2,60 2,52 2,44 2,35 2,26 2,17 2,07
29 7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,87 2,73 2,57 2,49 2,41 2,33 2,23 2,14 2,04
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,84 2,70 2,55 2,47 2,39 2,30 2,21 2,11 2,01
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,66 2,52 2,37 2,29 2,20 2,11 2,02 1,92 1,81
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,50 2,35 2,20 2,12 2,03 1,94 1,84 1,73 1,60
120 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,34 2,19 2,03 1,95 1,86 1,76 1,66 1,53 1,38
¥ 3,84 4,61 3,78 3,3 3,02 2,80 2,64 2,51 2,41 2,32 2,19 2,04 1,88 1,79 1,70 1,59 1,48 1,33 1,05
Apéndice XI. Tabla de Fisher para un nivel de confianza del 99,5%
n1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ¥
n2
1 16212 19997 21614 22501 23056 23440 23715 23924 24091 24222 24427 24632 24837 24937 25041 25146 25254 25358 25466
2 198,5 199,0 199,2 199,2 199,3 199,3 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,4 199,5 199,5 199,5 199,5 199,5
3 55,6 49,8 47,5 46,2 45,4 44,8 44,4 44,1 43,9 43,7 43,4 43,1 42,8 42,6 42,5 42,3 42,1 42,0 41,8
4 31,33 26,28 24,26 23,15 22,46 21,98 21,62 21,35 21,14 20,97 20,70 20,44 20,17 20,03 19,89 19,75 19,61 19,47 19,33

