Maestría En Gestión de Negocios de

Manufactura

MANUAL PRÁCTICO PARA LA

11-9-2020
ELABORACIÓN DE
DIAGRAMAS DE CAUSA Y
EFECTO, PRUEBA DE
NORMALIDAD, CALCULO CP,
VARIANZA Y GRÁFICAS DE
CONTROL NP

Materia: Estadística aplicada al control de calidad y seis sigma

Profesor: M.P. Alejandro Garza
Alumnos:
Gabriela Botello Reyna
Juan Carlos Mireles Rodriguez
Omar Garcia Martinez

UNIVERSIDAD AUTÓNOMA DEL NORESTE

 Índice
DIAGRAMA CAUSA Y EFECTO .............................. 2

VARIANZA ............................................................ 7

Prueba de normalidad ....................................... 13

Cálculo de CP ..................................................... 15

Ejemplo de Análisis de capacidad normal ......... 17

Gráfica NP .......................................................... 21

1
 DIAGRAMA CAUSA Y EFECTO

Qué es?

Un diagrama de Causa y Efecto es la representación de varios elementos (causas) de un sistema que

pueden contribuir a un problema (efecto). Fue desarrollado en 1943 por el Profesor Kaoru Ishikawa
en Tokio. Algunas veces es denominado Diagrama Ishikawa o Diagrama Espina de Pescado por su
parecido con el esqueleto de un pescado. Es una herramienta efectiva para estudiar procesos y
situaciones, y para desarrollar un plan de recolección de datos.

Cuándo se utiliza?

El Diagrama de Causa y Efecto es utilizado para identificar las posibles causas de un problema
específico. La naturaleza gráfica del Diagrama permite que los grupos organicen grandes cantidades
de información sobre el problema y determinar exactamente las posibles causas. Finalmente,
aumenta la probabilidad de identificar las causas principales.

Los pasos para realizar los diagramas de causa y efecto son:

1. Definir el problema que se quiere solucionar.

2. Hacer una lluvia de ideas de todas las posibles causas del problema.

3. Organizar los resultados de la lluvia de ideas en categorías racionales.

4. Construir un diagrama causa y efecto que muestre de manera precisa las relaciones
entre todos los datos de cada categoría.

2
Ejemplo de como elaborar un diagrama de causa y efecto en MINITAB:

Para realizar un Diagrama de causa y efecto en Minitab utilizando las 6M y donde la cabeza de
pescado que es el problema seriaa LA DISPERSION DE LECTURA DE RESULTADOS, esto saliendo
de la lluvia de ideas las causas y subcausas

Para al tener la tabla se pasan al programa MINITAB como se muestra en la imagen

3
Una vez teniendo los datos en MINITAB utilizamos el menu---- ESTADISTICAS y buscamos
HERRAMIENTAS DE CALIDAD y del menu de cascada seleccionamos CAUSA Y EFECTO

4
Ya al entrar a este menú de CAUSA Y EFECTO aparecerá este recuadro, donde tendremos que
seleccionar las etiquetas y asignarles las causas y poner el efecto que sería el problema a analizar
que es DISPERSION DE LA LECTURA DE RESULTADOS

Ya una vez que seleccionamos y asignamos los causas a las etiquetas el recuadro queda de esta
manera:

5
Para ingresar las subcausas hay que darle click en botón de sub y se van asignando las subcausas

Y le damos aceptar para que nos muestre el diagrama de CAUSA Y EFECTO

6
 VARIANZA
Qué es?

La varianza es una medida de dispersión que representa la variabilidad de una serie de datos
respecto a su media. Formalmente se calcula como la suma de los residuos al cuadrado divididos
entre el total de observaciones.

