Manual de Calidad I

_______________________________________________________________________________
NOMBRE

FECHA DE ELABORACION: AGOSTO 2013

FECHA DE REVISION:
REV. A

1
Manual de Calidad I

INDICE

1. CONCEPTOS BÁSICOS DE CALIDAD.

Objetivo: Que el alumno identifique las ventajas de medir adecuadamente el desempeño
de las organizaciones a través de las herramientas de Control Estadístico de Calidad
(CEC). Identificar características de calidad y productividad.

2.- SISTEMAS DE MUESTREO DE ACEPTACION

Objetivo: Que el alumno pueda identificar ventajas y limitaciones en los procesos de
muestreo de aceptación desde la formación de lote, selección de muestra y toma de
decisiones sobre la aceptación o rechazo del mismo. Así mismo sea capaz de aplicar
métodos de muestreo de aceptación por atributos y variables.

CONTROL ESTADÍSTICO DE LA CALIDAD (CEC).

Objetivo: Que el alumno sea capaz de manejar diferentes metodologías de CEC que le
permitan monitorear la calidad de un proceso de producción o un servicio y pueda
detectar cualquier situación fuera de control lo que le permitirá eliminar causas
especiales de variabilidad.

2
Manual de Calidad I

El Control de la Calidad Total se posesiona como una estrategia para asegurar el

mejoramiento continuo de la Calidad. Es un programa para asegurar la continua
satisfacción de los clientes externos e internos mediante el desarrollo permanente de la
calidad del producto y sus servicios. Es fundamental el uso de herramientas
Estadistícas que permitan evidenciar la habilidad o no-habilidad de los procesos
involucrados en un sistema de calidad. Todo proceso necesita ser evaluado para
verificar si se esta llevando a cabo adecuadamente

Que el alumno adquiera el conocimiento de qué es, cómo se desarrolla y se implementa

el Control Estadístico de Calidad en la industria de bienes y servicios. Siendo capaz de
medir el proceso y verificar su efectividad, todo esto repecto a los estándares y objetivos
de la organización

3
Manual de Calidad I

Sistemas tradicionales para medir la

calidad

1.1 Introducción

El Control de la Calidad Total se posesiona como una estrategia para asegurar el

mejoramiento continuo de la Calidad y así asegurar la continua satisfacción de los
clientes externos e internos mediante el desarrollo permanente de la calidad del producto
y sus servicios. Es fundamental el uso de herramientas Estadistícas que permitan
evidenciar la habilidad o no-habilidad de los procesos involucrados en un sistema de
calidad. Todo proceso necesita ser evaluado para verificar si se esta llevando a cabo
adecuadamente

El concepto de Calidad ha evolucionado a lo largo del tiempo. En un primer momento se

habla de Control de Calidad, que se basa en técnicas de inspección aplicadas a la
producción.

Posteriormente nace el aseguramiento de Calidad, fase que persigue garantizar un nivel

continuo de Calidad de un producto o servicio proporcionado.

Finalmente se llega a lo que hoy se conoce como Calidad Total, un sistema de de gestión
empresarial íntimamente ligado con el concepto de mejora continua y que incluye las
dos fases anteriores.

El Control de la Calidad Total se posesiona como una estrategia para asegurar el

mejoramiento continuo de la Calidad. Es un programa para asegurar la continua
satisfacción de los clientes externos e internos mediante el desarrollo permanente de la
calidad del producto y sus servicios. Es un concepto que involucra a la orientación de la
organización a la calidad manifestaba en sus productos, servicios, desarrollo de su
personal y contribución al bienestar general.

Filosofía de Calidad Total

La filosofía de la Calidad Total proporciona una concepción global que fomenta la
Mejora Continua en la organización y la involucración de todos sus miembros,
centrándose en la satisfacción tanto al cliente interno del externo.

1.2 Conceptos Básicos

Según la Norma ISO-9000:2005 el término de Calidad se define en la sección 3.1.1 como

el grado en el que un conjunto de características inherentes cumple con los requisitos . La
misma norma define control de la calidad como parte de la gestión de la calidad
orientada al cumplimiento de los requisitos de la calidad. En la Tabla 1.1 se muestra una
Cronología de las Etapas de la Calidad.

4
Manual de Calidad I

Tabla 1.1 Cronología de las etapas de la Calidad

Período Alguno eventos importante

1900 • Inicio del control de Calidad
1920 • Control de calidad de inspección , gráficos de control de Shewhart
• Riesgo del consumidor, riesgo del productor, probabilidad de
aceptación.
1940 • Control estadístico de Calidad
• Tablas de Dodge Roming de inspección
• Estándares AWS
• Cursos de capacitación de control de Calidad en USA
• Control de calidad multivariado
1950 • MIL STD-105 E
• Gráficos de control de recepción
• Cursos de capacitación de control de calidad en Japón
1960 • Control total de calidad
• Cero defectos
• Círculos de calidad

1970 • Definición de costos de calidad

• Sistemas de Calidad
• Diagrama Ishikawa
• Método Taguchi
1980 • Abundancia sobre temas de Calidad
• Abundancias sobre programas y software para el control de calidad.
1990 • Seguridad del diseño del producto
• Control de calidad de producto
• Desarrollo de proveedores
• Revisión de Calidad del producto
2000 • Mayores exigencias de calidad por parte del consumidor
• Ajuste de la industria al mayor conocimiento que tiene el consumidor
acerca de calidad

1.3 Esquemas de un proceso industrial

En el esquema de la figura 1.1a se muestra un estructura clásica de de proceso

industrial donde se observan las interacciones de los diferentes departamentos para en
su conjunto formar un sistema. En la figura 1.1b se observa un esquema general de un
Sistema con Control de Calidad Tradicional y en la figura 1.1c se muestra un esquema
con un Sistema de Control de Calidad Moderno.

5
Manual de Calidad I

(a) Esquema de un Proceso Industrial

(b) Control de Calidad Tradicional

(c) Control de Calidad Moderno

Figura 1.1 (a) Esquema de un Proceso Industrial (b) Sistema de Control de Calidad Tardicional (c)
Sistema de Control de Calidad Moderno.

6
Manual de Calidad I

1.4 La Variabilidad y el pensamiento estadístico

¿Por qué es necesario un sistema de Calidad?

R= PRINCIPIO DE VARIABILIDAD

“El hombre tiende por naturaleza hacer la misma cosa cada vez de forma diferente”

“Los resultados de cualquier proceso en la vida son diferentes en cada ocurrencia”

Un sistema de Calidad es:

“Un requerimiento de la imperfección humana”

Kauoru Ishikawa

La variabilidad aumenta el riesgo de cometer errores, por lo tanto el objetivo de un

sistema de Calidad es:

DISMINUIR LA VARIABILIDAD

Por lo tanto la variabilidad se refiere a la diversidad de resultados de una variable o de un

proceso.

¿Qué provoca que haya variabilidad en los productos?

Cada M aporta una parte, no necesariamente igual de la variación total observada.

Materiale
s

Mano de
Métodos Obra

6M´s

Máquinar Medicion
ia es

Medio
Ambient
e

7
Manual de Calidad I

La variabilidad de un proceso puede disminuir a través de:

Definir la forma
correcta de hacer las
cosas

Revisar que se llevan a

cabo conforme a lo Documentar las
actividades definidas
definido

Capacitar a las
personas que realizan
las actividades

1.5 Sistema de calidad Total

Consiste en incluir el concepto de CALIDAD en cada una de las ares de la compañía.

Logrando:

1. Hacer las cosas bien a la primera vez

2. Evitar desperdiciar recursos
3. Entregar productos / Servicios a tiempo
4. Trabajar ordenadamente a fin de evitar desperdicios.

Con el único fin de:

¡Satisfacer las necesidades de nuestros clientes¡

¿Quiénes son nuestros clientes?

Cliente Interno: Son aquellos a los cuales la calidad de sus trabajo depende de lo bien
que hagamos el nuestro

Cliente Externo: Son aquellos que utilizan el producto o servicio proveido por nuestra
empresa.

Requisitos de un sistema de calidad

• Involucramiento de la alta gerencia

• Definir misión de la empresa
• Definir la política de calidad
• Definir una filosofía de Calidad
• Elaborar un manual de procedimientos
• Proporcionar instrucciones documentadas a las áreas de producción

8
Manual de Calidad I

• Contar con un sistema definido de capacitación

• Establecer un sistema de equipos de trabajo para la mejora continua
• Contar con un sistema de auditorias interna que detecte a tiempo posibles fallas
(Prevención Vs Corrección)

Obstáculos para la implantación de un Sistema de Calidad Total:

• Calidad, un concepto para actividades de piso

• Falta de actitud para contribuir colectivamente a la calidad
• Alta Dirección y genérica no involucrada 100% en actividades de mejora al
sistema de calidad
• Calidad, no siempre # 1 en la operación de la compañía
• Falta de un plan anual de calidad
• Falta de involucramiento y conocimiento de sistemas de calidad en todos los
niveles
• No se adopta un proceso en forma cotidiana de introducción , desarrollo e
implantación para los nuevos productos
• Falta de integración de todas las áreas al sistema de Calidad Total

Objetivos de Calidad:

Todo proceso necesita ser evaluado para verificar si se esta llevando a cabo
adecuadamente pero…

¿Cómo saber si vamos correctamente?

Para medir un proceso y ver si este esta siendo efectivo, es necesario definir:

¿Cómo medirlo?
¿Cuáles son los objetivos a lograr?
¿Con que frecuencia medir el desempeño y comparar?

Una respuesta :

“CONTROL ESTADÍSTICO DE CALIDAD”

Que herramientas involucra el CEC:

• Estadistica Descriptiva
• Probabilidad
• Inferencia Estadística
• Seis Sigma
• Cartas de control
• Muestreo
• Lean Manufacturing, etc

9
Manual de Calidad I

Sistemas de Calidad Basados en la

Inspección.

2.- MUESTREO ACEPTACION

El concepto de muestreo de aceptación se asocia a la inspección, la compañía tiene 3

caminos como se observa en el esquema de la figura 2.1 para saber cuando un lote se
acepta estos son:

• Inspección 0% : Aceptar o enviar un lote sin ninguna inspección

• Inspección 100% :Revisar todos los artículos del lote para quita aquellos que no
cumplen con especificaciones establecidas
• Muestreo de Aceptación: Es el proceso de inspeccionar una muestra de unidades
de un lote con el propósito de aceptar o rechazar todo el lote.

Inspección

Cero Inspección 100% Inspección Muestreo de

Aceptación

2.1 Esquema General de Tipos de Inspección

2.1 Muestreo de Aceptación

Como se menciono anteriormente el muestreo de aceptación implica inspeccionar una

muestra de un lote con el propósito de aceptar o rechazar todo el lote.

10
Manual de Calidad I

Lote de tamaño N

Se selecciona una
muestra de tamaño n

Se inspeccionan los n
artículos

No

Se rechaza
¿Se encontraron
el lote
c o menos
defectuosos?

Si

Se acepta el lote

2.2 Esquema General de un Plan de muestreo de aceptación

2.2 Alternativas de Inspección

Existen 3 maneras de realizar una inspección de material:

1. Cero inspección: Es aceptar o enviar un lote sin ninguna inspección

2. Inspección al 100%: Consiste en revisar todos los artículos del lote para quitar
aquellos que no cumplen con las especificaciones establecidas

3. Muestreo de aceptación: Aplicar algunos de los modelos.

¿Cuándo debe de hacerse un muestreo de aceptación?

• Cuando la inspección se hace con pruebas destructivas (como pruebas tensión y

resistencia), es indispensable la inspección por muestras, de lo contrario todos los
productos serían destruidos con las pruebas.

11
Manual de Calidad I

• Cuando el costo de inspección al 100% es demasiado alto comparado con el

costo de pasar unidades defectuosas.
• En los casos en los que la inspección al 100% no es técnicamente posible o se
requiere mucho tiempo para llevarla a cabo.
• Cuando el lote lo forman gran cantidad de artículos que habría que habría que
inspeccionar y la probabilidad de error en la inspección es suficientemente alta,
de manera que la inspección al 100% podría dejar pasar más unidades
defectuosas que un plan de muestreo.
• En situaciones donde históricamente el vendedor ha tenido excelentes niveles de
calidad y se desea una reducción en la cantidad de inspección, pero la
capacidad del proceso no es suficientemente buena como para no inspeccionar
• Cuando es necesario asegurar la confiabilidad del producto, aunque la
capacidad del proceso fabricante del lote sea satisfactoria.