5 22,78 18,31 16,53 15,56 14,94 14,51 14,20 13,96 13,77 13,62 13,38 13,15 12,90 12,78 12,66 12,53 12,40 12,27 12,15
6 18,63 14,54 12,92 12,03 11,46 11,07 10,79 10,57 10,39 10,25 10,03 9,81 9,59 9,47 9,36 9,24 9,12 9,00 8,88
7 16,24 12,40 10,88 10,05 9,52 9,16 8,89 8,68 8,51 8,38 8,18 7,97 7,75 7,64 7,53 7,42 7,31 7,19 7,08
8 14,69 11,04 9,60 8,81 8,30 7,95 7,69 7,50 7,34 7,21 7,01 6,81 6,61 6,50 6,40 6,29 6,18 6,06 5,95
9 13,61 10,11 8,72 7,96 7,47 7,13 6,88 6,69 6,54 6,42 6,23 6,03 5,83 5,73 5,62 5,52 5,41 5,30 5,19
10 12,83 9,43 8,08 7,34 6,87 6,54 6,30 6,12 5,97 5,85 5,66 5,47 5,27 5,17 5,07 4,97 4,86 4,75 4,64
11 12,23 8,91 7,60 6,88 6,42 6,10 5,86 5,68 5,54 5,42 5,24 5,05 4,86 4,76 4,65 4,55 4,45 4,34 4,23
12 11,75 8,51 7,23 6,52 6,07 5,76 5,52 5,35 5,20 5,09 4,91 4,72 4,53 4,43 4,33 4,23 4,12 4,01 3,91
13 11,37 8,19 6,93 6,23 5,79 5,48 5,25 5,08 4,94 4,82 4,64 4,46 4,27 4,17 4,07 3,97 3,87 3,76 3,65
14 11,06 7,92 6,68 6,00 5,56 5,26 5,03 4,86 4,72 4,60 4,43 4,25 4,06 3,96 3,86 3,76 3,66 3,55 3,44
15 10,80 7,70 6,48 5,80 5,37 5,07 4,85 4,67 4,54 4,42 4,25 4,07 3,88 3,79 3,69 3,59 3,48 3,37 3,26
16 10,58 7,51 6,30 5,64 5,21 4,91 4,69 4,52 4,38 4,27 4,10 3,92 3,73 3,64 3,54 3,44 3,33 3,22 3,11
127
17 10,38 7,35 6,16 5,50 5,07 4,78 4,56 4,39 4,25 4,14 3,97 3,79 3,61 3,51 3,41 3,31 3,21 3,10 2,99
128
18 10,22 7,21 6,03 5,37 4,96 4,66 4,44 4,28 4,14 4,03 3,86 3,68 3,50 3,40 3,30 3,20 3,10 2,99 2,87
19 10,07 7,09 5,92 5,27 4,85 4,56 4,34 4,18 4,04 3,93 3,76 3,59 3,40 3,31 3,21 3,11 3,00 2,89 2,78
20 9,94 6,99 5,82 5,17 4,76 4,47 4,26 4,09 3,96 3,85 3,68 3,50 3,32 3,22 3,12 3,02 2,92 2,81 2,69
21 9,83 6,89 5,73 5,09 4,68 4,39 4,18 4,01 3,88 3,77 3,60 3,43 3,24 3,15 3,05 2,95 2,84 2,73 2,62
22 9,73 6,81 5,65 5,02 4,61 4,32 4,11 3,94 3,81 3,70 3,54 3,36 3,18 3,08 2,98 2,88 2,77 2,66 2,55
23 9,63 6,73 5,58 4,95 4,54 4,26 4,05 3,88 3,75 3,64 3,47 3,30 3,12 3,02 2,92 2,82 2,71 2,60 2,49
24 9,55 6,66 5,52 4,89 4,49 4,20 3,99 3,83 3,69 3,59 3,42 3,25 3,06 2,97 2,87 2,77 2,66 2,55 2,43
25 9,48 6,60 5,46 4,84 4,43 4,15 3,94 3,78 3,64 3,54 3,37 3,20 3,01 2,92 2,82 2,72 2,61 2,50 2,38
26 9,41 6,54 5,41 4,79 4,38 4,10 3,89 3,73 3,60 3,49 3,33 3,15 2,97 2,87 2,77 2,67 2,56 2,45 2,33
27 9,34 6,49 5,36 4,74 4,34 4,06 3,85 3,69 3,56 3,45 3,28 3,11 2,93 2,83 2,73 2,63 2,52 2,41 2,29
28 9,28 6,44 5,32 4,70 4,30 4,02 3,81 3,65 3,52 3,41 3,25 3,07 2,89 2,79 2,69 2,59 2,48 2,37 2,25
29 9,23 6,40 5,28 4,66 4,26 3,98 3,77 3,61 3,48 3,38 3,21 3,04 2,86 2,76 2,66 2,56 2,45 2,33 2,21
30 9,18 6,35 5,24 4,62 4,23 3,95 3,74 3,58 3,45 3,34 3,18 3,01 2,82 2,73 2,63 2,52 2,42 2,30 2,18
40 8,83 6,07 4,98 4,37 3,99 3,71 3,51 3,35 3,22 3,12 2,95 2,78 2,60 2,50 2,40 2,30 2,18 2,06 1,93
60 8,49 5,79 4,73 4,14 3,76 3,49 3,29 3,13 3,01 2,90 2,74 2,57 2,39 2,29 2,19 2,08 1,96 1,83 1,69
120 8,18 5,54 4,50 3,92 3,55 3,28 3,09 2,93 2,81 2,71 2,54 2,37 2,19 2,09 1,98 1,87 1,75 1,61 1,43
¥ 3,84 5,30 4,28 3,72 3,35 3,09 2,90 2,75 2,62 2,52 2,36 2,19 2,00 1,90 1,79 1,67 1,54 1,37 1,05
Apéndice XII. Tabla de Fisher para un nivel de confianza del 99,9%
n1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ¥
n2
1 405312 499725 540257 562668 576496 586033 593185 597954 602245 605583 610352 616074 620842 623703 626087 628471 631332 634193 636578
2 998,4 998,8 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3 999,3
3 167,1 148,5 141,1 137,1 134,6 132,8 131,6 130,6 129,9 129,2 128,3 127,4 126,4 125,9 125,4 125,0 124,4 124,0 123,5
4 74,13 61,25 56,17 53,43 51,72 50,52 49,65 49,00 48,47 48,05 47,41 46,76 46,10 45,77 45,43 45,08 44,75 44,40 44,05