Esta es la formula de la varianza

Donde

• X: variable sobre la que se pretenden calcular la varianza

• xi: observación número i de la variable X. i puede tomará valores entre 1 y n.
• n: número de observaciones.
• x̄: Es la media de la variable X.

viendo esto vamos a realizar un ejercicio en MINITAB en donde realizaremos la varianza de los
sueldos de una empresa de 50 empleados

7
Lo primero que tenemos que hacer es pasar la table de los empleados y salarios a MINITAB

8
Despues de tener los datos en el minitab nos vamos al menu ESTADISTICAS y en el menu de cascada
seleccionamos MOSTRAR ESTADISTICAS DESCRIPTIVAS

9
Y de ahi nos aparece este submenu

En el cual se seleccionara la variable de salarios y se le dará en el cuadro de seleccionar para que nos
quede así

10
Teniendo este recuadro así y la variable de salarios seleccionada le damos click al botón estadísticas
y nos aparece este menú y seleccionaremos solamente el que dice VARIANZA y después aceptar dos
veces.

Y al hacer esto nos mostrara la varianza de los salarios, de los datos que introducimos en el minitab
y tenemos que la varianza es 216567828

11
12
 Prueba de normalidad
El Gráfico de Probabilidad Normal se usa para ayudar a juzgar si una muestra de datos numéricos
proviene o no de una distribución normal. De no ser el caso, frecuentemente se puede determinar
el tipo de alejamiento de la normalidad examinando la forma en la que los datos se desvían de la
línea de referencia normal.

Un científico que trabaja para una empresa que produce alimentos procesados desea evaluar el
porcentaje de grasa de la salsa embotellada de la empresa. El porcentaje anunciado es de 15%. El
científico mide el porcentaje de grasa en 20 muestras aleatorias.

El científico desea verificar el supuesto de normalidad antes de realizar una prueba de hipótesis.

1. Abra los datos de muestra.

2. Elija Estadísticas > Estadísticas básicas > Prueba de normalidad.

3. En Variable, ingrese Pct. grasa.

4. Haga clic en Aceptar.

ID MuestraPct. grasa
1 15.2
2 12.4
3 15.4
4 16.5
5 15.9
6 17.1
7 16.9
8 14.3
9 19.1
10 18.2
11 18.5
12 16.3
13 20
14 19.2
15 12.3
16 12.8
17 17.9
18 16.3
19 18.7
20 16.2

13
14
Interpretar los resultados

Los puntos de los datos están relativamente cerca de la línea de distribución normal ajustada. El
valor p es mayor que el nivel de significancia de 0.05. Por lo tanto, el científico no puede rechazar la
hipótesis nula de que los datos siguen una distribución normal.

P-VALUE

Caso Interpretación
P-Value Mayor a 0.05 Los datos SON normales
P-Value Menos a 0.05 Los datos NO SON normales

Cálculo de CP
El Cp es una medida de la capacidad potencial del proceso. El Cp es una relación que compara dos
valores:

• La dispersión de especificación (LES – LEI)

• La dispersión del proceso (la variación de 6 σ) con base en la desviación estándar dentro de
los subgrupos

El Cp evalúa la capacidad potencial con base en la variación del proceso, no en su ubicación.

Interpretación

Utilice el Cp para evaluar la capacidad potencial del proceso con base en la dispersión del proceso. La
capacidad potencial indica la capacidad que se podría alcanzar si se eliminaran los cambios rápidos
y graduales del proceso.

Puesto que el Cp no considera la ubicación del proceso, indica la capacidad potencial que podría
alcanzar el proceso si estuviera centrado. Por lo general, los valores de Cp más altos indican un
proceso más capaz. Los valores de Cp más bajos indican que el proceso puede necesitar mejoras.

Cp bajo

15
En este ejemplo, la dispersión de especificación es menor que la dispersión del proceso dentro de
los subgrupos. Por lo tanto, el Cp es bajo (0,80) y la capacidad potencial del proceso es deficiente
con base en su variabilidad.

Cp alto

En este ejemplo, la dispersión de especificación es considerablemente mayor que la dispersión del

proceso dentro de los subgrupos. Por lo tanto, el Cp es alto (2,76) y la capacidad potencial del
proceso es adecuada con base en su variabilidad.

Usted puede comparar el Cp con otros valores para obtener más información sobre la capacidad del
proceso.