El muestreo de aceptación respecto a la inspección al 100% tiene las siguientes ventajas:

1. Tiene menor costo porque se inspecciona menos, a pesar de algunos costos

adicionales generados por la planificación y administración de los planes de
muestreo
2. Requiere de menos personal en las actividades de inspección, simplificando con
ello el trabajo de coordinación y reduciendo los costos.
3. El producto sufre menos daño al haber menos manipulación.
4. Es aplicable en pruebas destructivas.
5. A menudo reduce el error de inspección y la monotonía.
6. El rechazo de lotes completos por la existencia de artículos defectuosos
proporciona una motivación al fabricante del lote para que mejore su calidad.

El muestreo de aceptación presenta algunas desventajas, como las siguientes:

1. Hay cierto riesgo de aceptar lotes malos y rechazar buenos, aunque en un plan
de muestreo de aceptación están previstos y cuantificados estos riesgos.
2. Proporciona menos información acerca del nivel de calidad del producto o de su
proceso de fabricación. Aunque bien utilizada, la información obtenida puede ser
suficiente
3. Se requiere más tiempo y conocimiento para planificar y documentar el muestreo,
mientras la inspección al 100% no. Esto tal vez no sea una desventaja, ya que la
planificación genera otros efectos positivos, como mayor conciencia de los
niveles 1 de calidad exigidos por el cliente.

2.3 Tipos de planes de muestreo:

Existen 2 tipos de acuerdo a la característica que se quiere medir:

Planes por variables: Cuándo a cada unidad de la muestra se le mide una característica
de calidad de tipo continuo.

Planes por atributos: Cuando a cada artículo se la muestra se clasifica en una categoría
de aceptación o rechazo.

12
Manual de Calidad I

Muestreo de
Aceptación

Muestreo por variables Muestreo por atributos

Mil STD 414 – Mil STD 105 E –ASQC Z 1.4

ASQC Z 1.9 (Simple, Doble o Múltiple)

Método de Cameron

2.4 Muestreo por atributos: simple, doble y múltiple

2.4.1. Muestreo simple: Consiste en una sola muestra de tamaño n y un número

de c que permite decidir si se acepta o se rechaza el lote

2.4.2. Muestreo doble: Si con la primera muestra se cae en zona de indecisión, se

extrae una segunda muestra que combinada con la primera permite aceptar o
rechazar el lote.

2.4.3. Muestreo múltiple: Extensión de plan de muestreo doble que consiste en que
se pueden extraer 2 o más muestras antes de decidir aceptar o rechazar un lote.

2.5 Formación de lote y selección de la muestra:

1.- Los lotes deben de ser homogeneos: Es decir , las unidade que forma un lote en
particular deben haber sido fabricadas bajo condiciones similares en cuanto a
maquinas, operadores , materia prima, etc.

2.- Los lotes deben de ser formados de manera que no compliquen el manejo de
materiales del proveedor y el cliente. Empaque de manera que la elección de la
muestra se fácil.

3.- Con la reserva del caso , los lotes deben de ser tan grandes como sea posible:
Esto es debido a menor costo y mayor eficiencia de la inspección.

2.6. Variabilidad y Curva característica de operación

2.6.1.
Curva de operación (CO)

Mide el desempeño de un plan de muestreo al mostrar la probabilidad que se tiene de

aceptar lotes con niveles de calidad dados.

13
Manual de Calidad I

Proveedor Cliente

Todos los lotes que no

Todos los lotes con un
tengan NCA sean
NCA se queden rechazados

Planes de muestreo
de aceptación

Lotes buenos =
aceptados
Lotes malos=
rechazados

NCA: % máximo de NCL: Nivel que se

defectuosos que el considera como no
cliente considera satisfactorio por lo
aceptable tanto lo lotes se
1- α (.05-.1) rechazen (PDTL =
Porcentaje defectivo
tolerado para aceptar)
β (.05-.1)

2.3 Esquema General de un Plan de muestreo de aceptación

14
Manual de Calidad I

La influencia del tamaño de lote en diseñar planes de muestreo es menor de lo que se

cree se pueden dar 2 tipo s de curvas:

1. Curva CO tipo A: Da las probabilidades de aceptación para lotes pequeños

(distribución hiper-geométrica).
2. Curva CO tipo B: Cuando las muestras se extraen de un lote grande (distribución
binomial).

La tabla 2.1 muestra datos sobre como cambia la proporción de defectuosos contra la
probabilidades de aceptación tipo B.

Y en la figura 2.4 se muestra

Tabla 2.1 Datos para elaborar una CO.

Proporción
de
defectuosos Pa
0.001 0.9982
0.005 0.9634
0.01 0.8787
0.015 0.7727
0.02 0.6619
0.03 0.4592
0.04 0.3022
0.05 0.1915
0.06 0.1179
0.07 0.0709
0.08 0.0417
0.1 0.0137
0.15 0.0006

Curva CO

1.0000
0.9000
Probabilidad de aceptación (Pa)

0.8000
0.7000
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-­‐0.01 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.11 0.12 0.13 0.14
Proporción de artículos defectuosos del lote (p)

2.4 Comportamiento de la Curva de Operación tipo B.

15
Manual de Calidad I

2.6.2. Curva CO ideal

Curva Ideal CO

1.2000
1.1000

Probabilidad de aceptación (Pa)

1.0000
0.9000
0.8000
0.7000
0.6000
0.5000
0.4000
0.3000
0.2000
0.1000
0.0000
-0.1000
-0.2000
-­‐0.01 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.11 0.12 0.13 0.14
Proporción de artículos defectuosos del lote (p)

2.5 Esquema de una Curva de Operación Ideal

2.6.3. Indices de Calidad para los planes de muestreo de aceptación

Una curva de
NCA o AQL (Nivel de Calidad aceptable): El porcentaje máximo de defectuosos que el
consumidor considera aceptable.

NCL o LQL (Nivel de calidad límite): Es la proporción de defectuosos en un lote que el

consumidor quiere rechazar con alta probabilidad

Riesgo del productor: Es la probabilidad de rechazar lotes con un nivel de calidad

aceptable

Riesgo del consumidor: Es la probabilidad de aceptar lotes con calidad no satisfactoria

16
Manual de Calidad I

2.6 Esquema de una Curva de Operación con Indices de Calidad para los planes de
muestreo de aceptación

2.7. Military estándar 105 E / ANSI/ASQ Z1.4

Es el sistema de muestreo de aceptación por atributos mas usado en el mundo. La versión

original de MIL STD fue hecha en 1950. Desde entonces ha tenido 3 revisiones la última
versión en 1963. En 1973 fue adoptada por la Organización Internacional de
Normalización con el código ISO-2859.

El índice principal es el NCA/AQL . ¿Quién especifica el NCA?

Es especificado por contrato o por la autoridad responsable del muestreo, de acuerdo

con diferentes criterios.

El estándar ofrece 3 procedimientos:

Inspección Normal: Se implementa al iniciar el esquema de muestreo del acuerdo al

MILST 105D

Inspección Severa: Se establece un sistema MIL STD 105 E cuando el proveedor ha

tenido un mal desempeño en cuanto a la calidad convenida

Inspección Reducida: Se utiliza un esquema MIL STO 105 E cuando el proveedor ha

tenido un buen comportamiento en cuanto a la calidad

Niveles Generales de Inspección:

El estándar proporciona tres niveles generales de inspección : I, II, III . El nivel II es el mas
usual y podría ser usado cuando pocos productos son rechazados. El nivel III requiere
aproximadamente el doble de inspección del nivel II y podría ser utilizado cuando los
lotes son de mala calidad.

Niveles Especiales de Inspección S1-S4

Se utiliza cuando se requieren muestras pequeñas y se pueden tolerar riesgos altos.

Diseño de un esquema de muestreo con MIL STD 105 E

1.- Determinar el tamaño del lote

2.- Especificar el NCA (AQL)
3.-Escoger el nivel de inspección (usualmente el nivel II, si la situación lo justifica
puede ser cambiado)
4.-En la tabla 2.2. y de acuerdo al tamaño de lote y el nivel de inspección,
encontrar la letra código al tamaño de muestra.
5.- Determinar el tipo de muestreo (simple, doble o múltiple)
6.- De acuerdo con la letra código y el NCA en la tabla 2.3 buscar el plan simple
para inspección normal, tabla 2.4 para severa y tabla 2.5 para reducida.

Reglas de cambio:

Ø Inspección normal - severa. Se aplica cuando se rechazan 2 de 5 lotes.

17
Manual de Calidad I

Ø Inspección severa - normal. Se aplica cuando en la severa se aceptan 5 lotes

consecutivos.
Ø Inspección normal - reducida. Se aplica cuando:
a) 10 lotes consecutivos se aceptan.
b) el número total de defectuosos en los 10 lotes anteriores es menor o igual al
numero dado en la tabla
c) La producción es continua.
Ø Inspección reducida – normal. Aplica cuando:
a) Un lote o una serie de lotes son rechazados.
b) El numero de defectuosos en el lote es mayor que Ac pero menor que Re
c) Producción es irregular o retardada
d) Por otras condiciones (deseos del cliente)
Ø Interrupción de inspección. En caso de que 10 lotes consecutivos estén bajo
inspección severa.

Ejercicios:

18
Manual de Calidad I

Tabla 2.2. Letra Código para el Tamaño de Muestra MIL STD 105E

19
 Tabla 2.3 Inspección Normal 105 E

20
Manual de Calidad I
 Tabla 2.4 Inspección Severa 105 E

21
Manual de Calidad I
22
Tabla 2.5 Inspección Reducida 105 E
Manual de Calidad I
Manual de Calidad I

2.8. Método de Camerón

Este método permite normar una relación cliente-proveedor mediante un plan de

muestreo de aceptación simple, y para ello se requiere:

El nivel de calidad que se considera aceptable (NCA o AQL), con su correspondiente

probabilidad de aceptación (1-a).

El nivel de calidad límite que se considerará como no aceptable o insatisfactoria (NCL,

LQL o LTPD), y su correspondiente probabilidad o riesgo de aceptarse, β

Bajo estas condiciones es necesario encontrar el tamaño de muestra, n, y el número de

aceptación, c, para el plan de muestreo que cumpla los dos acuerdos o exigencias
anteriores. Aquí veremos el método de Camerón que se basa en la distribución Poisson y
que da una buena aproximación al muestreo binomial. A continuación describimos paso
a paso la forma de usar tal método

1. Especificar los valores porcentuales deseados para NCA y NCL, con su corres-
pondiente probabilidad de aceptarse, 1 - α, y β respectivamente.

2. Convertir los porcentajes anteriores a números decimales, sea p1 = NCA/100 y p2 =

NCL/100.

3. Calcular la razón de operación, Rc = p2/ p1

4. En la tabla 2.6 y de acuerdo con los valores de α y β especificados en el paso (1),

buscar en la columna apropiada de la tabla el valor de R más cercano a Rc. Si en
la tabla hay dos números R aproximadamente igual de cercanos a Rc elegir el
menor.

5. Ubicado el valor R en la tabla, el número de aceptación, c, se encuentra en la

columna correspondiente a c y en el mismo renglón que R.

6. En el mismo renglón donde se localizó a R, pero en la columna np1, localizar el

valor de np1. El tamaño de muestra se encontrará al dividir ese valor entre np1, es
decir:

n = np1/ p1

7. Para obtener otros puntos de la curva CO del plan generado, además de los que
representan el NCA y el NCL, se usa la tabla 2.7. En ella se muestran probabili-
dades de aceptación. Para utilizar esta tabla ubicarse en el renglón
correspondiente al número de aceptación, c, el p correspondiente a cada Pa se
encuentra dividiendo Pa entre el tamaño de muestra, es decir,
.
p = Pa/n

23
Manual de Calidad I

Tabla 2.6 Tabla Cameron c, R, np1

Tabla 2.7 Tabla Cameron Curva de Operación.

24
Manual de Calidad I

EJERCICIO:
Se decide poner en práctica un muestreo de aceptación para atributos con el propósito
de regular la salida de lotes de tamaño grande; el nivel de calidad aceptable es 4% con α
= .05 y NCL=7 % con β=0.05
a)Explique mediante la curva de operación que es NCA,NCL , α y β
b)Utilizando las tablas de Cameron encuentre el plan que regula este muestreo y explique
su funcionamiento
c)Elabore la curva de operación

25
Manual de Calidad I

2.9. MUESTREO DE ACEPTACION POR VARIABLES (MIL STD 414 o ANSI/ASQC Z1.9)

En este tipo de planes se toma una muestra aleatoria del lote y a cada unidad de la
muestra se le mide una característica de calidad de tipo continuo (longitud, peso,
espesor, etc.), y en contraste con el muestreo por atributos, el objetivo no es clasificar a
cada unidad como defectuosa o no, sino sólo registrar la medición de cada pieza.
Después de ello, y con base en estas mediciones, se calcula un índice que de acuerdo a
su valor se aceptará o rechazará todo el lote. El índice por lo general toma en cuenta
información muestral (media, desviación estándar) y las especificaciones de la
característica de calidad.