5 47,18 37,12 33,20 31,08 29,75 28,83 28,17 27,65 27,24 26,91 26,42 25,91 25,39 25,13 24,87 24,60 24,33 24,06 23,79
6 35,51 27,00 23,71 21,92 20,80 20,03 19,46 19,03 18,69 18,41 17,99 17,56 17,12 16,90 16,67 16,44 16,21 15,98 15,75
7 29,25 21,69 18,77 17,20 16,21 15,52 15,02 14,63 14,33 14,08 13,71 13,32 12,93 12,73 12,53 12,33 12,12 11,91 11,70
8 25,41 18,49 15,83 14,39 13,48 12,86 12,40 12,05 11,77 11,54 11,19 10,84 10,48 10,30 10,11 9,92 9,73 9,53 9,34
9 22,86 16,39 13,90 12,56 11,71 11,13 10,70 10,37 10,11 9,89 9,57 9,24 8,90 8,72 8,55 8,37 8,19 8,00 7,82
10 21,04 14,90 12,55 11,28 10,48 9,93 9,52 9,20 8,96 8,75 8,45 8,13 7,80 7,64 7,47 7,30 7,12 6,94 6,76
11 19,69 13,81 11,56 10,35 9,58 9,05 8,65 8,35 8,12 7,92 7,63 7,32 7,01 6,85 6,68 6,52 6,35 6,18 6,00
12 18,64 12,97 10,80 9,63 8,89 8,38 8,00 7,71 7,48 7,29 7,00 6,71 6,40 6,25 6,09 5,93 5,76 5,59 5,42
13 17,82 12,31 10,21 9,07 8,35 7,86 7,49 7,21 6,98 6,80 6,52 6,23 5,93 5,78 5,63 5,47 5,30 5,14 4,97
14 17,14 11,78 9,73 8,62 7,92 7,44 7,08 6,80 6,58 6,40 6,13 5,85 5,56 5,41 5,25 5,10 4,94 4,77 4,61
15 16,59 11,34 9,34 8,25 7,57 7,09 6,74 6,47 6,26 6,08 5,81 5,54 5,25 5,10 4,95 4,80 4,64 4,48 4,31
16 16,12 10,97 9,01 7,94 7,27 6,80 6,46 6,20 5,98 5,81 5,55 5,27 4,99 4,85 4,70 4,54 4,39 4,23 4,06
129
17 15,72 10,66 8,73 7,68 7,02 6,56 6,22 5,96 5,75 5,58 5,32 5,05 4,78 4,63 4,48 4,33 4,18 4,02 3,85
130
18 15,38 10,39 8,49 7,46 6,81 6,35 6,02 5,76 5,56 5,39 5,13 4,87 4,59 4,45 4,30 4,15 4,00 3,84 3,67
19 15,08 10,16 8,28 7,27 6,62 6,18 5,85 5,59 5,39 5,22 4,97 4,70 4,43 4,29 4,14 3,99 3,84 3,68 3,52
20 14,82 9,95 8,10 7,10 6,46 6,02 5,69 5,44 5,24 5,08 4,82 4,56 4,29 4,15 4,00 3,86 3,70 3,54 3,38
21 14,59 9,77 7,94 6,95 6,32 5,88 5,56 5,31 5,11 4,95 4,70 4,44 4,17 4,03 3,88 3,74 3,58 3,42 3,26
22 14,38 9,61 7,80 6,81 6,19 5,76 5,44 5,19 4,99 4,83 4,58 4,33 4,06 3,92 3,78 3,63 3,48 3,32 3,15
23 14,20 9,47 7,67 6,70 6,08 5,65 5,33 5,09 4,89 4,73 4,48 4,23 3,96 3,82 3,68 3,53 3,38 3,22 3,06
24 14,03 9,34 7,55 6,59 5,98 5,55 5,24 4,99 4,80 4,64 4,39 4,14 3,87 3,74 3,59 3,45 3,29 3,14 2,97
25 13,88 9,22 7,45 6,49 5,89 5,46 5,15 4,91 4,71 4,56 4,31 4,06 3,79 3,66 3,52 3,37 3,22 3,06 2,89
26 13,74 9,12 7,36 6,41 5,80 5,38 5,07 4,83 4,64 4,48 4,24 3,99 3,72 3,59 3,44 3,30 3,15 2,99 2,82
27 13,61 9,02 7,27 6,33 5,73 5,31 5,00 4,76 4,57 4,41 4,17 3,92 3,66 3,52 3,38 3,23 3,08 2,92 2,76
28 13,50 8,93 7,19 6,25 5,66 5,24 4,93 4,69 4,50 4,35 4,11 3,86 3,60 3,46 3,32 3,18 3,02 2,86 2,70
29 13,39 8,85 7,12 6,19 5,59 5,18 4,87 4,64 4,45 4,29 4,05 3,80 3,54 3,41 3,27 3,12 2,97 2,81 2,64
30 13,29 8,77 7,05 6,12 5,53 5,12 4,82 4,58 4,39 4,24 4,00 3,75 3,49 3,36 3,22 3,07 2,92 2,76 2,59
40 12,61 8,25 6,59 5,70 5,13 4,73 4,44 4,21 4,02 3,87 3,64 3,40 3,15 3,01 2,87 2,73 2,57 2,41 2,23
60 11,97 7,77 6,17 5,31 4,76 4,37 4,09 3,86 3,69 3,54 3,32 3,08 2,83 2,69 2,55 2,41 2,25 2,08 1,89
20 11,38 7,32 5,78 4,95 4,42 4,04 3,77 3,55 3,38 3,24 3,02 2,78 2,53 2,40 2,26 2,11 1,95 1,77 1,55
¥ 3,84 6,91 5,43 4,62 4,11 3,75 3,48 3,27 3,10 2,96 2,75 2,52 2,27 2,14 1,99 1,84 1,66 1,45 1,06
A
vanzar en productividad y eficiencia es uno de los retos con
los que tradicionalmente se enfrenta el mundo empresarial,
que debe invertir tiempo y dinero en la búsqueda de técni-
cas apropiadas para alcanzarlas. Seis Sigma, como filosofía de mejora-
miento, ha ofrecido una respuesta a esta necesidad desde hace más de
una década.
Seis Sigma. Guía didáctica, aporta un enfoque fresco e innovador
a la bibliografía existente sobre esta estrategia, al orientarse hacia un
segmento de organizaciones que requieren de apoyo e investigación,
como son las pequeñas y medianas empresas. El texto presenta una
metodología clara y sencilla para su aplicación, así como una exposi-
ción práctica de sus herramientas.
Conseguir aproximar las pymes a una metodología que nació en
el mundo de las grandes, muy grandes, empresas es un valor de primer
orden de esta obra.
ISBN 978-958-754-083-3
9 789587 540833