• Compare el Cp con un valor de referencia para evaluar la capacidad potencial del

proceso. Muchas industrias utilizan un valor de referencia de 1,33. Si el Cp es menor que el
valor de referencia, considere cómo mejorar el proceso reduciendo su variación.

• Compare el Cp y el Cpk. Si el Cp y el Cpk son aproximadamente iguales, entonces el proceso

está centrado entre los límites de especificación. Si el Cp y el Cpk son diferentes, entonces
el proceso no está centrado.

Precaución

Debido a que el índice Cp no considera la ubicación del proceso, no indica qué tan cerca está el
proceso de la región objetivo que definen los límites de especificación. Por ejemplo, las siguientes
gráficas muestran dos procesos con el mismo valor de Cp, aunque un proceso se encuentra dentro
de los límites de especificación y el otro no.

16
Para un análisis completo y exacto, utilice las gráficas en combinación con otros índices de capacidad
(como el Cpk) para sacar conclusiones significativas a partir de los datos.

Ejemplo de Análisis de capacidad normal

Un fabricante de motores usa un proceso de forja para producir aros de pistón. Los ingenieros
especializados en calidad desean evaluar la capacidad del proceso. Recolectan 25 subgrupos de
cinco aros de pistón y miden el diámetro. Los límites de especificación para el diámetro del aro de
pistón son 74.0 mm ± 0.05 mm.

Los ingenieros realizan un análisis de capacidad normal para evaluar los diámetros de los aros de
pistón en relación con los límites de especificación.

1. Abra los datos de muestra.

2. Elija Estadísticas > Herramientas de calidad > Análisis de capacidad > Normal.

3. En Columna individual, ingrese Diámetro.

4. En Tamaño del subgrupo, ingrese 5.

5. En Espec. inferior, ingrese 73.95.

6. En Espec. superior, ingrese 74.05.

7. Haga clic en Opciones.

8. En Objetivo (agrega el Cpm a la tabla), ingrese 74.

9. Haga clic en Aceptar en cada cuadro de diálogo.

17
Diámetro
74.03 74.002 73.995 73.998 73.983 74 73.984 74.004 73.982
74.002 73.996 74.006 74 74.002 73.984 74.002 73.999 73.984
74.019 73.993 73.994 73.99 73.998 74.005 74.003 73.99 73.995
73.992 74.015 74 74.007 73.997 73.998 74.005 74.006 74.017
74.008 74.009 74.005 73.995 74.012 73.996 73.997 74.009 74.013
73.995 73.992 73.985 73.994 74.006 73.994 74 74.01
73.992 74.007 74.003 73.998 73.967 74.012 74.01 73.989
74.001 74.015 73.993 73.994 73.994 73.986 74.013 73.99
74.011 73.989 74.015 73.995 74 74.005 74.02 74.009
74.004 74.014 73.988 73.99 73.984 74.007 74.003 74.014
73.988 74.009 74.008 74.004 74.012 74.006 73.982 74.015
74.024 73.994 73.995 74 74.014 74.01 74.001 74.008
74.021 73.997 74.009 74.007 73.998 74.018 74.015 73.993
74.005 73.985 74.005 74 73.999 74.003 74.005 74
74.002 73.993 74.004 73.996 74.007 74 73.996 74.01

Interpretar los resultados

Todas las mediciones se encuentran dentro de los límites de especificación. El proceso está dentro
del objetivo y las mediciones están aproximadamente centradas entre los límites de especificación.
Los índices de capacidad Cpk, Ppk y Cpm son mayores que 1.33, que es un valor mínimo
generalmente aceptado para un proceso capaz. Por lo tanto, los ingenieros concluyen que el
proceso de forja cumple con los requisitos en cuanto a los diámetros de los aros de pistón.

18
Seleccionar Opciones

19
20
 Gráfica NP

Número de Unidades Defectuosas

Qué es?

Se utiliza para graficar las unidades defectuosas, y no el porcentaje que éstas representan, siendo
constante el tamaño de muestra.