La ventaja principal del muestreo por variables es que el tamaño de muestra es

considerablemente menor que el muestreo por atributos. Este tamaño de muestra es
menor cuando los niveles aceptables de calidad son muy pequeños, ya que mientras
que con un plan de muestreo por atributos se requieren muestras muy grandes, con el
muestreo por variables los tamaños de muestra son pequeños o moderados. Además,
muestrear por variables proporciona más información acerca del proceso, que se
puede utilizar para tomar decisiones y mejorar la calidad; esto se debe a que las
medidas numéricas de las características de calidad son más útiles que una simple
clasificación de los artículos como defectuosos o no defectuosos.

Las desventajas del muestreo por variables es que para cada característica de
calidad que se desee inspeccionar por muestreo de aceptación debe diseñarse su
propio plan de muestreo. Además, las mediciones en un muestreo por variables
podrían ser más costosas, aunque la reducción obtenida en el tamaño de la muestra
generalmente compensa este costo. Una desventaja más es que la distribución de la
característica de calidad debe ser conocida. La mayoría de los planes de muestreo
por variables suponen que tal distribución es normal, si esto no es verdad la
confiabilidad de las decisiones se puede ver afectada de manera importante.

Existen dos tipos de planes de muestreo por variables:

a) planes que controlan, la proporción de unidades que no cumplen con

especificaciones
b) planes que controlan un parámetro del lote o proceso (usualmente la media).

Para poder diseñar un plan de muestreo por variables para el control de la

proporción de artículos que no cumplen con especificaciones, es necesario que la
variable o característica de calidad que se mide al producto tenga
especificaciones que debe cumplir.

En la figura se muestra una característica de calidad X con distribución normal

con media (µ) y desviación estándar σ; que debe estar entre la especificación
inferior y la superior : EI y ES.

• El área bajo la curva izquierda de EI representa

la proporción de artículos , pI
• El área bajo la curva a la derecha de ES
representa la proporción de artículos , pS
• La proporción total de defectuosos será: pi + pS

26
Manual de Calidad I

Con esto se estima la proporción de artículos que se encuentran fuera de

especificaciones. Si el valor estimado de p excede un valor máximo M
especificado, el lote es rechazado, de lo contrario es aceptado.

Para un plan MIL STD 414 el punto principal es el nivel de calidad aceptable
NCA lo cual comprende porcentajes 0.04- 15% . El programa tiene 5 niveles
generales de inspección tomándose el nivel 4 como mas “usual”.

Dentro de los procedimientos mas usuales para el plan MIL STD 414 es el
procedimiento “M” para estimar la proporción fuera de especificaciones
cuándo se tiene solo 1 o ambas especificaciones. Esta norma consta de 4
secciones en la sección A se describen los planes de muestreo , códigos de letra
y curvas CO. La B,C, D se definen adelante.

PASOS PARA DISEÑAR UN PLAN MIL STD 414

(Basado la σ de la muestra para el caso en que la variabilidad del lote o

proceso es desconocida.)

1. Determinar el tamaño de lote.

2. Especificar el NCA (o AQL).
3. Escoger el nivel de inspección (usualmente el nivel IV, que puede ser
cambiado si la situación lo justifica). A mayor sea el nivel de inspección más
estricto es el plan (más rápido cae su curva CO).
4. En la tabla y de acuerdo al tamaño de lote y el nivel de inspección, encon-
trar la letra código correspondiente para el tamaño de muestra.
5. Seleccionar la sección de la estándar a utilizar. Las secciones B y C contienen
planes para los casos en los que no se conoce la variabilidad y se estiman
por la desviación estándar y el rango, respectivamente. La sección D
proporciona planes cuando se conoce la σ.
6. Los pasos siguientes se hacen a partir del supuesto de que se eligió la sección
B.
7. En la tabla, de acuerdo a la letra código y el NCA, se busca el plan simple
para inspección normal; que consiste de un tamaño de muestra n, y del valor
M, que es el porcentaje máximo de defectuosos tolerado en el lote.
8. En la misma tabla, partiendo de los NCA que están en la parte inferior de la
tabla, se encuentra el plan que se emplearía bajo inspección severa, con sus
correspondientes valores para n y M.
9. Seleccionar aleatoriamente una muestra de tamaño n, y a cada pieza de la
muestra medirle la característica de calidad. Con los datos obtenidos
calcular la media (X) y la desviación estándar muestral, (S).
10. De los siguientes dos índices, de acuerdo al tipo de especificaciones que
tenga la característica de calidad, calcular a uno o a ambos.
ES − X
Z ES =
S
X − EI
Z EI =
S

Nótese que ambos índices: ZEI y ZES, son la distancia entre la media de la
muestra, X, y la correspondiente especificación, expresada en unidades de la
desviación estándar de la muestra, S, y corresponde a la métrica Seis Sigma. El
valor de estos índices es grande, si X está muy lejos de la respectiva

27
Manual de Calidad I

especificación y en consecuencia el correspondiente porcentaje de

defectuosos pI y pS, del lote es más pequeño (véase figura).

10. Precisamente con uno o ambos índices, según se tenga una característica de cali-
dad con una o con doble especificación, se estima la correspondiente proporción
de unidades defectuosas en el lote. Para ello en la tabla 12.16, ubicar la intersección
del renglón correspondiente a ZEI o ZES y al tamaño de muestra del plan de
inspección; el valor encontrado en tal intersección corresponde a la estimación del
porcentaje de defectuosos del lote de lado inferior, pi, o del lado superior, pS, res-
pectivamente.

11. Decisión de aceptación o rechazo:

• Para variables con sólo especificación inferior. Aceptar el lote si pi es menor c

igual que M. En caso contrario rechazarlo.
• Para variables con sólo especificación superior. Aceptar el lote si ps es menor c
igual que M. En caso contrario rechazarlo.
• Para variables con doble especificación. Aceptar el lote si la suma del porcentaje
inferior más el superior, p = pi + ps, es menor o igual que M. En caso contrario
rechazar el lote.

28
Manual de Calidad I

Tabla 2.8 Tabla Letra Código MIL STD 414.

EJERCICIO:
1.-Suponga un inspección normal, MIL STD 414 , el método de la desviación estándar y ,
ésta desconocida, además desconocida, además de la letra código D y NCA de 1.5% y
una especificación inferior de 200g
a)Si el tamaño de lote N=40, encuentre el plan apropiado
b)Determine si el lote es aceptado o rechazado, dado que los resultados de inspección
fueron los siguientes 204,212,199,209 y 208 g.
c)Que nivel de inspección se uso?

29
 Tabla 2.9 Inspección Normal y Severa MIL STD 414

30
Manual de Calidad I
Manual de Calidad I

Tabla 2.8 Tabla pi y ps para MIL STD 414

31
Manual de Calidad I

32
Manual de Calidad I

Control Estadístico de Calidad

El Control Estadístico de la Calidad aplicación de técnicas estadísticas a procesos

industriales, administrativos y/o servicios con objeto de comprobar si todas sus partes
cumplen unas ciertas exigencias de calidad y ayudar a reducir su variabilidad.

3.1 Introducción a la C.E.P.

Cuando se habla de estadística, tal vez no es de su agrado puede pensar que

aburrida o tal vez difícil, sin embargo, quizás cree que no es importante y que es aburrida,
o tal vez difícil.

Pero la se usa en forma cotidiana. El conocer como se usa la estadística puede

ahorrarnos una cantidad considerable de dinero. En el momento que usted decida
comprar algún bien o servicio requiere de información necesario tal como el precio. Por
ejemplo si requiere comprar un auto tendrá que cotizar entonces a veriguar el promedio
de los autos. Este valor (precio promedio) es estadística.

En el momento que usted hace un comparativo de productos y servicios requiere hacer

uso de esta herramienta tan importante.

El uso de la estadística en los deportes es indispensable por ejemplo: En el Futbol se

puede obtener puntajes en cuanto a partidos que se ganan o se pierden , el promedio
de goles de cierto equipo etc. Sin la estadística es imposible saber cuál es el mejor
equipo o los mejores jugadores.

La estadística es el estudio de los datos cuantitativos de la población, de los recursos

naturales e industriales, del tráfico o de cualquier otra manifestación de las sociedades
humanas.

Estos datos pueden ser producto de un proceso, y en la información recolectada se

puede presentar una variación , es decir del conjunto dado, los elementos difieren entre
sí.

Si analizamos el ejemplo de un equipo de primera división que juega fútbol, le

preguntaría, ¿obtiene el equipo los mismos resultados cada vez que juega?.

Esto es imposible ademas parecería un deporte tedioso. Algunas veces el equipo tendrá
fracaso y en otras ocasiones se tendrá éxito. En lo general se espera que los resultados
sean favorables, pero no siempre será así debido a que la probabilidad de que sea igual
es mínima.

En un proceso de producción se buscará hacer piezas iguales , sin embargo habrá

diferencias entre ellas pueden ser mínimas o pueden ser considerables.

33
Manual de Calidad I

Pero se requiere tener una herramienta que nos diga que tan diferentes son las piezas
entre sí esta herramienta es:

“CONTROL ESTADÍSTICO DE PROCESO”

Por ejemplo, un agricultor tiene lechugas en su parcela si el las ordena por grupos de
acuerdo a sus peso, puede observar que el número de lechugas es mayor en los grupos
de peso promedio y va reduciendo conforme son mas pequeñas al igual que si son mas
pesada. A través de la imagen 3.1 usted puede observar la tendencia.

Figura 3.1. Curva de Distribución Normal (a) Distribución de las Lechugas según peso
(b) Curva típica de Distrobución Normal o campana Gauss

Esta tendencia igual para casi todad las cosas: pesos , tamaño , alturas , etc. Esta
tendencia se conoce como “Curva de Distribución Normal “ o “Campana de Gauss”.
Cuando existen diferencia como estas se dice que tenemos una “variación normal”.

Por ejemplo que pasaría si la parcela del agricultor no es regada de alguna zona o no
recibe el fertilizante suficiente, probablemente las lechugas crecidas en esa sección
serían muy diferentes a las demás. Esta situación sale fuera del proceso normal por lo que
la curva de distribución mostraría una “variación anormal”. Esto quedaría representado
en una curva como la que se muestra en la figura 2.

Figura 3.2. Curva de distribución con “variación anormal”

3.2 Estadistícas Vs. Parametros

La diferencia es que las medidas númericas descriptivas de una población se denominan

parametros aquellas que son obtenidas de una muestra se denominan estadísticos. En la
figura 3 se puede observar la nomenclatura de los parámetros y los estadísticos.

34
Manual de Calidad I

Figura 3.3 Representación gráfica de una población y una muestra

3.3. Medidas de Tendencia Central

Con las mediciones de una característica de calidad, el primer aspecto para investigar si
el proceso cumple con las especificaciones es conocer la tendencia central de los datos,
para así saber si el proceso esta centrado, es decir saber si la tendencia central de la
variable de salida es igual o esta muy próxima al valor especificado. Para ello es
necesario conocer el promedio o media, la mediana y la moda. Dato utilizados con
mayor frecuencia.

3.3.1. Promedio o Media

La distribución normal tiene un promedio que se encuentra en el centro de la

curva. El promedio o media es un cálculo sumamente útil en estadística. Aunque no se dé
cuenta hablamos de promedio o la “media” todo el tiempo, altura promedio, peso
promedio, costo promedio, etc.

Lo más importante en el uso del promedio es la simplificación de un grupo de números en

uno solo. En la figura 4, se observa el valor de la media sobre una curva de distribución
normal.

EL PROMEDIO NOS DICE LO QUE CADA RESULTADO SERÍA SI TODOS LOS DATOS FUERAN
IGUALES

35
Manual de Calidad I

Figura 3.4 Representación de la media en una curva de distribución normal

Esta medida de tendencia central es obtenida sumando las observaciones y

dividiendolo entre el número de observaciones. Se representa con una x minúscula
testada. Cuando se habla de una poblacion o media del proceso se representa con μ.

___
x1 + x2 + x3 + xn
X =
n
En algunos procesos se obtienen datos los cuales la magnitud es muy diferente a la
generalidad de las mediciones del correspondiente conjunto de datos a este se le llama
dato raro o atípico.