Seis Sigma Guía Didáctica para Pymes - Pérez - 1ed

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Seis Sigma Guía Didáctica para Pymes - Pérez - 1ed

Cargado por

Copyright:

Formatos disponibles

Seis sigma

Guía didáctica para Pymes

Libros gratis en PDF para toda la comunidad

Guía didáctica para Pymes

Martha Lucía Pérez Urrego

© Universidad de Ibagué, 2013

Dirección editorial: Oficina de Publicaciones

Diseño, diagramación e impresión

Esta obra no puede reproducirse sin la autorización expresa y por escrito

Capítulo 1. Introducción a la Filosofía Seis Sigma........................................ 17

Capítulo 2. Desarrollo de la Filosofía Seis Sigma (Ciclo dmaic)................. 25

Capítulo 3. Herramientas para Seis Sigma.................................................... 29

Capítulo 4. Operatividad de Seis Sigma en Pymes manufactureras............. 69

Seis Sigma • Guía didáctica para Pymes 5

Capítulo 5. Caso de aplicación....................................................................... 73

Seis Sigma • Guía didáctica para Pymes 7

El desarrollo de la presente obra no habría sido posible sin el apoyo y

Seis Sigma • Guía didáctica para Pymes 9

A la memoria de mi padre quien, con su ejemplo,

A mi adorada madre por ser mi modelo y guía.