Las muestras deben ser suficientemente grandes, de tal modo que encontremos una o varias
unidades defectuosas en cada subgrupo.

La experiencia enseña que los tamaños de la muestra no deben ser menores a 50 unidades, aunque
este número debe de considerarse sólo como de referencia.

Las gráficas np tienen los siguientes objetivos:

• Conocer las causas que hacen que deban repetirse los trabajos.

• Obtener el registro histórico de una o varias características de una operación o actividad en

un proceso de trabajo.

• Investigar el curso o tendencia de un defecto o de un grupo de defectos.

• Detectar causas especiales de variación.

Ejemplo de como elaborar una gráfica NP en MINITAB:

Un ingeniero especializado en calidad evalúa si el proceso utilizado para producir

focos está bajo control. El ingeniero realiza 30 pruebas con 100 focos cada lote y
registra el número de focos que no encienden (elementos defectuosos).

El ingeniero crea una gráfica NP para monitorear el número de focos defectuosos.

Los pasos para realizar los gráficas NP en Minitab son:

1. Escriba los datos de las muestras realizadas muestra y coloque el número de

defectos por lotes que resultaron en las 30 muestras.

21
2. Elija Estadísticas > Gráficas de control > Gráficas de atributos > NP.

3. En Variables, ingrese Defectuosos.

22
4. En Tamaños de los subgrupos, ingrese 100 o seleccione Lotes.

5. Haga clic en Opciones de gráfica NP.

23
6. En la ficha Pruebas, seleccione 1 punto > K desviaciones estándar desde la
línea central (Prueba 1) y K puntos consecutivos en el mismo lado de la línea
central (Prueba 2).

O bien seleccione Realizar todas las pruebas por causas especiales, esto para
verificar las cuatro pruebas de las gráfica NP.

24
 7. Haga clic en Aceptar en cada cuadro de diálogo.

El gráfico de control nos permite llegar a la conclusión de que el proceso está

“estadísticamente bajo control”.
Además, es interesante saber si los datos siguen una distribución normal y, por tanto, se
puede aplicar las disposiciones comunes aplicables a los gráficos de control y capacidades
de proceso.

Ejemplo 2 de como elaborar una gráfica NP en MINITAB:

Un ingeniero especializado en calidad evalúa si el proceso utilizado para producir

focos está bajo control. El ingeniero realiza 30 pruebas con 40 focos cada lote y
registra el número de focos que no encienden (elementos defectuosos).

El ingeniero crea una gráfica NP para monitorear el número de focos defectuosos.

Los pasos para realizar los gráficas NP en Minitab son:

25
1. Escriba los datos de las muestras realizadas muestra y coloque el número de
defectos por lotes que resultaron en las 30 muestras.

2. Elija Estadísticas > Gráficas de control > Gráficas de atributos > NP.

26
3. En Variables, ingrese Defectuosos.

4. En Tamaños de los subgrupos, ingrese 40 o seleccione Lotes.

27
5. Haga clic en Opciones de gráfica NP.

6. En la ficha Pruebas, seleccione 1 punto > K desviaciones estándar desde la

línea central (Prueba 1) y K puntos consecutivos en el mismo lado de la línea
central (Prueba 2).

O bien seleccione Realizar todas las pruebas por causas especiales, esto para
verificar las cuatro pruebas de las gráfica NP.

28
 7. Haga clic en Aceptar en cada cuadro de diálogo.

El gráfico de control nos permite llegar a la conclusión de que el proceso está

“estadísticamente fuera de control” ya que una de las pruebas de control fallaron.

29
Esto significa que la prueba 15 el proceso está fuera de control ya que rebaso el límite de
control superior ya que este nos indica que el que el número de defectos es de 36.64 y en
la prueba 15 el número de defectos es de 37 esto quiere decir que está por encima de los
defectos permitidos y se requiere de revisar el proceso y verificar donde se están
produciendo los defectos de calidad y así poder realizar acciones correctivas.

30