3.3.2. Mediana o percentil 50

Medida de tendencia central que es igual al valor que divide a la mitad a los datos
cuando estos son ordenados de menor a mayor. Si el número de datos es par entonces la
mediana se calcula dividiendo entre dos la suma de los números que están en el centro
del ordenamiento.

Por ejemplo la mediana del los grosores de cierta lamina es de 5 mm , lo que quiere decir
que el 50% de las láminas de la muestra son menores o iguales a 5 mm y que el otro 50%
son mayores o iguales a 5 mm. La mediana es representado por x con una tilde como la
de la letra ñ.

X~

3.3.3. Moda

Medida de tendencia central que es igual al dato que ocurrió más número de veces, si
hay dos datos que se repiten igual de veces entonces se dice que existen 2 modas o es
bimodal e inclusive si es mas de dos entonces decimos que la muestra es multimodal.

3.3.4. Las medidas de tendencia central son insuficientes como criterio de calidad

¿Por qué?

36
Manual de Calidad I

Estas medidas son insuficientes como criterio de calidad ya que no nos dan idea de que
tan dispersos son los datos.

3.3.5. Cuantiles

Los cuantiles son valores de la distribución que la dividen en partes iguales, es decir, en
intervalos, que comprenden el mismo número de valores. Los más usados son los cuartiles,
los deciles y los percentiles.

Cuartiles: Sirven para separar por magnitud la distribución de unos datos en 4

grupos. Son iguales a los percentiles 25,50 y 75 .

Las posiciones de los cuartiles se calculan de acuerdo a las siguientes ecuaciónes

donde n es la cantidad de datos de la muestra.

Q1 = 0.25(n +1)
Q2 = 0.50(n +1)
Q3 = 0.75(n +1)

Deciles: Sirven para separar por magnitud la distribución de unos datos en 10

grupos. Son iguales a los percentiles 10, 20 , 30 , 40, 50 , 60 ,70, 80, 90. Las
posiciones de los deciles se calculan de acuerdo a la siguientes ecuaciónes
donde n es la cantidad de datos de la muestra.

Q1 = 0.10(n +1)
Q2 = 0.20(n +1)
Q3 = 0.30(n +1)
Q4 = 0.40(n +1)
Q5 = 0.50(n +1)
Q6 = 0.60(n +1)
Q7 = 0.70(n +1)
Q8 = 0.80(n +1)
Q9 = 0.90(n +1)

Percentiles: Medida de Localización que proporciona puntos o valores que

separan los datos por su magnitud en porcentajes.

La ecuación para obtener cualquier percentil esta descrita de la siguiente

manera. Donde P es el percentil i-ésimo, p es el percentil deseado dado en
porcentajes y n es el tamaño de la muestra.

p
P= (n +1)
100

3.4. Medidas de Dispersión o Variabilidad

37
Manual de Calidad I

3.4.1.1. Desviación estándar muestral

Es la medida mas usual de variabilidad. Mide que tan esparcidos están los datos respectos
a la media. La ecuación para obtener la desviación esta dada por la siguiente ecuación
donde S es la desviación estandar muestral , xi es el valor de cada una de las
observaciones de la muestra y x testada es la media muestral.

S=
(x1 − X )2 + (x2 − X )2 + (x3 − X )2 + ... + (xn − X )2
n −1

3.4.1.2. Desviación estándar del proceso

Refleja la variabilidad de un proceso. Para su calculo se debe utilizar un número grande

de datos que hayan sido obtenidos en un lapso amplio de tiempo (por lo menos una
semana). Se denota con la letra griega sigma σ. Donde Xi es el valor de cada una de las
observaciones y μ es la media del proceso y N es la cantidad de observaciones
obtenidas en el proceso.

σ=
(x1 − µ )2 + (x2 − µ )2 + (x3 − µ )2 + ....(x N − µ )2
N

3.4.2. Rango (R)

“El rango es la diferencia que existe entre el número mayor y el menor de una muestra de
medidas.”

Para calcular el rango tomamos el número menor en la muestra y se lo restamos al mayor

en esta muestra.

R = Vmax−Vmin

Importancia del Rango:

¿Qué tan importante es el Rango?

Si usted no sabe nadar, ¿puede entrar en un lago que tiene una profundidad promedio
de 60 cm?

Probablemente va a decir, "Sí", pero, aunque el promedio sea 60 cm, quizás se ahogue.

La razón es: si el agua tiene una profundidad de 60 cm, es posible que el rango de
profundidades varíe de 2 cm a 1200 cm. El hecho de que la profundidad tenga un
promedio de solamente 60 cm no significa que el lago entero tiene una profundidad de
60 cm pareja.

3.4.3. Coeficiente de variación

38
Manual de Calidad I

Medida de variabilidad que se obtiene al dividir la desviación estándar entre la media y

es útil para comparar la variación de dos o más variables que están medidas en diversas
escalas.

Por ejemplo metro Vs centímetro

S
CV = (100)
X
3.4.4. Relación entre la media y la desviación estándar

Una forma de apreciar más claramente el significado de la desviación estándar como

medida de dispersión en torno a la media, es a través de la relación entre la media y la
desviación estándar la cuál esta dada por la desigualdad de Chebyshev y la regla
empírica. Dos hechos particulares de la desigualdad de Chebyshev es que entre :

X − 2S
X + 2S

están por lo menos el 75% de los datos de la muestra , y que entre :

X − 3S
X + 3S

están por lo menos el 89% de los datos de la muestra.

En cuanto a la regla empírica afirma que muchos de los datos que surgen en a práctica
se ha observado por la experiencia que:

X ± S ⇒ 68%
X ± 2 S ⇒ 95%
X ± 3S ⇒ 99.7%

3.4.5. Límites Reales o Naturales

Los límites reales o naturales de un proceso indican los puntos donde varía la salida de un
proceso y se obtienen de la siguiente manera:

LRI = µ − 3σ
LRS = µ + 3σ

3.5 Diagramas Gráficos

Los diagramas gráficos son la representación de los datos en forma de diversos

diagramas tales como:

39
Manual de Calidad I

1. Histograma
2. Diagrama Hoja y Tallo
3. Diagrama de puntos
4. Diagrama de Caja

3.5.1. Histogramas

El objetivo de la herramienta es identificar, por medio de gráficas, la frecuencia

con que se presentan situaciones o datos para su mayor entendimiento y comprensión.

Los datos que se obtienen durante una inspección son números, y cuando estos
son muchos, es difícil interpretar lo que significan; para eso se requiere de la ayuda de
alguna herramienta estadística que permita analizar el comportamiento de los datos. Para
este propósito podemos utilizar los histogramas.

Los histogramas son distribuciones de frecuencia. Esto significa que los histogramas
presentan la frecuencia con la que ocurren una serie de datos, fenómenos o situaciones
que hacen que los datos varíen. Una distribución de frecuencias nos permite determinar
cuántos datos se encuentran entre dos límites.

Los histogramas son útiles para entender de una forma fácil el comportamiento de
los datos. Ya que con un histograma podemos agrupar y organizar los datos de tal
manera que tengan un significado gráfico fácil de interpretar.

Metodología

La elaboración de un histograma (o histograma de frecuencias como también se les

llama) es un proceso que comienza con:

a) El ordenamiento de los datos que tenemos, los podemos ordenar de menor a

mayor.
b) Luego se obtiene el rango de los números, como ya sabemos, esto se hace
restando el dato del valor más pequeño al dato más grande.
c) Una vez que se tiene el rango entonces se debe decidir en cuántos
intervalos se clasificarán los datos, el número de intervalos recomendado es entre
5 y 20. A continuación se presenta una tabla que nos puede guiar en la selección
del número de intervalos según la cantidad de datos que tenemos:

Número de Datos Cantidad de Intervalos

Hasta 50 5-7
51-100 6-10
101-250 7-12
Mas de 250 10-20

Otra metodología es obtener la raíz cuadrada de la cantidad de datos, y

redondear la cantidad de intervalos.

d) Calcular el ancho de clase, y esto se hace dividiendo el rango entre el número

de intervalos que seleccionamos, si el número da fraccionario entonces lo
redondearemos a la cantidad

40
Manual de Calidad I

R
AC =
I

e) Calcular el valor inferior de el primer intervalo, que se hace tomando el dato

más pequeño y restándole a este la mitad de la unidad mínima de medición; esto
es si el dato más pequeño es 200 centímetros, entonces, como la unidad de
medición más pequeña que se utiliza es el centímetro, se divide un centímetro
entre dos lo que da 0.5 centímetros, entonces el límite inferior de el primer intervalo
será 200 - 0.5 =199.5 centímetros.

f) Determinar los límites de los intervalos, y esto se hace sumando el límite inferior
del primer intervalo más el ancho de clase y se obtendrá el límite superior del
primer intervalo, luego este último se convertirá en el límite inferior del segundo
intervalo, y a este se le vuelve a sumar el ancho de clase para obtener el límite
superior del segundo intervalo; y así sucesivamente hasta llegar al último intervalo
donde su límite superior debe de ser mayor al dato más grande que se tiene en la
lista de datos, de no ser así, redondear este límite para que sea un poco superior al
dato más grande, al igual se puede sumar la mitad de la unidad mínima de
medición.

g) Tabla de conteo . La tabla de conteo de hara de la siguiente manera:

CLASES FRECUENCIA
A-B ///// /////
B-C ///// ///
C-D ///// ///// ///// /////
D-E ///// ///// ////
E-F ////// ////

El histograma, en el cual se va a tener una recta horizontal en la parte inferior,

donde se encuentran los valores de las clases y otra recta vertical, en donde se
referenciará la frecuencia de cada clase

h) Para obtener más información puede aproximar el histograma a una curva, y

esto se hace trazando una línea desde el punto donde se cruzan los ejes hasta la
mitad de la parte superior de la primera barra, a continuación se siguen trazando
líneas entre las mitades de las partes superiores de las barras hasta trazar la línea
de la última barra, esta se termina en el eje horizontal.

Con esto se puede comparar los resultados del histograma con la curva normal.

En la figura 5 se observa un ejemplo de un histograma realizado en el software de

Minitab V. 15.0.

41
Manual de Calidad I

Figura 3.5 Ejemplo Histograma

Análisis de Histograma

El histograma resultante puede ser de diversas formas, alguna de ellas pueden ser:
Centrado y con poca variabilidad, descentrado y con poca variabilidad, centrado y con
mucha variabilidad, descentrado y con mucha variabilidad, con sesgo, bimodal o dos
realidades, achatado (Plano), acantilado derecho, etc. En la figura 3.6 se observan
algunas figura típicas de los histogramas.

Figura 3.6 Alguna formas típicas de Histogramas

42
Manual de Calidad I

3.5.2 Diagrama Hoja y Tallo (Stem-and-Leaf Diagram)

Es una manera muy simple de resumir un conjunto de datos y también define la forma
que tienen los datos. El procedimiento se trata de dividir los datos en dos partes: un tallo
que consta de uno o dos dígitos que están en el extremo izquierdo y la hoja que consta
del siguiente dígito significativo.

Cada renglón del diagrama de tallos y hoja contiene todos los elementos de la muestra
con un tallo dado.

A continuación se presenta el diagrama Hoja y Tallo para el ejemplo1:

Ejemplo Diagrama de Hoja Y Tallo

Tallo Hoja
4 2
4 59
5 0111133
5 556678
6 0
6 67789
7 012334
7 555556666699
8 000012223444
8 56668
9 013

Figura 3.7 Ejemplo de Diagrama de Hoja y Tallo

43
Manual de Calidad I

3.5.3. Diagrama de Puntos

El diagrama de puntos es un grafico que se puede usar para tener una impresión
aproximada de la forma de la muestra. Es útil cuando el tamaño de la muestra no es
demasiado grande y cuando la muestra tiene algunos valores repetidos.

Anexo se encuentra un ejemplo del diagrama de puntos elaborado en la herramienta de

Minitab 15.0.

Diagrama    de  Puntos

40 50 60 70 80 90

Datos

Figura 3.8 Ejemplo de Diagrama de Puntos

EJERCICIO:

1.- En una fábrica de piezas de asbesto una característica importante de la calidad es el

grosor de las láminas. Para cierto tipo de lámina el grosor óptimo es de 5 y con una
discrepancia tolerable de .8mm. De acuerdo al turno del día de hoy se obtuvieron las
siguientes mediciones:

4.8 4.3 5.1 4.6 5.0

4.7 5.7 5.3 4.9 4.7
4.9 4.1 5 4.9 4.9

a)Obtenga la media muestral , mediana y moda

b)Obtenga el Rango, Desv Estd y Varianza
c)Obtenga los cuartiles
d)Cual sería el 70º. Percentil?
e)Elabore el diagrama de Caja

2.- En un área de servicios dentro de una empresa de manufactura se hace una

encuesta para evaluar la calidad del servicio proporcionado y el nivel de satisfacción de
los clientes internos. La encuesta consiste de 10 preguntas , donde cada una de ellas

44
Manual de Calidad I

evalúa diferentes aspectos del servicio proporcionado. Las respuestas para cada
pregunta es un número entre 0 y 10 . Para hacer un primer análisis de los resultados
obtenidos , se suman los puntos obtenidos de las primeras 10 preguntas para cada
cuestionario. A continuación se muestran los puntos obtenidos para 50 cuestionarios.