A mi esposo Oscar por su amor y apoyo incondicional

A mis hijos, Oscar Andrés, Jorge Mario y Juan Sebastián,

A mis hermanos Omar, Dago, Jairo y Liliana

Seis Sigma • Guía didáctica para Pymes 11

Prologar un libro de un tema en el que uno trabaja y por el que siente

Seis Sigma • Guía didáctica para Pymes 13

Seis Sigma • Guía didáctica para Pymes 15

Seis Sigma • Guía didáctica para Pymes 17

Tabla 1.1. Niveles Sigma

El indicador común para Seis Sigma es el cálculo de los defectos por

Tabla 1.2. Desempeños comparativos a Seis Sigma

Si se ostenta el 99% de desempeño Si logramos 99.9997% de desempeño

Fuente: www.seis-sigma.com/generic3.html - www.sixsigma.us

Tabla 1.3. Beneficios posibles con Seis Sigma

1.3 Estructura humana para Seis Sigma

Seis Sigma • Guía didáctica para Pymes 19

Figura 1.1. Estructura humana para Seis Sigma

Master Black Belt

• Leader (Líder): Es la persona que apoya los proyectos de mejora Seis

Tabla 1.4. Organización para Seis Sigma en grandes empresas

Nombre Rol clave Posición Características Cantidad

Seis Sigma • Guía didáctica para Pymes 21

Fuente: Instrumentos y técnicas de la gestión contemporánea. Seminario Corporación Calidad,

1.3.1 Estructura humana para Seis Sigma en Pymes

Tabla 1.5. Organización para Seis Sigma en Pymes

Nombre Rol clave Posición Características Cantidad

miembro Dedicación, en-

tas estadísti- ducción, proyectos.

Seis Sigma • Guía didáctica para Pymes 23

Figura 2.1. Estructura Ciclo dmaic

2.1.1. Selección del proyecto

Seis Sigma • Guía didáctica para Pymes 25

2.1.2. Pasos para seleccionar el proyecto

2.1.3. Selección de los miembros del equipo de trabajo

2.2.1. Determinar la característica crítica de calidad adecuada

2.2.2. Cálculo del nivel Sigma

2.2.3. Selección del objetivo del proyecto de mejora Seis Sigma

2.3.1. Identificar la causa raíz

Seis Sigma • Guía didáctica para Pymes 27

2.4.1. Tomar acciones correctivas

2.4.2. Verificar la efectividad de la acción

2.5.1 Enfoque preventivo

Tabla 3.1. Índice de Herramientas

Seis Sigma • Guía didáctica para Pymes 5

Seis Sigma • Guía didáctica para Pymes 7

Seis Sigma • Guía didáctica para Pymes 9

Seis Sigma • Guía didáctica para Pymes 11

Seis Sigma • Guía didáctica para Pymes 13

Seis Sigma • Guía didáctica para Pymes 15

Seis Sigma • Guía didáctica para Pymes 19

Seis Sigma • Guía didáctica para Pymes 21

Seis Sigma • Guía didáctica para Pymes 27

Seis Sigma • Guía didáctica para Pymes 31

Seis Sigma • Guía didáctica para Pymes 33

Seis Sigma • Guía didáctica para Pymes 35

Seis Sigma • Guía didáctica para Pymes 37

Seis Sigma • Guía didáctica para Pymes 39

Seis Sigma • Guía didáctica para Pymes 41

Seis Sigma • Guía didáctica para Pymes 43

Seis Sigma • Guía didáctica para Pymes 45

Seis Sigma • Guía didáctica para Pymes 47