78 78 82 85 81 86 73 80
68 84 75 78 76 76 85 82
70 87 77 82 84 48 39 49
35 42 34 44 49 34 43 30
41 42 45 42 35 38 42 39

A)CALCULE LAS MEDIDAS DE TENDENCIA CENTRAL

B)CALCULE LAS MEDIDAS DE DISPERSION
C) REALICE EL DIAGRAMA DE PUNTOS
D) REALICE EL DIAGRAMA DE HOJA TALLO
E) ELABORE EL HISTOGRAMA
F) ELABORE EL DIAGRAMA DE CAJA
G) SI LAS ESPECIFICACIONES FUERA 70 MAS MENOS 10 CUALES SERIAN LO LIMITES REALES
BOSQUEJE SU CURVA DE DISTRIBUCION NORMAL

45
Manual de Calidad I

3.5.4. Diagrama de Caja

Un diagrama de caja constituye una grafica que incluye la mediana, el primero y el

tercer cuartil y cualquier dato atípico que se presente el al muestra.

Los diagrama de caja son fáciles de comprender, pero hay una pequeña terminología
asociada con ella.

El rango intercuartil es la diferencia entre el tercer y el primer cuartil. Debido a que 75% de
los datos son menores que el tercer cuartil y que 25% de los datos son menos que el primer
cuartil. Por tanto el rango intercuartil representa la distancia necesaria para atravesar la
mitad de los datos de en medio.

Pasos para elaborar un diagrama de caja:

1. Calcule la mediana, el primer y tercer cuartil de la muestra (Q1, Q2 y Q3).

2. Indique estos con líneas horizontales.
3. Dibuje líneas verticales para completar la caja.
4. Obtenga el Rango Intercuartil (IQR).
5. Encuentre el valor de la muestra mas grande que no este a mas de 1.5 IQR arriba
del tercer cuartil y el valor de la muestra mas pequeña que no este a mas de 1.5
IQR debajo del primer cuartil.
6. Extienda líneas verticales (“bigotes”) desde las líneas de los cuartiles a estos
puntos.
7. Puntos mas de 1.5 IQR arriba del tercer cuartil o a mas de de 1.5 IQR por debajo
del primer cuartil, se denominan datos atípicos.
8. Dibuje cada tipo atípico por separado.

Diagrama  de  Caja

100 Punto de datos mas
Datos x   cercano a una
Atípicos distancia de 1.5 IQR
90
del tercer cuartil
Tercer
Cuartil
80

Mediana
70

Primer
60
Cuartil Punto de datos
mas cercano a
50 una distancia de
1.5 IQR del
primer cuartil
40 x  

Figura 3.9 Ejemplo de Diagrama de Caja

46
Manual de Calidad I

3.5.5. INFERENCIA ESTADISTICA

La estadística inferencial es cuando de los datos estadísticos obtenidos de una

muestra se infiere o se deduce una observación la cuál se generaliza sobre la
población en total. Para determinar la confiabilidad de la inferencia de los datos
estadísticos de una muestra, se hace necesario comprobar la misma para poder
asegurar que lo que se observa en una muestra se observará también en la población.
Por lo tanto, esto requiere utilizar técnicas, cómputos y análisis estadísticos más
avanzados con los datos estadísticos obtenidos de la muestra para así confirmar la
veracidad de las inferencias que se haga sobre la respectiva población a que
corresponde la muestra. Generalmente el análisis estadístico inferencial se lleva cabo
para mostrar relaciones de causa y efecto, así como para probar hipótesis y teorías
científicas.

Distribuciones a utilizar en la Inferencia estadística:

T Student F

Ji Cuadrada Z (Normal)
Figura 3.10 Curvas de Distribución T,F , Ji, Z

47
Manual de Calidad I

3.5.5.1. Tipos de Muestra

MUESTRA: la muestra es un subconjunto fielmente representativo de la población. Hay

diferentes tipos de muestreo. El tipo de muestra que se seleccione dependerá de la
calidad y cuán representativo se quiera sea el estudio de la población.

a. ALEATORIA - cuando se selecciona al azar y cada miembro tiene igual

oportunidad de ser incluido.
b. ESTRATIFICADA - cuando se subdivide en estratos o subgrupos según las
variables o características que se pretenden investigar. Cada estrato debe
corresponder proporcionalmente a la población.
c. SISTEMÁTICA - cuando se establece un patrón o criterio al seleccionar la
muestra. Ejemplo: se entrevistará una familia por cada diez que se
detecten.

3.5.5.2 Estimación Puntual .

X = µˆ
S 2 = σˆ 2

3.5.5.3 Intervalo de Confianza

€

48
Manual de Calidad I

3.5.5.4 Pruebas de Hipotesis

Estadísticos de Prueba
𝑿 − 𝝁𝒐
𝒁𝒐 =
𝑺/ 𝒏
𝑿 − 𝝁𝒐
𝒕𝒐 =
𝑺/ 𝒏
𝒏 − 𝟏 𝑺𝟐
𝝌𝒐 =
𝝈𝟐𝒐

Comparación de 2 máquinas

to =
X −Y     Criterio  de    rechazo  
⎛ 1
Sp ⎜⎜
⎞ ⎛ 1
⎟⎟ + ⎜
⎞
⎟ HA:µ1≠µ2   |𝑡! | > 𝑡!,!!!!!!!  
⎝ n x
⎜
⎠ ⎝ n y
⎟ !
⎠
HA:µ1>µ2   𝑡! > 𝑡!,!!!!!!!    
!

S =2
(n x − 1)S x 2 + (n y − 1)S y 2 HA:µ1<µ2   𝑡! < 𝑡!,!!!!!!!  
p
nx + n y − 2 !
 

EJERCICIOS:

1.- En una muestra aleatoria de 100 baterías producidas por cierto método , el promedio
de tiempo de vida fue de 150 horas y la desviación estándar de 25 horas.

a) Determine le intervalo de confianza de 95% para la media del tiempo de vida de

las baterías producidas por este método
b) Un ingeniero afirma que la media del tiempo esta entre 147 y 153 horas ¿Con que
nivel de confianza se puede hacer esta afirmación?

2.- Antes de que una sustancia se pueda considerar segura para enterrarse como
residuos se deben caracterizar sus propiedades químicas químicas, en un artículo se
notifica que en una de seis muestras de lodo de una planta e tratamiento de agua
residual de Nueva Hampshire , la media pH era de 6.68 con desviación estándar de 0.20
¿Se puede concluir que la media del PH es menor a 7.0?

Ho: µ≥7.0 contra µ<7.0

49
Manual de Calidad I

Tabla 3.1 Distribucion Normal

50
Manual de Calidad I

Tabla 3.2 Distribucion Normal Cont.

51
Manual de Calidad I

Tabla 3.3 Distribucion T Student

52
Manual de Calidad I

Tabla 3.4 Distribucion Ji Cuadrada

53
Manual de Calidad I

3.6. HABILIDAD DE UN PROCESO

Se dice que un proceso es hábil cuando la variación real del proceso (límites de control)
es menor que la variación permitida por Diseño, la cual está definida por los límites de
especificación.

Definiendo la habilidad del proceso en términos numéricos, se

dice que un proceso es hábil si:

± 3σ el 99.73% de los datos cumplen con la especificación.

± 4σ el 99.99% de los datos cumplen con la especificación.

Entonces, se dice que un proceso es hábil, cuando además de estar dentro de

control estadístico, cumple con las especificaciones de Ingeniería.

Lo deseable es que los procesos presenten poca variación y que ésta se presente
lo más centrada posible respecto a los límites de especificación, ya que si se presenta
cargada hacia alguno de los límites de especificación, esto aumenta el riesgo de que en
cualquier momento, el proceso pueda salirse de la especificación.

¿PARA QUÉ SIRVE LA HABILIDAD DE PROCESO?

La habilidad de proceso es útil para mostrar la condición del proceso, ya sea hábil
o no; y de esta forma poder controlar y mejorar nuestro proceso productivo para obtener
productos de mejor calidad.

54
Manual de Calidad I

3.5.1. INDICES DE CAPACIDAD EN EL PROCESO

Tabla 3.5. Los índices Cp, Cpi y Cps en términos de piezas malas (corto plazo); bajo la
normalidad y el proceso centrado en el caso de doble especificación.

Cpi : Indica si el proceso cumple con la especificación inferior de una

Proceso con una especificación característica de calidad.

µ − EI
C pi =
3σ

Cps : Mide la manera en que el proceso cumple con la especificación

superior de una de las variables de salida.

ES − µ
C ps =
3σ
Proceso con doble especificación Cp ( Índice de Capacidad Potencial): Compara el ancho de las
especificaciones o variación tolerada para el proceso con la amplitud de
la variación real del proceso e indica la capacidad potencial.
ES − EI
Cp =
6σ

Cp ≥ 2 Clase Mundial (Calidad 6σ)

Cp>1.33 Clase 1 (Adecuado)
1<Cp<1.33 Clase 2 (Parcialmente Adecuado)
0.67<Cp<1 Clase 3 (No adecuado para el trabajo. Reestructurar)
Cp<0.67 Clase 4 No adecuado

Cr (ïndice de Razón de capacidad Potencial): Es la comparación entre la

variación real y la tolerancia. Representa la proporción de la banda de
especificaciones que 6σ es cubierto por el proceso.
Cr =
ES − EI

Cpk (ïndice de Capacidad Real) : Evalúa la capacidad real de un

proceso, tomando en cuenta dos especificaciones, la variación y el
centrado del proceso.

C pk = Min (Cpi , Cps )

Z (Métrica Seis Sigma) : Mide el numero de sigmas con el que se

desempeña el proceso. La meta es tener 6σ.

ES − µ
Zs = = 3C ps
σ
µ − EI
Zi = = 3C pi
σ
K (índice de centrado del proceso) : Es una medida especializada para
evaluar el centrado en términos relativos y porcentuales
µ−N
K= ×100
1 (ES − EI )
2

Cpm ( Índice de Taguchi ): Similar al Cpk que toma en cuenta en forma

simultanea el centrado y la variabilidad del proceso
ES − EI
Cpm =
6τ
τ = σ 2 + (µ − N )

55
Manual de Calidad I

Tabla 3.6. Interpretación del índice Cp

Valor Cp Clase o Categoría del Proceso Decisión

Cp>2 Clase mundial Se tiene calidad Seis Sigma

Cp > 1.33 1 Adecuado

1 < Cp < 1.33 2 Parcialmente adecuado. Requiere

de un control estricto
0.67 < Cp < 1 3 No adecuado para el trabajo. Un
análisis del proceso es necesario,
Requiere de modificaciones serias
para alcanzar una calidad
satisfactoria
No adecuado para el trabajo .
Cp < 0.67 4
Requiere modificaciones serias

1.-Si el Cpk < CP, entonces una vez que se centre el proceso se tendía la clase de proceso que se señala.
2.-Para procesos con una sola especificación, el valor mínimo de Cp, o Cps debe ser mayor que 1.25, en lugar de 1.33, para considerar el proceso
adecuado.
3.-Si se utiliza el índice Z como índice de capacidad, entonces los valores mínimos que éste debe tomar para cada una de las categorías indicadas
del procesó sé "obtienen multiplicando el correspondiente valor por 3; así,
para tener procesos con categoría adecuada se requiere que tanto Zs como Z¡ sean mayores que 4 y para Seis Sigma mayores que seis.

Tabla 3.7. Los valores Cp , Cpi y Cps en términos de la cantidad de piezas malas (corto
plazo) bajo normalidad y procesos centrado en el caso de doble especificación.

Valor del Proceso doble especificación Con referencia a una sola especificación
(índice Cp) (Cpi , Cps y Cpk)
índice % fuera de Partes por millón fuera % fuera de especificaciones Partes por millón fuera
especificaciones
0.2 54.8506% 548506.130 27.4253% 274253.065
0.3 36.8120% 368120.183 18.4060% 1 84 060.092

0.4 23.0139% 230139.463 1 1 .5070% 115069.732

0.5 13.3614% 133614.458 6.6807% 66 807.229

0.6 7.1861% 71 860.531 3.5930% 35 930.266

0.7 3.5729% 35728.715 1 .7864% 17864.357

0.8 1 .6395% 16395.058 0.8198% 8197.529

0.9 0.6934% 6 934.046 0.3467% 3467.023

1.0 0.2700% 2 699.934 0.1350% 1 349.967

1.1 0.0967% 966.965 0.0483% 483.483

1.2 0.0318% 318.291 0.0159% 159.146

1.3 0.0096% 96.231 0.0048% 48.116

1.4 0.0027% 26.708 0.0013% 13.354

1.5 0.0007% 6.802 0.0003% 3.401

1.6 0.0002% 1.589 0.0001% 0.794

1.7 0.0000% 0.340 0.0000% 0.170

1.8 0.0000% 0.067 0.0000% 0.033

1.9 0.0000% 0.012 0.0000% 0.006

2.0 0.0000% 0.002 0.0000% 0.00

56
Manual de Calidad I

3.6 CARTAS DE CONTROL

Es una gráfica que sirve para observar y analizar con datos estadísticos la variabilidad y el
comportamiento de un proceso a través del tiempo.

Límites de control
Los límites en una carta de control es que estos nos son las especificaciones,
tolerancias o deseos para el proceso. Por el contrario estos se calculan a partir de una
variación del estadístico (datos)) que se representa en la carta. De esta forma, la clave
esta en establecer los límites para cubrir cierto % de la variación natural del procesos, pero
se debe tener cuidado que tal procesos sea el adecuado ya que si es demasiado alto
(99.999999%) los límites serán muy amplios y será mas difícil detectar los cambios en el
proceso, al contrario si el % es pequeño, los límites serán demasiado estrechos, con los que
se incrementará el error tipo 1 (decir que hubo un cambio cuando no lo hubo).

Cartas de Control de Shewart

Tipo de gráficas de control en donde sus límites se calculan con:

LCI=µw-3σ
LCS=µw+3σ

Hay dos formas de entender la variabilidad del proceso:

a) la variabilidad e inherente en un tiempo específico que se puede como una foto

instantánea de la variabilidad
b) la variabilidad a través del tiempo

Básicamente las cartas de control son útiles para estudiar la variabilidad a través del
tiempo.

Para mejorar procesos se requieren 3 actividades:

1. Estabilizar los procesos (lograr control estadístico), mediante la identificación de

causas especiales
2. Mejorar el procesos del mismo , reduciendo la variación debida a causas comunes
3. Monitorear el proceso para asegurar que las mejoras se mantiene y detectar
opciones adicionales de mejora.

Causas comunes y especiales de variación

Los procesos siempre tienen variaciones, ya que en todos los procesos existen factores
sintetizados a través de las 6M´s

2 tipos de variación:

Variación por causas comunes:

Es aquella que permanece día a día, lote a lote y la aportan en forma natural las
condiciones de las 6 Ms

• Tipo de materiales

57
Manual de Calidad I

• Condiciones de operación
• Métodos de trabajo

Por ello será necesario realizar un análisis o un plan que diagnostique las verdaderas
causas de fondo.

“ESTAS VARIACIONES ESTAN EN CONTROL ESTADISTICO”

Variación por causas especiales:

Es causada por situaciones especiales que no son permanentes en el proceso

• Mal funcionamiento de una pieza de una máquina

• Empleo de materiales no habituales

“ESTAS VARIACIONES NO ESTAN EN CONTROL ESTADISTICO”

Control estadístico: Estado de un proceso que trabaja solo con causas comunes de
variación. La variación a través del tiempo es estable y predecible

El no saber distinguir entre estos 2 tipos de errores nos lleva a 2 tipos de errores:

Error 1
Reaccionar ante un cambio o variación como si proviniera de una causa especial,
cuando en realidad surge de lago mas profundo en el proceso, como son las causas
comunes de variación

Error 2
Tratar un efecto o cambio como si proviniera de causas comunes de variación cuando
en realidad viene de una causa especial.

Estos errores se pueden cometer pero es mejor tratar de reducirlos una herramienta de
apoyo son las cartas de control ideadas por el Dr. Walter Shewart (1924).

3.6.1. CARTAS DE CONTROL PARA VARIABLES

Diagramas que se aplican a variables o características de calidad de tipo continuo

(pesos, volúmenes, longitudes, etc.)

Las cartas para variables tipo Shewart más usuales son:

1. X (de promedios)
2. R (de Rangos)
3. S (De desviaciones estándar)
4. X (Medidas individuales

CARTA X −R

58
Manual de Calidad I

Diagrama para variables que se aplican a procesos, en donde en forma periódica se

obtiene una muestra o subgrupo de productos, se mide y se calcula la media X y el rango
R para registrarlos en la correspondiente carta.

Límites de control para carta X

Reflejan la variación esperada para medias muéstrales:

LCS = X + A 2 R
LIC = X - A 2 R
LíneaCentral = X

Límites de control para carta “R”

En esta carta se detectan los cambios en la amplitud de variación del proceso

LCS = RD4
LCI = RD3
Línea Central = R

Cuando el subgrupo es mayor o igual a 10, se estima σ a través de la medida de las

desviaciones estándar de cada subgrupo.

Si n>10 se recomienda utilizar la carta X-S en lugar:

S
LCS = S + 3 1- C4
C4
S
LCI = S - 3 1- C4
C4
LCI = S

59
Manual de Calidad I

EJERCICIO CARTAS DE CONTROL X.-R

En una empresa del ramo metal-mecánico se fabrican punterías, en particular el cuerpo
de cierta puntería debe tener un diámetro exterior de 0.02 m (2.0 crn), con tolerancia de
±25µm (1µm es igual a 0.000001 m).

.De esta forma la especificación o tolerancia inferior es El =19 975/µm y la superior ES = 20

025µm, con un valor nominal de 20 ,000µm. En estos casos de números con muchas cifras,
es usual restarle a las mediciones de producto una constante igual al valor nominal, si
hacemos esto en el caso del diámetro de la puntería, entonces el resultado de la resta
debe estar dentro de ±25 µm, y ahora el valor nominal será cero; por lo que El = -25, y ES =
25.
En una de las últimas etapas del proceso de fabricación de las punterías, cada hora se
mide el diámetro de 5 punterías, en la tabla se aprecian los datos de 4 turnos (dos días).

Mediciones
Muestra u
SubGrupo M1 M2 M3 M4 M5 Media Rango Desv Std
1 -21 -5 21 3 -12 -2.8 42 16.0
2 4 3 7 22 -18 3.6 40 14.3
3 -13 7 -11 -7 7 -3.4 20 9.7
4 15 7 26 7 -4 10.2 30 11.1
5 0 13 6 -20 6 1.0 33 12.6
6 1 4 3 9 -10 1.4 19 7.0
7 -4 0 -5 11 2 0.8 16 6.4
8 3 -13 3 -13 9 -2.2 22 10.2
9 7 0 5 11 4 5.4 11 4.0
10 17 3 2 -23 -4 -1.0 40 14.5
11 15 -5 2 12 5 5.8 20 8.0
12 5 -1 2 -16 10 0.0 26 9.8
13 1 -2 -4 -16 10 -2.2 26 9.4
14 -13 1 -6 11 4 -0.6 24 9.2
15 2 -4 14 -6 -2 0.8 20 7.9
16 4 2 19 -1 6 6.0 20 7.7
17 6 8 2 9 -4 4.2 13 5.3
18 -22 1 -2 2 -7 -5.6 24 9.8
19 -9 10 -8 -10 -2 -3.8 20 8.3
20 0 -3 -13 14 -3 -1.0 27 9.7
21 7 5 -1 -1 1 2.2 8 3.6
22 10 7 -8 -14 -33 -7.6 43 17.4
23 -14 28 10 0 -2 4.4 42 15.7
24 -19 2 7 12 -9 -1.4 31 12.5
25 10 5 14 -4 4 5.8 18 6.8
26 21 -16 -20 -3 10 -1.6 41 17.3
27 22 -14 -5 -7 5 0.2 36 14.0
28 -1 1 4 -4 17 3.4 21 8.1

60
Manual de Calidad I

29 0 5 6 -19 -7 -3.0 25 10.3

30 2 -19 12 -1 0 -1.2 31 11.2
0.59 26.3 10.3
Media de Promedio de Promedio de
Medias Rangos Desv. Std

61
Manual de Calidad I

62
Manual de Calidad I

Observaciones a hacer frente a una gráfica de promedios y rangos.

Una vez elaborada la gráfica, se requiere identificar cualquier variación anormal

del proceso para evitarla o reducirla y poder definir de quién es la responsabilidad de

63
Manual de Calidad I

llevar a cabo dicha corrección, para ello, es necesario llevar una bitácora para cada
gráfica con el fin de registrar las anomalías que se presenten durante el llenado.

La interpretación del control del proceso es el análisis de los datos registrados en la

gráfica, con el objeto de identificar las fuentes de variación de un proceso. La
interpretación de la gráfica nos debe mostrar si el proceso es estable y si se está
comportando en forma normal.

¿Cómo se hace la interpretación del control del proceso?

a) Desplazamientos o cambios en el nivel de procesos

Representa un cambio en el promedio del proceso o en su variación media y se detecta
cuando uno o más puntos se salen de los límites de control o cuando hay una tendencia
constante y clara a que los puntos caigan de un solo lado de la línea central.

Los criterios usuales:

• 8 o mas puntos consecutivos de un solo lado de la línea central

• Al menos 10 de 11 puntos consecutivos caen de un mismo lado de la línea
central
• Por lo menos 12 de 14 puntos consecutivos ocurren por un mismo lado de la
línea central

b) Tendencias en el nivel de proceso

Representa un desplazamiento paulatino del nivel medio de un proceso y se detecta
mediante una tendencia a incrementarse (o disminuir) los valores de los puntos
consecutivos de la carta.

Los criterios usuales:

• 6 o mas puntos ascendentes o descendentes
• Un movimiento demasiado largo de puntos hacia arriba (o abajo) de la carta de
control aunque no todos los puntos en ascenso o descenso.

c) Ciclos recurrentes
Desplazamiento cíclico de un proceso que se detecta cuando se dan flujos de puntos
consecutivos que tienden a crecer y luego representa un flujo similar pero de manera
descendente en ciclos.

d) Mucha variabilidad
Una señal de que en el proceso hay una causa especial de mucha variación, se
manifiesta mediante la alta proporción de puntos cerca de los límites de control, a ambos
lados de la línea central, y pocos o ningún punto en la parte central de la carta.

e) Falta de Variabilidad
Es una señal de que hay algo especial en el proceso y se detecta cuando prácticamente
todos los puntos se concentran en la parte central de la carta.

64
Manual de Calidad I

CARTA DE INDIVIDUALES

Es un diagrama para variables de tipo continuo que se aplica a procesos lentos y/o
donde hay un espacio largo de tiempo entre una medición y otra.

Por ejemplo:

• Procesos químicos que trabajan por lotes

• Industria de bebidas alcohólicas, en las que deben de pasar desde 1 hasta más de
100 h para obtener resultados de los procesos de fermentaciones y destilación.

! R $
LCI = X - 3 # &
"1.128 %
Linea Central = X
! R $
LCsS = X + 3 # &
"1.128 %

EJERCICIOS:
En la producción de tequila se miden varias características de calidad a lo largo del
proceso ya sea por regulaciones oficiales o por criterios propios de cada empresa. Una de
esas características es el brix residual después de la molienda (cantidad de azúcar que
queda en el bagazo del agave) que mide la eficacia del proceso de molienda. Ésta es
una variable del tipo entre más pequeña mejor, y el valor máximo tolerado que se tiene
en una empresa en particular es ES = 3.5%. Después de moler cada lote se determina el
grado brix residual, por lo que se considera un proceso lento, que será más apropiado con
una carta de individuales. En la tabla se aprecian los datos para los últimos 40 se ha
agregado la columna para el rango móvil de orden 2, que se obtienen del rango entre los
dos datos consecutivos más recientes. A continuación se hará un estudio inicial y se
analizará la estabilidad de los procesos de molienda. Como se aprecia en la tabla la
media y el rango medio fueran 1.95 y 0.43, respectivamente

De aquí que los límites de control preliminares para el brix sean:

65
Manual de Calidad I

22   1.8   0.6  
Lote   Brix  Residual   Rango  Móvil   23   2   0.2  
1   2       24   2.4   0.4  
2   2.4   0.4   25   1.9   0.5  
3   2.2   0.2   26   2.4   0.5  
4   1.4   0.8   27   2.4   0  
5   2.3   0.9   28   1.7   0.7  
6   1.8   0.5   29   1.8   0.1  
7   1.5   0.3   30   2.1   0.3  
8   1.5   0   31   1.7   0.4  
9   2.1   0.6   32   2.1   0.4  
10   2   0.1   33   1.6   0.5  
11   1.6   0.4   34   2.4   0.8  
12   2.2   0.6   35   2.1   0.3  
13   1.9   0.3   36   1.8   0.3  
14   2.4   0.5   37   1.3   0.5  
15   3.3   0.9   38   1.8   0.5  
16   2.1   1.2   39   1.7   0.1  
17   2.1   0   40   1.6   0.1  
18   1.8   0.3     1.95   0.43  
19   1.6   0.2     Promedio  X   Prom.  Rango  
20   2.1   0.5  
21   1.2   0.9  

66
Manual de Calidad I

67
Manual de Calidad I

3.6.2. CARTAS DE PRECONTROL

Diagramas para variables con doble especificación. En donde se gráfica las mediciones
individuales, utiliza las especificaciones como límites de control y se aplica a ciertos
procesos y bajo circunstancias especificas como por ejemplo Cpk>1.15

El precontrol es una técnica de control para variables continuas con doble

especificación, que fue propuesta originalmente por Shainin para prevenir la ocurrencia
de defectos en procesos con tendencias, y algunas clases de procesos en lotes (Shainin,
1989). La técnica supone que la distribución del proceso tiene cuando mucho el ancho
de las especificaciones, con la media del proceso centrada en el valor objetivo. Así, el
precontrol no es recomendable para procesos con mala capacidad, se pide el Cpk >
1.15; si la capacidad es pobre, el precontrol llevaría a la situación insostenible de estar
continuamente parando y ajustando el proceso. Incluso si la capacidad es muy pobre, es
difícil que el proceso pasara siquiera la etapa de calificación que describiremos más
adelante.
La carta de precontrol es una herramienta para prevenir cambios en la media y en
la dispersión de la característica de calidad monitoreada, que eventualmente llevarían a
la producción de defectuosos. En el momento en que se detecta un cambio en estos
parámetros, el proceso se para y se "investigan las causas". En realidad la técnica sólo es
efectiva si dichas causas ya se conocen, es decir, se tienen variables de ajuste
previamente identificadas que permiten regresar el proceso a su estado original. Claro
que esto no quita la posibilidad de que eventualmente se identifiquen y eliminen otras
causas, como se hace con las cartas de control tradicionales.
Consideremos un proceso centrado en el valor nominal, cuyo ancho coincide con
las especificaciones (ver figura). Este proceso tiene una capacidad (Cpk = 1), que no es
buena como para recomendar usar con el precontrol, pero es muy útil para explicar la
herramienta. El precontrol es un semáforo contra el cual se comparan, en cada tiempo
de inspección, los valores medidos en dos artículos consecutivos de la producción. Las
zonas de operación del semáforo resultan de dividir la tolerancia o especificaciones en
cuatro partes: las dos partes centrales constituyen la zona verde, las dos partes de las
orillas forman la zona amarilla, y fuera de las especificaciones se localiza la zona roja.
Como se observa en la figura, si el proceso es normal y está centrado, la probabilidad de
que un punto caiga en la zona verde es 0.8664, de la zona amarilla es 0.0654 + 0.0654 =
0.1308 y de la zona roja es 0.00135 + 0.00135 = 0.0027.
El precontrol consiste de las siguientes etapas y reglas, definidas en relación al semáforo
anterior, y considerando en cada tiempo de inspección siempre una muestra de n=2
artículos.

Etapa de calificación: El proceso califica

cuando se observan al menos 5 unidades
consecutivas de producción en zona verde. En
este caso se procede con lo siguiente:

68
 Manual de Calidad I

Condición Acción
correctiva
1. Dos unidades en zona Continuar
verde
2.-Una en zona verde y una Investigar y
**** Investigar= ajustar amarilla reiniciar
**** Reiniciar = volver a contar hasta lograr al 3. Dos unidades en zona Investigar y
menos 5 pzs. Correctas amarilla reiniciar
4.- una unidad en zona roja Investigar y
reiniciar

Una vez calificado el proceso, se procede de la siguiente manera.

Condición Acción correctiva

1. Dos unidades en zona verde
2. Una unidad en zona verde y una en
amarilla
3. Dos unidades en zona amarilla
4. Una unidad en zona roja
Continuar
Continuar
Parar, investigar y recalificar el proceso
Parar, investigar y recalificar el proceso

I
Etapa posterior a la calificación. En las condiciones 3 y 4 se para el proceso, debido a la
inminente aparición de defectos. Se investigan las causas de ese hecho y/o se ajusta el
proceso y se regresa otra vez a la etapa de calificación.
Cabe señalar que, dependiendo de las zonas donde caen las dos unidades de la muestra
que llevan a parar el proceso, indican si el cambio de éste fue en la media o en la
dispersión: las dos mediciones en amarillo en un solo lado de la curva, o una amarilla y
una roja en un solo lado indican cambio en la media; las dos amarillas o una amarilla y
una roja, pero en diferente lado de la curva, indican incremento de la variabilidad.

En cuanto a la frecuencia de inspección o muestreo, Shainin (1989) recomiendan 6 pares

de muestras entre ajustes consecutivos al proceso. Por ejemplo, si es necesario ajustar
cada 4 horas, se muestrea cada 40 minutos; o si el ajuste es cada turno de ocho horas,
entonces se muestrean dos unidades consecutivas cada 80 minutos.
Otra desventaja de las cartas de precontrol, debido a que las zonas de semáforo se
calculan sin tomar en cuenta la capacidad del proceso, es que cuando el proceso tenga
muy buena capacidad y en él ocurra un cambio, puede pasar que la carta de precontrol
tarde demasiado tiempo en detectarlo o de plano nunca lo detecte.

69
Manual de Calidad I

3.6.3. T I P O S DE CARTAS DE CONTROL PARA A T R I B U T O S

Cartas de control para atributos: Diagramas que se aplican al control de características

de calidad del tipo pasa, no-pasa o donde se cuenta el número de no conformidades
que tienen los productos analizados.

Las cartas de tributos más comunes son:

1. p (proporción de artículos defectuosos)}

2. np (numero de unidades defectuosas)
3. c (número de defectos)
4. u (numero de defectos por unidad)

Cuando la característica de calidad no se puede medir o comparar con un

patrón de medición, como sucede con los datos para gráficas por variables, se cuenta
con otro tipo de gráficas de control conocidas como gráficas por atributos.

Muchas de las características de calidad caen dentro de la categoría de las que

no pueden ser representadas en forma conveniente por números, en tales casos, cada
artículo o producto inspeccionado suele clasificarse como conforme o disconforme de
acuerdo a las especificaciones (criterio) para tal característica de calidad.

CONFORME
PASA
APROBADO
NO CONFORME NO PASA RECHAZADO

CARTA P

Se utilizan para porcentaje de unidades defectuosas (para tamaño de muestra no

necesariamente constante).
Cuando la característica a controlar define si una pieza es aceptada o rechazada y lo
que puede controlarse es el porcentaje defectuoso, se puede usar una gráfica P.

Este tipo de gráfica permite una gran flexibilidad en el tamaño de la muestra, por lo que
es muy útil en aquellos procesos en los que el volumen de producción no siempre
es constante o cuando la inspección es difícil. De esta forma podemos definir a la gráfica
P como una gráfica de control que muestra el porcentaje de piezas buenas o
defectuosas a la salida de un proceso, en base a observaciones que permitan analizar su
comportamiento a través del tiempo
Esta gráfica la utilizamos al igual que la gráfica de promedios y rangos, para vigilar los
procesos a través del tiempo y de esta manera identificar las posibles fuentes de variación
con el objeto de eliminarlas y/o reducirlas.

Además se utiliza cuando los tamaños de la muestra pueden ser variables. Esta
es la gráfica más versátil y comúnmente usada.

La fracción de unidades defectuosas (P) es el conjunto de los artículos que se

encontraron defectuosos (x) dentro de un total de artículos examinados (n).

Se expresa como fracción decimal para el cálculo de los límites. Se convierte en

porcentaje cuando se transcribe en la gráfica.

70
Manual de Calidad I

Número de articulos defectuosos en el subgrupo

p = Cada punto de la gráfica =
Número de artículos en el subgrupo
# total de artículos defectuosos
p = Línea central de la gráfica =
Total artículos inspeccionados
p 1- p
( )
LSCp = p + 3
n
p 1- p
( )
LICp = p - 3
n

EJERCICIO:

En una empresa del ramo alimenticio, mediante ciertas máquinas s empaquetan

salchichas en sobres o paquetes. La forma de evaluar el subprocesos de empaquetado
se hizo de manera adecuada, es haciendo una inspección visual de los paquetes para
determinar que se satisfagan diferentes atributos de calidad, por ejemplo: que la
cantidad de salchichas dentro del sobre sea la correcta o que dentro del sobre no quede
aire (empaque al vacío). Se han tenido problemas con este último atributo, por lo que hay
un operador que a la vez que está al pendiente de la máquina empaquetadora, hace la
inspección para separar los paquetes con aire. Los que son destruidos y las salchichas se
regresan a la máquina para que vuelvan a ser empaquetadas.

El atributo de falta de vacío es importante debido a que si un paquete con aire se va al

mercado, la vida de anaquel es muy corta, por lo que después de algunos días la
salchicha empieza a cambiar de color y a perder su frescura; y eso puede ocurrir en el
refrigerador del distribuidor o del consumidor. Lo que reper-cute en clientes insatisfechos y
mala imagen.
Por lo anterior, a los operadores de las diferentes máquinas continuamente se les
recordaba la importancia de no dejar pasar paquetes con aire. Sin embargo, no se
llevaba un registro de la magnitud del problema. Por lo qué no existían bases para
detectar cambios en el desempeño de las máquinas, ni había; forma de saber si las
medidas tomadas para reducir el problema habían dado resultado. De aquí se vio la
necesidad de registrar los resultados y analizarlos mediante una carta de control. Cada
hora se registra el; número de paquetes detectados con aire d¡ y del contador de la
máquina se obtiene el total de paquetes n¡ durante esa hora. Los datos obtenidos
durante tres días en una máquina se muestran en la tabla.
Es claro que el problema de falta de vacío o aire dentro del sobre es del tipo pasa-no
pasa, por lo que para analizar su variación se debe aplicar la carta p.

8 590 7 0.012
paquetes
9 599 2 0.003
PAQUETES con aire,
NO. ni di pi 10 601 4 0.007
1 595 15 0.025 11 598 9 0.015
2 593 5 0.008 12 600 17 0.028
3 607 8 0.013 13 597 4 0.007
4 596 10 0.017 14 594 5 0.008
5 602 6 0.010 15 595 3 0.005
6 599 5 0.008 16 597 10 0.017
7 600 5 0.008 17 599 7 0.012
18 596 5 0.008

71
Manual de Calidad I

19 607 4 0.007
20 601 9 0.015
21 594 7 0.012
22 606 5 0.008
23 601 7 0.012
24 598 4 0.007
25 599 2 0.003
26 599 3 0.005
27 590 5 0.008
28 588 3 0.005
29 597 6 0.010
30 605 5 0.008
31 597 7 0.012
32 603 9 0.015
33 596 5 0.008
34 597 3 0.005
35 607 8 0.013
36 596 15 0.025
37 598 4 0.007
38 600 6 0.010
39 608 8 0.013
40 592 5 0.008

72
Manual de Calidad I

73
Manual de Calidad I

CARTA np

Se usan para número de unidades defectuosas (para tamaño de muestra constante).

LCS = np + 3 np 1- p
( )
Línea Central = np
LCI = np - 3 np 1- p
( )

EJERCICIO:
En un proceso de manufactura al final de la línea de ensamble, antes de empacar, se
hace la inspección y prueba final. Los atributos, variables o razones por las que los
productos son rechazados son varios, sin embargo analizando los datos obtenidos en la
inspección final/a través de una estratificación y unanálisis de Pareto, se encuentra que la
principal causa por la que los artículos salen defectuosos está relacionada con los
problemas en un componente en particular (el componente k12). Por lo que se decide
analizar más de cerca el proceso que produce tal componente..

Para ello dé cada lote de componentes k12 se decide inspeccionar una muestra de n =
120, una vez que salen de su proceso (antes de ser ensamblados). Los datos obtenidos en
20 lotes consecutivos se muestran en la tabla 8.2. El análisis de estos datos se puede hacer
directamente registrando la cantidad de defectuosos por muestra sin necesidad de
calcular la proporción, es decir, se pueden analizar con una carta np.

12 20
COMP. 13 12
MUESTRA DEFECTUOSOS
14 10
1 9
15 10
2 6
16 0
3 10
17 13
4 8
18 5
5 5
19 6
6 5
20 11
7 14
183
8 12
9 9
10 8
11 10

74
Manual de Calidad I

75
Manual de Calidad I

CARTA C

Su aplicación es para número de defectos por unidad de muestreo (para tamaño de

muestra igual a 1). Esta gráfica nos proporciona información del número de defectos por
unidad. La gráfica se utiliza para vigilar los procesos a través del tiempo y de esta manera
identificar las posibles fuentes de variación con el objeto de eliminarlas y/o reducirlas.
Normalmente se aplica en las siguientes situaciones:

1. Cuando los defectos se distribuyen en un flujo continuo de productos y que además se

puedan expresar en promedios o relación de defectos.

Ejemplo: ' c ' es el número de burbujas (pequeñas bolsas de aire) observadas en un

parabrisas.

2. Cuando en una unidad se encuentran defectos que provienen de diferentes

fuentes.

EJEMPLO CARTA “C”:

En una fábrica de muebles se inspecciona con detalle el acabado de las mesas cuando
salen del departamento de laca. La cantidad de defectos que son encontrados en cada
mesa son registrados con el fin de conocer y mejorar el proceso. En la tabla se muestran
los defectos encontrados en las últimas 30 mesas. Es claro que estamos ante una variable
a ser analizada con la carta c, debido a que una misma mesa puede tener varios
defectos y de diferente tipo, además los defectos son relativamente menores, y aunque
influyen en la calidad final del producto, no causan que la mesa sea rechazada.

Para analizar estos datos mediante una carta c, lo primero que debemos hacer es estimar
el número promedio de defectos por unidad (mesa):

DEFECTOS 16 12
MESA Ci 17 8
1 7 18 10
2 5 19 4
3 10 20 7
4 2 21 3
5 6 22 10
6 5 23 6
7 4 24 6
8 9 25 7
9 7 26 4
10 5 27 5
11 6 28 6
12 7 29 8
13 8 30 5
14 4 191
15 5

76
Manual de Calidad I

77
Manual de Calidad I

CARTA U
Se utilizan para número de defectos (para tamaño de muestra constante).
Esta es cuando el tamaño del subgrupo no es constante y analiza la variación del número
promedio de defectos por artículo o unidad.
Total de defectos
u=
Total de artículos inspeccionados
u
LCS = u+ 3
n
LC = u
u
LCI = u - 3
n

EJEMPLO:
En una fábrica se ensamblan artículos electrónicos y al final del proceso se hace una
inspección por muestreo para detectar defectos relativamente menores, y así
retroalimentar el proceso para enfocar bien las acciones de mejora. En particular, en la
tabla se presenta el número de defectos observados en muestreos realizados sobre 24
lotes consecutivos de piezas electrónicas. El número de piezas inspeccionados en cada
lote es variable, por lo que no es apropiado analizar el número de defectos por muestra,
c¡, mediante una carta c. Es mejor analizar el número promedio de defecto por pieza, ú¡,
mediante la carta u.
12 30 21 0.70
Tamaño
13 30 40 1.33
de Defectos
muestra encontrados 14 30 24 0.80
Lote (ni) (ci) ui=ci/ni 15 30 46 1.53
1 20 17 0.85 16 30 32 1.07
2 20 24 1.20 17 30 30 1.00
3 20 16 0.80 18 30 34 1.13
4 20 26 1.30 19 15 11 0.73
5 15 15 1.00 20 15 14 0.93
6 15 15 1.00 21 15 30 2.00
7 15 20 1.33 22 15 17 1.13
8 25 18 0.72 23 15 18 1.20
9 25 26 1.04 24 15 20 1.33
10 25 10 0.40 SUMA 525 549 1.05
11 25 25 1.00

78
Manual de Calidad I

79
Manual de Calidad I

3.7 Introducción a la Estrategia: Seis Sigma

¿En que se basa?

• En el enfoque hacia el cliente
• En un manejo eficiente de los datos y metodologías
• Diseños robustos

Que permite eliminar la variabilidad en los procesos y alcanzar un nivel de defectos

menor o igual a 3.4 defectos por millón

En general, los procesos estándar tienden a comportarse dentro del rango de:

3σ=a un número de defectos de casi 67,000 por millón de oportunidades

¿Quienes utilizan Seis Sigma ?

Empresas comprometidas con la satisfacción del cliente en la entrega oportuna de

productos y servicios, libres de defectos y a costos razonables.

Algunos ejemplos:

Motorola(1984), Allied Signal(1994), G.E.(1995), Polaroid, Sony, Lockheed, NASA, Black &
Decker, Bombardier, Dupont, Toshiba, etc.

Puestos implicados en SS:

Masters Black Belts (MBB'S o Maestros Green Belts

Cintas Negra) o Black Belts (GB o Cintas Verde)
(BB o Cintas Negra)

Estos líderes se dedican de tiempo Son expertos técnicos que se dedican en

completo a Seis Sigma y sus forma parcial a SS atacando problemas
responsabilidades son establecer objetivos de sus áreas siguiendo metodología SS.
de calidad para el negocio, monitorear el
progreso del cumplimiento de estos
objetivos, selección de proyectos SS y
supervisión del entrenamiento a los
equipos de proyectos.

80
Manual de Calidad I

Orientada al cliente y se enfoca en los procesos

Seis Sigma busca que todos los procesos cumplan con los requerimientos del cliente:

• en cantidad o volumen, calidad, tiempo y servicio

• y que los niveles de desempeño a lo largo y ancho de la organización tiendan al

nivel de calidad Seis Sigma

Seis Sigma se dirige con datos

Los datos y el pensamiento estadístico orientan los esfuerzos en la estrategia SS, ya que los
datos son necesarios para identificar las :

• Variables Críticas de la Calidad (VCC)

• y los procesos o áreas a ser mejoradas.

Seis Sigma se apoya en una metodología robusta

l Los datos por sí solos no resuelven los problemas del cliente y del negocio, por ello
es necesaria una metodología:
l En SS los proyectos se desarrollan en forma rigurosa con la metodología de cinco
fases: Definir, Medir, Analizar, Mejorar y Controlar

Metodología DMAMC: Es el procedimiento que se sigue de forma rigurosa para realizar

proyectos SS y consiste en:

81
Manual de Calidad I

Defini
Controlar
r

Mejora
Medir
r

Analizar

82
Manual de Calidad I

Características de Proyecto Seis Sigma:

Seis Sigma se apoya en entrenamiento para todos.

El programa Seis Sigma se apoya en entrenamiento para todos sobre la metodología

DMAMC y sus herramientas relacionadas. Generalmente la capacitación se da sobre la
base de un proyecto que se desarrolla de manera paralela al entrenamiento, lo que le da
un soporte práctico

Los proyectos realmente generan ahorros o aumento en ventas.

Un aspecto que ha caracterizado a los programas Seis Sigma exitosos, es que los
proyectos DMAMC realmente logran ahorros y/o incremento en ventas.
Esto implica varias cosas: se seleccionan proyectos claves que realmente atienden sus
verdaderas causas, se generan soluciones de fondo y duraderas, y se tiene un buen
sistema para evaluar los logros de los proyectos.

El trabajo por Seis Sigma se reconoce.

Seis Sigma se sostiene a lo largo del tiempo reforzando y reconociendo a los líderes en los
que se apoya el programa, y a los equipos que logran proyectos DMAMC exitosos

Cuatro niveles y formas de reconocer el trabajo de otros en una organización

Cuatro P´s

l palmadita :el directivo da una palmadita, una nota o un elogio a quien desea
reconocer; con ello señala que está enterado y satisfecho con lo hecho.
l presentación, en el cual a quienes se desea reconocer exponen ante colegas y
superiores los hechos y logros obtenidos
l pesos, en este nivel el reconocimiento se refleja en una compensación monetaria
l puesto, donde se reconocen esfuerzos y logros, y se encomienda una
responsabilidad con mayor jerarquía en la organización

“Seis Sigma es una iniciativa con horizonte de varios años, por lo que no desplaza otras
iniciativas estratégicas, por el contrario, se integra y las refuerza”

Seis Sigma se comunica.

Los programas Seis Sigma se fundamentan en un programa intenso de comunicación que

genera comprensión, apoyo y compromiso, tanto en el interior de la organización como
en el exterior (proveedores, clientes clave).
Esto permitirá afianzar en toda la organización esta nueva filosofía, partiendo de explicar
qué es Seis Sigma y por qué es necesario trabajar por ella. Los resultados que se obtengan
con SS deben ser parte de este programa de comunicación.

LA METRICA SEIS SIGMA

83
Manual de Calidad I

Tener un proceso Tres Sigma, significa que los límites reales de su variable de salida
coincidan con las especificaciones de calidad para tal variable.
(Cp=1 )

Ejemplo Proceso 3σ:

l A primera vista un proceso Tres Sigma podría parece que es muy bueno.
l El .27 % de artículos defectuosos , implica aprox. 2700 PPM

84
Manual de Calidad I

l Sin embargo si se realizara un estudia conciencia las capacidades a lt y ct

entonces tendríamos un movimiento de 1.5 sigmas

Proceso 6σ

Nivel de calidad y/o desempeño de un proceso en el que su distribución cabe 2 veces

dentro de especificaciones .

Cp=2 y PPM=3.4

Límites Reales:

µ±6σ

85
 Manual de Calidad I

Calidad de corto y largo plazo en términos de PPM y el nivel de calidad sigma

Calidad Corto Plazo Calidad largo Plazo con Zmov=1.5

índice Calidad % de la curva PPM fuera de Índice % de la PPM fuera de

CP en dentro de especificacion Z lt curva especificaciones
sigmas especificaciones es dentro
(índice de
Z.cf) especifi
cacion
es

0.33 1 68,27 317300 -0.5 30.23 697 700

0.67 2 95.45 45500 0.5 69.13 308 700

1.00 3 99.73 2700 1.5 93.32 66 807

1.33 4 99.9937 63 2.5 99,379 6210

1.67 5 99.999943 0.57 3.5 99.9767 233

2.00 6 99.9999998 0.002 4.5 99.9996 3.4

6

Pasar de : A: Implica un Reducción Porcentual:

reducción de
defectos (Factor)

2 sigmas (308 3 sigmas (66 807 5 78%

537 PPM) PPM)

3 sigmas (66 4 sigmas (6 210 11 91%

807 PPM) PPM)

4 sigmas (6 210 5 sigmas (233 26 96%

PPM) PPM)

5 sigmas (233 6 sigmas (3.4 68 99%

PPM) PPM)

86
Manual de Calidad I

Comparativo Empresa 3σ Vs 6σ

Gasta de 15 a 25% de sus ingresos por Gasta sólo 5% de sus ingresos por
ventas, en costos de fallas (costos de no ventas, en costos de fallas (costos de
calidad) no calidad).

Produce 66 807 defectos por cada Produce 3,4 defectos por cada millón
millón de oportunidades. de oportunidades.

Confía en sus métodos de inspección Confía en procesos eficaces que no

para localizar defectos. generan fallas.

Cree que la mejor calidad (calidad de Reconoce que el productor de alta

clase mundial) es muy cara. calidad es el productor de costos
bajos.

No tiene un sistema disciplinado para Utiliza la metodología DMAMC

colectar y analizar datos, y para actuar
en consecuencia

Considera que 99% es lo Establece su propia referencia

suficientemente bueno (Benchmark) contra el mejor a nivel
mundial.

Define internamente las variables Considera que 99% no es aceptable

críticas para la calidad (VCC).

Define sus críticos para la calidad.

Define las VCC de manera externa,

escucha la voz del cliente

87
Manual de Calidad I

88
Manual de Calidad I

BIBLIOGRAFIA:

GUTIERREZ, PULIDO HUMBERTO, Control Estadístico de Calidad y Seis SIGMA, Mc. Graw-Hill.

GUTIERREZ, PULIDO HUMBERTO, Calidad Total y Productividad, 2ª Edición, Mc. Graw-Hill.

FEIGENBAUM ARMAND V. Control total de calidad. CECSA, México D.F.

JOHN S. OAKLAND. Administración por Calidad Total. CECSA.

GRANT EUGENE L, LEAVENWORTH RICHARD S, Control estadístico de la calidad. CECSA,

México D.F.

CUMMINS , CONTROL TOTAL DE LA CALIDAD, 2003

Microsoft Office.

Programa MINITAB.

89